*Prima dell'algoritmo / episodio 3*
C'è un tipo di conversazione che si sente spesso, in questi mesi, nelle piccole e medie imprese italiane. Comincia più o meno così: "dobbiamo fare qualcosa con l'AI".
A volte è il titolare che ha letto un articolo. A volte è il responsabile marketing che ha visto una demo. A volte è la pressione diffusa, competitor che ne parlano, consulenti che la propongono, eventi che non parlano d'altro.
Il punto di partenza è quasi sempre lo strumento. Quasi mai il problema.
Ed è esattamente il punto in cui, negli ultimi mesi, ci siamo trovati anche noi.
Con la differenza che, a un certo punto, ci siamo fermati.
Perché la sensazione era chiara: stavamo iniziando a usare strumenti sempre più potenti, ma senza avere ancora completamente chiarito dove e perché usarli davvero.
Adottare l'AI oggi è, per molte aziende, prima di tutto un atto identitario. Dice "siamo al passo", "siamo innovativi", "non siamo rimasti indietro". È un segnale verso l'esterno (clienti, mercato, concorrenti) e verso l'interno. Le organizzazioni si muovono spesso così: non per valutazione razionale, ma per appartenenza. Si adotta ciò che il gruppo di riferimento adotta. Si parla il linguaggio che il proprio settore ha scelto di parlare.
Non c'è nulla di sbagliato in questo, di per sé. Il problema è quando il segnale sostituisce la strategia. Quando si adotta uno strumento per apparire trasformati, senza attraversare la trasformazione. Il risultato è prevedibile: si acquistano licenze, si organizzano training, si annunciano progetti pilota. E dopo sei mesi, quasi nulla è cambiato davvero. Perché lo strumento è arrivato prima della comprensione.
C'è una regola non scritta nell'implementazione di qualsiasi sistema automatizzato, e vale doppio per l'AI: puoi automatizzare solo ciò che capisci. Non ciò che fai, ciò che capisci di fare.
👉 Se ti riconosci in questo passaggio, nel momento in cui gli strumenti arrivano prima della chiarezza puoi partire da qui
La differenza è enorme. La maggior parte delle PMI fa molte cose. Sa farle. Le fa da anni, con risultati. Ma raramente le ha rese esplicite in modo sistematico: documentate, misurate, interrogate. I processi vivono nelle teste delle persone, nelle abitudini consolidate, nelle mail storiche, nelle conversazioni informali. Funzionano perché ci sono persone capaci che li gestiscono. Ma sono, per loro natura, difficilmente automatizzabili.
Portare un processo implicito dentro un sistema di AI non lo automatizza: lo espone. E ciò che emerge di solito è che era più fragile, più arbitrario, più dipendente dal contesto di quanto si pensasse. Togliere la frizione senza capirla non produce fluidità: produce confusione veloce. Garbage in, garbage out - ma adesso più velocemente, più confidentemente, più difficilmente correggibile.
È in questo passaggio che, quando si prova davvero a lavorare sull’AI, si crea la frattura più evidente.
Non tra chi usa e chi non usa strumenti, ma tra chi ha compreso i propri processi e chi sta semplicemente provando ad accelerarli.
Quando si lavora con le piccole e medie imprese sulla questione AI, emergono quasi sempre gli stessi nodi. Non sono problemi di budget o di tecnologia.
Il primo è la mancanza di dati puliti. I dati utili non sono solo quelli che hai, sono quelli strutturati, coerenti, aggiornati, collegati ai processi reali. Molte PMI hanno grandi quantità di informazioni sparse in fogli Excel non condivisi, CRM usati in modo disomogeneo, decisioni mai registrate. Prima di parlare di AI, bisogna parlare di igiene dei dati. È meno attraente, ma è il prerequisito.
Il secondo è la mancanza di metriche. Non puoi misurare l'impatto di uno strumento se non sai dove sei partito. Quante aziende sanno con precisione quanto tempo costa un certo processo? Senza questa baseline, ogni implementazione di AI diventa impossibile da valutare, e quindi impossibile da migliorare.
