Quando un tool AI e davvero adottato: 3 metriche binarie

Il problema: 'usiamo l'AI' non e un dato

La frase la senti in quasi ogni azienda che ha comprato un abbonamento a un tool AI nell'ultimo anno. 'Si, lo usiamo'. Poi gratti la superficie e scopri che lo apre una persona, due volte a settimana, per cose che faceva gia prima. La licenza si rinnova in automatico, nessuno la mette in discussione, e l'azienda si racconta una storia: siamo dentro l'AI.

Nel metodo Manager Indipendente questo e un problema di operations, non di tecnologia. Il punto non e quale tool hai comprato. Il punto e se quel tool ha cambiato il modo in cui il lavoro esce dalla porta. E questo non lo stabilisci con un sondaggio di soddisfazione. Lo stabilisci con tre numeri.

Lo schema viene dal mondo dei sales che vendono formazione AI, dove la curva di apprendimento di un tool segue un percorso preciso. All'inizio sei piu lento di prima, perche stai imparando. Dopo qualche settimana, se hai fatto le cose giuste, superi il punto di pareggio e diventi piu veloce. Le tre metriche servono a capire se hai superato quel punto o se sei ancora in salita.

Le 3 metriche binarie: tempo, iterazioni, volume

Binarie vuol dire passa o non passa. Niente voti da uno a dieci, niente 'abbastanza bene'. Fissi una soglia, e dopo 30 giorni di uso il tool o la supera o no. Tre indicatori, tre soglie.

1. 01Tempo per task (I1). Quanto ci metti oggi a portare a casa un output rispetto a prima del tool. La soglia tipica e dimezzare almeno: se per un deliverable on-brand prima servivano due o tre ore e adesso ne serve meno di mezza, I1 passa. Se sei ancora vicino al tempo di prima, no.
2. 02Iterazioni medie (I2). Quanti giri servono per arrivare a un risultato usabile. La soglia e uno o due round. Se per ogni cosa devi correggere il modello cinque volte, non hai imparato a parlargli: I2 fallisce.
3. 03Volume libreria (I3). Quanti output reali e riutilizzabili hai accumulato. La soglia dipende dal tool, ma la logica e sempre la stessa: un investimento iniziale che non si traduce in volume produttivo vuol dire uso occasionale, non adozione. Per uno strumento di design la soglia e venti deliverable riconoscibili come tuoi; per uno di codice, una manciata di strumenti aziendali davvero in produzione.

Perche proprio queste tre e non altre. Perche sono leading, non lagging. Misurano le cause del comportamento (quanto spesso usi il tool, quanto bene lo guidi, quanto organizzi quello che produce), non solo l'effetto finale. Le leading le puoi correggere in tempo. Le lagging le scopri quando e tardi. E la stessa distinzione che governa qualsiasi sistema di obiettivi serio, e che spiego in misure di traino contro misure di risultato.

Le soglie per tool: una tabella da appendere

Le soglie non sono uguali per ogni strumento: un tool di generazione immagini ha tempi diversi da uno che ti scrive codice. Ma lo schema a tre colonne e identico. Ecco le soglie di riferimento per gli strumenti che una PMI italiana adotta piu spesso.

Le soglie sono volutamente permissive. Sono ricavate osservando chi ha completato la curva di apprendimento in 30 giorni, non i fenomeni. Tentazione tipica: ammorbidirle ancora, mettere I1 a 'meno di un'ora' o I3 a 'dieci output'. Non farlo. Soglie troppo morbide mascherano un'adozione incompleta e ti raccontano la favola di prima.

Sul timing c'e una regola precisa. L'audit a settimana uno non ha senso: sei nella parte in salita della curva, tutte e tre le metriche falliscono e non vuol dire niente. La misurazione e valida solo dopo trenta giorni di uso reale. Misurare troppo presto e come pesare una dieta dopo due giorni: leggi solo rumore.

