L’adozione dell’IA è in crescita. Ma come vanno le prestazioni aziendali?

Le aziende faticano a trasformare gli investimenti nell’IA in ritorni significativi. L’utilizzo è in crescita, eppure solo il 13% delle organizzazioni dichiara di aver ottenuto dall’IA un valore trasformativo significativo. Questo divario dovrebbe indurre i leader a fermarsi un momento e chiedersi se stanno misurando l’attività o un cambiamento significativo.

Sotto la pressione di dimostrare chiaramente il ritorno sugli investimenti nell’IA, le organizzazioni spesso ricorrono a metriche facili da rendicontare, come l’utilizzo degli strumenti, il numero di utenti attivi o i tassi di adozione. Queste misure indicano se i dipendenti utilizzano l’IA. Dicono ben poco, però, su quanto stia migliorando il lavoro o se l’investimento stia generando valore.

Per esempio, PwC ha rilevato che il 64% dei lavoratori intervistati ha utilizzato l’IA sul lavoro negli ultimi 12 mesi, con un aumento di dieci punti percentuali su base annua. A prima vista, è un segnale di crescita promettente, ma non dimostra un impatto sui risultati economici. L’adozione dell’IA diventa una metrica di vanità quando i leader la considerano una prova di trasformazione. Una misura più significativa è il modo in cui l’IA aiuta a trasformare le conoscenze ricavate dai progetti precedenti in framework, strumenti e soluzioni acceleratrici che migliorano i risultati ottenuti dai team.

Il problema nascosto: l’IA può accelerare attività che devono cambiare

Prima di introdurre l’IA, le organizzazioni devono comprendere lo scopo del flusso di lavoro, individuare i passaggi superflui e ripensare il modo in cui il lavoro dovrebbe essere svolto. È importante farlo perché l’implementazione dell’IA può accelerare un processo inefficiente, spostando i colli di bottiglia a valle e aumentando le revisioni o le rilavorazioni.

La stessa comprensione dovrebbe guidare la scelta di cosa misurare. Esaminare l’intero flusso di lavoro aiuta i team a capire come i cambiamenti in una fase influiscano su tutto ciò che segue e se i miglioramenti apparenti riducano davvero il lavoro o si limitino a trasferirlo a qualcun altro.

L’IA può accelerare singole attività, come redigere contenuti, riassumere informazioni o analizzare dati più rapidamente, senza migliorare i processi. Per esempio, la produzione più rapida di contenuti può aumentare il lavoro di chi deve revisionarli e approvarli nelle fasi successive. Il collo di bottiglia si sposta, anche se i singoli dipendenti dichiarano di risparmiare tempo.

È qui che le metriche di produttività possono diventare metriche di vanità. Completare più rapidamente una singola attività può sembrare un successo immediato, ma si rischia di trascurare il lavoro necessario, nelle fasi successive, per trasformare il risultato in qualcosa di utile. La riprogettazione del flusso di lavoro dovrebbe partire dal risultato desiderato e poi stabilire dove l’IA aggiunge valore e quali passaggi devono cambiare.

La produttività delle singole attività e quella dell’intero flusso di lavoro sono entrambe importanti. Per misurarle insieme, i team devono andare oltre il tempo risparmiato nelle singole attività e valutare la qualità, le rilavorazioni e l’impegno umano complessivo necessari per raggiungere il risultato.

Cosa abbiamo imparato diventando noi stessi clienti dell’IA

In Arionkoder abbiamo creato Socrates, il nostro programma interno di trasformazione, per diventare un’organizzazione nativa dell’IA. Sperimentare l’IA su noi stessi, come «caso zero», ci ha mostrato come i miglioramenti nella produttività delle singole attività potessero nascondere problemi nell’intero flusso di lavoro. Per esempio, nei nostri flussi di lavoro per la gestione dei progetti, inizialmente pensavamo che usare l’IA per generare riepiloghi delle riunioni, elenchi di attività e aggiornamenti sui progetti avrebbe reso quelle attività più efficienti. Tuttavia, il maggiore volume di informazioni richiedeva comunque revisioni manuali, definizione delle priorità e coordinamento tra i team. Il carico di lavoro si è così spostato alle fasi successive, invece di ridursi. Abbiamo capito che velocizzare le singole attività non rende necessariamente più efficiente il flusso di lavoro nel suo complesso. L’obiettivo di Socrates restava valido, ma il programma doveva aiutare i team a passare dall’accelerazione di attività isolate alla riprogettazione dei flussi di lavoro dall’inizio alla fine.

Questa battuta d’arresto si è rivelata utile quando abbiamo esaminato quanto accaduto e applicato i risultati al tentativo successivo. Ci ha confermato che la trasformazione tramite l’IA richiede più della semplice introduzione della tecnologia. Richiede di cambiare il modo in cui le persone imparano dagli esperimenti, prendono decisioni e collaborano. Socrates doveva aiutare i dipendenti a collegare ciò che avevano creato individualmente al modo in cui si svolgeva il lavoro.

Il nuovo approccio dà a questa sperimentazione un percorso chiaro e progressivo. Un dipendente potrebbe iniziare a usare l’IA per risolvere un piccolo problema concreto. Il passo successivo sarebbe verificare se qualcun altro possa utilizzare ciò che ha creato. A quel punto, l’azienda potrebbe esaminare il flusso di lavoro più ampio, individuare gli ostacoli e collegare le attività alle capacità sviluppate da altri team. La condivisione di ciò che si impara aiuta i dipendenti a valutare se un miglioramento continui a essere utile anche al di là dell’attività per cui era stato originariamente concepito.

