Automazione tradizionale o intelligenza artificiale: come scegliere

Molte automazioni oggi nascono al contrario: si decide di usare l’intelligenza artificiale e poi si cerca dove metterla. Il risultato sono processi che prima funzionavano con tre regole e ora danno risposte quasi sempre giuste, il che in un processo aziendale è spesso peggio. Questa guida serve a decidere, per un’attività concreta, se serve una regola esplicita, un modello che interpreta, o un flusso che usa entrambi.

La distinzione non è tecnologica ma pratica, e si riduce a una domanda: nel passaggio che volete automatizzare c’è qualcosa da capire, oppure solo qualcosa da eseguire?

La domanda che divide: c’è un’interpretazione da fare?

Guardate che cosa entra nel passaggio, non che cosa esce. È la natura dell’ingresso a determinare il meccanismo.

• Se in ingresso ci sono campi strutturati — un importo, una data, uno stato, una categoria scelta da un elenco — e la decisione si può scrivere come «se succede questo, fai quello», serve una regola. Sarà più veloce, più economica e sempre spiegabile.
• Se in ingresso c’è testo libero, una voce, un documento scritto da qualcun altro, o un contenuto che ogni volta arriva in una forma diversa, prima di eseguire bisogna capire. Lì l’intelligenza artificiale aggiunge qualcosa che le regole non danno.
• Se la decisione deve essere identica ogni volta a parità di dati — un calcolo, un’applicazione di listino, una verifica di soglia — non affidatela a un modello, nemmeno se sa farla. Un risultato che può variare non è accettabile dove serve determinismo.

La confusione nasce dai processi misti, che sono la maggioranza. Un’email di un cliente contiene testo libero (da interpretare) e produce un ordine (da eseguire con regole). Non è un processo da assegnare a un solo meccanismo: è un processo da spezzare in due.

Tre processi, tre risposte diverse

Tre casi illustrativi in una piccola impresa. Le soluzioni non dipendono dal settore ma dalla forma di ciò che arriva.

Nel secondo caso vale la pena notare dove finisce il compito del modello: classifica, non risponde e non decide. Più il compito affidato all’intelligenza artificiale è circoscritto, più il flusso resta controllabile e più è facile capire, quando qualcosa va storto, in quale punto è andato storto.

Controllabilità e manutenzione: due costi diversi

Le due strade non costano solo importi diversi: costano fatiche diverse, e distribuite in momenti diversi della vita del sistema.

• Una regola sbagliata si trova leggendola. Si apre, si vede la condizione, si corregge. Il difetto è che le regole si moltiplicano: dopo qualche anno nessuno ricorda più perché ne esiste una e nessuno osa toglierla.
• Un modello che sbaglia non si legge: si osserva. Per capire perché ha classificato male serve raccogliere i casi e confrontarli, e la correzione non è mai garantita al primo tentativo.
• La manutenzione delle regole è occasionale e prevedibile: si interviene quando cambia una condizione aziendale. Quella di un flusso con AI è continua: vanno guardati i casi limite, va controllato che la qualità non peggiori quando cambia il tipo di richieste in arrivo.
• Chiedete sempre chi metterà mano al sistema fra un anno. Se la risposta è «una persona interna», questo pesa molto sulla scelta del meccanismo.

C’è poi un aspetto che riguarda l’organizzazione più della tecnica: un flusso con intelligenza artificiale ha bisogno che qualcuno guardi periodicamente che cosa ha fatto. Se in azienda quella persona non esiste, il flusso funzionerà finché nessuno se ne accorge.

Quando l’azione ha conseguenze: le approvazioni

La domanda decisiva non è quanto è bravo il sistema, ma che cosa succede quando sbaglia. Da questa risposta discende il livello di controllo, e vale sia per le regole sia per l’intelligenza artificiale.

1. Se l’errore è invisibile e reversibile — un’etichetta interna, un messaggio smistato nella casella sbagliata — il sistema può agire da solo e il controllo è a campione.
2. Se l’errore è visibile al cliente ma rimediabile — una risposta imprecisa, una segnalazione inutile — serve una revisione umana sui casi in cui il sistema stesso segnala incertezza.
3. Se l’errore ha conseguenze economiche o contrattuali — un ordine inserito, un prezzo applicato, un pagamento, una comunicazione ufficiale — l’azione va proposta e non eseguita: una persona conferma, e il sistema registra chi ha confermato e quando.
4. In tutti i casi definite prima che cosa succede quando l’informazione manca. Un flusso che, non trovando un dato, procede lo stesso è più pericoloso di uno che si ferma.

Quello che questa guida non copre

Qui si sceglie il meccanismo: regole, intelligenza artificiale o una combinazione dei due. Il confronto commerciale fra gli strumenti disponibili sul mercato — che cosa conviene comprare, cosa comporre e cosa costruire — è trattato in una guida dedicata, perché segue criteri diversi e cambia più in fretta. Da quale attività conviene partire con l’AI in azienda ha una guida propria.