Come dimostrare il ROI dell’intelligenza artificiale quando il rendimento è solo dell’1%?

David Rice: Solo il 17% delle organizzazioni ha implementato agenti di intelligenza artificiale. La percentuale relativa all'utilizzo in più dipartimenti è circa del 3%. JLL ha smesso di contarli. Nello show di oggi parlo con Carlin Power, vicepresidente globale per l'intelligenza artificiale e l'abilitazione tecnologica delle piattaforme presso JLL, di ciò che l'altro 97% sta per imparare.

Perché JLL non sta sperimentando con gli agenti. Li sta utilizzando in produzione in tutta l'azienda, nella gestione delle strutture, nelle comunicazioni del marchio e nelle funzioni aziendali, e le lezioni apprese non sono principalmente di natura tecnica. La prima cosa che si è inceppata non è stata la tecnologia, ma la discussione sul ROI. Come si giustifica il costo di ciò che è ormai indispensabile?

Come ci si presenta davanti al direttore finanziario e si dice: "Potremmo ottenere un rendimento dell'1% su questo investimento"? La risposta di Power è stata riportare la discussione sul valore nel posto a cui appartiene: all'interno del conto economico che determina la decisione d'investimento. Se un dirigente aziendale sta cercando di crescere e di aumentare del 20% la quota di spesa dei principali clienti, l'intelligenza artificiale diventa parte di quella conversazione invece di essere un martello alla ricerca di un chiodo.

Anche la questione dell'inizio della carriera merita attenzione in questo tema. La ricerca di Stanford traccia una linea netta. Quando l'intelligenza artificiale automatizza, le assunzioni entry-level diminuiscono. Quando potenzia, l'occupazione resta stabile o cresce. JLL ha fatto una scelta deliberata e gli stagisti assunti di recente hanno presentato un lavoro di progetto talmente sofisticato che, senza saperlo, Power non avrebbe immaginato che non fossero già da tre o quattro anni nel mondo del lavoro.

Oggi parleremo quindi di ciò che distingue gli agenti destinati a sopravvivere dal 40% dei progetti che Gartner prevede verranno cancellati entro il 2027, del motivo per cui il modo di presentare il ROI conta più della tecnologia stessa, di come costruire competenze sull'intelligenza artificiale in ottanta Paesi senza perdere la rilevanza locale e di cosa dovrebbe fare, nei primi tre mesi, un responsabile delle risorse umane che non ha ancora agenti in produzione mentre li implementa.

Sono David Rice. Questo è People Managing People e, se la vostra organizzazione sta ancora cercando di capire da dove iniziare con gli agenti, questa conversazione offre un modello pratico da parte di qualcuno che ha già superato da tempo quella fase. Iniziamo.

Benvenuti al podcast People Managing People. Come sempre, sono il vostro conduttore, David Rice, e oggi sono affiancato da Carlin Power. È la vicepresidente globale per l'intelligenza artificiale e l'abilitazione tecnologica delle piattaforme presso JLL. Molte organizzazioni stanno sperimentando con gli agenti di intelligenza artificiale, ma voi ne avete effettivamente implementati alcuni con successo. Giusto. Quindi-

Carlin Power: Sì, è così ...

David Rice: parleremo un po' di questo e di alcune lezioni apprese nel percorso.

La prima domanda che volevo farti riguarda il fatto che ho visto un sondaggio Gartner rivolto ai CIO secondo cui solo il 17% delle organizzazioni ha implementato agenti di qualsiasi tipo.

Carlin Power: Certo.

David Rice: E credo che il dato relativo a più dipartimenti sia del 3% o qualcosa del genere, giusto? Sì, sì. È davvero basso.

Carlin Power: Sì.

David Rice: Quindi molte persone si trovano all'inizio di questo percorso. E voi avete annunciato, l'ultimo numero che ho visto era circa 34. Credo che ora siate oltre quella cifra.

Carlin Power: Sì. Stiamo crescendo. Credo che abbiamo semplicemente smesso di contarli.

