L’intelligenza artificiale aziendale ha raggiunto un soffitto. La pianificazione è il modo in cui lo supera.

La prima ondata di intelligenza artificiale aziendale ha fornito ai team dei copiloti che ottimizzavano la produttività all’interno di funzioni individuali. La prossima ondata sta ora incontrando un problema di coordinamento: le decisioni aziendali che contano di più si estendono su finanza, operazioni, catena di approvvigionamento e strategia, mentre la maggior parte dei sistemi di intelligenza artificiale opera ancora all’interno di una singola funzione.

Secondo la ricerca di McKinsey sulla maturità dell’IA, solo l’1% dei leader considera le proprie aziende “mature” nello spettro di distribuzione, il che significa che l’IA è completamente integrata nei flussi di lavoro e produce risultati aziendali sostanziali. Gli altri 99% hanno l’IA distribuita e non hanno molto da mostrare a livello aziendale.

Il motivo è strutturale. Questi sistemi di intelligenza artificiale hanno bisogno di un posto in cui coordinarsi, e la pianificazione è il luogo naturale. La pianificazione è dove le ipotesi finanziarie, i segnali di domanda, i vincoli operativi e gli obiettivi strategici già convergono. Costruire l’IA in quel livello la trasforma da un esercizio periodico in il tessuto connettivo dell’azienda.

Questo è il soffitto che molte aziende stanno scoprendo con i primi dispiegamenti di IA. Mentre i copiloti hanno migliorato l’efficienza delle attività all’interno dei team individuali, la maggior parte delle organizzazioni non ha mai risolto il problema più difficile che si trova al di sotto: come le decisioni si coordinano attraverso l’azienda in tempo reale. Un flusso di lavoro di previsione più veloce si rompe quando le ipotesi della catena di approvvigionamento, i vincoli operativi e le priorità finanziarie rimangono disconnessi l’uno dall’altro.

L’architettura del divario di coordinamento dell’intelligenza artificiale aziendale

Tre spostamenti strutturali devono verificarsi perché ciò funzioni.

1. L’intelligenza artificiale aziendale deve uscire dai silos funzionali

Un copilota integrato nella finanza può riassumere una varianza di previsione e spiegare cosa è cambiato nel P&L. Non può estrarre un segnale di domanda in tempo reale dalle operazioni, fattorizzare una valutazione aggiornata del rischio del fornitore e alimentare quella nel budget rivisto che il CFO e il COO stanno guardando contemporaneamente. Questo è il soffitto strutturale che l’intelligenza artificiale aziendale sta colpendo oggi, ed è il motivo per cui i dispiegamenti funzione per funzione producono numeri di produttività individuali forti e risultati aziendali deboli.

Sotto quel crollo c’è un problema di contesto. L’IA di ogni funzione opera sui dati che la funzione possiede, nei sistemi che la funzione utilizza, con le ipotesi che la funzione fa – e non c’è uno strato condiviso in cui quelle prospettive convergono in un’unica immagine di ciò in cui l’azienda crede.

Ciò crea ciò che molte aziende stanno sperimentando come un ‘divario di coordinamento dell’IA’: sistemi in grado di generare informazioni in modo indipendente ma incapaci di allineare le decisioni attraverso l’azienda abbastanza velocemente per le condizioni live.

Superare quel soffitto significa collegare gli agenti attraverso un contesto operativo condiviso costruito su modelli di dati comuni, logica aziendale condivisa e ontologie che consentono loro di interpretare le decisioni in modo coerente attraverso le funzioni.

Con quella base in atto, un agente di domanda può osservare un segnale, un agente di catena di approvvigionamento può eseguire una simulazione di approvvigionamento contro di esso e un agente di finanza può aggiornare il budget sulla base di entrambi. Il CFO vede una raccomandazione unificata costruita sulla stessa visione della realtà su cui opera il resto dell’azienda.

2. La pianificazione continua sta diventando il livello di coordinamento dell’intelligenza artificiale aziendale

La pianificazione continua su quel contesto operativo trasforma gli agenti coordinati in risultati aziendali reali. Ciò significa che la pianificazione smette di essere un esercizio trimestrale e inizia a funzionare come un sistema live, con scenari che si muovono contro gli obiettivi dell’azienda mentre le condizioni cambiano, anziché aspettare il prossimo ciclo per recuperare. Quando un’ipotesi si sposta, le alternative sono già state modellate e testate, quindi la leadership entra nella decisione con percorsi viable invece di una sola previsione che devono ricostruire in scadenza.

