Nei dati presentati al convegno “"AI-driven Customer Experience: strategie, governance e tecnologie per guidare il cambiamento" degli Osservatori Digital Innovation della School of Management del Politecnico di Milano”, solo il 9% delle aziende ha adottato veri agenti di intelligenza artificiale (IA) e un altro 38% si ferma agli assistenti; la maggioranza aspetta.
La prudenza si spiega con motivi di incertezza finanziaria, di ritorno dell’investimento effettivo, visti i costi crescenti di utilizzo della tecnologia IA, e la presenza di dilemmi organizzativi.
Il prezzo dei token e chi lo decide
Sottotraccia c’è dunque il rischio di una bolla finanziaria, che potrebbe investire sia i modelli principali (Claude, ChatGPT, ecc.) che a catena prima gli hyperscaler (fornitori di servizi cloud o data center progettati per scalare le risorse IT, gestendo grandi volumi di dati e workload su larga scala, ndr) come Microsoft Azure, Oracle, Amazon AWS ecc., poi i data center e a seguire tutta la filiera. L’accumulo di investimenti in infrastruttura rende il ritorno dell'investimento (ROI, Return on Investment, ndr) ogni trimestre più lontano nel tempo. Lo scoppio di una bolla potrebbe non investire direttamente gli utilizzatori finali, ma potrebbe avere comunque conseguenze: per esempio sul costo dei token, l’unità di misura e di costo delle operazioni create con l’IA generativa, che potrebbe aumentare in caso che un ritorno anticipato dell’investimento fosse richiesto dagli investitori.
I grandi fornitori già oggi abbassano le soglie d'uso di piani consumer già pagati: negli ultimi mesi si sono moltiplicati i thread su Reddit di utenti che percepiscono chiaramente di aver “avuto meno” con lo stesso abbonamento di prima a Claude o Gemini o ChatGPT.
L’evoluzione prevista è lo spostamento del listino dal forfait al consumo, o meglio “al risultato”, e in sala si è stimato che entro un anno il 70% delle aziende adotterà una formula di questo tipo: si chiamava cottimo, nel secolo scorso.
Nel caso dell’IA è complesso da misurare: i token a consumo sono per le aziende una specie nuova di dipendenti a cottimo, con una clausola insolita, quella di potersi aumentare la paga da soli, ma con produzione incerta.
Attacco o difesa?
Aziende, system integrator (aziende che si occupano dell'integrazione di sistemi, ndr) e vendor tecnologici sul palco sembravano divisi su varie scelte. Primo, sui tempi: chi gioca in difesa, e lascia esplorare gli altri; nel frattempo costruisce comitati allargati e controlli di eticità con tempi da Concilio di Nicea, con il rischio, segnalato dallo stesso Osservatorio, di comprare a fine iter una tecnologia già superata. Chi gioca in attacco invece progetta già modelli di business orchestrati quasi interamente dall'IA, ma è una scommessa sostenibile per una startup che può nascere e morire in due anni, molto meno per chi ha una base clienti (e un brand) da difendere.
In mezzo sta il grosso del gruppo: nella maggior parte, al di là dell'utilizzo individuale o compartimentale, corrisponde all’adozione di chatbot di customer service, terreno consolidato, che però potrebbe perdere valore quando gli LLM (Large Language Model, o modelli linguistici di grandi dimensioni, ndr) pubblici, interrogati ogni giorno dagli stessi utenti, conosceranno quei clienti quasi meglio del CRM aziendale.
L’altra divisione è la scelta tra internalizzare i modelli, con costi e manutenzione a carico (una opzione riservata forse a dieci imprese in Italia) e comprarli sul mercato, esponendosi a listini variabili, dipendenza tecnologica, e a possibili downtime che possono, in caso di integrazione forte, bloccare i processi core di un’azienda.
L’uomo nel loop e la misurazione
Ma il terzo dilemma è quello più importante, forse. Dove automatizzare completamente? Dove controllare? Dove il lavoro umano è insostituibile? Chiaro che l’automazione totale è sognata segretamente da tutti (costo dei token permettendo) ma l’IA è una tecnologia statistica, non deterministica, non produce sempre lo stesso output per due prompt uguali, cosa che può essere un problema o no a seconda dei casi e del rischio accettabile in quel processo. Una newsletter leggermente diversa va bene, un calcolo di una soglia di difettosità può essere un disastro. Quindi: se si tiene una soglia di rischio bassa si taglia la produttività incrementale potenziale della IA, l’accettazione di un'alta soglia espone a rischi e pure a sanzioni (la multa da 2,5 milioni a Deliveroo è stata citata in sala come monito). L’uomo nel loop (ovvero un modello che mantiene l'uomo al centro dei processi decisionali e operativi di un sistema IA, ndr) è il compromesso più citato.
Ma quanta produttività aggiunge, e quanta ne sposta soltanto, dal fare al controllare, se serve comunque un essere umano nel flusso?
Quello che già funziona accelera l'esistente
Alla fine, il caso di successo più interessante non è una rivoluzione, ma un'evoluzione: Maestro, l'orchestratore di campagne Fastweb e Vodafone, sceglie per ogni cliente prodotto e canale, dalla push notification all'SMS, e per alcuni prodotti pare abbia triplicato le redemption (percentuale di risposte o di azioni ottenute da una campagna promozionale rispetto al totale dei contatti raggiunti, ndr). È la messaggistica iperpersonalizzata, con l'IA ad accelerare passaggi e facilitare il clustering (raggruppamento di clienti in insiemi omogenei per creare strategie personalizzate, ndr) e il feedback di ritorno. È un acceleratore di successo, che conferma in un certo modo la politica dei piccoli passi e controllo del ROI, messa in atto dalla maggioranza delle aziende.
