Gli strumenti ci sono e l’adozione cresce, ma il valore dell’AI non arriva all’intera organizzazione. Il nodo è l’ultimo miglio: dove la capacità tecnica deve incontrare il disegno organizzativo.
In sintesi. Le aziende investono nell’AI e l’adozione individuale cresce, ma per la maggior parte delle organizzazioni il valore non arriva mai a livello collettivo. Il vero ostacolo non è la tecnologia, ma l’ultimo miglio, il punto in cui la capacità tecnica deve incontrare il disegno organizzativo. Harvard Business Review individua sette attriti che lo bloccano e quattro contrappesi per superarli; il MIT parla di “Last Mile AI Engineering”; Logotel indica tre leve organizzative – pratiche condivise, governance vera e qualità dei legami – per passare dall’esperimento alla pratica scalabile.
Gli strumenti ci sono. Sempre più potenti e performanti. L’adozione a livello individuale c’è. Eppure, la trasformazione AI di molte aziende e organizzazioni si arena nella sua fase più delicata e conclusiva: l’ultimo miglio, cioè laddove la capacità tecnica deve incontrare il disegno organizzativo.
Dal mondo della logistica e delle telecomunicazioni, dove il problema dell’ultimo miglio è noto da tempo, questa metafora viene sempre più utilizzata anche per spiegare perché la trasformazione AI non stia ancora producendo, per la gran parte delle aziende, i ritorni sperati a livello collettivo, di organizzazione.
Il dato di partenza, sempre molto citato, è quello contenuto in un report del MIT Media Lab-Nanda: dice che il 95% dei progetti pilota aziendali di AI generativa non genera alcun ritorno sull’investimento (ROI) misurabile.
Un dato corroborato anche dalla diretta esperienza di chi accompagna imprese e organizzazioni nelle trasformazioni AI, come l’Independent design company logotel: “Perché facciamo così fatica a integrare l’AI nelle nostre organizzazioni, imprese e negli ecosistemi di business?”, si chiede in un articolo Cristina Favini, co-founder, general manager e Chief design officer di logotel.
“Perché, dopo l’entusiasmo delle fasi pilota, i progetti AI driven inciampano nella quotidianità, e si scontrano con il disallineamento tra le aspettative di imprenditori, C-level e la realtà delle persone che devono cambiare il proprio modo di lavorare?”, aggiunge Cristina.
L’attenzione di tutti coloro che studiano o lavorano con le organizzazioni si sta concentrando sempre di più non sui tool o sulla loro adozione, ma su ciò che non avviene dopo (e che dovrebbe avvenire prima): una governance chiara e strutturata su come utilizzare l’AI superando l’uso individuale, e un approccio che superi la semplice aggiunta di tool a processi pre-esistenti e miri a un completo redesign di workflow, processi, modi di fare e progettare.
Un paio di articoli usciti su riviste specializzate in cambiamenti organizzativi si sono soffermati in particolare sul problema dell’ultimo miglio, per identificare quelle che sono le barriere organizzative che l’AI transformation incontra nella sua ultima fase e alcune strategie per superarle.
Nell’articolo The “Last Mile” Problem Slowing AI Transformation apparso sullaHarvard Business Review, gli autori Karim R. Lakhani, Jared Spataro e Jen Stave riportano i risultati di un summit a porte chiuse organizzato dalla Frontier Firm Initiative (FFI), fondata dal Digital Data Design Institute di Harvard e Microsoft.
I leader di una dozzina di grandi organizzazioni all’avanguardia per quanto riguarda l’adoption dell’AI si sono riuniti e confrontati sulle sfide legate alla trasformazione AI che le loro aziende affrontano. Dal confronto sono emersi sette attriti che bloccano l’ultimo miglio:
A questi attriti le frontier firm rispondono non con tattiche isolate, ma con quattro spostamenti del modello operativo.
Il primo è il ridisegno da zero dei processi: smettere di aggiungere l’AI a ciò che si è sempre fatto e ripartire da un foglio bianco. Si parte da una domanda: se costruissimo questo processo oggi, con gli agenti, come lo faremmo?. E si prosegue mappando dove l’agente fa il lavoratore e dove l’umano fa l’orchestratore.