David Rice: Avete smesso... La mia prima domanda, però, è: cosa sapete oggi che l'altro 97% sta per imparare?

Carlin Power: Certo. Credo che in realtà si torni ad alcune decisioni che abbiamo preso all'inizio. Avevamo fatto un investimento in quello che chiamiamo JLL Falcon, un nome commerciale elegante per una raccolta di funzionalità e API di intelligenza artificiale che tutti i nostri sviluppatori software potevano utilizzare in modo economicamente conveniente per implementare funzionalità di intelligenza artificiale nelle tecnologie che stavano costruendo da zero e in quelle già presenti sul mercato.

Grazie a questo e al fatto che siamo riusciti a decentralizzare l'innovazione tra tutti i nostri ingegneri, hanno iniziato ad acquisire molto più rapidamente competenze su come costruire e implementare elementi come gli agenti. Abbiamo agenti nella nostra attività di gestione delle strutture che ottimizzano gli ordini di lavoro e il modo in cui i tecnici vengono inviati nei vari siti per svolgere il loro lavoro di gestione delle strutture.

Abbiamo agenti del marchio che applicano il marchio alle nostre presentazioni PowerPoint e definiscono il tono di voce per le comunicazioni interne ed esterne di JLL. Abbiamo appena implementato, circa un mese e mezzo fa, Ask JLL, una raccolta di agenti che riunisce esperti di dominio di tutte le nostre funzioni aziendali e aiuta i dipendenti a ricevere supporto in ciascuna di esse.

Grazie a questa decentralizzazione tra tutti quei team di ingegneria, stiamo costruendo agenti per problemi aziendali specifici, con risultati di ROI molto precisi.

David Rice: È questo uno dei motivi per cui pensi che abbia funzionato? Hai menzionato la natura specifica delle soluzioni. Il successo dipende dal fatto che non state cercando genericamente di risolvere qualcosa, ma siete molto specifici?

Carlin Power: Sì. Abbiamo anche agenti generici e strumenti di intelligenza artificiale per uso generale. Abbiamo un assistente generale di intelligenza artificiale che chiamiamo affettuosamente Pulse ... e che analizza tutte le nostre chat, tutte le nostre e-mail e tutti i nostri documenti condivisi. Si comporta un po' come un assistente amministrativo e riduce gran parte del carico delle attività amministrative e tattiche che bisogna svolgere in un lavoro basato sulla conoscenza.

Abbiamo quindi implementato intenzionalmente alcune funzionalità generiche, ma sì, il vero ROI, perché quelle attività sono più simili a ciò che definirei l'indispensabile, giusto? Sono strumenti che tutti i nostri dipendenti devono avere a disposizione per poter competere sul mercato.

Tutti gli agenti implementati dai nostri team di ingegneria del software a supporto di una specifica linea di business o funzione aziendale risolvono problemi aziendali specifici che fanno avanzare i risultati della nostra attività, e questo è allineato a più livelli dell'organizzazione.

David Rice: Riportami all'agente numero uno. Che cosa si è inceppato e non era di natura tecnica? Erano i permessi e la titolarità, oppure-

Carlin Power: Sì ...

David Rice: la descrizione del ruolo di qualcuno, in sostanza?

Carlin Power: Sì, giusto. L'agente numero uno, wow. In realtà era Pulse, quindi ... noto anche come strumenti di lavoro JLL, perché ora lo forniamo tramite un MCP, ovvero il termine elegante per indicare un connettore diretto da un agente ai dati strutturati.

Penso quindi che non si sia realmente inceppato qualcosa di tecnico. Si è trattato piuttosto di capire come giustificare il costo rispetto al ROI. Ti parlavo di ciò che è indispensabile. È una conversazione piuttosto difficile quando si vedono solo incrementi di efficienza dall'1% al 3%, perché è complicato sedersi davanti al direttore finanziario e dire: "Credo che dovremmo fare questa cosa, ma potremmo ottenere un rendimento dell'1%". All'inizio abbiamo cercato di capire come articolare il valore di ciò che è indispensabile e come articolare il valore di un determinato agente.

