Automazione AI in azienda: quali processi automatizzare

Indice

• Usare ChatGPT non significa avere automatizzato qualcosa
• Cos’è un workflow AI, senza chiamare subito l’informatico
• Prima descriviamo il processo
• Quali attività sono buone candidate
• Il processo peggiore da automatizzare è quello che non funziona
• Automazione tradizionale e AI fanno mestieri diversi
• Un esempio semplice: una richiesta che arriva via email
• Dove deve rimanere una persona
• Cinque processi aziendali da cui può valere la pena partire
• Quando un agente AI diventa utile
• Make, Zapier, n8n e gli altri arrivano dopo
• Dati, errori e controllo
• Come scegliere il primo workflow da sperimentare
• Dal prompt al processo
• FAQ sull’automazione AI in azienda

Usare ChatGPT non significa avere automatizzato qualcosa

Apro ChatGPT.
Copio una mail arrivata da un cliente.
Chiedo di riassumerla.
Copio il risultato.
Apro il gestionale.
Creo una nuova scheda.
Poi preparo una risposta, torno su ChatGPT, la faccio revisionare, copio di nuovo e finalmente invio.
L’intelligenza artificiale mi ha aiutato.
Ho probabilmente risparmiato tempo.
Ma ogni passaggio è ancora nelle mie mani.
Domani mattina dovrò ripetere tutto da capo.
Qui passa una delle differenze più interessanti tra usare l’AI e cominciare a costruire un workflow AI.
Nel primo caso utilizziamo uno strumento per svolgere singole attività, una per volta.
Nel secondo, quello del vero workflow AI, cominciamo a progettare una sequenza nella quale informazioni, applicazioni, AI e persone si passano il lavoro secondo un percorso definito.
È il passaggio dal prompt al processo.

Cos’è un workflow AI, senza chiamare subito l’informatico (cioè me)

Prendiamo la stessa mail.
Potremmo immaginare questo percorso:
Arriva una richiesta → il sistema ne legge il contenuto → l’AI la classifica → estrae alcune informazioni → aggiorna il CRM → prepara una possibile risposta → una persona la controlla → la risposta viene inviata.
Abbiamo costruito un workflow: abbiamo deciso quali passaggi può svolgere una macchina, quali richiedono l’AI e in quali punti vogliamo che intervenga una persona.
IBM descrive i workflow AI come sequenze strutturate nelle quali l’AI può eseguire, coordinare o migliorare processi sia autonomamente sia in collaborazione con operatori umani.
È una definizione utile perché ci impedisce di confondere automazione con autonomia totale.
Tra “faccio tutto io” e “fa tutto l’agente” esiste un territorio enorme: quello che mi piacerebbe esplorare insieme a voi.

Prima descriviamo il processo

C’è una tentazione abbastanza naturale.
Scopriamo Make.
Oppure Zapier.
Oppure n8n.
Guardiamo un video in cui qualcuno collega dodici applicazioni, tre agenti, un database vettoriale e probabilmente anche la macchina del caffè.
A quel punto viene voglia di automatizzare qualcosa, se non tutto.
Io invertirei l’ordine.
Partirei da un foglio.
Cosa succede oggi?
Da dove arriva l’informazione?
Chi la prende in carico?
Quali passaggi vengono eseguiti?
Dove vengono copiati i dati?
Quali decisioni vengono prese?
Dove si perde tempo?
Dove si commettono errori?
Quale risultato deve uscire alla fine?
Microsoft, parlando dell’adozione di agenti nei processi aziendali, insiste sulla necessità di mappare il processo e misurarne il valore prima di aggiungere agenti e automazioni.
Automatizzare singole attività senza comprendere il processo complessivo può produrre molto movimento e pochi benefici reali.
Le prime tecnologie necessarie, quindi, potrebbero essere una penna e un foglio di carta..

Quali attività possono essere automatizzate con l'AI?

Non tutto ciò che facciamo merita un’automazione.
Un’attività comincia a diventare interessante quando presenta alcune caratteristiche.
Si ripete spesso.
Se una cosa succede una volta ogni due anni, probabilmente possiamo continuare a farla a mano.
Segue una struttura riconoscibile.
Gli input possono cambiare, ma il processo generale rimane simile.
Consuma tempo senza richiedere continuamente decisioni complesse.
Copiare informazioni da un documento a una scheda cliente è diverso dal decidere se quel cliente sia strategicamente interessante.
L’output è verificabile.
Se possiamo controllare abbastanza facilmente che il risultato sia corretto, possiamo affidare più passaggi all’automazione.
L’errore ha conseguenze controllabili.
Qui entra una domanda importantissima: cosa succede se l’AI sbaglia?
Un riassunto interno può tollerare un livello di automazione molto maggiore rispetto all’approvazione di un budget o all’invio di una proposta commerciale definitiva.
La frequenza, da sola, non basta: serve anche capire il rischio che corriamo.