Il conflitto tra Stati Uniti e Iran sta testando questo in tempo reale. Le aziende multinazionali con esposizione stanno assorbendo diversi segnali contemporaneamente – i prezzi del petrolio e dell’energia si muovono, i rischi delle rotte di navigazione attraverso lo Stretto di Hormuz si riprendono, i tempi di consegna dei fornitori si allungano. E la leadership deve decidere cosa fare al riguardo entro pochi giorni. La copertura energetica, il riposizionamento e la rinegoziazione dei contratti devono essere valutati l’uno contro l’altro in quella finestra. Un sistema di pianificazione che funziona in modo continuo e testa le scenariate mentre la situazione si muove è l’unico modo per produrre una risposta affidabile in tempo per agire.

Questo è ciò che l’intelligenza artificiale orientata agli obiettivi sembra nella pratica. Gli agenti lavorano verso gli obiettivi che la leadership ha stabilito e segnalano il compromesso quando colpire uno significa rinunciare all’altro. Un sistema può modellare cento alternative in tempo reale e ancora lasciare la leadership bloccata su quale scegliere. Il livello di pianificazione è dove gli obiettivi e i compromessi già vivono. Questa è la differenza tra un sistema multi-agente che funziona in produzione e uno che funziona in un demo.

L’urgenza attorno a questo spostamento sta crescendo. Gartner prevede che più del 40% dei progetti di intelligenza artificiale agente saranno cancellati entro la fine del 2027 a causa dei costi crescenti, del debole valore aziendale o dei controlli di rischio inadeguati. Molti di quei fallimenti saranno ricondotti a problemi di coordinamento e governance piuttosto che alla sola capacità del modello.

3. La governance aziendale non può essere aggiunta in un secondo momento

Un livello di pianificazione continua concentra l’autorità decisionale reale in un sistema di intelligenza artificiale coordinato, ed è per questo che la governance deve far parte dell’architettura fin dall’inizio. Questa è la preoccupazione che molti CFO e CIO sollevano per primi ogni volta che la conversazione si rivolge all’implementazione dell’IA, e riflette una posizione difendibile. I sistemi autonomi non appartengono ai flussi di lavoro decisionali senza tracciabilità, spiegabilità e confini di politica chiari.

Nei dispiegamenti che funzionano effettivamente, ogni azione che un agente esegue può essere ricondotta agli input, alla logica e alla politica dietro di essa. Ogni raccomandazione viene fornita con le ipotesi che un leader finanziario, un revisore o un membro del consiglio di amministrazione necessita per sfidare le sue meriti.

La tracciabilità è ciò che rende possibile la supervisione umana. Il CFO, il controller e i leader responsabili dell’esito possono solo esaminare le raccomandazioni, sfidare le ipotesi e autorizzare l’azione se possono vedere come il sistema è arrivato lì. Gli agenti gestiscono la velocità e l’ampiezza, e gli esseri umani detengono il giudizio. Un leader che può guardare il sistema catturare una varianza, vedere le ipotesi dietro di essa e sfidare la raccomandazione prima che venga eseguita estenderà più autorità al sistema nel tempo. Un leader a cui viene fornita una risposta in scatola nera con nessuna logica tracciabile rifiuterà di affidarsi al sistema, e l’autorità dell’agente si riduce. Le aziende che costruiscono la governance nell’architettura ottengono il primo tipo di dispiegamento. Quelli che la aggiungono in un secondo momento ottengono il secondo.

Il decennio a venire appartiene ai costruttori di infrastrutture

Tra dieci anni, la differenza tra le aziende che hanno fatto della pianificazione il livello di connessione per la loro IA e le aziende che non l’hanno fatto sarà inequivocabile.

Il lavoro non glamour – collegare i dati, integrare i flussi di lavoro, incorporare la governance fin dall’inizio – è ciò che decide su quale lato un’azienda finisce.

I vincitori dell’intelligenza artificiale aziendale non saranno le aziende con più agenti. Saranno le aziende che hanno costruito l’infrastruttura in grado di coordinarli.