AI e processi aziendali: prima di automatizzare, capiamo quale problema stiamo risolvendo

Indice degli argomenti

Introduzione

Quando penso al rapporto tra AI e processi aziendali, c’è una cosa che continua ad affascinarmi e, contemporaneamente, a preoccuparmi: la velocità con cui l’intelligenza artificiale riesce a suggerire una soluzione.

Le sottoponiamo un processo, le raccontiamo come funziona e in pochi secondi possiamo ottenere ipotesi di automazione, semplificazioni, agenti capaci di gestire attività ripetitive, integrazioni tra strumenti, nuovi workflow. È una capacità enorme e credo che cambierà, anzi sta già cambiando profondamente il modo in cui le aziende lavorano.

Ma proprio perché trovare una soluzione sta diventando così facile, continuo a pensare che una parte molto diversa del lavoro acquisterà ancora più valore: capire quale problema stiamo realmente cercando di risolvere.

È una distinzione che può sembrare teorica finché non si entra dentro un processo aziendale.

Prendiamo una situazione apparentemente semplice. Un processo commerciale richiede quattro approvazioni prima che un’offerta possa essere inviata al cliente. Il commerciale prepara il documento, il responsabile verifica, il finance controlla margini e condizioni, qualcun altro autorizza definitivamente l’invio.

Guardandolo attraverso la lente dell’efficienza, la diagnosi sembra immediata: troppe approvazioni.

E con gli strumenti che abbiamo oggi anche la soluzione può arrivare quasi immediatamente: automatizziamo i controlli, costruiamo regole, facciamo intervenire un agente AI, eliminiamo uno o due passaggi.

Probabilmente funzionerebbe.

Ma io, prima di farlo, vorrei capire perché quelle quattro approvazioni esistono.

Perché magari scopriamo che il commerciale non dispone delle informazioni necessarie per valutare autonomamente i margini. Oppure che il responsabile non si fida ancora della capacità del team di formulare determinate offerte. Forse il finance interviene alla fine perché non è mai stato coinvolto nella definizione delle regole commerciali. O magari quelle approvazioni sono semplicemente il residuo di un’organizzazione che non esiste più, ma che nessuno ha mai avuto occasione di mettere in discussione.

Sono quattro situazioni completamente diverse. E soprattutto richiedono quattro interventi diversi.

Se automatizziamo prima di comprenderle, non abbiamo necessariamente risolto il problema. Abbiamo reso più veloce il sistema che lo produce.

AI e processi aziendali: il rischio di ottimizzare il problema sbagliato

È questa la parte che trovo più interessante quando lavoriamo sui processi.

Un processo aziendale non è soltanto una successione di attività. È anche la manifestazione di come un’organizzazione prende decisioni, distribuisce responsabilità, condivide informazioni e gestisce fiducia e controllo.

Racconta dove si concentra il potere decisionale. Quanto un’organizzazione si fida delle proprie persone. Quali competenze considera necessarie. Dove accetta il rischio e dove, invece, costruisce controlli.

Per questo trovo riduttivo affrontare il process design partendo esclusivamente dalla domanda: “Come possiamo fare questa cosa più velocemente?”

Prima viene un’altra domanda: “Perché la facciamo in questo modo?”

La differenza è sostanziale.

Nel primo caso stiamo ottimizzando il sistema esistente. Nel secondo stiamo mettendo in discussione il sistema stesso.

Ed è qui che credo che l’intelligenza artificiale renda il tema particolarmente interessante.

Perché fino a poco tempo fa automatizzare aveva un costo significativo. Bisognava analizzare, sviluppare, integrare, testare. Quella frizione costringeva, almeno in parte, a selezionare gli interventi.

Con l’AI quella barriera si sta abbassando rapidamente: possiamo automatizzare sempre più attività e possiamo farlo sempre più velocemente.

Ma poter automatizzare qualcosa non significa necessariamente che dovremmo automatizzarla.

La domanda manageriale diventa quindi meno tecnologica e molto più progettuale: quali attività rappresentano inefficienze reali e quali, invece, sono il sintomo di qualcosa che dovremmo ridisegnare a monte?

