In Breve
- Qual è il principale indicatore di produttività nell'adozione dell'AI?
- Molte aziende utilizzano il consumo di token come indicatore, ma questo approccio ha mostrato limiti.
- Che percentuale di dipendenti ritiene che l'AI sia vantaggiosa?
- L'88% dei dipendenti considera l'AI benefica per il proprio lavoro.
- Qual è la chiave per massimizzare il valore dell'AI in azienda?
- Un approccio deliberato che combina formazione, linee guida e revisione della qualità dell'output.
Con l’adozione sempre più diffusa dell’intelligenza artificiale (AI), molte aziende hanno iniziato a utilizzare il consumo di token dei modelli come indicatore principale di produttività. Tuttavia, questo approccio, noto come “tokenmaxxing”, ha portato a costi crescenti senza necessariamente generare un reale valore aggiunto. È fondamentale che l’adozione dell’AI sia accompagnata da criteri che valutino la qualità, l’accuratezza e la rilevanza delle applicazioni rispetto agli obiettivi di business.
Un recente studio ha rivelato che l’88% dei dipendenti ritiene che l’AI abbia apportato benefici al proprio lavoro, stimando un risparmio medio di circa 2,3 ore al giorno. Tuttavia, sorprendentemente, quattro dipendenti su cinque non sfruttano appieno le potenzialità offerte da questi strumenti. Inoltre, il 69% non comprende completamente come l’AI possa essere applicata al proprio ruolo, mentre il 60% si sente costretto a utilizzare l’AI anche quando non è lo strumento più adeguato.
Per affrontare queste sfide e ridurre sprechi e rischi, è necessario un approccio deliberato. Le aziende dovrebbero incentivare l’esperimento, ma affiancarlo a una formazione mirata e a linee guida per un’adozione consapevole, prestando attenzione ai costi e fornendo indicazioni su quali modelli utilizzare per specifici compiti. Ad esempio, modelli più economici potrebbero essere impiegati per attività routinarie, mentre modelli più potenti potrebbero essere riservati a compiti complessi.
I principali guadagni di produttività derivano dalla riprogettazione dei flussi di lavoro, eliminando attriti e automatizzando attività amministrative e ripetitive. È essenziale integrare l’AI approvata nei sistemi quotidiani e fornire indicazioni specifiche per ruolo, tenendo conto dei requisiti di governance che possono variare tra le diverse funzioni aziendali.
Un costo spesso trascurato è il tempo dedicato a revisionare e correggere gli output generati dall’AI. Pertanto, la qualità dell’output deve diventare parte integrante dell’architettura dell’AI, attraverso processi di revisione, governance per decisioni ad alto rischio e passaggi di verifica automatizzati e parametrizzati per ruolo.
Il cambiamento richiesto non è solo tecnico, ma anche culturale. È necessaria chiarezza su quando e come utilizzare l’AI, politiche e formazione continue che traducano le regole in comportamenti quotidiani, e visibilità tecnica e di governance per evitare frizioni che possano portare all’adozione di soluzioni non controllate.
Le organizzazioni che creano valore pongono domande diverse rispetto a quelle focalizzate esclusivamente sul consumo di token: il lavoro è più accurato? Le decisioni sono migliori? Si utilizzano i modelli più adeguati per ogni compito? Si ottengono 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.
