AI Assessment aziendale: che cos’è, cosa valuta e quando serve

Un AI Assessment aziendale è una valutazione iniziale della preparazione di un’organizzazione all’adozione dell’Intelligenza Artificiale. Esamina obiettivi, processi, dati, competenze, strumenti, rischi e responsabilità per capire dove l’AI possa essere utile, quali condizioni siano necessarie e con quali priorità procedere.

Non coincide con la scelta di un software, con l’implementazione di una soluzione o con un semplice questionario sulla maturità digitale. Il suo risultato dovrebbe essere un quadro motivato della situazione iniziale, utile per decidere se avviare un progetto, approfondire determinati casi d’uso oppure intervenire prima sui prerequisiti organizzativi.

Che cos’è un AI Assessment aziendale

L’espressione AI Assessment non identifica un unico modello normativo o uno standard obbligatorio. In ambito aziendale descrive una valutazione strutturata della capacità dell’organizzazione di introdurre, governare e utilizzare sistemi di Intelligenza Artificiale in modo coerente con i propri obiettivi.

La valutazione dovrebbe collegare almeno tre domande:

• quale problema aziendale si intende affrontare;
• se l’organizzazione dispone delle condizioni necessarie;
• quali rischi, vincoli e responsabilità devono essere considerati.

La preparazione aziendale all’AI, spesso indicata anche come AI readiness, non dipende soltanto dalla disponibilità di tecnologie. Un’azienda può avere accesso a strumenti evoluti ma non disporre di dati adeguati, responsabilità definite o competenze sufficienti per utilizzarli correttamente.

La maturità organizzativa descrive questa capacità complessiva. Non deve necessariamente essere rappresentata mediante un unico punteggio: spesso è più utile analizzare dimensioni distinte, evidenziando punti di forza, lacune e dipendenze.

Un’organizzazione, per esempio, può avere buone competenze tecniche ma processi poco documentati. Un’altra può disporre di molti dati, ma non avere regole chiare per l’accesso e l’utilizzo. L’assessment serve a rendere visibili queste differenze prima che diventino problemi durante l’implementazione.

Perché la valutazione deve precedere la scelta degli strumenti

Partire direttamente da una piattaforma o da un prodotto può spostare l’attenzione dalla decisione aziendale alla tecnologia disponibile.

Uno strumento può avere funzionalità interessanti senza essere adatto al processo che si vuole migliorare. Può richiedere dati che l’azienda non possiede, introdurre rischi non ancora valutati oppure sovrapporsi a sistemi già in uso. Anche una sperimentazione tecnicamente riuscita può risultare difficile da estendere se mancano responsabilità, competenze e criteri di controllo.

La valutazione iniziale permette invece di partire da obiettivi e problemi concreti. Aiuta a chiarire quale attività debba essere supportata, quali persone siano coinvolte, quali informazioni vengano utilizzate e come debba essere verificato il risultato.

Questo passaggio non elimina la necessità di analizzare successivamente i singoli processi e casi d’uso. Serve a stabilire un contesto comune nel quale tali approfondimenti possano produrre decisioni più solide.

Cosa valuta un AI Assessment

Obiettivi e priorità aziendali

La prima dimensione riguarda le motivazioni del progetto.

Formulazioni generiche come “usare l’AI” o “automatizzare il lavoro” non consentono di valutare un’iniziativa. Occorre chiarire quale problema si vuole affrontare, quali risultati sono attesi e attraverso quali criteri sarà possibile giudicare l’utilità della soluzione.

Gli obiettivi possono riguardare, per esempio, la riduzione di attività ripetitive, il supporto all’analisi di documenti, una migliore accessibilità delle informazioni o l’assistenza agli operatori. Non costituiscono, però, risultati garantiti: devono essere tradotti in ipotesi da verificare nel contesto reale.

L’assessment dovrebbe anche individuare eventuali obiettivi in conflitto. La ricerca della rapidità, per esempio, deve essere confrontata con esigenze di accuratezza, riservatezza, controllo umano e continuità del processo.

Processi e opportunità di applicazione

L’AI produce valore soltanto quando viene collegata a un’attività reale. Per questo l’assessment considera i processi interessati, il modo in cui vengono svolti e i problemi che le persone incontrano.

In questa fase non è sempre necessario mappare in dettaglio ogni processo aziendale. È però importante capire:

• quali attività assorbono tempo o generano errori;
• dove si concentrano decisioni, documenti e passaggi manuali;
• quali eccezioni richiedono esperienza o valutazione umana;
• quali conseguenze avrebbe una risposta incompleta o sbagliata;
• se il processo sia sufficientemente stabile e comprensibile.

Da questa analisi possono emergere aree candidate all’approfondimento. La selezione definitiva dei casi d’uso richiede normalmente una valutazione più specifica di fattibilità, impatto, dati disponibili e rischi.

Dati, strumenti e infrastruttura

La disponibilità dei dati non coincide con la loro effettiva utilizzabilità.

Un AI Assessment dovrebbe verificare quali informazioni servano, dove siano conservate, chi possa accedervi e con quale livello di qualità. Dati incompleti, duplicati, non aggiornati o privi di una responsabilità chiara possono limitare l’affidabilità di una soluzione.