E questo doveva diventare uno standard per la costruzione? Come facciamo ad assicurarci che ogni persona che sviluppa soluzioni nella nostra organizzazione possa dire: "Implementerò questo agente per risolvere un problema che prima ci costava una certa quantità di lavoro o produceva un determinato risultato. Ora potremo ottenere una produttività cinque volte superiore, generare una nuova fonte di ricavi, aumentare la nostra quota di mercato o la quota di spesa di un cliente"?

Quando inizi a far ragionare i team in questo modo, dimostrare il ROI diventa molto più semplice. Questo è stato il primo punto in cui ci siamo chiesti: "Quando dovrebbero usarlo? Come dovrebbero usarlo? Qual è il ROI?" E abbiamo risposto: "Bella domanda".

David Rice: È interessante che tu abbia menzionato la normalizzazione di questo approccio. C'è stata anche una standardizzazione del linguaggio o della comprensione di ciò che qualifica come ROI per le persone che volevano realizzare queste iniziative? Perché immagino che la loro fantasia potesse correre un po' troppo.

Potrebbero dire: "Ehi, questo non è realmente valore aziendale".

Carlin Power: Fortunatamente nella nostra organizzazione abbiamo ottimi professionisti della finanza. Sebbene sia una funzione centralizzata, è decentralizzata nel modo in cui queste persone operano all'interno delle nostre linee di business e funzioni.

Il nostro team finanziario ha dedicato molto tempo a pensare a come fornire ai team dei modelli per elaborare concretamente una discussione sul ROI, o un'equazione del ROI. Credo che questo approccio stia maturando. Non direi di avere la risposta, perché se l'avessi mi dimetterei e aprirei da un giorno all'altro una società di consulenza da un miliardo di dollari, come farebbero tutti gli altri, ma-

David Rice: Sì ...

Carlin Power: credo che stia riportando la discussione sul valore nel posto a cui appartiene: nel conto economico che determina la decisione sull'investimento. Se un dirigente dice: "Dobbiamo aumentare del 20% la nostra quota di spesa con i primi dieci clienti", allora l'intelligenza artificiale diventa parte di quella conversazione, invece di essere un martello alla ricerca di un chiodo.

David Rice: Gartner prevede che il 40% dei progetti di intelligenza artificiale agentica verrà cancellato entro la fine del 2027. La mia domanda è: quando guardi agli agenti che avete costruito, cosa ti rende sicura che saranno resilienti e continueranno a esistere oltre quella data?

Carlin Power: Ancora una volta, si torna alla nostra decisione di implementare JLL Falcon e al processo decisionale decentralizzato nelle nostre funzioni di ingegneria, ora collegato agli indicatori chiave di prestazione delle linee di business.

Non costruiamo nulla, o almeno cerchiamo di non costruire nulla, che non abbia un ROI attribuibile o un risparmio concreto. La conversazione diventa quindi molto semplice: quando si osservano gli agenti di intelligenza artificiale che funzionano bene o male, stanno raggiungendo i loro obiettivi così come un dipendente raggiungerebbe i propri obiettivi aziendali?

La tecnologia e l'agente stanno facendo ciò che ci aspettavamo? Stanno realizzando i benefici previsti? Se no, perché, e dovremmo continuare a investire? Periodicamente, per ogni agente implementato nell'organizzazione, deve esserci una conversazione per decidere se interrompere, avviare o continuare.

David Rice: Hai menzionato il processo decisionale decentralizzato. È qualcosa che avete costruito fin dall'inizio? Faceva già parte dei vostri processi prima di tutto questo?

Carlin Power: Le fondamenta della nostra strategia di intelligenza artificiale sono costituite dal nostro livello dati aziendale. Negli ultimi cinque o sei anni, sotto la direzione del nostro CTO Yao Moran, abbiamo lavorato per costruire competenza, accuratezza, integrità e rilevanza dei dati nel nostro data warehouse aziendale.