Il secondo è la cattura strategica del sapere: codificare il giudizio dei veterani affiancando esperti e designer, inquadrandolo come legacy building così da far nascere ruoli più alti, come gli AI process architect.
Il terzo è la governance degli agenti: trattarli come una forza lavoro digitale gestita, con “control plane” che definiscono chi crea gli agenti, cosa possono fare e dove ricade la responsabilità.
Il quarto è il ridisegno dei ruoli verso design, orchestrazione e interpretazione: senza, l’AI rischia di apparire come una leva che erode le carriere invece che farle evolvere.
Il filo che lega tutti gli attriti è uno solo: l’ultimo miglio non è bloccato dalla tecnologia, ma da questioni irrisolte a livello di modello operativo, governance e identità umana. Ciò che scarseggia non è la capacità di esecuzione, sempre più automatizzata, ma il coraggio da parte dei leader di immaginare un modo diverso di mandare avanti le proprie imprese.
Paul McDonagh-Smith, Visiting Senior Lecturer alla MIT Sloan School of Management, ha coniato il concetto di Last Mile AI Engineering.
L’autore ha spiegato che i tool contano, ma sono solo il punto di partenza della trasformazione. Per generare valore reale i leader devono cambiare mentalità, aggiungere nuove metriche AI-native ai Kpi tradizionali, attivare le proprie persone perché adottino l’AI con fiducia e “ingegnerizzare” l’ultimo miglio.
Per Last Mile AI Engineering McDonagh-Smith intende costruire quel “ponte” dove si incontrano le capacità umane – come empatia, collaborazione e creatività – e le capacità dei tool AI, facendo sì che il potenziale tecnico diventi performance organizzativa.
Come farlo? Serve progettare intenzionalmente cosa avviene, attenendosi a cinque design principles:
Nella riflessione già citata di Cristina Favini, ritorna l’importanza di una governance vera per far accadere la trasformazione AI, accanto però a due elementi più distintivi: la condivisione delle pratiche emergenti e investire nella qualità dei legami.
Per pratica emergente Cristina intende qualcosa di concreto: “Un’azione che abbiamo visto funzionare, che migliora il modo di lavorare e che può essere portata in un altro team, fatta scalare, aggiornata, fatta evolvere”.
La pratica diventa una lingua comune e un pattern che altri possono riconoscere e ripetere.
Investire nella qualità dei legami significa invece progettare e animare ambienti e spazi di collaborazione utili, sicuri e piacevoli dove le pratiche possono nascere, essere viste e ripetute: “Ambienti di relazione, collaborazione e pratica per abilitare persone, organizzazioni e AI a scambiare e lavorare meglio per fare meglio”.
Attivare la sperimentazione, animare le pratiche emergenti e amplificare gli ambienti di collaborazione sono i tre movimenti interconnessi che fanno accadere la trasformazione, facendo passare un’organizzazione dall’esperimento alla pratica scalabile. E colmando quell’ultimo miglio su cui tanti si arenano.
Torniamo al punto di partenza. Gli strumenti ci sono, l’adozione individuale pure. Ma il valore vero, quello che si vede sul bilancio e nei modi di lavorare di un’intera organizzazione, si gioca tutto nell’ultimo miglio.
Le tre prospettive che abbiamo attraversato dicono la stessa cosa con parole diverse. L’articolo dell’Harvard Business Review mappa i sette attriti che bloccano la trasformazione e i quattro contrappesi per scioglierli, dal ridisegno dei processi alla gestione della forza lavoro digitale. Il MIT ricorda che prima dei tool viene la mentalità, e che l’ultimo miglio va “ingegnerizzato” con intenzione. Logotel aggiunge il tassello che tiene insieme il resto: senza pratiche condivise, governance vera e legami di qualità, nessun blueprint si traduce in cambiamento reale.
Il filo conduttore è uno solo: l’ultimo miglio non è un problema di tecnologia, ma di organizzazione e di persone. Lo attraversano non le aziende che comprano i modelli migliori, ma quelle che progettano le condizioni perché le persone li adottino.
