Quanti agenti IA dobbiamo implementare? Questa domanda emerge spesso nelle discussioni aziendali sull'intelligenza artificiale. Il numero ha i suoi vantaggi: è facile da presentare, confrontare e comunicare alla direzione. Tuttavia, cosa dice realmente di ciò che è cambiato nell'azienda?

Questa tendenza è nota come il sofisma di McNamara, che consiste nel privilegiare ciò che è facilmente misurabile, trascurando ciò che conta veramente. Con l'IA, ad esempio, il numero di agenti implementati è immediatamente disponibile, ma la loro contribuzione alla affidabilità di una previsione o alla riduzione dei tempi di pagamento richiede una valutazione approfondita.

L'importanza di definire obiettivi chiari

Le aziende che traggono un reale valore dall'IA iniziano con un problema da risolvere o un punto di attrito da eliminare. Definiscono il risultato atteso e poi scelgono i mezzi per raggiungerlo. Questa metodologia dovrebbe guidare le decisioni dei dirigenti. Per superare la fase delle sperimentazioni, quattro domande meritano di essere poste prima di considerare il numero di agenti IA.

Migliorare la qualità del risultato

Gli assistenti che redigono un testo, riassumono una riunione o rispondono a una domanda offrono servizi concreti. Il tempo risparmiato conta, ma è importante capire come si traduce nel funzionamento dell'azienda. Una busta paga più affidabile, un piano di lavoro stabilito più rapidamente, costi di approvvigionamento ridotti o crediti recuperati più velocemente: questi sono risultati che permettono di valutare un investimento.

Il numero di agenti mobilitati per ottenere questi risultati rimane una scelta di implementazione. È a questo livello che l'applicazione agentica assume tutto il suo significato. Un agente può svolgere un compito specifico, mentre un'applicazione agentica coordina più agenti specializzati per far avanzare un processo verso un obiettivo aziendale.

Ridurre il carico di lavoro

L'IA è sempre più capace di analizzare una situazione e proporre il passo successivo. Tuttavia, una raccomandazione pertinente può lasciare intatta la lista delle attività da svolgere. La domanda per l'azienda è fino a che punto il sistema può assorbire il carico di lavoro.

Prendiamo gli acquisti. Un assistente può identificare che una categoria di acquisti dovrebbe essere rinegoziata e suggerire una richiesta di offerta. Tuttavia, rimane necessario preparare la consultazione, contattare i fornitori, confrontare le loro risposte, ottenere le approvazioni e aggiornare il contratto. È in questa sequenza che si gioca una parte significativa del valore.

Un'applicazione agentica deve essere in grado di gestire i passaggi che le sono affidati nel rispetto delle regole aziendali. Le autorizzazioni devono essere definite, le interazioni umane previste e le azioni tracciabili. La capacità di esecuzione si valuta anche in base a come si inserisce in questo quadro di controllo.

L'accesso al contesto aziendale

Le classifiche dei modelli informano sulle loro capacità generali, ma non sono sufficienti per determinare la loro utilità all'interno di un'azienda o di un settore specifico. Un modello può conoscere i principi degli acquisti senza disporre delle informazioni necessarie per agire nella vostra organizzazione.

Gli mancano la lista dei fornitori registrati, le deleghe di potere, gli impegni contrattuali, le scorte disponibili o le eccezioni già autorizzate. Senza questo contesto, una risposta può essere ben argomentata e tuttavia inadatta alla decisione da prendere.

La qualità dei dati e il loro legame con i processi aziendali diventano quindi determinanti. Un agente deve disporre delle informazioni utili alla sua missione, con i diritti di accesso appropriati. Deve anche tenere conto dello stato del processo, delle approvazioni ottenute e delle regole applicabili.

Integrare le capacità agentiche nei sistemi in cui si trovano già questi dati e questi controlli facilita questo lavoro. La scelta del modello rimane importante, ma il suo accesso al contesto aziendale lo è altrettanto.

L'orchestrazione degli agenti specializzati

L'idea di un assistente unico, capace di tutto, è allettante. Tuttavia, nei risultati aziendali, la cooperazione di specialisti è fondamentale. Gli acquisti, la finanza e le risorse umane hanno ciascuno le loro competenze, responsabilità e vincoli. Gli agenti devono poter lavorare secondo questa stessa logica.

Il reclutamento è un buon esempio. Un agente può aiutare a identificare i candidati, un altro verificare la disponibilità del budget, un terzo preparare l'integrazione del nuovo dipendente. La loro utilità collettiva dipende dalla circolazione delle informazioni, dall'ordine delle fasi e dal rispetto delle approvazioni. Preparare un arrivo ha senso solo se il reclutamento è stato approvato.

Il numero di agenti descrive i mezzi impiegati, ma la loro coordinazione determina la capacità di accompagnare il processo, dall'apertura del posto al primo giorno del collaboratore, con le decisioni umane necessarie.

Un cambiamento di paradigma per il software

Queste quattro domande delineano un'evoluzione del software aziendale. Le applicazioni che registrano le operazioni e aiutano a pilotare l'attività possono ora contribuire più direttamente alla loro esecuzione. È la promessa dei sistemi orientati ai risultati: sfruttare il contesto disponibile per far avanzare il lavoro verso un obiettivo definito, basandosi su una coorte di agenti IA orchestrati.

Spetta ai dirigenti fissare questo obiettivo, i limiti dell'autonomia concessa e i criteri di successo. Una strategia IA diventa allora più facile da valutare: gli errori sono diminuiti? I tempi si sono accorciati? Siamo più agili o reattivi di fronte a un nuovo contesto? È su queste risposte che dovrebbe essere giudicato il progresso portato dall'IA, molto più che sul numero di agenti IA implementati.