Il terzo è più sottile, e forse più importante, è la mancanza di tempo per guardarsi dentro. Capire un'organizzazione (capirla davvero, non descriverla con i suoi organigrammi) richiede una forma di sosta. Richiede di osservare cosa succede davvero, non cosa si pensa che succeda. Richiede conversazioni lunghe, disponibilità all'imbarazzo di scoprire che alcune cose funzionano diversamente da come si credeva. Questa sosta è rarissima nelle PMI. E senza di essa, qualsiasi implementazione si innesta su una comprensione parziale.
È la prima cosa che abbiamo fatto in Digitalmakers, prima di qualsiasi scelta tecnologica: costruire uno strumento di diagnosi interna - il DM AI Scan - per misurare il livello reale di maturità AI del team, area per area. Non per avere una dashboard bella da mostrare, ma per sapere davvero da dove partire.
Quella sosta, per quanto scomoda in alcuni punti, ha reso tutto quello che è venuto dopo più utile e più onesto. E ci ha dato la misura di quanto spesso si sopravvaluta ciò che già si fa e si sottovaluta ciò che manca.
C'è però un paradosso positivo in tutto questo. Quando un'azienda prova a implementare un sistema di AI, anche se il progetto non va come sperava, spesso si ritrova ad aver fatto qualcosa di prezioso: ha cercato di mettere ordine nei propri processi per renderli automatizzabili. Ha documentato. Ha misurato. Ha scoperto colli di bottiglia che non sapeva di avere. Ha avuto conversazioni interne che non faceva da anni.
Questo non è un fallimento. È il vero valore del progetto, anche se l'AI alla fine non entra, o entra in modo molto più limitato di quanto immaginato. Il problema è quando questo percorso non viene riconosciuto come tale. Quando viene archiviato come "non ha funzionato" invece di essere letto come "abbiamo capito meglio la nostra organizzazione". La seconda lettura genera apprendimento. La prima genera frustrazione e diffidenza verso la prossima innovazione.
È da questo tipo di lavoro - lento, spesso invisibile, ma strutturante - che nascono oggi i primi percorsi che stiamo iniziando a costruire anche per le aziende con cui lavoriamo.
Non sono progetti “AI” nel senso classico. Non partono dagli strumenti. Partono da una fase molto meno visibile, ma molto più determinante: rendere comprensibile ciò che oggi funziona in modo implicito.
La risposta onesta a "come implemento l'AI nella mia azienda" non è una lista di strumenti. È una sequenza di domande. Quale problema specifico voglio risolvere, non "voglio essere più efficiente", ma dove perdo tempo, dove faccio errori, dove il processo è più fragile? Ho i dati per affrontarlo? So misurare il prima e il dopo? Sono disposto a capire prima di automatizzare?
Se stai leggendo e ti riconosci in questo passaggio - nel dubbio, nella sensazione che “l’AI c’è, ma non sai davvero dove metterla” - è probabilmente il punto giusto da cui iniziare.
Se le risposte a queste domande sono incerte, l'AI aspetta. Non per sempre, ma aspetta. Perché uno strumento potente applicato senza comprensione non accelera il successo: accelera la confusione.
La vera intelligenza organizzativa, quella che permette a un'azienda di capire sé stessa, il proprio mercato, i propri clienti, non si delega a nessun sistema. Si costruisce nel tempo, attraverso l'esperienza, l'errore, la riflessione. L'AI può amplificarla, una volta che c'è. Non può sostituirla quando non c'è ancora.
Ecco perché, prima di qualsiasi algoritmo, c'è sempre la stessa domanda antica: sai davvero cosa stai facendo, e perché?
Non è una domanda tecnica. È una domanda di leadership.
Non è un problema di strumenti. È un problema di comprensione. E se sei arrivato fin qui, probabilmente sei in uno di questi punti:
È esattamente il punto da cui partiamo anche noi.
Negli ultimi mesi abbiamo costruito un percorso interno per:
Oggi stiamo iniziando ad aprire questo lavoro anche all’esterno, con alcuni percorsi pilota dedicati a un numero limitato di aziende.
Se vuoi capire se questo tipo di percorso può avere senso per la tua azienda, compila il modulo qui sotto.
C/o Cascina Cuccagna,
Via Privata Cuccagna, 2/4, 20135
