Perché “AI-Ready” è diventato la frase più abusata nel cloud

“AI-ready” è in ogni presentazione di venditori e in ogni ordine del giorno del consiglio di amministrazione che ho esaminato nell’ultimo anno. La frase è ovunque. Ciò che significa non è più chiaro.

Quando un CFO dice AI-ready, intende budget approvato. Quando un CIO lo dice, intende piattaforme in posto. Quando un consulente lo dice, intende un ambito di lavoro. Quando un membro del consiglio di amministrazione lo dice, intende una posizione difendibile. Stesse due parole. Quattro conversazioni.

Il risultato è prevedibile: le aziende dichiarano la prontezza per l’AI in base a quale definizione le lusinga di più, poi guardano i loro piloti fallire in produzione per motivi che nessuno aveva anticipato — perché nessuno stava realmente risolvendo lo stesso problema.

La frase non è il problema. La comprensione sottostante è. E vale la pena risolverla, perché ciò che “AI-ready” significa realmente ha molto poco a che fare con ciò che la maggior parte delle aziende sta acquistando.

Il livello della piattaforma sta maturando, ma questo non è il gap

Quando viene chiesto di definire, la maggior parte delle persone si ritrova più o meno nello stesso posto. AI-ready significa una postura tecnica: piattaforme in posto, architettura di identità definita, governance documentata, osservabilità distribuita, controlli FinOps attivi, forse un Chief AI Officer assunto.

Non è sbagliato. Queste cose contano, e il livello tecnico è avanzato drasticamente. A Google Cloud Next la scorsa settimana, il messaggio era inequivocabile — “l’era del pilotaggio è finita, l’era dell’agente è qui”. Identità, governance e osservabilità stanno essere costruite direttamente nella piattaforma stessa. I principali iperscalatori stanno convergendo su capacità simili alla stessa velocità.

È un vero cambiamento, e vale la pena prenderlo seriamente. Ma mentre il livello della piattaforma matura, il lavoro rimanente del cliente non scompare — diventa più visibile. C’è un livello tra la piattaforma e le tue persone che nessun fornitore costruirà per te. La maggior parte delle aziende non ha ancora iniziato.

Il livello mancante: il sistema di controllo

Chiamalo il sistema di controllo. Il middleware deterministico tra le tue persone e l’AI — la catena di strumenti che rende impossibile per un sistema autonomo deviare dalle tue specifiche, dalle tue barriere di protezione o dai tuoi obiettivi.

Nello sviluppo del software, il sistema di controllo non è il modello. È il sistema di specifiche, l’infrastruttura di test, le porte di revisione, le politiche di distribuzione — la struttura che mantiene l’output dell’AI allineato con ciò di cui l’azienda ha realmente bisogno, non con ciò che la piattaforma pensa che “buon codice” significhi in generale.

La piattaforma è stata costruita per essere generale. L’allineamento con il tuo business è un problema di costruzione, e solo tu puoi risolverlo. La maggior parte delle aziende non ha ancora iniziato. Stanno distribuendo l’AI su piattaforme mature e fidandosi dei valori predefiniti per imporre l’allineamento. I valori predefiniti non avrebbero mai fatto ciò.

Ma anche con un sistema di controllo funzionante, il livello tecnico non è il gap. Quello umano lo è.

Il vero collo di bottiglia: il comportamento umano

La scorsa settimana, ho trascorso quarantacinque minuti a scrivere manualmente un’e-mail prima di rendermi conto di ciò che stavo facendo.

Lavoro in questo settore ogni giorno. Ho accesso agli strumenti migliori, una profonda comprensione di quando e come utilizzarli, e un forte incentivo personale per massimizzare l’AI nel mio lavoro. E ho comunque fatto affidamento al vecchio metodo — scrivendo riga per riga, con la stessa memoria muscolare che ho usato per vent’anni — prima di notare cosa stavo facendo.

