Le aziende investono 184 miliardi di dollari l’anno in intelligenza artificiale, ma solo il 6% ottiene ritorni significativi sull’EBIT. Per Antonio Sciuto, CEO e co-fondatore di ELAI, il divario non è tecnologico ma di comprensione: si continua a scommettere sulla generativa mentre il valore sta nella predittiva applicata ai processi core. Dal caso Fater, forecast accuracy dal 70 al 92%, alle PMI italiane, una lettura contro-intuitiva dell’impatto sul lavoro. Sciuto ne ha parlato nell’ambito della terza edizione di Campus École, la Summer School del gruppo The Skill.
Partiamo dai numeri. Quanto rende oggi l’intelligenza artificiale nelle imprese?
Le aziende spendono 104 miliardi l’anno in investimenti in intelligenza artificiale. L’88% ha adottato in qualche forma strumenti di AI, ma solo il 6% ottiene ritorni sull’EBIT superiori al 5%. E c’è un altro dato: il 95% dei progetti di AI generativa produce zero impatto sul conto economico. Zero. A meno che qualcuno non dica: abbiamo tagliato il 20% delle risorse. Che è purtroppo il primo effetto visibile, perché la tecnologia non viene capita e non viene usata bene.
Che cosa fa, allora, quel 6%?
Abbiamo più di cento clienti enterprise in quindici Paesi e il trend è ricorrente. Fanno tre cose. Primo, si concentrano sull’AI predittiva. Secondo, la applicano nei processi chiave, quelli dove c’è il valore: l’80% del valore di un’azienda si concentra in poche funzioni strategiche. Nel mondo che ho conosciuto a lungo, il consumer goods, è tutta la parte di S&OP — dal demand forecasting fino alla consegna del prodotto al cliente — e l’area commerciale. Terzo, e qui sta la differenza vera, ridisegnano i processi partendo dagli insight che escono dai modelli. Non fanno un miglioramento marginale: cambiano il modo in cui le persone lavorano.
Qual è la differenza sostanziale con la generativa?
L’AI predittiva prende in considerazione serie storiche di dati, analizza il passato e con tecniche note da decenni prevede eventi futuri. Non genera contenuti. Tutti parlano di AI, ma l’AI di cui si parla è la generativa. Ed è quella che, oggi, non fa grande impatto.
La paura principale resta il lavoro. Cosa dicono le ricerche?
La più solida è quella del World Economic Forum sul futuro del lavoro: più di mille aziende, prevalentemente Fortune 500 e Fortune 1000, quattordici milioni di dipendenti, cinquantacinque economie, ventidue comparti industriali che rappresentano il 90% del PIL mondiale. Tre numeri. Il 22% dei lavori si trasformerà radicalmente. Nel breve periodo circa settantotto milioni di posti verranno eliminati — e questo succede prima. Ma da qui al 2030 se ne creeranno circa centosettanta milioni: il saldo è positivo per novanta milioni.
Un caso concreto?
Fater, l’unico caso al mondo di joint venture tra Procter & Gamble e una famiglia italiana, gli Angelini: brand come Pampers, Lines, Tampax gestiti insieme. Un’azienda eccellente, che cresce e che fa bene. Abbiamo cominciato circa un anno fa dal demand forecast. Le prime analisi ci hanno detto che l’80% del tempo di dieci persone poteva essere svolto dai modelli predittivi. Su dieci planner, otto non servivano più. Io, che ho sempre gestito il business con un approccio people first, sono andato dal CEO Antonio Fazzari e gli ho detto: abbiamo un problema. Lui mi ha risposto di no. Stiamo crescendo, se non facciamo questa cosa rischiamo che la faccia qualcun altro prima di noi. La domanda giusta non è “abbiamo otto persone”, è “cosa facciamo fare a queste otto persone”.
E che cosa è cambiato nel processo?
