15 luglio 20263 min di lettura

Cosa devono sistemare le PMI prima del primo progetto AI

La maggior parte dei primi progetti di AI fallisce prima ancora che venga scelto il modello. Per le PMI i blocchi sono quasi sempre tre: un'unica versione della verità per i dati, processi documentati e l'uso dei sistemi esistenti invece di sostituirli.

Di Hoshi Editorial

La maggior parte dei primi progetti di AI fallisce prima ancora che venga scelto il modello.

Lo schema è sempre lo stesso: un'azienda sceglie uno strumento, lo punta sui propri dati, e poi si chiede perché i risultati siano imprecisi, incoerenti o semplicemente ignorati dal team. Il modello funziona. Erano le fondamenta a mancare.

Lavoriamo con le PMI su questo tipo di progetti in modo continuativo, e i blocchi sono quasi sempre gli stessi tre.

1. I dati devono avere un'unica versione della verità. Se i dati dei clienti vivono in un foglio Excel, in un CRM e nella casella di posta di qualcuno, un agente AI erediterà tutte e tre le versioni. Prima di costruire qualsiasi cosa, bisogna capire dove risiedono davvero i dati fondamentali e se sono consistenti. Per la maggior parte delle PMI, questo significa una pulizia del CRM, non un data warehouse.

2. I processi devono essere documentati prima di poter essere automatizzati. Gli agenti AI non inventano flussi di lavoro, li seguono. Se il processo esiste solo nella testa di un dipendente esperto, l'agente non ha nulla da cui partire. Spesso, il risultato più utile di un primo progetto AI è proprio la mappa dei processi che si produce nel prepararsi.

3. I sistemi esistenti non vanno sostituiti. Questo è l'errore più comune tra le PMI. Il team di ingegneria di Salesforce ha documentato chiaramente come la maggior parte dei fallimenti degli agenti sia dovuta all'architettura, non al modello. La soluzione è indirizzare il lavoro allo strumento giusto, non ricostruire tutto da zero. AWS arriva alla stessa conclusione: un sottile livello di traduzione sopra le API esistenti può integrarle in un sistema agentivo senza bisogno di riscrittura. Si parte da quello che si ha.

Le PMI che ottengono di più da un primo progetto AI lo trattano come un audit di dati e processi con un output AI alla fine, non come un acquisto tecnologico.

Com'è fatto davvero il vostro patrimonio di dati oggi? Vale la pena rispondere a questa domanda prima di qualsiasi conversazione con un fornitore.