Prima di acquistare quel tool di intelligenza artificiale, devi fare qualcosa di molto meno entusiasmante

Il distributore che ha agito troppo in fretta

Immaginate la scena: un distributore di medie dimensioni contatta un consulente tecnologico, entusiasta di implementare l’intelligenza artificiale per automatizzare la gestione degli ordini. Ha sei persone nel servizio clienti che gestiscono circa 1.200 ordini a settimana, e ogni singolo ordine viene inserito manualmente nel sistema. “Sicuramente l’AI può gestire tutto questo”, pensano.

Vi sembra familiare? È così che iniziano la maggior parte delle aziende. Vedono un problema, trovano una soluzione AI scintillante e si lanciano direttamente nell’implementazione.

Ma ecco il punto—and this is where it gets interesting—la vera storia non riguardava affatto l’AI. Almeno non all’inizio.

Cosa è successo quando hanno guardato davvero

Quando i consulenti hanno iniziato a mappare il processo della casella di posta elettronica (cioè, sedersi e capire cosa stava realmente succedendo), le cose sono diventate strane. In senso positivo.

Prima sorpresa: solo circa il 62% di quelle e-mail erano effettivamente ordini. Il resto? Domande sulle consegne, richieste di prezzi e modifiche a ordini precedenti. Se avessero semplicemente acquistato un’AI per elaborare “ordini”, avrebbero automatizzato la cosa sbagliata.

Seconda sorpresa: c’era una addetta al servizio clienti di nome Denise. (La cito perché merita il merito—era la spina dorsale di questa operazione.) Circa il 70% degli ordini in entrata utilizzava i codici parte dei clienti anziché quelli del distributore, e Denise aveva un foglio di calcolo che manteneva da undici anni per tradurre tra i due. Questo foglio di calcolo era essenzialmente ciò che manteneva flussi di fatturato per gran parte dell’azienda, e nessuno sapeva nemmeno che esistesse.

Terza sorpresa: qualsiasi ordine con uno sconto superiore al 5% richiedeva l’approvazione del responsabile vendite. Questa regola derivava da una compressione dei margini nel 2016. Si applicava a circa il 40% degli ordini, aggiungendo un intero giorno ai tempi di elaborazione. E qui sta il colpo di scena: veniva approvata il 99% delle volte. La compressione dei margini era finita anni prima, ma nessuno si era preso la briga di rimuovere la regola.

Riuscite a vedere dove si sta andando?

I numeri che hanno cambiato tutto

Dopo due settimane di effettiva misurazione di ciò che stava accadendo (non supponendo, non assumendo, ma misurando), il team ha scoperto:

• Il tempo operativo medio per ordine era appena inferiore a nove minuti
• Dal momento dell’email alla conferma passavano in media sei ore—e il lunedì si allungava oltre i due giorni
• Circa il 4% degli ordini veniva evaso in modo errato
• L’azienda stava perdendo denaro su crediti e costi di ritorno

Ma ecco ciò che contava davvero: una volta compresa la reale situazione, due vittorie facili sono apparse immediatamente.

La regola di approvazione del 2016? Eliminata in una riunione. Nessun costo. Ha eliminato quasi un giorno dal ciclo per il 40% di tutti gli ordini.

Il foglio di calcolo di Denise? Aggiornato a un sistema di mappatura adeguato. Nessuno di questi due interventi richiedeva l’AI.

L’AI finalmente ha avuto il suo turno

Ciò che rimaneva era un candidato genuinamente buono per l’automazione. Ordini ricorrenti da clienti noti con formattazione coerente e mappatura pulita dei codici parte? Questo rappresenta circa il 55% del volume, ed è perfetto per l’estrazione tramite AI. Il modello ha raggiunto un’accuratezza del 94% con revisione umana sui casi segnalati.

Il progetto si è ripagato entro un anno, e il ROI era visibile nei numeri operativi, non solo su una scintillante diapositiva di presentazione.

La mia opinione

Ho visto questo pattern ripetersi innumerevoli volte in aziende di tutte le dimensioni. Ci entusiasmiamo così tanto per le nuove tecnologie che saltiamo la parte noiosa—cioè capire davvero cosa stiamo cercando di risolvere.

E ascoltate, capisco. Stare con un team osservandoli lavorare non è glamour. Scrivere numeri reali invece di stime sembra tedioso. Costruire mappe di processo non vi farà sentire all’avanguardia.

Ma sapete cosa è peggio? Spendere una cifra a sei zeri per un’implementazione AI che automatizza la cosa sbagliata, manca eccezioni critiche e fallisce perché

Tag: ['ai automation', 'process improvement', 'business efficiency', 'workflow optimization', 'operational excellence', 'ai implementation', 'digital transformation', 'business processes']