Perché l’AI richiede una lettura sistemica dei processi aziendali

Questo problema esiste da molto prima dell’arrivo dell’intelligenza artificiale.

Il systems thinking mette in discussione l’idea che migliorare una singola componente significhi automaticamente migliorare il sistema nel suo complesso. Nell’articolo “Integrating Systems Thinking and Design Thinking”, John Pourdehnad, Erica R. Wexler e Dennis V. Wilson spiegano come le proprietà di un sistema emergano dalle interazioni tra le sue parti e come intervenire su una componente senza considerarne le interdipendenze possa produrre sub-ottimizzazioni e conseguenze inattese.

Richiamando il pensiero di Russell Ackoff, gli autori distinguono inoltre tra analisi, utile a comprendere come funzionano le parti, e sintesi, necessaria per comprendere perché il sistema si comporta in un determinato modo.

Applicato all’AI, per me significa una cosa molto concreta: prima di chiedere alla tecnologia di migliorare una parte, dobbiamo capire quale funzione quella parte svolge nell’insieme.

Altrimenti rischiamo di rendere più efficiente un singolo passaggio senza migliorare davvero il sistema. O, nel peggiore dei casi, di rendere più efficiente proprio la dinamica che genera il problema.

Il sistema, in un’azienda, non coincide con il software che lo supporta.

Comprende persone, competenze, regole, responsabilità, incentivi, informazioni, strumenti, relazioni tra funzioni e modalità decisionali. Comprende anche elementi esterni al perimetro che stiamo analizzando, ma capaci di condizionarne il funzionamento.

È quello che spesso rischiamo di perdere quando traduciamo troppo velocemente un problema organizzativo in un problema tecnologico.

Oltre l’automazione: progettare il sistema, non soltanto il processo

Qui entra in gioco il design. E non il design inteso come interfaccia.

Se continuiamo a pensare che il designer che lavora in ambito tecnologico debba occuparsi prevalentemente di ciò che succede sullo schermo, rischiamo di perdere proprio la parte del design che diventerà più importante con l’AI.

Un’interfaccia è il punto in cui molte decisioni diventano visibili, ma quelle decisioni sono state prese altrove.

Dietro un campo obbligatorio può esserci una regola di business. Dietro un’autorizzazione può esserci un modello di governance. Dietro una dashboard può esserci un sistema di responsabilità. Dietro un workflow apparentemente irrazionale può esserci un conflitto tra funzioni aziendali.

Progettare l’interfaccia senza interrogare queste condizioni significa progettare la rappresentazione digitale di un’organizzazione senza avere realmente compreso l’organizzazione che la produce.

È anche per questo che faccio sempre più fatica a separare nettamente UX, service design, process design e organization design quando lavoriamo su sistemi digitali complessi.

Il confine esiste dal punto di vista delle competenze, naturalmente. Ma il problema aziendale non conosce quel confine.

Una persona non sperimenta separatamente il software, il processo e l’organizzazione. Sperimenta il sistema.

Quando parliamo di AI e processi aziendali, quindi, il punto non dovrebbe essere soltanto individuare ciò che può essere automatizzato, ma comprendere ciò che vale davvero la pena riprogettare.

E l’AI rende questa interdipendenza ancora più evidente.

Possiamo costruire un agente perfettamente capace di approvare automaticamente un’offerta sulla base di alcune regole. Ma se quelle regole non sono condivise, se le informazioni che alimentano la decisione non sono affidabili o se le responsabilità organizzative sono ambigue, abbiamo automatizzato una decisione che l’organizzazione non aveva ancora imparato a prendere bene.

Questa, secondo me, è una delle questioni più interessanti per chi guida trasformazioni organizzative e tecnologiche.

Non soltanto: “Dove possiamo utilizzare l’AI?”, ma “Quali condizioni devono esistere perché abbia senso farlo?”

AI, problem solving e problem setting: il valore delle domande prima delle soluzioni

Non credo che il valore umano stia semplicemente nel fare ciò che l’intelligenza artificiale non sa ancora fare. Sarebbe una posizione difensiva e, probabilmente, destinata a invecchiare rapidamente.

