L'AI in Fiorini International: partire dai bisogni, non dagli strumenti

Quando un’azienda si avvicina all’intelligenza artificiale, la prima richiesta è spesso molto concreta: conoscere gli strumenti disponibili, capire che cosa fanno e individuare le piattaforme più adatte. È una domanda comprensibile, ma rischia di anticipare la soluzione rispetto al problema.

Un progetto recente ha coinvolto Fiorini International Spa, un’azienda industriale italiana che ha sede nelle Marche e che è specializzata nel packaging in carta. La realtà opera in mercati differenti, dall’alimentare al pet food, dalla cosmetica al lusso, combinando produzione industriale, personalizzazione e attenzione alla sostenibilità ambientale.

La richiesta iniziale consisteva in una panoramica delle soluzioni di intelligenza artificiale presenti sul mercato: software, piattaforme, possibilità applicative e valore potenzialmente generato. Dietro questa domanda, però, emergeva un’esigenza più profonda: riconoscere le attività a minore valore aggiunto che occupano una parte significativa della giornata lavorativa.

L’intelligenza artificiale è uno strumento, non un obiettivo

La distinzione decisiva è questa: adottare una piattaforma di intelligenza artificiale non significa avere definito un progetto di innovazione.

L’intelligenza artificiale è uno strumento capace di supportare attività specifiche, come classificare informazioni, sintetizzare documenti, generare bozze, individuare ricorrenze o facilitare l’accesso alla conoscenza aziendale. L’obiettivo, invece, deve essere espresso in termini organizzativi: ridurre un’attività ripetitiva, migliorare un flusso informativo, abbreviare un tempo di risposta o aumentare la qualità di una decisione.

Se manca questa distinzione, il confronto tra strumenti si riduce facilmente a un catalogo di funzionalità. Una demo può apparire convincente, ma non dimostra che la soluzione sia adatta ai processi, ai dati e alle responsabilità dell’organizzazione.

I bisogni latenti emergono osservando il lavoro quotidiano

Non tutti i bisogni vengono formulati in modo esplicito. Spesso le persone descrivono una soluzione desiderata, non il problema che la rende necessaria.

Una richiesta come “vorremmo un assistente AI” può nascondere difficoltà molto diverse: documenti distribuiti in più archivi, informazioni duplicate, procedure conosciute solo da alcune persone, risposte ricostruite ogni volta oppure passaggi manuali fra sistemi non collegati.

Per questo l’analisi dovrebbe partire dal lavoro reale. Occorre osservare quali attività vengono ripetute, dove si cercano le informazioni, quali passaggi richiedono controlli manuali e quali decisioni dipendono da dati difficili da recuperare.

Il bisogno non coincide quindi con il desiderio di usare l’intelligenza artificiale. Il bisogno è la distanza fra il modo in cui un’attività viene svolta oggi e il modo più efficace, affidabile o semplice in cui potrebbe essere svolta.

Un criterio operativo per collegare bisogni e strumenti

Per evitare una scelta guidata dalla moda tecnologica, è utile analizzare ogni possibile caso d’uso attraverso quattro elementi:

1. Attività: quale operazione concreta vogliamo migliorare?

2. Informazioni: quali dati e documenti servono per svolgerla?

3. Responsabilità: chi utilizza il risultato e chi ne verifica la correttezza?

4. Valore: quale miglioramento osservabile ci aspettiamo?

Solo dopo questa analisi ha senso realizzare il matching fra bisogno e soluzione. Lo strumento deve essere valutato sulla capacità di inserirsi nei flussi informativi, rispettare ruoli e autorizzazioni, utilizzare dati adeguati e produrre risultati verificabili. Questo vale sia per i processi interni sia per quelli che coinvolgono clienti, fornitori e partner.

Dall’elenco delle piattaforme a una mappa delle priorità

Una panoramica tecnologica resta utile, purché non sia il punto di arrivo. Serve a comprendere ciò che il mercato rende possibile e a costruire un linguaggio comune. Non sostituisce però l’analisi dei processi.

Il risultato più utile non è una classifica astratta dei migliori strumenti, ma una mappa delle priorità: attività adatte all’automazione, informazioni disponibili, rischi da presidiare, persone coinvolte e valore atteso.

In sintesi, un progetto di intelligenza artificiale funziona quando collega un bisogno riconoscibile a un caso d’uso circoscritto, con dati accessibili e responsabilità definite. La domanda da cui partire, quindi, non è “quale piattaforma scegliamo?”, ma “quale parte del lavoro vogliamo rendere migliore, e secondo quale criterio lo verificheremo?”.