Il processo peggiore da automatizzare è quello che ancora non funziona

Immaginiamo un’azienda nella quale ogni richiesta commerciale viene gestita in modo diverso.
Una persona usa Excel.
Un’altra scrive su un quaderno.
Una terza si manda le mail da sola per ricordarsi di richiamare.
Qualcuno aggiorna il CRM.
Qualcun altro sostiene che il CRM “rallenta”.
Automatizzare questo processo senza prima sistemarlo rischia di produrre un risultato straordinario:
il caos, ma più velocemente.
Prima conviene stabilire quali informazioni servono, dove devono essere archiviate, chi è responsabile, quali passaggi sono obbligatori, come viene definita una richiesta prioritaria e quando deve intervenire una persona.
Soltanto dopo ha senso chiedersi quali passaggi possano essere affidati a regole, AI o agenti.
L’automazione può essere anche un buon motivo per fare una cosa che molte aziende rimandano da anni: capire come lavorano davvero.

Automazione tradizionale e AI fanno mestieri diversi

Prima dell’AI avevamo già moltissime automazioni.
“Se arriva un modulo compilato, manda una mail.”
“Se una fattura scade, crea un promemoria.”
“Se il cliente appartiene alla categoria X, assegnalo al commerciale Y.”
Sono automazioni basate principalmente su regole definite.
Input A → azione B.
Sono perfette quando le condizioni sono chiare e prevedibili.
L’intelligenza artificiale aggiunge qualcosa di diverso.
Può interpretare un testo.
Capire approssimativamente l’intenzione di una richiesta.
Estrarre informazioni da un documento non strutturato.
Classificare.
Riassumere.
Generare una prima bozza.
Confrontare contenuti.
Qui il processo smette di dipendere esclusivamente da campi perfettamente ordinati e può lavorare anche con linguaggio naturale e informazioni meno strutturate.
Il risultato però introduce anche probabilità e incertezza.
Una regola “se X allora Y” normalmente produce lo stesso comportamento.
Un modello generativo richiede verifiche diverse.
Vi do una notizia: automazione classica e AI funzionano particolarmente bene insieme.

Un esempio semplice: una richiesta che arriva via email

Immaginiamo un’azienda che riceve cinquanta richieste commerciali alla settimana.
Oggi una persona apre la mail, capisce cosa vuole il potenziale cliente, copia nome, azienda e contatti, individua il servizio richiesto, apre il CRM, crea la scheda, assegna una priorità, prepara una prima risposta e passa la richiesta al collega giusto.
Una parte significativa di questo processo potrebbe diventare un workflow.
1. Trigger (quale evento iniziale attiva un processo): arriva una nuova mail all’indirizzo commerciale.
2. AI: analizza il messaggio.
3. Estrazione: identifica nome, azienda, contatto e servizio.
4. Classificazione: assegna la richiesta alla categoria corretta.
5. Automazione: crea o aggiorna il contatto nel CRM.
6. AI: prepara una sintesi e una possibile risposta.
7. Persona: controlla classificazione e risposta.
8. Automazione: dopo l’approvazione, invia e aggiorna lo stato.
Abbiamo automatizzato parecchio.
Eppure la decisione finale è ancora nostra.

Dove deve rimanere una persona

Qui incontriamo il concetto di human in the loop.
Significa progettare il processo in modo che una persona intervenga in determinati punti per supervisionare, verificare o prendere decisioni.
IBM descrive lo human-in-the-loop proprio come la presenza attiva dell’essere umano nelle operazioni, nella supervisione o nel processo decisionale di un sistema automatizzato, soprattutto quando servono accuratezza, sicurezza e responsabilità.
La domanda utile diventa: dove vogliamo mettere il controllo?
Possiamo lasciare completamente automatico un passaggio a basso rischio.
Possiamo richiedere approvazione prima dell’invio di una mail.
Possiamo far intervenire una persona soltanto quando il sistema non raggiunge una determinata confidenza.
Possiamo instradare le eccezioni verso un responsabile.
C’è però una precisazione importante.
Mettere un pulsante “Approva” alla fine non garantisce automaticamente una vera supervisione.
Il controllo deve essere significativo: chi approva deve disporre di tempo, informazioni e autorità sufficienti per valutare realmente ciò che l’AI ha prodotto.
Questa è la parte del processo che non si può delegare.

Cinque processi aziendali da cui può valere la pena partire

Non serve cominciare dalla rivoluzione dell’intera azienda.
Ci sono processi relativamente semplici nei quali possiamo sperimentare.
1. Classificazione delle richieste. Email, form, ticket e richieste interne possono essere letti, classificati e indirizzati automaticamente. Una persona gestisce le eccezioni.
2. Elaborazione dei documenti. Ricezione di PDF o documenti, estrazione delle informazioni rilevanti, classificazione, sintesi e inserimento nei sistemi aziendali.
3. Report e sintesi periodiche. Dati provenienti da più fonti possono essere raccolti, sintetizzati e trasformati in una prima versione di un report destinato poi alla verifica.
4. Preparazione commerciale. Prima di un appuntamento, un workflow può raccogliere informazioni disponibili, sintetizzare la storia del cliente, recuperare interazioni precedenti e preparare un briefing.
5. Produzione dei contenuti. Un contenuto può attraversare ricerca, prima bozza, controllo, adattamento ai diversi canali e preparazione per la pubblicazione.
Il punto comune è sempre lo stesso: stiamo cercando quell'equilibrio nel quale tempo risparmiato, qualità e rischio producono un rapporto interessante.