Devono essere considerate anche la riservatezza delle informazioni, la presenza di dati personali, i vincoli contrattuali e le modalità con cui i dati potrebbero essere trasferiti o trattati da fornitori esterni.

Sul piano tecnico, la valutazione iniziale può comprendere i sistemi già in uso, le integrazioni necessarie, i requisiti di sicurezza e la capacità di controllare il funzionamento della soluzione. Non deve necessariamente trasformarsi in un audit tecnico completo, ma deve segnalare gli approfondimenti necessari.

Competenze, ruoli e organizzazione

L’adozione dell’AI modifica spesso il modo in cui le persone accedono alle informazioni, svolgono attività o prendono decisioni. Non può quindi essere affidata esclusivamente alla funzione IT.

L’assessment dovrebbe verificare:

• quali conoscenze siano già presenti;
• chi conosca realmente i processi interessati;
• chi possa approvare usi, dati e strumenti;
• chi debba controllare gli output;
• quali persone abbiano bisogno di formazione;
• come siano gestiti comunicazione e cambiamento organizzativo.

L’AI literacy è la capacità di comprendere possibilità, limiti e rischi dei sistemi AI con cui si opera. Deve essere proporzionata al ruolo delle persone, ai sistemi utilizzati e al contesto d’uso.

L’articolo 4 dell’AI Act richiede ai fornitori e ai deployer di sistemi AI di adottare misure per sostenere lo sviluppo dell’AI literacy del personale e delle altre persone che operano con tali sistemi per loro conto. Il deployer è, in sintesi, il soggetto che utilizza un sistema AI sotto la propria autorità, salvo l’uso personale non professionale.

La norma richiede di considerare conoscenze tecniche, esperienza, istruzione, formazione, contesto d’uso e persone interessate. Non impone di garantire uno specifico livello individuale di AI literacy. Le indicazioni della Commissione europea chiariscono inoltre che non esistono un corso, una certificazione o una struttura organizzativa identici e obbligatori per tutte le aziende.

Questa è una distinzione importante: adottare misure per sviluppare competenze adeguate è un obbligo; scegliere uno specifico corso, nominare un AI officer o adottare un determinato modello formativo non lo è in termini generali. Per i sistemi ad alto rischio possono applicarsi obblighi ulteriori, da verificare rispetto al ruolo dell’organizzazione e allo specifico sistema.

Rischi, governance e supervisione umana

La governance definisce chi può decidere, utilizzare, controllare e modificare un sistema AI. Comprende responsabilità, regole operative, autorizzazioni, documentazione e modalità di gestione degli incidenti o degli output non affidabili.

Tra gli aspetti da esaminare possono rientrare:

• utilizzo di dati personali o informazioni riservate;
• qualità e verificabilità degli output;
• possibilità di errori, discriminazioni o risultati fuorvianti;
• dipendenza da fornitori e servizi esterni;
• sicurezza e controllo degli accessi;
• conseguenze sulle persone e sui processi;
• necessità e modalità della supervisione umana.

La supervisione non dovrebbe essere descritta come una verifica generica. Occorre stabilire chi controlla, con quali competenze, in quali momenti e con la possibilità concreta di correggere, sospendere o non utilizzare il risultato.

Il NIST AI Risk Management Framework, destinato a un utilizzo volontario, propone di collegare governance, conoscenza del contesto, misurazione e gestione dei rischi lungo il ciclo di vita del sistema.

Anche lo standard ISO/IEC 42001:2023 adotta una prospettiva organizzativa, basata su politiche, procedure e gestione continuativa dei rischi e delle opportunità legati all’AI.

Questi riferimenti rappresentano framework e standard tecnici autorevoli, ma non trasformano automaticamente un AI Assessment in una certificazione o in una verifica di conformità normativa.

Quando è utile svolgere un AI Assessment

Un assessment complessivo può essere utile quando l’organizzazione deve prendere decisioni che coinvolgono più processi, funzioni o categorie di rischio.

Situazioni frequenti sono:

• prima di avviare il primo progetto AI;
• quando diversi reparti stanno sperimentando strumenti senza un coordinamento comune;
• quando non è chiaro quali iniziative meritino priorità;
• prima di estendere una soluzione ad altri uffici o processi;
• quando emergono dubbi sulla qualità dei dati;
• quando ruoli e responsabilità non sono definiti;
• quando occorre pianificare competenze, controlli e investimenti;
• quando la direzione deve costruire una roadmap condivisa.

Non si tratta di regole assolute. Se l’esigenza è circoscritta, il processo è ben conosciuto e l’impatto potenziale è limitato, può essere sufficiente un’analisi mirata del singolo caso d’uso.

Un assessment più ampio diventa invece opportuno quando le decisioni sono interdipendenti. Accade, per esempio, quando uno stesso insieme di dati alimenta più applicazioni, diversi reparti utilizzano strumenti non coordinati oppure una soluzione può incidere su clienti, dipendenti o decisioni rilevanti.

