In Breve
- Qual è l'indicatore principale di produttività nell'adozione dell'AI?
- Il consumo di token è stato utilizzato come indicatore, ma non riflette necessariamente il valore reale.
- Qual è il risparmio medio stimato per i dipendenti che usano l'AI?
- I dipendenti stimano un risparmio medio di circa 2,3 ore al giorno.
- Qual è la principale strategia per migliorare l'uso dell'AI in azienda?
- Riprogettare i flussi di lavoro per eliminare attriti e fornire formazione mirata.
Negli ultimi anni, l’adozione dell’intelligenza artificiale (AI) ha visto molte organizzazioni utilizzare il consumo di token come indicatore di produttività. Questo fenomeno, noto come “tokenmaxxing”, ha portato a costi crescenti senza necessariamente garantire un valore reale. È fondamentale che l’adozione dell’AI sia accompagnata da criteri di valutazione che considerino la qualità, l’accuratezza e la rilevanza delle applicazioni rispetto agli obiettivi di business.
Secondo recenti dati, l’88% dei dipendenti ritiene di aver tratto beneficio dall’uso dell’AI, stimando un risparmio medio di circa 2,3 ore al giorno. Tuttavia, quattro dipendenti su cinque non sfruttano appieno le potenzialità offerte dalla tecnologia, e il 69% non comprende del tutto come l’AI si applichi al proprio ruolo. Inoltre, il 60% dei lavoratori si sente obbligato a utilizzare l’AI anche quando non è lo strumento più adeguato per il compito da svolgere.
Per affrontare queste problematiche e ridurre sprechi e rischi, è necessario adottare un approccio deliberato. Ciò implica incentivare l’esperimento con l’AI, ma affiancandolo a una formazione mirata e a linee guida per un’adozione consapevole e attenta ai costi. È importante fornire indicazioni su quali modelli utilizzare per specifici compiti: per esempio, modelli più economici per attività routinarie e modelli più potenti per compiti complessi.
I maggiori guadagni di produttività possono derivare dalla riprogettazione dei flussi di lavoro, con l’obiettivo di eliminare attriti. Automatizzare attività amministrative e ripetitive, integrare AI approvata nei sistemi quotidiani e fornire indicazioni specifiche per ruolo sono strategie chiave. È fondamentale considerare anche i requisiti di governance, che possono variare tra le diverse funzioni aziendali.
Un costo spesso trascurato è il tempo dedicato alla revisione e alla correzione degli output generati dall’AI. Per questo motivo, la qualità dell’output deve essere parte integrante dell’architettura dell’AI. Ciò può essere ottenuto attraverso processi di revisione, governance per decisioni a rischio elevato e passaggi di verifica automatizzati e parametrizzati per ruolo.
Il cambiamento richiesto è anche culturale. È essenziale fornire chiarezza su quando e come utilizzare l’AI, implementare politiche e formazione continue che traducano le regole in comportamenti quotidiani e garantire visibilità tecnica e di governance, evitando frizioni che possano portare all’adozione di soluzioni non controllate.
Le organizzazioni che riescono a creare valore pongono domande diverse rispetto a quelle che si concentrano esclusivamente sul consumo di token. Si chiedono se il lavoro sia più accurato, se le decisioni siano migliori, se vengano utilizzati i modelli più adeguati per ogni compito e se si ottengano risultati di qualità ottimizzando i costi. Quando ai dipendenti vengono forniti strumenti, contesto e fiducia adeguati, la produttività e il ritorno sull’investimento seguono in modo più sostenibile.
