I servizi professionali — avvocatura, revisione contabile, consulenza, servizi HR, consulenza legale e fiscale — vendono in sostanza qualcosa che si presta difficilmente a essere automatizzato senza discussione: il giudizio. Dove una fabbrica ottimizza un processo e un negozio gestisce un assortimento, questo settore vende la competenza di persone che sanno qualcosa che il cliente non sa. Ciò rende il rapporto tra ambizione e prontezza diverso rispetto ad altrove. L'interesse per l'AI è grande, spesso maggiore che in settori con meno margine sulla conoscenza. Ma la domanda se l'organizzazione possa sostenere quell'interesse resta regolarmente bloccata su elementi che non hanno nulla a che fare con l'AI.
Molti studi nei servizi professionali sono cresciuti attorno al partner, al consulente senior, alla persona con la rete di contatti e la memoria. La conoscenza risiede nelle teste, negli scambi di email, nei fascicoli costruiti per cliente o per caso, non in sistemi condivisi e integrati tra loro. Questo funziona bene finché le persone restano. Diventa un problema non appena si vuole costruire qualcosa che deve poter fare affidamento su quella conoscenza. L'AI che deve lavorare con fascicoli, precedenti o corrispondenza con i clienti ha bisogno di qualcosa su cui basarsi: una struttura in cui l'informazione sia reperibile e comparabile. Questa struttura manca ancora in parti del settore, non per mancanza di volontà, ma perché il lavoro stesso non ha mai richiesto questa struttura.
I cinque livelli della misurazione — baseline, foundation, activation, insight, intelligence — mostrano in questo settore un quadro variabile per dimensione, e questo quadro è raramente uniforme. Alcuni studi hanno la gestione dei dati in ordine: i fascicoli sono strutturati, i diritti di accesso sono regolati, esiste un'idea di cosa si trova dove. Ma l'infrastruttura IT sottostante è obsoleta o frammentata in applicazioni separate che non comunicano tra loro. In altri studi è esattamente l'opposto: sistemi moderni, ma a livello organizzativo nessuna chiarezza su chi decide cosa, chi può approvare un'applicazione di AI, o chi è responsabile se qualcosa va storto. Entrambe le situazioni portano allo stesso risultato — un progetto pilota che funziona bene di per sé, ma che non si scala perché le dimensioni fondamentali non sono allo stesso livello. Questo è l'ordine che la misurazione rivela: organizzazione, infrastruttura e gestione dei dati devono prima raggiungere un certo livello prima che le dimensioni dipendenti, come i test automatizzati o l'ottimizzazione continua, ne possano beneficiare.
Il giro di valutazione, in cui più persone attribuiscono un punteggio separatamente, mostra spesso nei servizi professionali uno schema specifico: il partner o il direttore valuta l'organizzazione più in alto rispetto al consulente che lavora quotidianamente con i fascicoli. Questa differenza dice qualcosa. Può significare che le decisioni sull'AI vengono prese a livello direttivo senza che raggiungano il piano operativo, oppure che il piano operativo lotta già da tempo con un sistema che dall'alto viene giudicato sufficiente. Entrambe le interpretazioni sono utili, ed entrambe possono essere rese visibili solo facendo valutare separatamente persone diverse, non chiedendo un'unica impressione a chi redige il rapporto.
Ciò che distingue questo settore, ad esempio, dal commercio al dettaglio o dall'hotellerie e ristorazione è la sensibilità dei dati stessi. Uno studio legale o una società di revisione lavora con informazioni soggette a segreto professionale, a diritto disciplinare, a regole che non valgono per uno stock di negozio o un menu. Questo riguarda direttamente la dimensione della gestione dei dati: non solo se i dati sono reperibili, ma se sono conservati e protetti in un modo che consenta l'uso dell'AI senza violare la riservatezza. Ciò richiede un ritmo diverso rispetto a settori dove i dati sono meno delicati, e questa differenza di ritmo è visibile nei punteggi su questa dimensione.
Lo schema di ambizione elevata accanto a una base incompleta non è unico dei servizi professionali. Nel settore ICT si presenta spesso il problema opposto — infrastruttura solida senza chiarezza organizzativa — e nei servizi finanziari il ritardo si trova spesso nella regolamentazione che cambia più velocemente di quanto i sistemi possano seguire. Il confronto non intende rendere un settore migliore o peggiore di un altro, ma mostrare che l'ordine — prima le dimensioni fondamentali, poi quelle dipendenti — è ovunque lo stesso, anche se la sua concretizzazione varia da settore a settore.
Questa misurazione non dice nulla su quali compiti all'interno di uno studio possano essere assunti dall'AI, e quanto tempo ciò libererebbe. Questa è una domanda diversa, che richiede uno sguardo diverso: non all'organizzazione nel suo insieme, ma al lavoro stesso, compito per compito. Chi, dopo questa misurazione, vuole sapere cosa, data la prontezza attuale, entra effettivamente in considerazione come lavoro per l'AI, lo trova nella scansione del lavoro di FTE TO AI, che calcola per ciascun compito quale parte può essere assunta.
Lo strumento che esegue la misurazione della maturità e il giro di valutazione è ancora in fase di sviluppo. Chi desidera utilizzarlo non appena sarà disponibile può iscriversi alla lista d'attesa.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.