Come individuare i processi aziendali adatti all’Intelligenza Artificiale

Non tutti i processi aziendali sono adatti all’Intelligenza Artificiale e, soprattutto, non ogni inefficienza richiede una soluzione basata sull’AI. Per individuare i casi d’uso più promettenti conviene partire dal processo e dal problema da risolvere, quindi valutare insieme impatto atteso, fattibilità, disponibilità dei dati, rischi, eccezioni e necessità di supervisione umana.

Il risultato di questa analisi non è ancora un progetto AI: è una shortlist ragionata di processi e attività che meritano un approfondimento. Questa distinzione permette di concentrare risorse e attenzione sulle opportunità più coerenti con gli obiettivi dell’azienda.

Da dove partire per individuare i processi adatti all’AI

Un errore possibile è partire dallo strumento: scegliere una piattaforma o una tecnologia AI e cercare successivamente dove utilizzarla. Il percorso inverso è generalmente più solido: identificare prima un problema aziendale, comprendere il processo nel quale si manifesta e definire quale risultato si vuole ottenere.

Anche i framework proposti da Microsoft per l’adozione dell’AI suggeriscono di iniziare dai problemi e dai risultati aziendali, prima di considerare la tecnologia. La valutazione successiva serve a verificare se il caso d’uso genera valore ed è effettivamente realizzabile.

Partire dal processo e dal problema, non dallo strumento

Prima di parlare di AI è quindi utile formulare il problema in termini operativi. Alcune domande aiutano a farlo:

• quale attività richiede oggi tempo o risorse significative?
• dove si verificano rallentamenti, errori o passaggi ripetitivi?
• quali attività richiedono di analizzare o produrre grandi quantità di informazioni?
• dove le persone devono cercare, classificare, confrontare o sintetizzare dati e documenti?
• quale risultato concreto dovrebbe migliorare?

La presenza di uno di questi elementi non dimostra da sola che serva l’Intelligenza Artificiale. Consente però di individuare aree sulle quali vale la pena approfondire l’analisi.

Mappare attività, input, output, persone, dati ed eccezioni

Il secondo passaggio consiste nel comprendere come funziona realmente il processo. Non è necessario, in questa fase, realizzare una mappatura estremamente dettagliata: serve piuttosto rendere visibili gli elementi che possono condizionare l’eventuale applicazione dell’AI.

Per ogni attività candidata è utile identificare almeno:

• chi svolge l’attività e chi utilizza il risultato;
• quali informazioni entrano nel processo;
• quale output deve essere prodotto;
• quali software, archivi o sistemi vengono utilizzati;
• quali dati sono disponibili e in quale forma;
• quanto sono frequenti le eccezioni;
• quali controlli vengono effettuati dalle persone.

Questa mappatura ha uno scopo preciso: individuare attività candidate all’AI. Non coincide con un progetto completo di digitalizzazione o riprogettazione del processo.

Quali caratteristiche rendono un processo un buon candidato

Non esiste una caratteristica universale che renda automaticamente un processo adatto all’AI. È più utile osservare una combinazione di segnali.

Un’attività può meritare attenzione, per esempio, quando presenta un volume significativo di operazioni o informazioni, comporta attività manuali frequenti, utilizza dati accessibili e presenta un risultato sufficientemente definibile e verificabile.

Alcuni candidati possono riguardare la classificazione di documenti, l’estrazione di informazioni, la ricerca all’interno di basi informative, la produzione assistita di bozze, il supporto all’analisi o altre attività nelle quali l’AI può affiancare le persone. In altri casi possono essere pertinenti tecnologie differenti.

È importante infatti distinguere AI e automazione tradizionale. Se un processo segue regole completamente deterministiche e non richiede interpretazione, generazione, previsione o gestione di informazioni non strutturate, un’automazione convenzionale potrebbe risultare più semplice e appropriata.

Dal processo al caso d’uso AI

Dire che “il customer service potrebbe usare l’AI” oppure che “l’amministrazione potrebbe essere automatizzata” non identifica ancora un caso d’uso sufficientemente preciso.

Un caso d’uso diventa valutabile quando vengono definiti almeno problema, attività coinvolta, utenti, informazioni necessarie e risultato atteso.

Definire attività, problema e risultato atteso

Un esempio generico può chiarire la differenza. Un’azienda potrebbe rilevare che gli operatori impiegano molto tempo a ricercare informazioni distribuite tra procedure, documenti e materiali interni.

Il problema non è semplicemente “manca l’AI”. Il problema è il tempo e la difficoltà necessari per recuperare informazioni affidabili durante una specifica attività. Un possibile caso d’uso diventa quindi la valutazione di un sistema che supporti gli operatori nella ricerca e nel recupero delle informazioni pertinenti.

Formulare il caso in questo modo permette di chiedersi quali fonti informative siano disponibili, chi utilizzerà il sistema, come debba essere verificato il risultato e quale indicatore possa mostrare un miglioramento.

