I piccoli team stanno buttando via il loro più grande vantaggio nell’IA
Fattore di successo dell'IA: La riprogettazione dei flussi di lavoro è cruciale per una implementazione di successo dell'IA, più del budget o della tecnologia.
Vantaggio dei piccoli team: I piccoli team facilitano naturalmente la collaborazione, evitando i processi lenti tipici delle grandi organizzazioni.
Importanza della collaborazione: L’adozione efficace dell’IA richiede lavoro di squadra e un ripensamento dei processi decisionali, non solo nuovi strumenti.
In questo momento, da qualche parte, un founder sta guardando una fattura e si chiede per cosa abbia pagato. Il lavoro è stato fatto. Semplicemente, ancora non riesce a vederlo.
Quella fattura l’ho mandata io. Settimane immerse in un lavoro in cui credevo, senza nulla che il cliente potesse indicare come un progresso. Silenziosamente, sai che stanno mettendo in discussione il tuo valore. Quello che non vedono è l’unico lavoro che conta davvero.
Il lavoro che non puoi mostrare in una presentazione
Venti ore al mese. Ogni ora compariva sulla fattura e, se il founder mi avesse fermato a metà chiedendomi quale valore avessi creato, non so se avrei potuto dare una risposta che giustificasse la spesa.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Testavamo strumenti uno contro l’altro, buttando via flussi di lavoro che il team utilizzava da anni, seduti in una stanza cercando di accordarci su cosa significasse davvero “meglio”. Alcuni giorni passavamo tre ore a scoprire che uno strumento che pensavamo potesse funzionare non riusciva a fare proprio la cosa di cui avevamo bisogno.
Questo non è un progresso che puoi mettere su una presentazione. E dall’altra parte di quella fattura, un founder osserva il budget ridursi, la runway accorciarsi e il burn rate aumentare. Non sarebbe certo l’unico.
Lo scorso anno, aziende di media dimensione hanno abbandonato in media un’iniziativa di AI ciascuna, al costo di oltre 4 milioni di dollari per progetto, perché non riuscivano a vedere il valore abbastanza in fretta.
Dalla nostra parte della fattura, lavoravamo come team distribuito in città diverse, ognuno responsabile di una parte diversa del prodotto, cercando di risolvere problemi che si moltiplicavano più ci addentravamo. L’azienda aveva bisogno di velocità. Il prodotto aveva bisogno di qualità. Gli strumenti erano non collaudati. Ogni soluzione che funzionava per una persona creava un nuovo problema per qualcun altro.
Non puoi districare una situazione così con una checklist o un project plan. La districhi mettendo ogni punto di vista nella stessa conversazione, rendendo ogni compromesso visibile e trovando le mosse che creano il maggior numero di benefici senza spostare il problema altrove.
È un processo lento. Non è fotogenico. Ed è l’unico modo in cui funziona.
Questi problemi si moltiplicano perché ogni persona del team sta risolvendo per un’esigenza diversa, e le vecchie regole per bilanciare queste differenze non valgono più. Lo sviluppatore ha bisogno dell’integrazione senza dover rifare il lavoro. Il designer vuole controllo creativo senza rallentare il flusso. Il founder vuole che tutto costi meno e vada più veloce.
Dentro ciascuna di queste necessità ci sono decine di piccoli compromessi, e ognuno di essi tocca qualcos’altro. Se risolvi per il founder riduci la qualità. Se risolvi per il designer rallenti tutto.
Il lavoro che stavamo facendo, quello lento, invisibile e frustrante, era trovare la versione di ogni decisione che creasse il maggior numero di benefici a livello di sistema senza semplicemente spostare i danni da un’altra parte.
L’unica variabile che davvero predice il successo nell’AI
Se manca questo, i problemi si moltiplicano più velocemente di quanto tu possa risolverli. McKinsey ha intervistato quasi 2.000 dirigenti in 105 paesi e analizzato 25 fattori che predicono se l’AI porta impatti concreti alle aziende. Il fattore più decisivo non era il budget, il coinvolgimento della leadership o la tecnologia scelta. Era se l’organizzazione aveva effettivamente ridisegnato i propri flussi di lavoro.
Poi, in due giorni, abbiamo consegnato quello che secondo il vecchio workflow avrebbe richiesto settimane e tre o quattro persone. Non una bozza né un prototipo. Un lavoro completo, rivisto, approvato, che risolveva problemi cui il team girava intorno da mesi.
Il problema più difficile non era produrre il lavoro. Era che potevamo produrne così tanto, così in fretta, che la vecchia domanda — cosa tagliare per restare nel budget e consegnare in tempo? — smetteva di avere senso.
I compromessi che prima occupavano ogni conversazione di pianificazione ora quasi non pesavano più. Quello che dovevamo ripensare, invece, era dove mettere il valore del nostro tempo, della nostra collaborazione, dei nostri singoli contributi. Il lavoro non era solo più veloce. Cambiava il ritmo in cui il team aveva lavorato per anni.
Il vantaggio strutturale che i piccoli team non sanno di avere
Le grandi organizzazioni non possono fare quello che abbiamo fatto noi. Non riescono a far partecipare ogni stakeholder alla stessa conversazione per lavorare sui compromessi in tempo reale. Allora costruiscono processi che provano a riprodurlo: comitati di governance, catene di approvazione, centri di eccellenza, ruoli dedicati all'AI.
Tutto questo è costoso, lento e creato per simulare ciò che un piccolo team fa già naturalmente.
La vera ironia è che la maggior parte dei piccoli team non lo vede così. Guardano al playbook delle grandi aziende e pensano che sia quello l’aspetto di una vera adozione dell'AI. Affidano la responsabilità a qualcuno. Comprano strumenti e creano processi. E così facendo, rinunciano all’unico vantaggio strutturale che davvero possedevano.
Lo scorso anno, S&P Global ha stimato che il 42% delle aziende ha abbandonato la maggior parte delle proprie iniziative di IA, più del doppio rispetto all'anno precedente.
Il famoso dato del MIT secondo cui il 95% dei progetti pilota di IA nelle aziende non riesce a fornire ritorni misurabili viene spesso usato come arma contro le iniziative di IA, ma ciò che vediamo nella pratica è che non falliscono perché la tecnologia non funziona, falliscono perché le aziende cercano di imporla nei modi in cui già operano. Saltano il lavoro lento e poco appariscente di ripensare come le persone collaborano, dove vengono prese le decisioni e cosa significa "buono" quando gli strumenti cambiano tutto.
Non devi assumere uno specialista di IA. Non serve un centro di eccellenza né un formale piano di gestione del cambiamento. Non è necessario diventare qualcosa di più grande o strutturato per far funzionare l'IA.
Ciò di cui hai bisogno è già nella riunione: le persone che conoscono il lavoro, che sentono i compromessi e che capiscono cosa significa "buono" dal loro punto di vista.
Siamo già stati qui. Ogni grande cambiamento tecnologico, dal PC a internet fino al cloud, ha richiesto la stessa cosa: tempo per imparare, spazio per sperimentare e il permesso di rimettere in discussione ciò che si pensava fosse ormai definito.
L'IA non è diversa, è solo più veloce. Non è un problema che una sola persona possa risolvere per il resto dell'organizzazione. È una capacità che tutto il tuo team deve sviluppare, proprio come ha imparato ogni altro strumento che l'ha preceduta. Dategli il tempo e lo spazio per affrontarla insieme.
Non è un problema tecnologico. Non lo è mai stato.