Ogni singolo dato che possediamo in JLL confluisce nel data warehouse aziendale. Abbiamo poi un insieme di funzionalità di governance che definisce cosa sono quei dati, per cosa sono rilevanti, per chi sono rilevanti e come le persone possono accedervi. Abbiamo quindi un livello dati molto solido alla base e JLL Falcon al di sopra di quel livello.

Quando parliamo dell'MCP o del connettore, questo entra direttamente nel nostro data warehouse aziendale ed estrae i dati rilevanti per l'utente che li sta consultando. Questa è la nostra funzione di scalabilità, sia dal punto di vista dell'efficienza dei costi sia da quello della rilevanza dei dati.

Abbiamo una strategia di intelligenza artificiale guidata dai dipendenti e una strategia guidata centralmente. È nella strategia guidata centralmente che si verifica la decentralizzazione di cui parlavo. Ogni linea di business e ogni funzione aziendale ha iniziative rivolte al proprio team tecnologico per realizzare, sulla base di quella strategia, la differenziazione di cui abbiamo bisogno sul mercato.

La strategia guidata dai dipendenti, invece, ci permette di consentire alle persone all'interno dell'azienda di utilizzare i nostri strumenti e sviluppare competenze interne sull'intelligenza artificiale. È la nostra funzione di abilitazione.

Abbiamo quindi le fondamenta, costituite dai dati; la funzione di scalabilità, costituita dalla piattaforma JLL Falcon; la funzione di differenziazione, guidata centralmente; e la funzione di abilitazione, guidata dai dipendenti. Tutto questo confluisce nei nostri tre risultati aziendali: offrire valore ai clienti, migliorare l'eccellenza operativa e promuovere l'innovazione.

Credo che questo sia fondamentale per il nostro successo. Ma, tornando alla tua domanda, la decentralizzazione è stata una decisione deliberata? Sì, lo è stata. L'abbiamo decisa subito? Non ricordo. Ma è questo il punto a cui siamo arrivati? Assolutamente.

David Rice: Una delle domande che volevo farti riguarda una ricerca di Stanford che ha tracciato una linea netta: quando l'intelligenza artificiale automatizza le attività, le assunzioni di personale all'inizio della carriera diminuiscono. Quando le potenzia, l'occupazione resta stabile o cresce.

Carlin Power: Sì.

David Rice: Tra i 34 agenti, o più, che avete oggi, da quale parte di quella linea pensi che vi troviate? È stata una decisione o un risultato?

Carlin Power: Se un'azienda si concentra sull'efficienza e sulla produttività e quindi punta a ridurre il lavoro, soprattutto quello nelle prime fasi della carriera, credo che questo rifletta una certa immaturità nella strategia complessiva e nel modello di coinvolgimento sull'intelligenza artificiale.

Non è mai stata una nostra scelta deliberata dire: "Elimineremo il 40% dei posti di lavoro". Credo che molte di queste dichiarazioni siano allarmismo. Mi sembra una posizione troppo estrema e penso che possa essere molto dannosa per il successo di un'organizzazione tagliare completamente fuori i talenti all'inizio della carriera.

David Rice: Sì.

Carlin Power: Lunedì scorso ero con i nostri stagisti dell'ufficio approvvigionamenti e acquisti, che presentavano i loro progetti finali. Molti avevano utilizzato i nostri strumenti interni e alcuni dei laboratori avanzati con cui collaboriamo.

Se il responsabile degli approvvigionamenti e degli acquisti non mi avesse detto che erano stagisti, avrei pensato che fossero già da tre o quattro anni nel mondo del lavoro, vista la profondità delle loro conoscenze su problemi molto complessi, la familiarità con i clienti con cui avevano lavorato e il modo in cui avevano contribuito a migliorare la quantità di asset e contratti che gestiamo.

Sono rimasta colpita: ho imparato delle cose. Mi ha sorpreso ciò che sono riusciti a fare in così poco tempo e ancora di più il fatto che, alla fine, il responsabile degli approvvigionamenti e degli acquisti abbia detto loro: "Avete tutti un posto di lavoro qui a JLL, se lo desiderate".

