Partiamo dalle tue persone, costruiamo sui tuoi dati e mettiamo un collega digitale dentro un processo vero, dall’inizio alla fine. Quando tiene, lo stesso metodo passa al reparto dopo.
Non perché la tecnologia sia sbagliata. Perché nessuno ha cambiato il modo in cui il lavoro viene fatto davvero.
Al team viene mostrato uno strumento e gli viene detto di usarlo. Nessuno gli spiega da dove è nato il progetto e come funzionano davvero le logiche dietro all’AI. Quello che succede poi è semplice. Provano lo strumento una o due volte, non lo capiscono, non ottengono risultati e tornano a fare come prima. L’adozione muore in silenzio, e da fuori sembra che il software abbia fallito.
Un modello generico non ha mai visto il tuo listino, la deroga che fai da dodici anni a quel cliente, il vincolo di lavorazione che qualcuno ha scritto in un manuale nel 2019. Risponde con sicurezza e sbaglia esattamente sui casi che contano. La fiducia si rompe alla prima risposta sbagliata, e non torna.
Un’idea nasce perché qualcuno ha detto che l’AI va usata: nessuna priorità, nessun responsabile, nessuno standard con cui passarlo al secondo stabilimento. Viene fuori un bell’esercizio che non porta ROI. Un anno dopo hai un esperimento, non un modo di lavorare.
La memoria dell’azienda
Non è un problema di ordine: quel sapere vive in posti che non si parlano. E alcuni di quei posti sono persone.
Esce dall’azienda insieme a lui
Non lo apre nessun altro
La ritrova solo chi sa che esiste
Scritto una volta, mai più riletto
Dice cosa è successo, non perché
Non è mai stata una domanda scritta
Quando una di quelle persone esce dalla porta non porta via solo sé stessa. Porta via la conoscenza, i clienti che riconoscevano lei, e la capacità di fare un’offerta in modo efficace. L’azienda non si ferma: rallenta. E nessuno riesce a dire di quanto.
Questo è il primo problema che risolviamo, e non con l’ennesimo posto dove mettere i file. Si legge quello che l’azienda ha già scritto e se ne fa una mappa — ed è la mappa a rendere affidabile un collega digitale. È il passo che viene prima dell’automazione: automatizzare un lavoro che nessuno ha mai messo per iscritto vuol dire solo sbagliare più in fretta.
La prima domanda non è mai quale modello AI usare. È quale lavoro in azienda può essere davvero ottimizzato. Tre cose rendono facile identificare il processo giusto da cui partire.
Succede allo stesso modo molte volte a settimana. Una volta è un progetto. Molte volte è il lavoro giusto per un collega AI.
Listini, casi passati, manuali, il sistema gestionale. Se la conoscenza esiste solo nella testa di una persona, quella persona deve mettere per iscritto tutto il suo sapere. L’AI legge i tuoi dati e i tuoi documenti, non la mente delle persone.
C’è una persona con nome e cognome che può dire se un output è giusto o sbagliato, e che ne risponde. Senza quella persona non c’è niente da approvare, e niente migliora.
Trovare quel processo è a cosa serve il bootcamp. Non lo indoviniamo da fuori.
L’ordine degli step non è una preferenza. Ognuno produce le basi che servono al successivo per portare risultati.
Pratico, a ogni livello. La leadership vede dove l’AI paga davvero e dove no. Il middle management impara a ridisegnare un flusso di lavoro attorno a essa, con un responsabile e un modo di misurarlo. I team operativi lavorano sui loro casi reali, non su demo. Ne esci con un team che la vuole, e una lista corta dei processi da fare per primi. Quella lista è il brief per tutto ciò che segue.
Astro è la nostra piattaforma, ed è ciò che rende un coworker affidabile. Legge i tuoi documenti e costruisce una mappa viva di come la tua azienda funziona davvero, senza nessuna ontologia da progettare a mano, e ogni risposta che produce rimanda al documento da cui viene. La mappa resta dopo di noi. Per questo il secondo collega costa una frazione del primo, e per questo il modello sottostante può essere sostituito senza rompere nulla.
