L’AI può fare il tuo lavoro. Il problema è che probabilmente non conviene.

Qualche settimana fa ho visto l’ennesima demo.

Un agente AI riceveva una mail, apriva un gestionale, compilava dei campi, recuperava informazioni da tre sistemi diversi, produceva un report PDF e lo spediva al responsabile.

Molto bello.

Molto fluido.

Molto LinkedIn.

Poi qualcuno ha fatto la domanda sbagliata.

“Funziona?”

La risposta era ovviamente sì.

La domanda giusta era:

“Quanto costa?”

Silenzio.

Ecco il problema.

Negli ultimi due anni abbiamo sviluppato una strana abitudine collettiva: confondere ciò che è possibile con ciò che è conveniente.

È successo con la blockchain.

È successo con il metaverso.

Adesso sta succedendo con gli AI Agent.

Il test che nessuno vuole fare

Esiste un paper molto interessante del MIT FutureTech dal titolo Beyond AI Exposure.

Gli autori partono da una critica semplice.

Molti studi cercano di capire quali lavori siano “esposti” all’intelligenza artificiale.

In pratica si chiedono:

Questa attività potrebbe essere svolta da un sistema AI?

Domanda legittima.

Ma incompleta.

Perché tra “potrebbe” e “verrà effettivamente fatto” esiste una piccola variabile chiamata economia.

Gli autori propongono quindi una domanda diversa:

Conviene davvero automatizzare questa attività?

È una domanda molto meno sexy.

Ma è quella che paga gli stipendi.

Il cimitero delle demo perfette

Nel mondo enterprise esiste un luogo oscuro.

Non compare nei diagrammi architetturali.

Non compare nei keynote.

Non compare nemmeno nelle slide dei consulenti.

È il cimitero delle demo perfette.

Lì riposano migliaia di prototipi che funzionavano benissimo.

Chatbot.

Workflow.

Agenti.

Dashboard.

RAG.

Tutto funzionava.

Niente è andato in produzione.

Perché?

Perché il business case faceva schifo.

Mi capita continuamente.

Qualcuno costruisce un sistema straordinario che riduce di 30 secondi un’attività svolta tre volte al mese da quattro persone.

Tecnicamente un successo.

Economicamente una forma particolarmente sofisticata di bricolage.

La scoperta più interessante del paper

La parte che ha attirato l’attenzione dei media è un’altra.

Analizzando attività legate alla computer vision, gli autori stimano che soltanto una parte relativamente limitata del lavoro “esposto” all’AI sia effettivamente conveniente da automatizzare ai costi attuali.

Tradotto dal linguaggio accademico:

Solo perché una macchina può fare qualcosa non significa che qualcuno pagherà per farglielo fare.

Che sembra banale.

Ma nel settore tecnologico è quasi rivoluzionario.

Nel 2026 il problema è cambiato

La cosa curiosa è che il paper sta già iniziando a invecchiare.

Non perché sia sbagliato.

Perché il mercato si è mosso.

Molte delle ipotesi economiche del 2024 assumevano che le aziende dovessero costruire gran parte dell’infrastruttura AI da sole.

Oggi la situazione è diversa.

I modelli sono servizi. Commodity direbbe uno bravo. Le piattaforme sono condivise.

I costi marginali sono crollati.

Creare un prototipo è diventato quasi ridicolmente economico.

Eppure continuiamo a vedere progetti bloccati.

Perché?

Perché il costo non è più principalmente tecnologico.

È organizzativo.

Il vero collo di bottiglia

Quando un progetto AI si ferma raramente è colpa del modello.

Quasi mai.

I problemi veri assomigliano a questi:

• Chi è il proprietario del processo?
• Chi approva le modifiche?
• Chi monitora gli errori?
• Chi risponde se qualcosa va storto?
• Chi misura il risultato?
• Chi gestisce il cambiamento?

Sono domande noiose.

Ma hanno distrutto più iniziative AI di qualsiasi allucinazione di qualsiasi llm.

Dopo qualche anno passato a lavorare su questi temi ho sviluppato una teoria molto semplice.

La parte più difficile di un progetto AI non è costruire l’agente.

È convincere il committente a fidarsi dell’agente.

Il problema non è l’intelligenza artificiale

Spesso diciamo:

“L’AI trasformerà il lavoro.”

Probabilmente è vero.

Ma non perché l’AI sia magica.

Perché riesce a rendere visibili tutte le inefficienze che prima ignoravamo.

Ogni volta che proviamo ad automatizzare un processo scopriamo che:

• nessuno sa davvero come funziona
• esistono dieci eccezioni non documentate
• tre sistemi non si parlano
• due team pensano di essere responsabili
• nessuno misura il risultato finale
• nessuno si è mai interessato ai coni di visibilità o all’over sharing di quel documento

A quel punto l’agente AI diventa una specie di specchio.

E gli specchi non sono sempre popolari nelle organizzazioni.

Una regola che sto imparando

Ogni volta che vedo una demo wow cerco di farmi una domanda.

Non:

Può farlo?

Nemmeno:

Quanto è intelligente?

Ma:

Se domani sparisse, qualcuno se ne accorgerebbe davvero?

Se la risposta è no, probabilmente non stiamo osservando un prodotto.

Stiamo osservando una demo.

E le demo sono fantastiche.

Quasi quanto i miei ppt.