Questa distinzione è importante. Creare qualcosa che funzioni per una persona è il punto di partenza. Per generare valore per l’organizzazione, bisogna capire come lo usano gli altri e cosa cambia quando diventa parte di un processo più ampio.

Abbiamo quindi ripartito dal risultato desiderato. Che cosa doveva ottenere il team? Quali passaggi contribuivano a quel risultato e quali esistevano solo perché facevano parte di un processo consolidato che non serviva più al suo scopo? Queste domande ci hanno aiutato a spostare l’attenzione dall’aggiunta dell’IA alle singole attività alla riprogettazione del flusso di lavoro intorno a un obiettivo più chiaro.

Da lì abbiamo definito valori di riferimento e criteri adatti a ciascun flusso di lavoro. Oltre ai tempi di completamento, abbiamo considerato la qualità, le rilavorazioni e l’impegno richiesto ai dipendenti. Queste misure ci hanno aiutato a valutare i miglioramenti nell’intero processo.

In Socrates abbiamo riprogettato più di 20 flussi di lavoro, trasformando esperimenti legati a problemi aziendali reali in funzionalità che altri potevano utilizzare. Il tempo necessario per preparare i report finanziari è sceso da quattro ore a 20 minuti, mentre il reparto IT ha segnalato il 40% di attività ripetitive in meno e una riduzione del 60% dei tempi di risposta. Questi risultati hanno dimostrato progressi sul piano operativo. Per capire in che modo queste metriche si traducano in valore aziendale, occorre valutare se il carico di lavoro si è ridotto lungo l’intero flusso e come i team hanno impiegato la capacità liberata.

Per noi, la lezione è stata quella di seguire i miglioramenti fino in fondo. Il tempo risparmiato dai singoli è importante, ma si traduce in valore per l’organizzazione quando aiuta chi interviene dopo a lavorare meglio e avvicina il team al risultato atteso.

Cosa dovrebbero misurare invece i CIO

Per collegare un miglioramento al suo impatto aziendale, non basta monitorare l’uso dell’IA o il tempo risparmiato. I responsabili devono mettere in relazione l’adozione con i miglioramenti nel modo in cui si svolge il lavoro e con i risultati ottenuti. I progressi vanno misurati su tre livelli distinti:

1. Adozione: i dipendenti usano l’IA?

   L’adozione resta un indicatore utile a fini diagnostici. L’utilizzo, la partecipazione agli esperimenti e i riscontri dei dipendenti possono rivelare dove le persone stanno acquisendo fiducia e dove hanno bisogno di supporto.

   Questi segnali aiutano i responsabili a capire quanto l’organizzazione sia pronta, ma non dimostrano il ROI. Un utilizzo elevato è un punto di partenza per approfondire, non la prova di una trasformazione.

2. Prestazioni del flusso di lavoro: il lavoro sta davvero migliorando?

   I criteri di successo dovrebbero rispecchiare lo scopo previsto del flusso di lavoro. A seconda del caso d’uso, migliorare potrebbe significare ottenere informazioni più accurate, ridurre gli errori o risolvere più rapidamente.

   Confrontate le prestazioni con una situazione di riferimento, considerando l’intero processo. Monitorate l’eliminazione dei passaggi non necessari, le rilavorazioni, la qualità e l’impegno complessivo dei dipendenti. Includete anche le persone che ricevono i risultati generati dall’IA e li utilizzano. Un’attività non è necessariamente diventata più efficiente se comporta ulteriori revisioni o correzioni in un’altra fase.

3. Impatto aziendale: il flusso di lavoro supportato dall’IA migliora i risultati aziendali?

   Collegate i miglioramenti dei flussi di lavoro ai risultati che stanno già a cuore alla leadership, come la fidelizzazione dei clienti, i ricavi, la qualità del servizio o il costo per problema risolto. Per esempio, produrre più contenuti dimostra un aumento della quantità prodotta. Il valore aziendale dipende da ciò che quei contenuti riescono a ottenere.

   Seguite il risparmio di tempo fino a capire come viene impiegato. La capacità aggiuntiva ha migliorato il servizio, sostenuto la crescita o ridotto i costi operativi? Valutate il valore rispetto al costo complessivo per conseguirlo, compresi l’impegno umano, il consumo di risorse IA, l’integrazione, la supervisione, la formazione e la manutenzione.

Nel loro insieme, queste misure aiutano i responsabili a seguire il percorso dall’adozione dell’IA a flussi di lavoro migliori e risultati aziendali più soddisfacenti. Se l’uso dell’IA aumenta senza ridurre l’impegno umano, migliorare la qualità o generare valore aziendale, prima di estendere l’approccio i responsabili devono rivalutarlo.

I responsabili devono ridefinire il concetto di progresso nell’IA

I dati sull’adozione aiutano le aziende a capire chi usa l’IA e dove serve più supporto. Per comprenderne il valore, occorre ascoltare chi svolge il lavoro e valutare se i vantaggi migliorano il flusso di lavoro nel suo complesso. I responsabili devono mettere i dipendenti nelle condizioni di segnalare gli approcci che aumentano l’impegno senza migliorare i risultati, e poi agire sulla base di queste indicazioni. Modificare o interrompere un approccio inefficace è un progresso, se ciò che si è imparato aiuta a prendere meglio la decisione successiva.

Una trasformazione significativa si traduce nell’eliminazione del lavoro non necessario, nel conseguimento di risultati migliori e in una maggiore capacità da dedicare alle attività che contano. Sono questi i risultati che i responsabili dovrebbero usare per valutare i progressi nell’IA e orientare gli investimenti futuri.