Contesto e Coordinazione: Lo strato mancante nell’automazione aziendale

La maggior parte delle imprese ha molta automazione e poca trasformazione. I progetti pilota hanno funzionato. I bot sono in esecuzione. La curva di produttività si è comunque appiattita. È la storia più ricorrente in azienda, e la prossima ondata, l’Agentic AI, può finalmente spezzare questo schema, per le imprese disposte a progettare il contesto su cui operano questi sistemi.

Quasi nessuno lo considera la strategia. Lo è.

Una grande rete di fornitori sanitari statunitense ha scoperto che il vero vincolo non era la capacità clinica. Era la programmazione degli appuntamenti, gestita con congetture reattive, senza visibilità su quali pazienti fossero propensi a mancare una visita fino a quando lo slot era già vuoto. Costruire modelli predittivi basati sulla storia degli appuntamenti ha permesso alla rete di intervenire prima che si aprissero i vuoti, invece di correre dopo. I mancati appuntamenti dei pazienti sono diminuiti, il fatturato netto è aumentato e il tempo di triage della programmazione è calato. Il contesto esisteva già in anni di dati sugli appuntamenti. Era solo necessario raccoglierlo e agire su di esso.

In tutti questi progetti, le stesse tre discipline – core, contesto e coordinazione – distinguono l’Agentic AI che consegna da quella che si blocca.

Automatizzare la Parte Facile

Il divario più profondo è tra l’automazione dei compiti e l’automazione dei risultati. Le aziende automatizzano le fasi, la riconciliazione delle fatture, l’inserimento dati, l’aggiornamento dello stato, e scoprono che il costo rimane nel lavoro tra le fasi. Un processo per lo più automatizzato non è per lo più risolto. Un umano ancora assembla i pezzi e ne possiede il risultato, svolgendo il lavoro di coordinazione che nessuna automazione è stata mai progettata per fare.

Il motivo è semplice. La vecchia automazione segue regole. Non può gestire il giudizio perché manca di contesto per risolvere le eccezioni e di coordinazione per trasferirle. I bot sono impeccabili nella parte prevedibile e impotenti ai margini, e nel lavoro reale, i margini sono il lavoro. Una richiesta con un documento mancante o una clausola strana ferma il bot e avvia una persona. I leader contano ciò che è stato automatizzato. Il P&L conta ciò che non lo è stato.

Perché la parte difficile resiste? Perché è lì che risiede il contesto. La parte pulita funziona su righe e colonne ordinate. La parte difficile si nasconde nel PDF della policy, nella catena di email, nel modulo scansionato, nella trascrizione della chiamata, nella clausola di un appendice. McKinsey stima che circa il 90% dei dati aziendali sia non strutturato. L’automazione che vede solo la porzione strutturata è cieca alla maggior parte della decisione. Risolvere questo significa fornire all’automazione due cose che non ha mai avuto: il contesto per prendere una decisione e la coordinazione per agire su di esso attraverso i sistemi.

Perché il Contesto Cambia Tutto

Agentic AI colma quel divario perché può ragionare con il contesto, qualcosa che le generazioni precedenti di automazione non hanno mai potuto fare. A differenza dell’automazione tradizionale, un agente può ragionare attraverso i sistemi, gestire l’ambiguità e adattarsi quando la realtà rompe lo script. Automatizza le giunzioni tra i processi così come i processi stessi.

Ciò rende il contesto la vera sfida ingegneristica. L’ingegneria del contesto è la disciplina che determina ciò di cui un agente ha bisogno di sapere, recupera quell’informazione dalle fonti appropriate e la presenta al momento giusto. Un agente può ragionare solo su ciò che conosce.

Una società globale di semiconduttori con più di 30.000 dipendenti ha appreso direttamente questa lezione. Oltre mille dei suoi contratti erano sparsi su SharePoint, unità condivise e cartelle locali come PDF non strutturati, senza modo di tracciare i periodi di preavviso o i termini di rinnovo prima che le scadenze fossero raggiunte. L’estrazione e l’interpretazione automatica di quel contesto sepolto ha ridotto il tempo di revisione dei contratti di, ha salvato più di 200 ore di lavoro manuale all’anno e ha ridotto il rischio di un obbligo mancato. L’AI aziendale scala non automatizzando più compiti isolati. Scala riunendo il contesto che si colloca tra di essi.

L’Automazione Si Ferma Ancora Senza Coordinazione

L’automazione può avere un contesto perfetto e comunque fermarsi se quella conoscenza non può spostarsi tra i sistemi, i team e i fusi orari che un processo reale tocca, e quel divario non è ipotetico. Una società globale di scienze della vita che gestisce circa 50.000 reclami all’anno in quattro regioni l’ha sperimentato direttamente. I reclami arrivavano tramite email, portali e documenti disconnessi, e i casi simili venivano gestiti diversamente a seconda del team che li toccava, esattamente il tipo di incoerenza che i regolatori segnalano. Standardizzare tutto in un flusso di lavoro coordinato ha salvato più di 4.200 ore all’anno e ha ridotto il tempo di risoluzione del 70%. Le imprese che saltano questo strato finiscono con un’automazione che ragiona bene ma rimane bloccata negli stessi passaggi critici che hanno rallentato i vecchi sistemi.

La Trappola della Governance

L’automazione era governata come il software, con licenze, provisioning e monitoraggio dell’uptime. L’Agentic AI rompe quel modello, perché nel momento in cui inizia a prendere decisioni invece di eseguirle, governare ciò a cui può accedere non è più sufficiente. Un agente che legge un CRM, scrive un ERP, attiva un pagamento e invia messaggi a un cliente non è uno strumento. È un attore con capacità. La domanda passa dal chiedersi se l’integrazione è sicura a cosa può decidere questo agente, con quale autorità, con quale tracciabilità e chi risponde quando sbaglia. La soluzione non è ridurre l’autonomia. Sono confini chiari, autorità definite, una tracciabilità completa delle azioni e un proprietario nominato per ogni risultato prodotto dall’agente.

Quella governance deve includere la supervisione, non come freno, ma come il meccanismo che consente all’ambito di un agente di espandersi in modo sicuro nel tempo. Ogni correzione rivela se l’agente aveva il contesto corretto, alimentando un ciclo che gli assegna progressivamente più responsabilità.

Deve inoltre raggiungere lo strato di contesto, la parte che la maggior parte dei team trascura. Estrarre dati da fonti non strutturate significa ereditare ciò che contengono: dati personali, materiale privilegiato, versioni contrastanti della verità. Un agente è affidabile solo quanto lo è la provenienza del contesto che utilizza. Tratta il contesto come un bene governato, con regole di provenienza, accesso e freschezza integrate, e l’automazione diventa un sistema verificabile anziché una responsabilità. Costruiscilo prima della proliferazione, non dopo l’incidente.

Primo anno, fatto diversamente

La maggior parte delle organizzazioni trascorrerà quest’anno alla ricerca di attività da automatizzare. Un numero più ristretto le impiegherà a mappare dove le informazioni, le responsabilità e le decisioni cambiano effettivamente di mano e a costruire per ciò che avviene in quel passaggio.

Tra due anni, a nessuno importerà quanti agenti ha distribuito un’azienda. La vera domanda sarà chi ha costruito l’infrastruttura sottostante e chi sta ancora agganciando bot a passaggi di consegna difettosi.