È un ottimo esempio del fatto che non dovremmo eliminare questi ruoli all'inizio della carriera. Dovremmo stabilire aspettative completamente diverse su ciò che possiamo ottenere dai talenti nelle prime fasi della carriera. Abbiamo quindi riprogettato completamente la nostra strategia per queste persone attorno a progetti finali basati su attività concrete, capaci di creare valore attraverso i programmi di tirocinio di JLL.

Credo che sia una questione di maturità e che prima o poi ci arriveranno. Metterei in guardia le aziende dal tentare di eliminare questo percorso iniziale di carriera, perché penso che proprio da lì arriverà una grande parte dell'innovazione nei prossimi tre-cinque anni.

David Rice: Mi è piaciuto che tu l'abbia detto, perché sono da tempo un sostenitore di questo approccio. Il progetto finale mi ricorda quasi più un apprendistato.

Carlin Power: Sì.

David Rice: Pensiamo agli stage e ricordo quando ne feci uno all'università: era piuttosto noioso.

Carlin Power: Credo di aver risposto al telefono e archiviato documenti.

David Rice: Esatto. Non era molto impegnativo e non ne sono uscito pensando: "È stato importante".

Carlin Power: Sì, mettilo nel curriculum.

David Rice: Esatto. Ma il modello dell'apprendistato, che è ciò a cui stai alludendo, significa imparare facendo davvero il lavoro.

Carlin Power: Giusto.

David Rice: E svolgendolo con una profondità tale da sembrare, come hai detto, già a tre o quattro anni dall'inizio della carriera.

Carlin Power: Sì. Mi ha lasciata senza parole e mi ha aiutata a stabilire un nuovo standard, oltre che a educare l'organizzazione su ciò che dovremmo aspettarci dai talenti all'inizio della carriera.

Spero che questo stabilisca anche una competenza a livello organizzativo: probabilmente dovremmo aspettarci molto di più anche dalla nostra forza lavoro professionale. Abbiamo educato i nostri leader su quella che definirei l'evoluzione della proposta di valore. Li accompagniamo in un workshop di formazione articolato in più moduli.

Quando l'intero team viene potenziato, migliorato o sostituito dall'intelligenza artificiale, cosa farete con quel valore? Come lo recupereremo, attraverso una maggiore produttività, risultati di qualità superiore, più tempo con i clienti o più tempo per costruire nuove fonti di ricavi?

David Rice: Penso che "prima le persone" abbia bisogno di uno strumento, altrimenti sono solo parole, praticamente uno slogan. Sono curioso: qual è il vostro strumento? Come avete distinto l'adozione dalla conformità e dalle persone che si limitano ad aggirare l'agente?

Carlin Power: È stata un'altra decisione intenzionale presa molto presto.

Abbiamo destinato una parte consistente del nostro budget a professionisti del coinvolgimento e dell'abilitazione, che fin dall'inizio hanno aiutato tutti i nostri dipendenti a sviluppare un livello di competenza sull'intelligenza artificiale.

Hanno presentato loro nuovi strumenti, fornito le basi sul funzionamento dell'intelligenza artificiale generativa e spiegato come proteggiamo i loro dati e quelli dei clienti. Li hanno aiutati a sentirsi a proprio agio con le domande iniziali, come cosa accade quando si carica il conto economico di un cliente in un modello GPT.

Abbiamo costruito il sistema in modo sicuro e protetto, ma chiedevamo comunque di usare il buon senso. Li aiutavamo anche a trovare un equilibrio tra ciò che si può affidare all'intelligenza artificiale generativa e ciò che non si può affidare, adottando una metodologia basata sul principio "fidarsi, ma verificare".

Incorporare questo approccio fin dall'inizio ha aiutato ad accelerare l'adozione di funzionalità più avanzate man mano che venivano introdotte.

