Ottimizzare i processi con l’AI: un metodo, risultati rapidi, valore misurabile

Le sperimentazioni di intelligenza artificiale si moltiplicano, ma poche entrano stabilmente nei processi. Partire da un solo processo, misurato prima e dopo l’intervento, permette di decidere dove investire sulla base di risultati reali.

Secondo l’Istat nel 2025 l’intelligenza artificiale è entrata nel 16,4% delle imprese italiane con almeno 10 addetti, il doppio dell’anno precedente, mentre la media europea rilevata da Eurostat è al 20%. L’Osservatorio Artificial Intelligence del Politecnico di Milano rileva che il 71% delle grandi imprese italiane ha avviato progetti che prevedono l’uso dell’AI, ma solo una su cinque la usa in modo diffuso all’interno dell’organizzazione e molte di queste faticano ancora a misurarne i benefici.

Perché tante iniziative si fermano a metà strada? Non sempre il limite è la tecnologia. Molto più spesso l’errore sta nel non avere chiaro quale problema si voglia risolvere, o nell’affidare a un sistema probabilistico come l’AI il compito di gestire in autonomia processi che per l’azienda devono rimanere rigorosamente deterministici. Così le aziende cadono in due trappole: programmi lunghi che per mesi non producono effetti verificabili, e Proof of Concept che dimostrano che la tecnologia funziona ma non entrano mai davvero nel merito dei processi su cui viene applicata.

Quando invece l’AI viene utilizzata con uno scopo definito e in un’attività precisa, i risultati si vedono. È il caso, ad esempio, di una grande azienda di software – in classifica Fortune 500 – nella quale gli operatori di assistenza clienti affiancati da un assistente AI hanno risolto in media il 15% di richieste in più all’ora. Conta come si usa l’AI, e conta dove. In un esperimento condotto da ricercatori di Harvard su 758 consulenti, chi si è affidato all’AI per un compito fuori dalla sua portata aveva 19 punti percentuali di probabilità in meno di arrivare alla risposta giusta. Decidere che cosa affidare alla macchina e che cosa alle persone è una delle scelte che fa la differenza. Si tratta di una divisione che si basa su regole precise: la reversibilità dell’azione, la frequenza dell’eccezione e il costo dell’errore. Tutto ciò che è standard o facilmente correggibile viene automatizzato, mentre i casi rari e le validazioni critiche rimangono sempre un’esclusiva responsabilità umana.

Per chi deve autorizzare un investimento non è sufficiente sapere se la tecnologia funziona ed è stata applicata correttamente. Servono altre tre risposte: 1. se il processo è diventato davvero più efficiente; 2. quanto tempo in meno richiede ora l’attività riprogettata; 3. se il beneficio ottenuto giustifica un investimento più ampio.
Sono risposte che arrivano solo se il risultato ottenuto viene misurato e confrontato con i dati raccolti all’inizio dell’analisi, sulle stesse metriche.

È da queste consapevolezze che nasce AI Process Sprint (APS), il metodo sviluppato da Orvian Innovation per portare un processo dall’analisi a una soluzione AI funzionante, con l’impatto misurato prima e dopo la sua applicazione. L’approccio progettuale è basato sul co-design, con esigenze e competenze dell’azienda che restano al centro di ogni fase. Il processo attuale si analizza insieme a chi lo esegue ogni giorno perché conosce le eccezioni normalizzate che nessun manuale riporta. L’obiettivo non è introdurre l’AI, ma migliorare un processo operativo, renderlo a più alto valore aggiunto e poterne dimostrare l’effetto.

APS parte dall’approfondire come il processo viene eseguito oggi, con quali sistemi e da quali persone, e ne fissa la baseline in termini di tempi, volumi, errori e attività manuali. Questa fase di discovery dura in genere due o tre settimane. Si lavora su un processo alla volta senza perdere di vista i suoi legami con le attività a monte e a valle e con i sistemi che lo alimentano, perché un miglioramento isolato rischia solo di spostare il problema altrove. Successivamente si stabilisce che cosa farà l’AI e che cosa resterà responsabilità delle persone, si sviluppa la soluzione integrandola nei processi e nei sistemi digitali già in uso. Molto spesso l’AI viene impiegata per presidiare i punti di contatto iniziali del flusso, agendo come strato di pre-elaborazione: legge input destrutturati (come e-mail, PDF o fogli Excel) e li trasforma in dati strutturati e verificabili prima di farli entrare nei sistemi gestionali dell’azienda, testando il tutto su casi reali. A fine implementazione si rilevano i risultati sugli stessi indicatori fissati in partenza e li si confronta, e la differenza tra i due è il beneficio ottenuto. In media l’intero percorso ha richiesto circa otto settimane.

Gli esempi di implementazione mostrano, dopo APS, una semplificazione dell’operatività quotidiana, un’ottimizzazione dei processi e una forte riduzione degli errori tipici delle lavorazioni che richiedono troppi file e troppa manualità. A titolo d’esempio: in un’azienda tech il tempo di lavorazione per fattura è sceso del 73%; in un’azienda della GDO le verifiche manuali sulle pratiche HR sono diminuite del 77%; in una manifatturiera è stato liberato il 19% degli FTE amministrativi. Risultati dello stesso ordine sono emersi in processi e settori molto diversi tra loro, dalla fatturazione alle vendite, fino alla gestione degli aspetti logistici.

I dati raccolti e il confronto tra prima e dopo APS diventano anche base per decisioni future informate. Dicono se il beneficio c’è, quali criticità restano e se ha senso estendere la soluzione ad altri processi. E poiché metodo e indicatori sono già definiti, l’approccio si replica senza ripartire da zero, ottimizzando investimenti di persone, tempo e denaro.

Per far funzionare l’AI in azienda, con risoluzione di problemi reali e impatto effettivo percepibile, occorre partire dal problema da risolvere e dal valore da generare. Quale tecnologia adottare e dove investire dopo ce lo dicono i numeri.