Perché prima di sviluppare bisogna analizzare
Come spieghiamo in perché molte aziende implementano l’AI nel modo sbagliato, la domanda giusta non è “cosa possiamo sviluppare con l’AI” ma “dove stiamo perdendo tempo, informazioni o opportunità”. Un AI Assessment è lo strumento con cui rispondiamo a questa seconda domanda prima di proporre qualunque soluzione tecnica.
In sintesi
- Un AI Assessment analizza processi, persone, software e dati - non parte da una tecnologia da applicare.
- L’obiettivo è individuare i colli di bottiglia reali, non le aree in cui “sarebbe bello avere l’AI”.
- Ogni opportunità viene valutata su più variabili: impatto, frequenza, complessità, qualità dei dati, rischio.
- Il risultato non è sempre un progetto di sviluppo: a volte è formazione, a volte un collegamento tra due software esistenti.
Cosa analizziamo, reparto per reparto
Per ogni reparto osserviamo otto dimensioni. Non sono caselle da spuntare, ma le domande che permettono di capire se un’attività è davvero un buon candidato per l’AI:
| Dimensione | Cosa osserviamo |
|---|---|
| Processi | Quali attività compongono davvero il reparto, non quelle scritte nell’organigramma ma quelle svolte ogni giorno. |
| Persone | Chi esegue l’attività, con quali competenze, e cosa succede se quella persona è assente. |
| Software | Quali strumenti sono già in uso, quanto sono integrati tra loro, dove ci sono passaggi manuali tra un sistema e l’altro. |
| Dati | Che tipo di dati genera il processo, dove sono archiviati, quanto sono strutturati e affidabili. |
| Colli di bottiglia | Dove il processo rallenta, si ferma o dipende da una sola persona. |
| Attività ripetitive | Cosa si ripete allo stesso modo più volte al giorno o alla settimana, con poche eccezioni reali. |
| Errori | Dove si verificano più spesso, e quale conseguenza hanno a valle del processo. |
| Costi e tempi | Quante ore assorbe oggi l’attività, e cosa costerebbe non intervenire. |
Come valutiamo una possibile automazione
Non tutte le opportunità individuate hanno la stessa priorità. Le confrontiamo su otto variabili, per capire da dove partire con i primi quick win:
| Variabile | Perché conta |
|---|---|
| Impatto | Quanto valore genera migliorare questo processo: tempo, qualità o fatturato. |
| Frequenza | Quante volte viene eseguito: un’attività rara pesa meno di una quotidiana, anche se più lenta. |
| Tempo risparmiato | Stima delle ore recuperabili per esecuzione, moltiplicate per la frequenza. |
| Complessità | Quanti sistemi, eccezioni e passaggi manuali sono coinvolti nella soluzione. |
| Qualità dei dati | Se i dati di partenza sono strutturati, affidabili e accessibili, o vanno prima sistemati. |
| Integrazioni | Quanto è complesso collegare i sistemi coinvolti, e se espongono API utilizzabili. |
| Rischio | Cosa succede se qualcosa va storto: un errore su un preventivo pesa diversamente da uno su una newsletter. |
| ROI potenziale | Rapporto tra investimento stimato e valore generato nel tempo, per dare priorità ai casi giusti. |
Un esempio applicato
Prendiamo un caso ricorrente: un ufficio tecnico che prepara preventivi a partire da listini, distinte base e richieste cliente. Sulla carta sembra un candidato ovvio per un agente AI. Analizzando le otto dimensioni, però, emerge spesso che il vero collo di bottiglia non è la scrittura del preventivo, ma il tempo speso a recuperare informazioni sparse tra tre sistemi diversi - un problema di integrazione, non di generazione testo. È la differenza tra una soluzione che sembra giusta e una che risolve davvero il problema: emerge solo analizzando il processo nel dettaglio, non guardando l’attività dall’esterno.
Errori comuni in un assessment fatto male
Non tutti gli assessment producono risultati utili. I problemi più frequenti che osserviamo:
- Partire dalla soluzione, non dal processo. Se l’assessment parte già con “vogliamo un chatbot”, l’analisi si riduce a giustificare una scelta già fatta invece di verificarla.
- Intervistare solo i manager. Chi decide spesso non conosce i dettagli operativi del processo: le informazioni più utili arrivano da chi lo esegue ogni giorno.
- Ignorare la qualità dei dati. Un processo può sembrare un’ottima opportunità finché non si scopre che i dati di partenza sono incompleti o incoerenti tra un sistema e l’altro.
- Non definire come si misura il successo. Senza un indicatore chiaro prima di iniziare, diventa impossibile dire, a progetto concluso, se ha funzionato davvero.
Chi coinvolgere in un AI Assessment
La composizione del gruppo di lavoro incide sul risultato quanto il metodo. Servono in genere tre ruoli, non uno solo:
- Chi decide. Titolare, direttore operativo o responsabile di funzione: definisce priorità di budget e dà accesso ai sistemi da analizzare.
- Chi esegue il processo ogni giorno. È la fonte più preziosa e la più spesso saltata: sa dove il processo si inceppa davvero, non solo come dovrebbe funzionare sulla carta.
- Chi gestisce i sistemi coinvolti. IT interno o fornitore del gestionale: senza il suo contributo è difficile capire cosa è tecnicamente collegabile e cosa no.
Un assessment condotto solo con il management, senza mai parlare con chi il processo lo vive ogni giorno, tende a produrre priorità sbagliate: attività che sembrano un problema dall’alto, ma che chi le esegue ha già imparato ad aggirare - e viceversa, colli di bottiglia reali che nessuno ha mai segnalato perché nessuno lo ha chiesto direttamente.
Cosa succede dopo l’AI Assessment
Dall’analisi emergono in genere tre tipi di risultato, non uno solo:
- Formazione mirata. Se il problema è che le persone non sfruttano ancora bene gli strumenti disponibili, la priorità è la formazione AI, non lo sviluppo.
- Automazioni o agenti AI. Se emergono attività ripetitive ad alto impatto e bassa complessità, si parte da automazioni o agenti AI mirati.
- Sviluppo custom. Se il processo richiede di collegare più sistemi o gestire logiche specifiche non coperte da strumenti standard, ha senso valutare una soluzione su misura.
Domande frequenti
Che cos’è un AI Assessment?
È un’analisi strutturata di processi, persone, software e dati aziendali, finalizzata a capire dove l’intelligenza artificiale può avere un impatto reale e misurabile - non un elenco generico di tendenze AI applicabili a qualunque azienda.
Quanto dura un AI Assessment?
Dipende dal numero di reparti coinvolti e dalla dimensione dell’azienda. Il dettaglio su tempi e fasce di prezzo di Agentix è nella pagina del servizio.
L’assessment porta sempre a un progetto di sviluppo?
No. In molti casi l’assessment indica che la priorità è formare le persone o collegare due strumenti già esistenti, prima ancora di pensare a un’automazione o a un software su misura.
Serve un assessment anche per un’azienda piccola?
Sì, in forma proporzionata: anche in una PMI di poche persone vale la pena capire quale attività assorbe più tempo prima di scegliere uno strumento, per non investire nella soluzione sbagliata.