1. Il limite dell'assistente unico
Molte aziende iniziano l'adozione dell'AI con un'idea semplice: un assistente che "sa tutto". Risponde alle mail, riassume documenti, scrive post, aiuta sulle gare, gestisce appuntamenti. Sulla carta è elegante. Nella pratica produce tre problemi.
Il primo è di qualità: un corpus unico mescola toni, procedure e priorità diverse. Il secondo è di sicurezza: non tutte le funzioni devono vedere le stesse informazioni. Il terzo è organizzativo: quando qualcosa va storto, non è chiaro chi (o cosa) ha sbagliato e come intervenire.
Il progresso utile, secondo me, non è un agente onnipotente. È una squadra con ruoli, come in un'azienda vera.
2. Specializzazione come principio operativo
In un sistema multi-agent locale, ogni agente ha un dominio: centralino e voce, segreteria e posta, gare e dossier, commerciale e campagne, reputazione e contenuti, lettura amministrativa. Non perché "i nomi degli agenti" siano di moda, ma perché il lavoro reale è già specializzato.
Specializzare significa:
- basi conoscitive separate (procedure del centralino diverse da quelle degli appalti);
- strumenti e canali distinti (telefono, Telegram di approvazione, mini-siti di revisione, code di pubblicazione);
- regole di escalation proprie (cosa può chiudere da solo, cosa deve passare a una persona).
Così l'AI smette di essere un interlocutore generico e diventa infrastruttura di supporto al lavoro. Le persone non "chiacchierano con il modello": ricevono bozze, triage, dossier preparati, alert e proposte, poi decidono.
Nel Sistema Argo ho adottato proprio questo modello: orchestrazione centrale, agenti di dominio, memoria e policy separate. L'effetto concreto non è "più magia". È meno confusione e più tracciabilità.
3. Cosa guadagna l'organizzazione
Il primo guadagno è tempo sulle attività ripetitive: classificare, raccogliere, riassumere, preparare. Il secondo è continuità: fuori orario o in picco, certi flussi non si fermano del tutto. Il terzo è qualità delle decisioni umane: chi interviene riceve contesto già organizzato, non una chat grezza.
Cambia anche la cultura. Le procedure devono essere scritte meglio, perché l'agente non inventa governance. Le eccezioni emergono prima. Le responsabilità diventano esplicite: se un'azione è sensibile, esiste un passaggio di approvazione; se un dominio è confidenziale, il corpus non viene mescolato.
In questo senso l'AI obbliga l'azienda a diventare più chiara con sé stessa. È un effetto collaterale positivo, spesso sottovalutato.
4. Il ruolo delle persone non scompare: si sposta
Una paura ricorrente è la sostituzione. Nella mia esperienza operativa, il punto non è eliminare ruoli. È spostare le persone dalle attività meccaniche alle decisioni, alle relazioni delicate e al controllo di qualità.
Un agente può preparare un appuntamento, ma la conferma su casi non standard resta umana. Può scovare opportunità e preparare un dossier, ma firma e invio formale restano a una persona. Può proporre un contenuto, ma la pubblicazione passa da un gate. Può leggere scadenze, ma non paga.
Questo non è un compromesso timido. È il modello corretto per un'azienda che vuole progresso senza abdicare responsabilità.
5. Come iniziare senza stravolgere tutto
Non serve automatizzare l'intera impresa. Serve scegliere due o tre flussi dove il volume ripetitivo è alto e le regole sono descrivibili. Misurare: tempo recuperato, errori evitati, passaggi all'umano, qualità percepita. Solo dopo estendere.
Tre domande utili:
Quale lavoro ripetiamo ogni giorno senza aggiungere giudizio?
Quali informazioni sono necessarie e dove stanno?
Chi deve approvare prima che qualcosa esca dall'azienda?
6. Chiusura
Il salto di maturità non è "avere ChatGPT in azienda". È costruire un sistema in cui più agenti specializzati supportano il lavoro, restano in un perimetro locale governabile e lasciano alle persone le decisioni che contano. È progresso organizzativo, non solo tecnologico.
Su arduinoleone.it approfondisco AI operativa e cybersecurity applicata. Contatto: a.l@d-serviceitalia.it.