Prendiamo un processo da quella lista e mettiamo un coworker al lavoro. Il nostro team lavora dentro la tua operatività: leggiamo i documenti e gli estratti del sistema, progettiamo il lavoro, installiamo i coworker nel flusso che le tue persone già usano, e stiamo accanto alle persone che approvano l’output. Non stai comprando ore. Stai comprando un lavoro, fatto, in produzione.
La mappa
Ogni documento che già possiedi, letto una volta e collocatoEstratti dal gestionale: ordini, prezzi, componenti, trent’anni di datiNessuna ontologia progettata a mano. La struttura emerge dai documentiEntità: persone, stabilimenti, prodotti, clienti, regoleRelazioni: cosa dipende da cosa, e a quale condizioneOgni risposta rimanda al documento da cui vieneQuesta è la memoria dell’azienda, in una forma che un collega può usare.Quello che creiamo è un vero e proprio collega digitale, quindi vale la pena essere precisi. La maggior parte delle persone dà per scontata una di tre cose sbagliate.
Non gli fai domande. Gli deleghi del lavoro, lui lo fa, restituisce l’output.
Nessuno deve ricordarsi di usarlo. È già nel thread, come un collega messo in copia sull’email.
Niente da installare, nessun login. Ha un indirizzo email o una chat apposita, e risponde.
Quattro cose sempre vere
Fa una cosa dall’inizio alla fine. Redige il preventivo, o pianifica il turno, o controlla l’ordine. Non «assiste con». Fa.
Risponde solo dai tuoi documenti e dai tuoi sistemi, e ogni numero che produce porta con sé il posto da cui viene.
Una persona con nome e cognome approva il suo output prima che qualcosa lasci l’azienda. Ogni correzione che quella persona fa è nella bozza successiva.
Vive nell’email e nei tuoi sistemi di comunicazione, come un nuovo assunto. Le tue persone vedono un collega, anche quando dietro c’è solo un coworker AI.
Nove colleghi base
Una richiesta di prezzo arriva nella casella condivisa. Legge il caso, tira fuori le regole, il listino e i lavori confrontabili da trent’anni di archivio, e restituisce una bozza di preventivo completa con la fonte accanto a ogni numero. Una persona la firma prima che esca.
Un caso, dall’inizio alla fine
Una richiesta arriva via email o sui tuoi canali di comunicazione, esattamente come oggi. Nessuno cambia le proprie abitudini.
Astro tira fuori le regole che si applicano, il listino, i casi simili degli anni passati, il vincolo che qualcuno ha scritto in un manuale quattro anni fa.
Il coworker AI fa una bozza completa, con la fonte accanto a ogni numero che ha usato.
Il tuo esperto la legge, corregge ciò che va corretto, la invia. Niente raggiunge un cliente senza approvazione.
Ogni correzione torna nella mappa, così la bozza successiva ha bisogno di meno correzioni della precedente.
Quando non sa, chiede al tuo esperto. Non tira a indovinare.
Il primo collega si ripaga sul processo su cui lo installi: nessun reparto fa da apripista per conto degli altri. Quello che l’azienda eredita non è il conto, è il metodo. E il metodo fa risparmiare tempo, non soldi a qualcun altro.
Un processo si mette in produzione solo se porta ROI. Se non si ripaga, non si fa: il processo deve essere giustamente prioritizzato.
Come si sceglie un processo, come funziona l’approvazione, che aspetto ha un buon output. I dati, le persone e le decisioni restano dove sono.
Quanto costava prima, quanto costa dopo, chi ha firmato il numero. Due processi diventano confrontabili, anche quando girano in reparti e stabilimenti diversi.
L’hai scoperto su un processo solo, in settimane. Non dopo averlo portato in tutti i reparti, e non dopo un anno.
Quali processi valgono, come funziona l’approvazione, che aspetto ha un buon output: tutto da riscoprire nella società successiva, allo stesso costo della prima.
Due società non sono confrontabili quando ognuna fa il proprio esperimento con la propria definizione di successo. Il fondo non sa quale sta andando meglio.
In ogni società si ridiscute se l’AI funzioni, invece di decidere quale processo affidare per primo.