Se la prontezza vivesse al livello della piattaforma, sarebbe pronta. Se vivesse al livello del sistema di controllo, sarebbe pronta. Ma la prontezza, come si svolge realmente, vive da qualche altra parte — nel gap tra ciò che è possibile e ciò che viene raggiunto. Moltiplicato per ogni individuo, in ogni compito, migliaia di volte a settimana.

È il gap che nessuno sta risolvendo. Non è che la tecnologia non possa aiutare. È che venti o sessantacinque anni di memoria muscolare non si riorganizzano in base a un piano di progetto.

Una volta che si accetta questo, l’intero quadro di “AI-ready” inizia a sembrare sbagliato.

“AI-Ready” non è una linea di arrivo

“Pronto” implica una linea di arrivo, e non c’è. Le aziende che sembrano pronte per l’AI stanno in piedi alla base della prossima rampa, e quelle che non lo sono stanno in piedi alla base di una rampa precedente. Entrambe stanno guardando il lavoro che non hanno ancora fatto.

È per questo che “Siamo pronti per l’AI?” è la domanda sbagliata. Tratta la prontezza come uno stato che si raggiunge, quando in pratica è una scala che si sale — un pezzo alla volta. La domanda migliore è pratica: qual è il prossimo pezzo di prontezza che le nostre persone hanno bisogno, e chi è responsabile di portarle lì? Non si budgetta per la prontezza per l’AI come una destinazione, perché non c’è una tale destinazione. Si budgetta per il prossimo pezzo dell’elefante, e poi il prossimo.

Per quasi tutte le aziende, il prossimo pezzo è al livello individuale — ed è lì che il lavoro che nessuno si aspetta realmente vive.

Ogni dipendente gestisce ora un team di AI

Ogni contributore individuale nel tuo business è ora aspettato per gestire un team eterogeneo di venti specialisti che non ha assunto e di cui non ha una completa comprensione.

Il tuo copywriter ha un ricercatore, un editore e un traduttore. Il tuo sviluppatore ha un ingegnere junior e un revisore di codice. Il tuo product manager ha un analista, un designer e un sintetizzatore di interviste con i clienti. Indipendentemente dal ruolo, indipendentemente dalla seniorità, ogni persona nella tua azienda ha ora un team. Non l’ha chiesto. Non è stata addestrata per farlo. La qualità del suo output dipende ora da come gestisce il team.

È questo che la prontezza richiede realmente — e non è gestione del cambiamento. La gestione del cambiamento è procedurale: nuovi flussi di lavoro, nuove formazioni, nuovi strumenti distribuiti dall’alto verso il basso. Ciò che sta accadendo qui è qualcos’altro. Ogni persona deve imparare a delegare, valutare e mettere in discussione l’output attraverso discipline in cui non è stata addestrata. Non è una procedura. È una ridefinizione del lavoro, che accade a ogni livello, senza un piano.

Chiamatelo come volete — fluenza, pratica, direzione. L’etichetta conta meno del riconoscimento che questo è il lavoro. La maggior parte delle aziende non ha ancora un nome per questo, per non parlare di un piano.

Ripensare come la prontezza è misurata

Smettete di misurare la prontezza come una lista di controllo. Iniziate a misurarla dove realmente vive — al livello individuale — e progettate l’organizzazione intorno alla capacità, non alla piattaforma.

Tre cose seguono. Smettete di chiedere “siamo pronti per l’AI” e iniziate a chiedere “qual è il prossimo pezzo di prontezza per le nostre persone, e chi ne è responsabile”. Investite nella capacità umana con la stessa urgenza con cui investite nella capacità della piattaforma — la maggior parte dei consigli di amministrazione ha questo rapporto invertito di un ordine di grandezza. E assumete e premiate per la capacità di gestire un team eterogeneo di specialisti di AI, perché questo è il nuovo standard, non un obiettivo di allungamento.

“AI-ready” non è una frase sbagliata. È la frase più fraintesa nel cloud — e l’equivoco sta costando alle aziende più di quanto si rendano conto. Le aziende che la faranno giusta non saranno quelle con le più piattaforme. Saranno quelle le cui persone hanno realmente riorganizzato ciò che raggiungono.