Nei progetti di intelligenza artificiale vedo spesso lo stesso errore: si parte dalla tecnologia.
Modelli, tool, framework… e poi ci si accorge che non risolvono nessun problema reale. Il risultato? Progetti che non decollano, budget sprecati e tanta frustrazione.
Una domanda semplice, ma che cambia completamente l'approccio e, soprattutto, i risultati.
Il problema dell'approccio tech-first
Quando si parte dalla tecnologia, ci si innamora delle possibilità invece che delle soluzioni. Si cerca di applicare l'AI perché "è il futuro", non perché risolve un problema specifico e misurabile.
Sintomi comuni
Soluzioni in cerca di problemi – "Abbiamo implementato un chatbot con GPT-4" ma nessuno lo usa
Complessità inutile – Sistemi sovra-ingegnerizzati per esigenze banali
ROI invisibile – Impossibile misurare il valore reale generato
Resistenza interna – Il team non adotta lo strumento perché non capisce il valore
L'approccio problem-first
Partire dal problema significa identificare un pain point concreto che costa tempo, denaro o opportunità all'azienda.
Il metodo in 4 step
- Identifica il processo critico – Dove perdi più tempo? Dove ci sono più errori? Dove c'è un collo di bottiglia?
- Quantifica il problema – Quanto costa oggi? Quante ore vengono sprecate? Qual è l'impatto sul business?
- Definisci l'obiettivo – Un miglioramento del 20% è realistico? Come lo misuri?
- Solo ora cerca la tecnologia – Quale strumento/modello è il più adatto per questo specifico problema?
Un esempio concreto
Caso studio: Azienda manifatturiera
Problema: Il team sales impiega 3 ore al giorno per rispondere a email ripetitive sui prodotti
Costo: 15 ore/settimana × 4 settimane = 60 ore/mese sprecate
Obiettivo: Ridurre del 50% il tempo dedicato a queste email
Soluzione: Un sistema AI che suggerisce risposte basate su un knowledge base dei prodotti
Risultato: 30 ore/mese risparmiate = più tempo per attività a valore aggiunto
In questo caso, la tecnologia (RAG system, embeddings, LLM) è stata scelta dopo aver definito chiaramente il problema e l'obiettivo. Non prima.
I benefici dell'approccio problem-first
Quando parti dal problema ottieni:
ROI misurabile
Sai esattamente quanto stai risparmiando o guadagnando
Buy-in interno
Il team vede subito il valore e adotta volentieri la soluzione
Iterazione rapida
Puoi validare velocemente se funziona e migliorare
Tecnologia appropriata
Usi gli strumenti giusti, non quelli più fighi
Da dove partire domani
Se vuoi applicare questo approccio nella tua azienda, inizia con una semplice sessione di brainstorming con il tuo team:
Non servono budget milionari o team enormi. Serve chiarezza sul problema da risolvere.
Conclusione
La tecnologia è solo uno strumento. L'AI è potentissima, ma senza un problema chiaro da risolvere rimane solo un esercizio accademico.
La prossima volta che pensi a un progetto AI, prova a chiederti: "Quale processo potrei migliorare del 20%?"
La risposta a questa domanda vale più di qualsiasi modello di machine learning.
Vuoi approfondire?
Se stai valutando un progetto AI per la tua azienda e vuoi confrontarti sull'approccio migliore, contattami su LinkedIn.
Connettiti su LinkedIn