
Sono le nove del mattino e arriva un ordine via email. Una persona apre l’allegato, cerca i codici degli articoli, li copia in un foglio di calcolo e li inserisce nel gestionale. Poi prepara la conferma per il cliente e aggiorna un prospetto condiviso.
Il gestionale funziona. La posta funziona. Anche il foglio di calcolo fa il suo lavoro. Eppure, per completare una sola attività, le stesse informazioni attraversano più strumenti e vengono riscritte più volte.
È una situazione ipotetica, ma utile per osservare un problema concreto: quanto lavoro serve per far passare i dati da un’applicazione all’altra? E quanta attenzione richiede controllare ogni volta che siano rimasti corretti?
Il lavoro che si nasconde tra due applicazioni
Le attività ripetitive non si trovano soltanto dentro i programmi. Spesso si accumulano nei passaggi intermedi: scaricare un allegato, rinominare un file, ricopiare un indirizzo, cercare un codice cliente, aggiornare un report.
Quando gli ordini sono pochi, questi passaggi possono sembrare trascurabili. Quando aumentano, assorbono tempo e rendono il processo dipendente dalla disponibilità e dall’esperienza di chi lo segue. Un errore di trascrizione può richiedere ulteriori verifiche e correzioni.
Il punto di partenza è ricostruire il percorso reale delle informazioni: da dove arrivano, chi le controlla, quali strumenti le utilizzano e dove vengono registrate. Anche i fogli di calcolo e le email fanno parte di questo percorso.
Collegare i sistemi prima di aggiungere nuovi strumenti
Se un’informazione è già disponibile in un’applicazione, il primo passo può essere farla arrivare all’altra attraverso un collegamento progettato e verificato. Le modalità dipendono dalle funzioni disponibili, dalle regole del processo e dai controlli richiesti.
Non tutti i passaggi richiedono l’intelligenza artificiale. Trasferire dati già strutturati, controllare un campo obbligatorio o applicare una regola definita può essere compito di un’integrazione tradizionale.
L’AI può essere utile in attività diverse, per esempio per proporre i dati ricavati da documenti con impaginazioni differenti o classificare le richieste ricevute. La proposta del sistema va inserita in un processo che preveda verifiche, limiti e gestione degli errori.
Come potrebbe cambiare il percorso di un ordine
Torniamo alla nostra email. In un processo riprogettato, l’allegato viene acquisito e i dati vengono preparati per la verifica. L’operatore li confronta con il documento originale, corregge le anomalie e approva la registrazione. Solo dopo si procede nel gestionale e si predispone la conferma.

Lo schema è esemplificativo. I controlli e le integrazioni vanno definiti sul processo reale: un documento poco leggibile, un codice non riconosciuto o un ordine già presente devono avere un percorso di gestione previsto.
Il controllo umano deve avere un posto preciso
Automatizzare significa anche stabilire quando fermarsi. Chi verifica un prezzo diverso da quello concordato? Chi decide come trattare un articolo mancante? Chi può autorizzare una modifica prima che produca effetti sugli altri sistemi?
Per rendere utile la verifica, l’operatore deve poter vedere il documento originale insieme ai dati proposti. Devono inoltre essere chiari lo stato della pratica e le operazioni già eseguite, così da gestire un’interruzione senza creare registrazioni duplicate.
In questo modo il lavoro delle persone si concentra sulle decisioni e sulle eccezioni. La qualità del risultato va verificata anche quando cambiano i documenti, le applicazioni o le regole operative.
Scegliere dove vengono elaborati i dati
Ordini, contratti e richieste possono contenere informazioni riservate. Prima di introdurre un motore AI occorre chiarire quali dati utilizzerà, dove saranno elaborati, chi potrà accedervi e per quanto tempo verranno conservati.
La scelta può prevedere motori già presenti nell’infrastruttura del cliente, un ambiente on-premise oppure un servizio su un’infrastruttura concordata. Ogni soluzione richiede configurazioni, responsabilità e controlli adeguati: la sola collocazione del motore non risolve tutte le esigenze di protezione.
È il tema che abbiamo approfondito parlando di AI nei processi aziendali e controllo sui dati: la scelta del servizio deve accompagnare quella delle funzioni da automatizzare.
Partire da un processo e misurare il risultato
Un progetto può iniziare da un’attività circoscritta, con un campione di documenti rappresentativo e obiettivi chiari. Nel nostro esempio, si possono osservare il tempo necessario per registrare un ordine, le correzioni richieste, le pratiche gestite senza anomalie e quelle che richiedono un intervento.
Il confronto con il lavoro attuale permette di capire se l’intervento porta un beneficio e dove debba essere migliorato. Le percentuali di risparmio e i tempi di rientro vanno ricavati dalle misure del progetto, non dati per scontati.
Far evolvere le applicazioni intorno al lavoro
In GISA mettiamo insieme sviluppo software, integrazione dei sistemi e competenze infrastrutturali. Con il progetto RIZES AI affianchiamo al rinnovamento delle applicazioni l’integrazione di bot e funzioni AI nei processi aziendali.
Il percorso può comprendere l’evoluzione del software esistente con strumenti automatici, anche on-premise se richiesto, e l’utilizzo di motori interni del cliente o di servizi attraverso la nostra infrastruttura. Le scelte partono dalle applicazioni disponibili e dalle esigenze operative.
La prima domanda da portare in azienda è semplice: quale informazione stiamo ancora riscrivendo, anche se esiste già da un’altra parte?
Vuoi individuare un processo da semplificare? Parliamone insieme.
Commenti
I commenti sono chiusi.
Lascia un commento