Identificare dati, utenti e modalità di supervisione

I dati sono una condizione importante della fattibilità. Occorre capire quali informazioni servono, dove si trovano, se sono accessibili, sufficientemente affidabili e utilizzabili nel contesto previsto.

Allo stesso tempo devono essere identificati gli utenti e il ruolo che continueranno ad avere nel processo. La supervisione umana non dovrebbe essere aggiunta soltanto alla fine del progetto: il livello di controllo necessario dipende dal tipo di attività, dall’autonomia attribuita al sistema e dalle conseguenze di un eventuale errore.

Questo principio assume particolare rilevanza nei contesti regolamentati o potenzialmente ad alto rischio. L’AI Act europeo, per i sistemi classificati ad alto rischio, prevede specifici requisiti di sorveglianza umana proporzionati ai rischi, al livello di autonomia e al contesto di utilizzo.

Come valutare un caso d’uso AI

Dopo aver individuato più candidati, serve un criterio per confrontarli. I framework di prioritizzazione non sono tutti identici, ma ricorrono alcune dimensioni fondamentali: valore o impatto, fattibilità, disponibilità delle risorse e dei dati, esperienza degli utenti e condizioni organizzative.

Microsoft, ad esempio, propone un framework Business, Experience, Technology per valutare la redditività dei casi d’uso considerando sostenibilità aziendale, desiderabilità per gli utenti e fattibilità tecnologica. Le sue indicazioni più recenti sull’adozione dell’AI raccomandano inoltre di classificare i casi d’uso considerando valore strategico e fattibilità di implementazione.

Impatto atteso

La prima domanda è: se il caso d’uso funzionasse, quale problema aziendale migliorerebbe?

L’impatto può riguardare, a seconda del contesto, tempi di lavorazione, qualità del servizio, disponibilità delle informazioni, supporto alle decisioni, capacità operativa o altri indicatori pertinenti.

È preferibile definire in anticipo come il risultato sarà misurato, evitando di assumere automaticamente risparmi, incrementi di produttività o ritorni economici non ancora dimostrati.

Fattibilità tecnica e disponibilità dei dati

Un caso d’uso potenzialmente utile può essere poco praticabile nelle condizioni attuali. La fattibilità dipende, tra gli altri elementi, da dati disponibili, sistemi esistenti, integrazioni necessarie, requisiti tecnici, risorse e competenze.

Microsoft include esplicitamente disponibilità dei dati, infrastruttura tecnica e capacità del personale tra gli aspetti da considerare nella prioritizzazione. Anche AWS raccomanda di definire casi d’uso specifici, obiettivi misurabili e di valutarne fattibilità e impatto prima di procedere.

Rischi, eccezioni e supervisione umana

Due processi con un impatto potenziale simile possono richiedere priorità molto diverse se un errore produce conseguenze differenti.

Occorre quindi chiedersi:

• cosa succede se l’output dell’AI è errato o incompleto?
• l’errore può essere individuato prima che produca conseguenze?
• chi deve verificare il risultato?
• esistono dati personali, informazioni riservate o altri vincoli?
• quante eccezioni presenta il processo?
• il sistema deve suggerire, assistere oppure eseguire autonomamente un’attività?

La risposta incide sia sulla fattibilità sia sul modo in cui un eventuale progetto dovrà essere progettato e governato.

Complessità organizzativa e integrazione nel lavoro

La tecnologia è soltanto una parte della fattibilità. Un nuovo sistema modifica spesso attività, responsabilità, controlli e modalità operative.

È quindi necessario considerare anche chi dovrà utilizzare la soluzione, quali competenze saranno richieste, quali funzioni aziendali saranno coinvolte e quanto sarà complesso integrare il nuovo flusso con quelli esistenti.

Il fattore umano ha anche una dimensione normativa. Nell’Unione europea sono già applicabili obblighi relativi all’alfabetizzazione in materia di AI: fornitori e deployer devono adottare misure a sostegno dello sviluppo delle competenze del personale e delle altre persone che utilizzano sistemi AI per loro conto, tenendo conto del contesto di utilizzo.

Quali processi non conviene affrontare subito con l’AI

Individuare i processi adatti significa anche saper escludere o rimandare quelli che non presentano condizioni sufficienti.

Un processo potrebbe non essere un buon candidato iniziale quando:

• il problema da risolvere non è stato definito;
• non esiste un risultato concreto da valutare;
• il processo cambia continuamente o non è sufficientemente conosciuto;
• i dati necessari non sono disponibili, accessibili o adeguati;
• le eccezioni sono così numerose da rendere difficile definire il comportamento atteso;
• un errore avrebbe conseguenze rilevanti senza possibilità di controllo adeguato;
• l’integrazione richiede risorse sproporzionate rispetto al beneficio ipotizzato;
• il problema può essere risolto più semplicemente migliorando il processo o attraverso un’automazione convenzionale.