La forecast accuracy di Fater era al 70%, per un’azienda di quel livello è inaccettabile: mancavano trenta punti. Oggi è al 92%. Ma soprattutto abbiamo capito che c’erano lavori che non venivano fatti perché non c’era il tempo di farli. Il demand planner utilizzava due sole fonti dati: oggi sono più di venti, in alcune categorie venticinque. Non è più quello che prende i dati, li lavora, li trasforma e costruisce il modello: quello lo fanno gli agenti. Lui deve orchestrare e, soprattutto, capire che cosa dicono le predizioni. Prima il forecast arrivava a ridosso del meeting di allineamento tra le funzioni, l’ultimo file girava ventiquattro ore prima, e tutta la parte di decisione su scorte e approvvigionamenti semplicemente non avveniva. Oggi il demand planner fa quel lavoro, che prima non esisteva. È diventato un orchestratore, parla di business con le controparti, costruisce piani d’azione.
Le otto persone sono state salvate?
A oggi non abbiamo ancora fatto nessuno spostamento, ma l’idea è che quattro o cinque resteranno e gli altri dovranno essere ricollocati. Quindi in questo caso specifico l’impatto netto non è positivo. Ma non è nemmeno 80-20. È lo stesso schema della rivoluzione industriale: l’effetto immediato è stata la cancellazione di un sacco di mestieri, poi se ne sono sviluppati migliaia di altri. Oggi siamo spaventati perché vediamo solo il primo effetto, che è figlio del fatto che le aziende si stanno concentrando su una parte molto residuale dell’intelligenza artificiale e, non capendone bene gli effetti, mettono in atto reazioni di breve periodo.
Come i tagli annunciati da lastminute.com…
Esatto: un comunicato che annuncia il taglio del 25% dei posti di lavoro per effetto delle migliorie dell’intelligenza artificiale. Parlando con l’amministratore delegato, che conosco bene, gli ho chiesto: e la parte di ridefinizione dei processi, i modelli? Risposta: quelli ancora non li abbiamo fatti. Capite che anche un’azienda strutturata, per di più tecnologica, non ci ha proprio pensato.
È quindi un problema di leadership?
Nelle mie conversazioni con molti amministratori delegati il livello di conoscenza e di mani in pasta è piuttosto limitato. Bisogna comprendere a fondo quale sarà l’impatto della tecnologia, ma prima ancora bisogna capire la tecnologia; poi capire come si ridisegnerà il lavoro e solo da lì riorganizzare. Al momento c’è molta reattività nel breve e poca pianificazione di lungo periodo. Io ho iniziato a fare interviste e ad andare in televisione non perché ne capisca chissà quanto, ma perché in un panorama di scarsa informazione sembro leggermente più informato della media.
E il tessuto produttivo italiano?
Siedo nel board di Casillo, un’azienda familiare che fa più di due miliardi di fatturato ed è una realtà importante della filiera alimentare mondiale. Lì il problema numero uno è che il knowledge dell’azienda è concentrato nella testa di due o tre persone. La prima presa di coscienza, soprattutto per le piccole e medie imprese, è che l’AI serve a mettere in salvaguardia il patrimonio di conoscenza aziendale. Poi c’è il resto: le nostre aziende fanno pochissime cose perché non sono mai arrivate al livello delle multinazionali. L’intelligenza artificiale è un’opportunità straordinaria per aprirle a una competitività globale.
Un esempio?
Un nostro investitore ha un’azienda romana da duecento milioni di fatturato, distribuzione di farmaci veterinari e mangimi. Mi ha detto: noi che non abbiamo dati, cosa possiamo fare? Gli ho risposto che di dati ne ha moltissimi: tutte le fatture di che cosa ha venduto, a chi, a che prezzo, quando. Collegando fonti esterne, in Italia ce ne sono tante, Cerved, dati camerali, puoi identificare tutti i clienti simili ai tuoi, prevedere il potenziale di fatturato su ognuno, sapere quali sono le dieci referenze che hai maggiore probabilità di vendere. Hai un go-to-market completo e immediato da distribuire a ogni venditore sulla sua area. Poi mi ha chiesto se si potessero definire prezzi differenziati: si crea un altro modello che prende i listini dei concorrenti raccolti dalla rete di vendita e restituisce un pricing dinamico per regione. Capite che quella piccola non è piccola, e che per fare questi lavori gli servono due persone che oggi non ha. Il piccolo ha un’opportunità di occupazione molto più grande.
