5 domande da fare prima di commissionare qualsiasi progetto di IA

Ogni settimana un'azienda media riceve almeno una proposta di progetto di IA. Il materiale arriva curato, pieno di termini tecnici e promesse di trasformazione. Il titolare assiste alla presentazione, fa una o due domande su prezzo e tempi, e prende la decisione con le informazioni sbagliate.

Il problema non è la tecnologia. Il problema è che il titolare non sa cosa chiedere. E il fornitore raramente colmerà questa lacuna di propria iniziativa.

Di seguito sono riportate le cinque domande che fanno la differenza. Non perché siano difficili, ma perché le risposte rivelano se il progetto funzionerà nella vostra operazione o diventerà uno strumento costoso che nessuno usa.

"Quale attività specifica risolve, e quanto tempo ci perde il mio team oggi?"

Ogni progetto di IA deve partire da un problema concreto e misurabile. Se il fornitore non riesce a nominare l'attività, la proposta è troppo generica per funzionare.

Ragionateci così: se il vostro team spende venti minuti a classificare le e-mail dei clienti prima di rispondere, due persone, dieci volte al giorno, è tempo reale che torna al team quando il problema viene risolto. Il fornitore deve scendere a questo livello di dettaglio. Se parla solo di "aumentare l'efficienza" o "migliorare l'esperienza del cliente" senza nominare l'attività, chiedetegli di aprire l'esempio. Se non ci riesce, il progetto probabilmente non è stato disegnato per la vostra azienda.

Cosa rivela la risposta: se il fornitore conosce il vostro business o sta semplicemente riproponendo una proposta standard.

"Con quali dati lavorerà la soluzione, e questi dati esistono già nella mia azienda?"

L'IA apprende a partire dalle informazioni. Se le informazioni non esistono, sono disorganizzate o sono bloccate in tre sistemi diversi che non comunicano tra loro, il progetto si inceppa prima ancora di iniziare.

Nella maggior parte delle conversazioni che abbiamo con i titolari d'azienda, il dato esiste, ma è disperso. Un foglio di calcolo qui, un gestionale là, la cronologia nella casella e-mail del venditore che se n'è andato sei mesi fa. Prima di commissionare qualsiasi cosa, dovete sapere se il fornitore ha già mappato da dove arriveranno i dati, e chi all'interno della vostra azienda sarà responsabile di garantire che siano puliti e aggiornati.

Se la risposta è "usiamo i dati che avete", chiedete cosa succede quando il dato è sbagliato. La risposta a questa seconda domanda dice molto sul livello di impegno del fornitore verso il risultato.

Segnale d'allarme: il fornitore che non chiede nulla sui vostri dati prima di presentare il prezzo.

"Cosa succede quando la soluzione sbaglia?"

Ogni soluzione di IA sbaglia. Non è un difetto, è una caratteristica. La questione è cosa accade dopo.

Un assistente che risponde ai clienti su WhatsApp darà, prima o poi, un'informazione errata. Un sistema che suggerisce articoli da riordinare a magazzino raccomanderà, occasionalmente, la quantità sbagliata. Il progetto deve prevedere questo scenario. Deve esserci qualcuno nel vostro team che riveda i casi critici, un percorso chiaro per correggere l'errore prima che raggiunga il cliente, e un modo per la soluzione di imparare da ciò che ha sbagliato.

Chiedete al fornitore: "Fatemi un esempio di errore che questa soluzione può commettere e spiegatemi cosa succede subito dopo." La risposta onesta include l'errore e il processo di correzione. La risposta che non volete sentire è "il sistema è molto preciso, gli errori sono rari."

Cosa rivela la risposta: se il fornitore sta vendendo lo strumento o sta vendendo il risultato.

"Chi gestisce il sistema dopo la consegna del progetto?"

Questa è la domanda che la maggior parte dei titolari dimentica di fare, ed è quella che più di tutte determina se l'investimento durerà nel tempo.

Ogni progetto ha un momento di consegna. Cosa succede la settimana dopo? Se la soluzione richiede che qualcuno del vostro team la alimenti, la monitori e la aggiusti, quella persona deve esistere, avere tempo e sapere cosa sta facendo. Se la manutenzione rimane a carico del fornitore, qual è il contratto che lo garantisce? Per quanto tempo? A quale costo?

In pratica, vediamo due scenari con frequenza. Nel primo, il progetto viene consegnato, il fornitore se ne va, e la soluzione comincia a degradarsi lentamente perché nessuno in azienda sa come gestirla. Nel secondo, il contratto di manutenzione esiste, ma il perimetro è vago, e ogni aggiustamento diventa una nuova voce di spesa.

Prima di firmare, chiedete di vedere il contratto di supporto e chiedete al fornitore di spiegare in modo chiaro e diretto cosa è incluso e cosa non lo è.

Cosa rivela la risposta: se il fornitore ha pensato al vostro business oltre la consegna iniziale.

"Come faccio a sapere che ha funzionato?"

Un progetto senza criteri di successo definiti prima dell'avvio è un progetto senza accountability. Non avete modo di sapere se il risultato è valso l'investimento, e il fornitore non può essere ritenuto responsabile.

Il criterio deve essere semplice e misurabile dal vostro stesso team, senza dipendere dal fornitore per calcolarlo. "Il tempo medio di risposta al cliente è sceso da quattro ore a quaranta minuti." "Il rilavoro nel controllo delle fatture è azzerato." "Il team di assistenza ha smesso di fare straordinari il venerdì." Questi sono criteri di successo. "Miglioramento dell'esperienza utente" non lo è.

Se il fornitore si oppone a definire questo criterio prima dell'avvio, il problema è di allineamento, non di tecnologia.

Segnale d'allarme: il fornitore che propone di misurare il successo con metriche a cui solo lui riesce ad accedere.

Cosa fare con queste risposte

Portate le cinque domande al prossimo incontro con qualsiasi fornitore di tecnologia. Non come un test, ma come una conversazione. Un buon fornitore risponderà con piacere, perché ha già mappato tutto questo prima di presentarsi davanti a voi.

Le risposte evasive, al contrario, sono già un'informazione. Indicano che il progetto è stato disegnato per il portfolio del fornitore, non per la vostra operazione.

La decisione di investire in IA non deve essere rischiosa. Diventa rischiosa quando viene presa con le informazioni di chi vuole vendere, non di chi dovrà operare.