“Non adatto” non significa necessariamente “mai adatto”. In alcuni casi significa che prima dell’AI devono essere risolti problemi di processo, dati, organizzazione o infrastruttura.

Come stabilire le priorità tra più casi d’uso

Una volta costruito un elenco di candidati, non è necessario svilupparli tutti contemporaneamente. La prioritizzazione serve proprio a concentrare le risorse sui casi che presentano il rapporto più interessante tra valore atteso e possibilità concreta di realizzazione.

Confrontare impatto e fattibilità

Una matrice semplice può essere utilizzata come primo strumento decisionale. Non sostituisce un assessment approfondito, ma consente di ordinare le opportunità.

La matrice non deve trasformarsi in un punteggio automatico. I criteri possono avere pesi diversi a seconda del processo: un rischio elevato, per esempio, può rendere poco opportuno un progetto anche quando l’impatto potenziale è significativo.

Costruire una shortlist dei casi da approfondire

Il risultato utile della selezione è una shortlist, non un catalogo indiscriminato di possibili applicazioni AI.

In prima approssimazione, i casi con impatto rilevante e buona fattibilità possono essere candidati all’approfondimento. Quelli con impatto interessante ma fattibilità ancora bassa possono richiedere attività preliminari sui dati, sui sistemi o sul processo. I casi facili da implementare ma con scarso valore devono invece essere valutati con cautela: la semplicità tecnica non è una ragione sufficiente per investire.

Questa logica è coerente con diversi framework di adozione AI, che utilizzano impatto e fattibilità come dimensioni centrali della prioritizzazione.

Dalla selezione del processo alla valutazione del progetto AI

Aver individuato un processo candidato non significa avere già dimostrato che il progetto sia conveniente, sicuro o realizzabile.

La selezione serve a rispondere alla domanda “dove vale la pena approfondire?”. Il passaggio successivo richiede una valutazione più ampia di dati, tecnologie, organizzazione, competenze, rischi, requisiti e modalità di implementazione.

È qui che la selezione dei casi d’uso si collega a un AI Assessment aziendale: l’assessment non coincide con la semplice ricerca delle opportunità, ma verifica le condizioni che possono rendere sostenibile un progetto AI.

Allo stesso modo, quando il problema riguarda prima di tutto un flusso operativo inefficiente o non strutturato, può essere necessario intervenire sulla digitalizzazione del processo aziendale prima di decidere se introdurre l’Intelligenza Artificiale.

Individuare il processo giusto prima della tecnologia

La domanda iniziale non dovrebbe essere “quale AI possiamo introdurre?”, ma “quale problema stiamo cercando di risolvere e quale processo può beneficiare concretamente di questa tecnologia?”.

Mappare le attività, definire casi d’uso specifici e confrontarli per impatto, fattibilità, dati, rischi e condizioni organizzative consente di passare da un interesse generico per l’AI a una selezione più consapevole delle opportunità.

DieSSe Ingegneria Digitale affianca le aziende nell’analisi dei processi, nell’individuazione degli use case e nella definizione delle priorità prima della scelta degli strumenti. Per approfondire l’approccio è possibile consultare la pagina dedicata alla consulenza e alle soluzioni di Intelligenza Artificiale per aziende.

Scopri se questa soluzione è adatta al tuo processo.

Domande frequenti

Quali processi aziendali sono più adatti all’Intelligenza Artificiale?

Non esiste una categoria universalmente adatta. Sono buoni candidati i processi nei quali esiste un problema concreto, un risultato misurabile, dati utilizzabili e una ragionevole fattibilità tecnica e organizzativa. Volume delle attività, gestione di informazioni e possibilità di verificare gli output possono essere ulteriori segnali utili.

Come capire se un processo richiede davvero l’AI?

Occorre partire dal problema e confrontare possibili soluzioni. Se l’attività segue regole deterministiche, un’automazione convenzionale può essere sufficiente. L’AI diventa una possibilità da valutare quando le caratteristiche del problema e delle informazioni trattate rendono pertinenti capacità come analisi, classificazione, generazione o supporto decisionale.

Qual è la differenza tra automatizzare un processo e applicare l’AI?

L’automazione esegue attività attraverso regole e flussi definiti e non richiede necessariamente Intelligenza Artificiale. L’AI può essere una componente dell’automazione quando il compito richiede capacità che non si esauriscono in regole deterministiche. Le due soluzioni possono anche essere combinate.

Come scegliere quali casi d’uso AI affrontare per primi?

È utile confrontare i candidati considerando almeno impatto aziendale, misurabilità, disponibilità dei dati, fattibilità, rischi e condizioni organizzative. I casi con valore rilevante e fattibilità adeguata possono entrare nella shortlist da approfondire, senza trasformare il punteggio in una decisione automatica.