I comparti però non sono colpiti allo stesso modo…
No, e dipende dal grado di ripetitività delle attività, come ai tempi della rivoluzione industriale valeva per quelle manuali. Prendiamo le società di consulenza: hanno cominciato a raccogliere e catalogare tutta la knowledge, e oggi hanno sistemi in cui il lavoro che un team faceva in molto tempo viene svolto da venti agenti in parallelo, ciascuno su un pezzo, con un prodotto finito eccellente. La domanda che ci ponevamo da ex consulenti è: e i junior? Lì c’è un problema, perché tecnicamente i junior sono la bench che garantisce continuità aziendale, ma quel tipo di lavoro si riduce. Attenzione, però: stiamo parlando di eccellenze che hanno già tutto e che, adottando questa tecnologia con energia, accelerano il proprio vantaggio competitivo. Sulla base di quell’outcome hanno iniziato ad aggiungere servizi accessori e analisi ulteriori: il rapporto non sarà da dieci a uno, ma probabilmente da dieci a cinque. E chi non è in quella posizione ha l’opportunità di fare quel lavoro in modo diverso, a un quinto del prezzo. Probabilmente non ci sarà più la società di consulenza che fa tutto, ma quella che presidia il verticale di industria.
Come sarà organizzato il lavoro nelle aziende?
Ci saranno centinaia, forse migliaia di agenti molto specializzati, ognuno con un task specifico. La nostra azienda fa una cosa sola: prende i dati, li pulisce, li arricchisce, li trasforma, sviluppa modelli predittivi, li testa, li mette in produzione e li mantiene. Non intendiamo fare altro, perché il futuro sarà di agenti specializzati che eseguono task specifici. E il futuro dell’umano sarà costruire su quello, orchestrare quel lavoro.
Questo cosa implica per la formazione?
Implica che diminuiscono le attività ripetitive e cresce tutto il resto: la capacità di comprendere i dati e di interagire con le altre funzioni, perché la discussione si sposterà a un livello molto più profondo di quello a cui si è abituati. Oggi il demand planner arriva e dice: il modello dice che faremo settantadue. Perché quelle sono le aree critiche? Perché lo dice il modello. Avendo i dati in anticipo, ci saranno molte più interazioni in cui contano la collaborazione, la comprensione, la capacità di fare cose che prima non si facevano. C’è una parte di upskilling, potenzialmente di reskilling, e una parte fondamentale di soft skill che diventano sempre più importanti. Cambiano completamente i percorsi di carriera e il modo in cui le aziende devono formare il personale. E a oggi non ne parla nessuno.
A livello individuale, come si usa bene la generativa?
Dipende dalla capacità di costruire il prompt. E poi va tenuto presente che tutti i motori generativi sono adulatori infiniti. La cosa che faccio sempre, alla fine di un risultato che nasce già da un prompt evoluto e dettagliato, è chiedere: valuta da 1 a 10 quello che mi hai dato in funzione dell’obiettivo per cui te l’ho chiesto. Spesso la risposta è sette su dieci. Sette su dieci è un lavoro scadente. Io metto 9,5 come asticella minima e da lì parte un’interazione in cui il modello ti dà suggerimenti. Vale anche per una semplice mail: il resoconto di una riunione mandato a un CEO deve essere perfetto. Considera che il destinatario ha queste priorità, considera tutto quello che è emerso in riunione, rivedi e valuta. Sto facendo un lavoro nuovo, che prima non avrei mai fatto, perché mi sarei fermato al “ho finito, mi sembra perfetta, la mando”. Ma noi abbiamo un sacco di bias: ci focalizziamo su ciò che riteniamo importante e nella trascrizione della riunione scopriamo che una cosa non l’avevamo capita. La qualità cambia infinitamente.
