Un direttore delle operazioni mi ha mostrato orgoglioso il suo nuovo flusso: l'IA smistava i lead in arrivo al team commerciale, da sola, in pochi secondi. Bello. Il problema: il modulo di acquisizione aveva sei campi opzionali che ogni commerciale compilava a modo suo. Automatizzare quello non ha ordinato niente; ha moltiplicato per mille il disordine che avevano già, solo più in fretta. Due settimane dopo lo hanno spento.
Automatizzare con l'IA non aggiusta un processo: lo amplifica
Ecco la verità che quasi nessun fornitore ti dirà, perché è pagato per il contrario: l'automazione non corregge un processo carente, lo esegue più in fretta e in più volume. Se il processo è rotto, automatizzarlo ti dà gli stessi errori, prima e in quantità maggiore. Quindi la domanda utile non è «posso automatizzare questo con l'IA?» —quasi sempre puoi— ma quando non automatizzare con l'IA, proprio quella che nessuno fa durante la demo.
I quattro casi in cui automatizzare è buttare i soldi
Non tutto merita un agente. Questi sono i quattro scenari in cui, per averlo implementato, automatizzare con l'IA costa caro e delude:
1. Il processo è rotto o non progettato
Se nessuno sa spiegare come si decide oggi —cosa entra, cosa esce, con che criterio—, non c'è niente da automatizzare: c'è qualcosa da progettare prima. Automatizzare un processo indefinito è programmare l'improvvisazione. Il passo che quasi tutti saltano è sedersi a disegnare il flusso prima di toccare uno strumento. Senza quella diagnosi, l'automazione crea più lavoro di quanto ne tolga.
2. Il volume non basta
L'automazione ha costi fissi: progettazione, implementazione, manutenzione, monitoraggio. Un processo che accade cento volte al giorno li ammortizza senza fatica; uno che capita una volta al mese, raramente. Prima di montare un agente, fai il conto noioso: quante volte accade, quanto costa ogni volta, quanto costerebbe mantenerlo automatizzato. Se i numeri non tornano, un modello e dieci minuti battono un sistema.
3. I dati non sono affidabili
Un agente decide con ciò che legge. Se la tua informazione vive sparsa, datata o contraddittoria tra i sistemi, l'IA non lo aggiusta: lo eredita e lo propaga con sicurezza. Automatizzare su dati cattivi è fabbricare errori convincenti. Prima si ordina la fonte; poi si automatizza sopra. L'ordine inverso è quello che riempie i forum di casi «l'IA si è inventata delle cose».
4. La decisione richiede giudizio umano
Ci sono decisioni che non vuoi delegare: un reclamo delicato, un'eccezione con un cliente grande, qualcosa con implicazioni legali o reputazionali. Lì l'IA non sostituisce, assiste: prepara, riassume, propone, e una persona decide. Confondere «automatizzare» con «togliere l'umano da tutto» è l'errore che trasforma un buon strumento in un incidente. Il buon design automatizza il ripetitivo e scala verso una persona proprio ciò che merita giudizio.
L'ordine giusto: diagnosticare, progettare e poi automatizzare
Niente di tutto questo significa «non automatizzare». Significa automatizzare nell'ordine che funziona, non in quello che vende la demo. In pratica:
- Diagnostica il processo com'è oggi, con i dati: quante volte accade, chi lo tocca, dove si inceppa, con che criterio si decide. È il passo che separa automatizzare processi con l'IA dal comprare uno strumento e pregare.
- Riprogetta prima di toccare l'IA. Togli i campi che nessuno usa, definisci il criterio, pulisci la fonte dati. Un processo semplice e chiaro è quello che l'IA esegue bene; quello contorto se lo mangia.
- Automatizza il ripetitivo e lascia il giudizio a una persona. È ciò che facciamo montando processi interni con agenti: l'IA fa il lavoro sporco, l'umano decide ciò che conta. Se vuoi che lo montiamo e lo lasciamo misurato, è automazione delle operazioni.
Allora, quando SÌ automatizzare con l'IA?
Quando è chiaro, frequente, poggiato su dati affidabili e senza giudizio umano a ogni passo.
Quando il processo è chiaro, accade spesso, si appoggia su dati affidabili e non richiede giudizio umano a ogni passo. Lì l'IA brilla: rispondere al ripetitivo, estrarre dati dai documenti, spostare informazioni tra sistemi, scrivere una prima bozza. La differenza tra il progetto che funziona e quello che muore in demo non è il modello né lo strumento —oggi vanno bene quasi tutti—: è aver fatto i compiti prima di automatizzare.