Quando un agente AI diventa utile

Finora abbiamo parlato soprattutto di workflow.
Poi arrivano gli agenti.
Un workflow tradizionale segue generalmente una sequenza che abbiamo progettato in anticipo.
Un agente può avere maggiore autonomia nel decidere quali azioni compiere per raggiungere un obiettivo, utilizzare strumenti, consultare fonti e adattare il percorso alle informazioni che incontra.
Per esempio:
Workflow: se arriva una mail, classificamela, inserisci i dati nel CRM e prepara una risposta.
Agente: gestisci le nuove richieste commerciali, raccogli le informazioni necessarie, aggiorna i sistemi e portami per approvazione quelle che richiedono una decisione.
Il secondo caso concede molta più libertà.
E proprio per questo richiede confini molto più chiari.
Nei processi agentici più avanzati devono essere definiti esplicitamente limiti di autonomia, responsabilità, decisioni che l’agente può assumere e casi che devono essere rimessi a una persona.
Più autonomia diamo alla macchina, più importante diventa progettare il perimetro.

Make, Zapier, n8n e gli altri arrivano dopo

A questo punto possiamo finalmente parlare degli strumenti.
Make, Zapier e n8n permettono di collegare applicazioni e costruire workflow.
Molti software aziendali stanno aggiungendo automazioni e funzionalità AI direttamente al loro interno.
Microsoft sta portando agenti e workflow dentro il proprio ecosistema.
Google procede nella stessa direzione.
I CRM, le suite collaborative, gli strumenti di marketing e le piattaforme di customer care stanno progressivamente incorporando capacità simili.
La scelta tecnologica conta ma arriva dopo alcune domande:
Qual è il processo?
Quale il valore dell’automazione?
Quali dati vengono coinvolti?
Quanto è tollerabile un errore?
Dove serve una persona?
Come capiremo se sta funzionando?

Dati, errori e controllo

Quando colleghiamo l’AI a un processo cambiano anche le conseguenze degli errori.
Se ChatGPT mi fornisce una risposta sbagliata e io la vedo sullo schermo, posso accorgermene.
Se quella risposta viene automaticamente inserita nel CRM, trasformata in un documento e inviata a un cliente, l’errore ha già fatto parecchia strada.
L’automazione amplifica sia le cose che funzionano sia quelle che funzionano male.
Per questo un workflow serio dovrebbe prevedere almeno controlli e validazioni su input e output, gestione delle eccezioni e dei limiti.
Anche quando l’agente esegue il lavoro, la responsabilità dell’esito rimane all’organizzazione e deve esistere un proprietario del processo.

Come scegliere il primo workflow da sperimentare

A questo punto possiamo costruire un piccolo filtro.
Prendete un’attività aziendale e assegnatele un punteggio mentale su cinque dimensioni.
Frequenza: quante volte viene svolta?
Tempo: quanto lavoro assorbe?
Regolarità: segue uno schema abbastanza stabile?
Verificabilità: possiamo capire facilmente se il risultato è corretto?
Rischio: cosa succede quando qualcosa va storto?
La prima sperimentazione ideale ha generalmente frequenza alta, tempo significativo, struttura abbastanza chiara, output facilmente controllabile e rischio contenuto.
Eviterei di partire dal processo che decide il futuro dell’azienda.
C’è tutto il tempo per complicarsi la vita in seguito.

Dal prompt al processo

Quando abbiamo cominciato a utilizzare l’AI generativa, il gesto fondamentale era semplice.
Scrivevamo qualcosa in una finestra.
Ricevevamo una risposta.
Poi abbiamo imparato che il prompt funziona meglio quando comprende contesto, obiettivi, vincoli e metodo.
Il passaggio successivo consiste nel guardare oltre quella finestra.
Da dove arriva ciò che stiamo copiando?
Dove portiamo il risultato?
Quale operazione compiamo sempre subito dopo?
Da queste domande nasce un workflow: è qui che l’AI comincia a incidere davvero sull’organizzazione del lavoro.
Il valore sta nel ridisegnare una sequenza di attività in modo che persone, automazioni e intelligenza artificiale lavorino insieme con meno passaggi inutili e più controllo.
Poi possiamo scegliere Make, Zapier, n8n, un agente o qualunque altro strumento.
Ma almeno sapremo perché lo stiamo aprendo.