Costruivamo strumenti, li implementavamo e formavamo le persone sul loro utilizzo. Abbiamo creato un programma di ambasciatori che poteva prendere tutta la formazione realizzata e adattarla ai singoli ruoli e profili professionali delle nostre linee di business e funzioni aziendali, perché siamo un'azienda enorme che opera in 80 Paesi.

A livello locale ci sono molti aspetti da considerare che una funzione centrale non è progettata per supportare su larga scala. Dovevamo quindi coinvolgere gli esperti dei vari ambiti per aiutarci a stabilire il livello successivo di competenza necessario ai team per iniziare a innovare autonomamente.

David Rice: Stiamo esaurendo il tempo, ma prima di lasciarti andare voglio porti un'ipotesi, perché adoro le ipotesi.

Carlin Power: Certo.

David Rice: Immaginiamo un responsabile delle risorse umane che non abbia ancora alcun agente in produzione, mentre il consiglio di amministrazione inizia a fare pressione. Vuole vedere dei progressi e chiede perché non ci siano ancora risultati. Ha dodici mesi e un budget. Cosa dovrebbe fare nei primi tre mesi per iniziare e qual è la prima cosa che sarebbe tentato di fare, ma che tu considereresti una perdita di tempo?

Carlin Power: La prima cosa è creare un gruppo di persone con cui ci si senta molto a proprio agio nello sperimentare in tutta l'organizzazione. Non so se partirei subito con un approccio completo alle funzioni di ricerca e sviluppo, ma coinvolgerei esperti di dominio delle linee di business e delle funzioni aziendali, dotati di alfabetizzazione tecnica, che possano aiutare a definire casi d'uso reali in cui anche la sperimentazione produca un ROI positivo.

Cercare di procedere subito in modo molto ampio e su larga scala comporterà molti costi. Se internamente non ci sono persone che conoscono i diversi ambiti dell'azienda o che hanno competenze sul lato dell'intelligenza artificiale, i costi aumenteranno rapidamente.

Bisogna costruire il successo in alcuni casi d'uso, ampliarli e poi utilizzare quel ROI per reinvestire in altri strumenti o in strumenti più orizzontali, cioè generici, da mettere a disposizione dell'organizzazione. Anche la funzione di abilitazione e di sviluppo delle competenze è fondamentale.

Bisogna mettere le persone nelle condizioni di sentirsi davvero a proprio agio nell'utilizzo degli strumenti e incentivarle a usarli. Sono molto grata al nostro CEO, Christian Ulbrich, che ha definito la visione e ha dato alle persone il potere di utilizzare l'intelligenza artificiale, stabilendo indicatori chiave di prestazione globali per competenza, adozione e utilizzo.

Non c'erano punizioni per chi utilizzava questi strumenti. Non esisteva la narrativa secondo cui, se si automatizzava un dipartimento, tutti gli altri sarebbero stati licenziati. All'interno di JLL il messaggio era che dovevamo sfruttare l'intelligenza artificiale per servire al meglio i clienti e le nostre persone.

Tutti i dirigenti dovevano costruire indicatori chiave di prestazione per misurare questo risultato e dare l'esempio con il proprio comportamento. Il nostro CEO era molto chiaro: tutti dovevano utilizzare gli strumenti di intelligenza artificiale e lui lo avrebbe misurato. Se le persone non vedono i propri leader usare questi strumenti, non si sentiranno a proprio agio né autorizzate a farlo.

Voleva che l'innovazione venisse dal basso verso l'alto tanto quanto voleva che l'esempio venisse dall'alto verso il basso. A qualsiasi dirigente darei quindi questo consiglio: dovete dare l'esempio e allineare gli incentivi al comportamento che volete vedere nella vostra organizzazione.

David Rice: Grazie per essere stata con noi oggi. Carlin Power, signore e signori. Alla prossima.

Carlin Power: Grazie mille.

David Rice: Ascoltatori, se non l'avete già fatto, visitate peoplemanagingpeople.com/subscribe. Iscrivetevi alla newsletter. Riceverete questo podcast e tutto ciò che creiamo direttamente nella vostra casella di posta.

Alla prossima.