Chi dovrebbe partecipare alla valutazione

La composizione del gruppo dipende dal perimetro dell’assessment. Non esiste una struttura organizzativa identica per tutte le aziende.

In genere è utile coinvolgere:

• la direzione, per definire obiettivi e criteri decisionali;
• i responsabili dei processi interessati;
• le persone che svolgono concretamente le attività;
• la funzione IT o digital, per sistemi, dati e integrazioni;
• le funzioni competenti in materia di sicurezza, privacy, compliance o risorse umane, quando pertinenti.

Il coinvolgimento degli operatori è particolarmente importante. Le procedure formali non descrivono sempre eccezioni, passaggi informali e conoscenze necessarie per gestire correttamente il lavoro.

Allo stesso tempo, la valutazione non dovrebbe diventare una raccolta indiscriminata di opinioni. Servono un perimetro chiaro, domande coerenti e responsabilità definite per interpretare le informazioni raccolte.

Quali risultati dovrebbe produrre

Il risultato utile di un AI Assessment non è il questionario compilato, ma una base comprensibile per prendere decisioni.

In relazione al perimetro concordato, dovrebbe produrre almeno:

• un quadro della situazione iniziale;
• le aree nelle quali approfondire possibili applicazioni;
• le principali lacune e i prerequisiti;
• i rischi e le responsabilità da considerare;
• priorità motivate;
• indicazioni per i passi successivi;
• gli elementi necessari per decidere se, dove e come procedere.

Una roadmap può tradurre queste conclusioni in fasi, responsabilità e verifiche. Non è però corretto presumere che ogni assessment produca automaticamente un piano esecutivo completo, un business case o una graduatoria numerica.

In alcuni casi, la conclusione più utile può essere rimandare un progetto, ridurne il perimetro oppure intervenire prima su dati, processi o competenze. Anche una decisione di non procedere può rappresentare un risultato valido se è sostenuta da elementi verificabili.

AI Assessment, analisi degli use case e digital assessment

Queste valutazioni possono essere collegate, ma rispondono a domande differenti.

L’AI Assessment non sostituisce inoltre le valutazioni eventualmente richieste dalla normativa per determinati sistemi o trattamenti. Non coincide con la valutazione di conformità dei sistemi ad alto rischio prevista dall’AI Act, con una valutazione d’impatto sui diritti fondamentali o con una valutazione d’impatto sulla protezione dei dati.

Può aiutare a individuare la necessità di questi approfondimenti, ma le verifiche legali, tecniche e specialistiche devono essere svolte rispetto al caso concreto.

Limiti dell’AI Assessment

Un assessment non garantisce la riuscita dei progetti e non elimina l’incertezza. La sua affidabilità dipende dalla qualità delle informazioni raccolte, dalla competenza di chi le interpreta e dal coinvolgimento delle funzioni pertinenti.

In particolare:

• non sostituisce la progettazione esecutiva;
• non dimostra automaticamente la fattibilità tecnica;
• non garantisce risultati economici o incrementi di produttività;
• non sostituisce verifiche legali, di sicurezza o di protezione dei dati;
• può diventare superato se cambiano processi, sistemi o condizioni normative;
• perde utilità se non viene collegato a responsabilità e passi successivi.

Anche il livello di approfondimento deve essere proporzionato. Un’analisi troppo superficiale può ignorare dipendenze importanti; una valutazione eccessivamente ampia può rallentare decisioni circoscritte senza aggiungere informazioni utili.

Come valutare la qualità di un assessment

Un buon AI Assessment dovrebbe rendere trasparente il proprio perimetro e spiegare come siano state raggiunte le conclusioni.

È utile verificare che:

• gli obiettivi siano espliciti;
• siano coinvolte le funzioni pertinenti;
• il lavoro non sia orientato in partenza alla vendita di uno specifico strumento;
• dati, persone, rischi e responsabilità siano considerati insieme;
• opportunità e criticità siano sostenute da elementi osservabili;
• le priorità siano motivate;
• limiti e informazioni mancanti siano dichiarati;
• i passi successivi siano comprensibili e assegnabili.

Un questionario può aiutare a raccogliere informazioni, ma raramente è sufficiente da solo. Le risposte devono essere confrontate con processi, documenti, sistemi e punti di vista differenti. In caso contrario, il risultato rischia di rappresentare più la percezione dell’organizzazione che la sua effettiva preparazione.

Dalla valutazione alla decisione

L’AI Assessment è utile quando trasforma un interesse generico per l’Intelligenza Artificiale in una decisione organizzata. La domanda alla quale dovrebbe rispondere non è soltanto “quale strumento possiamo usare?”, ma “in quali condizioni l’AI può essere applicata in modo utile, controllabile e coerente con i nostri obiettivi?”.

La risposta può portare a sperimentare un caso d’uso, migliorare prima i dati, definire nuove responsabilità, sviluppare competenze o rinviare un’iniziativa non ancora sostenibile.

DieSse Ingegneria Digitale affianca le imprese nella valutazione della maturità organizzativa e nella definizione delle priorità per l’adozione dell’AI. Valuta il livello di maturità AI della tua azienda e richiedi un primo confronto.