Tanti esperimenti paralleli, ognuno con la sua probabilità di fallire, e nessuno che insegni qualcosa agli altri.
La prima azienda è dove il metodo viene calibrato, e quel playbook si sposta alla successiva. Ciò che non si sposta mai sono i dati, le persone e le decisioni: quelli restano dove sono.
Quanto costava il processo prima, quanto costa dopo, e chi ha firmato il numero. Due società del portfolio diventano confrontabili.
Una volta che una società è operativa, non è più se funziona. È quale processo va per primo, e quando.
E se non funziona, l’hai scoperto lì, sulla prima, non sul portfolio.
Un caso reale, dal problema al numero, con la fonte accanto a ogni cifra. Dove un dato è una proiezione e non un risultato consegnato, la riga lo dichiara.
Una fonderia di ghisa statunitense, circa 2 miliardi di dollari di ricavi, multi-stabilimento. Rispondere a una richiesta di preventivo richiedeva 10 giorni, e i clienti compravano altrove mentre aspettavano. Il team preventivi ha aiutato a costruire ciò che ha sostituito l’attesa.
Astro ha letto i manuali dei preventivi, anni di preventivi passati, e 30 anni di dati dal sistema centrale, ha costruito la mappa e assemblato il collega. Vive nella casella dei preventivi. Ogni bozza porta le sue fonti, e una persona approva prima dell’invio.
Il 63% delle richieste di preventivo risposte in meno di 2 minuti, da 10 giorni. In servizio in meno di due settimane dal kickoff, su circa due giorni del nostro lavoro.
Per i fondi/10
Lavoriamo con fondi che hanno aziende manifatturiere in portafoglio. Per una singola azienda è un processo che si ripaga. Per un portafoglio è un’altra cosa: un metodo già calibrato che arriva alla seconda società senza ripartire da zero.
Il playbook calibrato sulla prima azienda si sposta alla successiva. Dati, persone e decisioni restano dove sono.
Quanto costava prima, quanto costa dopo, chi ha firmato il numero. Due società diventano confrontabili.
Si parte da un processo, in una società. Se non funziona l’hai scoperto lì, in settimane, non sul portafoglio dopo un anno.
La versione onesta, prima che qualcuno firmi qualcosa.
Un processo con un nome, i documenti e l’accesso ai sistemi che ci stanno dietro, e un esperto che sappia dire se un output è giusto. Questa è tutta la lista.
Tu possiedi i dati e l’output. Noi possediamo la piattaforma. L’esperto che approva è tuo e resta tuo, e così tutto ciò che viene costruito dalla tua parte.
Il bootcamp è questione di giorni. Il primo collega è questione di settimane, non di trimestri. Se deve fallire, fallisce presto e a basso costo: è tutto il senso di partire da uno.
Niente lascia l’azienda senza approvazione, quindi una bozza sbagliata costa una correzione e non un cliente. Quelle correzioni sono il meccanismo con cui migliora.
Due forme, scelte prima di partire. Build fee, un team senior a tempo e materiale. Oppure una parte del compenso legata al risultato misurato sul processo, quando quel risultato si può misurare davvero.
L’intera piattaforma, elaborazioni sensibili incluse, può girare sul tuo hardware con un modello locale. I dati riservati non escono mai.
La mappa, i documenti, gli utenti e i permessi di ogni azienda sono completamente separati da quelli di ogni altra.
Ogni risposta rimanda al documento da cui viene, così un audit richiede minuti.
API pubblica o modello locale, scelti per processo. Il valore sono la mappa e il collega, e non cambiano quando cambia il modello.
Astrolize è la società operativa italiana di ScaleUp Labs, il venture lab di AI applicata con sede a Boston. Da Milano, lavoriamo dentro il contesto del cliente per trasformare un problema di business definito in un sistema funzionante, poi restiamo per il rilascio, la misurazione e l’iterazione.
Conosci Astrolize
Scegli il processo che si ripete ogni settimana e che sta costando tempo vero. Lo guardiamo insieme a te e ti diciamo se è un buon primo lavoro, anche quando la risposta è no.