Cosa fare quando una metrica fallisce

Qui sta il valore vero dello schema. Le tre metriche non sono un voto finale: sono una diagnosi. Ognuna che fallisce punta a una causa precisa e a un'azione di fix. Non 'usa di piu il tool', ma una cosa concreta da fare con una data di ricontrollo.

Se fallisce I1 (tempo). Quasi sempre il problema e a monte. Il setup persistente e incompleto (non hai salvato le impostazioni, i template, le istruzioni di base, quindi riparti da zero ogni volta), oppure dai al tool richieste vaghe senza dirgli obiettivo, formato, contenuto e destinatario. Fix: una sessione da un'ora per sistemare il setup e preparare cinque template di richiesta, poi ricontrollo a settimana due.

Se fallisce I2 (iterazioni). Stai parlando male al modello. Richieste troppo generiche, riferimenti vaghi ('fammelo moderno' invece di indicare esempi concreti), nessun vincolo su cosa NON deve fare. Cosi il tool aggiunge roba che poi togli al secondo giro. Fix: prendi un caso reale, scrivi una richiesta dettagliata e completa, applicala, ricontrollo a settimana tre.

Se fallisce I3 (volume). Il tool e rimasto un 'extra', non e diventato il modo standard di fare quella cosa. Manca l'abitudine ricorrente, oppure produci ma non riesci a ritrovare e riusare quello che hai fatto perche non c'e un ordine nei file. Fix: ti imponi un output al giorno per venti giorni. La libreria cresce per pura disciplina, ricontrollo a giorno trenta.

Una metrica che fallisce non dice 'l'AI non funziona'. Dice quale leva comportamentale e ferma. Aggiusti quella, non lo strumento.

Questo e operations applicata: trasformare un'impressione confusa ('mi sa che non lo sfruttiamo abbastanza') in un problema circoscritto con un'azione e una scadenza. Esattamente quello che fa un Fractional Manager quando mette in ordine una funzione, come racconto in cosa fa un fractional COO.

Come applicarlo nella tua PMI

Lo schema vale per un singolo tool e per l'intero stack. Ecco come lo porti a terra senza farne un progetto da consulenti.

• Fai la lista degli strumenti AI che paghi. Tutte le licenze attive, anche quelle dimenticate. Per ognuna scrivi chi dovrebbe usarla e per cosa. Gia qui di solito salta fuori qualcosa che nessuno apre da mesi.
• Per ogni tool primario, misura le tre metriche. Non a memoria: prendi un task tipo e cronometralo, conta i giri, guarda quanti output reali esistono. Tre numeri per strumento, scritti.
• Segna pass o fail su ciascuna soglia. Niente sfumature. Verde se passa, rosso se no. Una tabella su un foglio basta e avanza.
• Per ogni rosso, scegli il fix giusto e metti una data di ricontrollo. Setup, qualita delle richieste o abitudine: la diagnosi ti dice quale.
• Ripeti ogni trimestre. L'adozione puo regredire. Nuovi clienti, nuovi progetti, persone nuove che non hanno il setup: la curva torna in salita e l'audit va rifatto.

Un'ultima leva, quando l'azienda e pronta: rendere la misura automatica. Invece di fare l'audit a mano, colleghi gli strumenti che gia usate (dove tengono documenti, codice, ticket) e lasci che i tre numeri vengano calcolati da soli, con un report periodico. Cosi l'adozione diventa un dato che arriva da solo, non un esercizio che ti devi ricordare di fare.

Resta il punto del metodo. Il Manager Indipendente non compra tool per dire di averli. Li mette a lavorare e misura se producono. Tre metriche binarie sono il modo piu economico per smettere di raccontarsi che 'si, usiamo l'AI' e iniziare a sapere se e vero. Da li, ogni euro di licenza o lo giustifichi con un numero o lo tagli. Questa e operations, e questa fa la differenza tra una PMI che ha speso e una che ha investito.

Domande frequenti