Mi interessa molto di più capire come cambia la natura del nostro contributo quando alcune capacità diventano abbondanti.

Se produrre alternative diventa economico, aumenta il valore della capacità di scegliere.

Se costruire diventa più veloce, aumenta il valore della capacità di decidere cosa costruire.

Se analizzare un processo diventa immediato, aumenta il valore della capacità di mettere in discussione il perimetro stesso dell’analisi.

È qui che vedo un ruolo molto forte per il design strategico e per la capacità di partire dal problema prima ancora che dalla soluzione.

Non come disciplina che possiede tutte le risposte, ma come disciplina allenata a lavorare prima della risposta. A formulare e riformulare il problema, rendere visibili le relazioni, coinvolgere prospettive diverse, costruire ipotesi e verificare se ciò che abbiamo definito come problema sia davvero il punto su cui intervenire.

Anche la letteratura sull’integrazione tra systems thinking e design thinking insiste su questo passaggio: adottare una prospettiva sistemica aiuta nel problem framing e reframing, perché obbliga a considerare il problema all’interno dell’insieme di relazioni che contribuiscono a generarlo.

Ed è una distinzione che trovo fondamentale.

L’AI può aiutarci enormemente nel problem solving.

Ma prima del problem solving viene il problem setting.

Quale problema stiamo risolvendo? Per chi? Per ottenere quale risultato? Quali parti del sistema lo stanno producendo? Cosa succederebbe altrove se intervenissimo qui?

E, soprattutto:

se potessimo ridisegnare il sistema invece di correggere il processo, costruiremmo ancora la stessa soluzione?

Sono domande meno immediate di un prompt che chiede di ottimizzare un workflow.

Ma probabilmente sono quelle che determinano la qualità della trasformazione.

Automatizzare con l’AI non significa necessariamente innovare

C’è infine un punto che credo interessi direttamente chi prende decisioni.

L’AI sta portando l’efficienza al centro di moltissime conversazioni manageriali. È comprensibile: ridurre tempi e costi, eliminare attività ripetitive e aumentare la produttività sono obiettivi assolutamente legittimi.

Ma un’organizzazione non è una macchina il cui unico obiettivo è minimizzare il numero di passaggi.

Alcune ridondanze sono inutili, altre costruiscono controllo.

Alcune conversazioni rallentano, altre generano conoscenza.

Alcuni passaggi manuali sono sprechi, altri rappresentano momenti in cui avviene un trasferimento di responsabilità che non abbiamo ancora saputo formalizzare.

La progettazione deve essere capace di distinguere gli uni dagli altri.

Perché eliminare un’attività è facile, ma comprendere quale funzione svolgesse davvero all’interno del sistema è molto più difficile.

Ed è qui, paradossalmente, che credo l’AI possa costringerci a diventare progettisti migliori.

Più aumenta la nostra capacità di intervenire, più dovrebbe aumentare la qualità delle domande che precedono l’intervento.

È forse questa la domanda che dovrebbe accompagnare ogni progetto che mette insieme AI e processi aziendali: stiamo migliorando davvero il sistema o stiamo semplicemente rendendo più efficiente il problema che contiene?

Per questo, davanti a un processo inefficiente, proverei a resistere ancora per qualche minuto alla tentazione di chiedere all’AI come automatizzarlo.

Prima le chiederei, e soprattutto ci chiederei, qualcosa di diverso:

che cosa ci sta raccontando questo processo dell’organizzazione che lo ha costruito?

Perché la soluzione potrebbe essere un’automazione, certo, ma potrebbe anche essere una responsabilità da chiarire, una competenza da distribuire, un’informazione da rendere disponibile, una decisione da spostare, un incentivo da ripensare.

E in quel caso avremmo scoperto qualcosa di molto più importante di come rendere più veloce un processo.

Avremmo capito perché quel processo esiste proprio in quel modo.

E solo allora avrebbe davvero senso decidere cosa farne.