Come scegliere dove l'IA vale la pena: prioritizzazione dei casi d'uso

I migliori casi d'uso dell'IA vengono da dove il lavoro fa già male, non da un elenco di ciò che l'IA può fare in teoria.

Il modo sbagliato di costruire un elenco di candidati è partire dalle capacità: sintesi, classificazione, generazione, ricerca, e poi andare a caccia di posti dove applicarle. Questo produce soluzioni in cerca di problemi. Il modo giusto è partire dal dolore operativo. Percorri i flussi dove le persone sono lente, dove gli errori sono costosi, dove una coda è sempre intasata, dove lo stesso giudizio viene espresso centinaia di volte a settimana. Ciascuno di questi è un candidato, che l'IA si riveli o no lo strumento giusto.

Il reperimento è un esercizio di intervista prima che tecnico. Siediti con chi fa il lavoro e poni tre domande: cosa ti porta via più tempo, cosa rifai più spesso, e cosa vorresti non dover più fare. Le risposte sono il tuo elenco grezzo di candidati. Un elenco utile ha da quindici a trenta voci a questo stadio, deliberatamente non filtrate, perché l'ordinamento viene dopo e vuoi opzioni reali da ordinare.

Una disciplina conta qui: scrivi ogni candidato come un lavoro, non come una tecnologia. Ridurre il tempo per redigere una prima risposta a un ticket di supporto è un candidato. Aggiungere un chatbot non lo è. L'inquadramento come lavoro ti tiene onesto sul valore più avanti, ed evita che l'elenco collassi in un'unica risposta alla moda prima ancora di aver valutato qualcosa.

Valuta ogni candidato su tre assi, ciascuno su una semplice scala da uno a cinque, con una ragione scritta per il numero. Il valore è la dimensione del premio: tempo risparmiato, costo rimosso, ricavo abilitato o rischio ridotto, misurato rispetto alla baseline attuale di quel flusso. Un candidato che risparmia due minuti su un compito svolto cinque volte l'anno ha un punteggio basso; uno che toglie trenta secondi a un compito svolto diecimila volte a settimana ha un punteggio alto. Costringi il punteggio di valore a puntare a una metrica, non a una sensazione.

La fattibilità è quanto è difficile mandarlo davvero in produzione. Tre sotto-domande la guidano: i dati sono disponibili, etichettati e abbastanza puliti da poterci lavorare, quanto è complesso il compito centrale per i modelli attuali, e con quanti sistemi deve integrarsi per essere utile. Un caso d'uso con dati puliti, un compito ben compreso e un solo punto di integrazione è un cinque. Un caso d'uso che richiede dati che ancora non raccogli, un compito di ragionamento difficile e accesso in scrittura a quattro sistemi legacy è un uno, per quanto allettante appaia il valore.

Il rischio è il costo di sbagliarlo. Valuta l'esposizione normativa (un output sbagliato crea un problema di compliance), l'esposizione reputazionale (un cliente vede il fallimento), e il costo del fallimento (cosa accade operativamente quando il modello sbaglia con sicurezza). Un caso d'uso che redige note interne che un umano rivede è a basso rischio. Uno che invia decisioni non riviste ai clienti in un dominio regolamentato è ad alto rischio, e quel punteggio dovrebbe spingerlo in fondo all'elenco anche quando valore e fattibilità sono forti. Il NIST AI Risk Management Framework è un buon riferimento esterno per rendere questa colonna rigorosa anziché istintiva.

Con i tre punteggi in mano, traccia ogni candidato su un semplice due per due: il valore su un asse, la fattibilità sull'altro, con il punteggio di rischio mostrato come la dimensione o il colore di ogni punto. Il quadro è subito utile. Il quadrante in alto a destra (valore alto, fattibilità alta) è da dove parti. Quello in alto a sinistra (valore alto, fattibilità bassa) è la tua roadmap, le cose su cui vale la pena investire per renderle fattibili più tardi. Quello in basso a destra (valore basso, fattibilità alta) è la trappola: facile da costruire, facile da mostrare, e non vale il tuo tempo. Quello in basso a sinistra lo cancelli.

Il tuo primo caso d'uso dovrebbe venire dal quadrante in alto a destra, e tra quelli scegli quello che dimostra il valore più in fretta. La velocità verso un risultato misurabile conta più della dimensione assoluta del premio per il primo progetto, perché la prima vittoria finanzia la fiducia organizzativa per la seconda. Una costruzione di sei settimane che dimostrabilmente rimuove il venti per cento di un costo reale batte una costruzione di nove mesi che promette di rimuoverne il sessanta, ogni volta, per il caso d'uso numero uno.

Lascia che la dimensione del rischio scavalchi la matrice quando deve. Un punto in basso a destra con un punteggio di rischio alto non è una vittoria rapida, è una passività silenziosa. Un punto in alto a destra che per caso porta un'esposizione normativa può comunque essere la prima scelta giusta, ma solo se lo definisci con un umano nel ciclo e un piano di fallimento esplicito. La matrice ordina; il rischio pone il veto. Entrambi vengono messi per iscritto così che la decisione sopravviva a una contestazione successiva.

Fatta bene, la prioritizzazione si chiude con un caso d'uso che arriva in fretta e un backlog a cui la direzione crede davvero.

I team che ci riescono non hanno più progetti di IA, hanno il primo giusto. A dodici settimane, un singolo caso d'uso dal quadrante in alto a destra è in funzione, la baseline rispetto a cui era stato valutato si è mossa in modo misurabile, e le persone che erano scettiche hanno visto un risultato reale su lavoro reale. Quella credibilità è l'asset. Il secondo e il terzo caso d'uso atterrano in un'organizzazione che ora si fida del metodo, perché il primo ha consegnato ciò che la valutazione diceva.

Altrettanto importante, le idee rumorose che non hanno passato il vaglio sono documentate e parcheggiate, non abbandonate in silenzio. Quando il dirigente che ha sostenuto il progetto di vanità chiede che fine ha fatto, c'è una risposta in una riga con un punteggio dietro. Il backlog è vivo: nuovi candidati vengono reperiti e valutati sulla stessa scala, la matrice viene ritracciata man mano che dati e integrazioni cambiano, e un caso d'uso che era infattibile l'anno scorso può diplomarsi quando il blocco si scioglie.