Da oltre due decenni il mercato IT ha funzionato secondo un modello relativamente semplice.
Un'azienda ha un problema. Compra un sistema. Implementa il sistema. Forma i dipendenti. Impara a usare il sistema. E poi cerca di raggiungere l'obiettivo di business prefissato.
Così apparivano le implementazioni:
- CRM,
- ERP,
- sistemi di magazzino,
- piattaforme e-commerce,
- strumenti di marketing,
- sistemi di gestione progetti.
Per anni nessuno ne rimaneva sorpreso. Dopotutto il software era uno strumento pensato per aiutare a raggiungere un risultato specifico.
Ma oggi sorge una domanda che qualche anno fa sarebbe sembrata assurda: Le aziende continueranno ad acquistare software?
O cominceranno ad acquistare competenze pronte all'uso eseguite dall'intelligenza artificiale?
Non è più una visione futuristica. I primi segnali di questo cambiamento sono già visibili.
Come ha funzionato il mercato IT fino ad oggi?
Per decenni abbiamo comprato strumenti.
Un esempio?
L'azienda aveva bisogno di gestire meglio le vendite. - Comprava un CRM.
Aveva bisogno di reporting. - Comprava un sistema BI.
Aveva bisogno di automazione del marketing. - Comprava un altro strumento.
Il problema era che l'acquisto di un sistema non significava automaticamente il raggiungimento dell'obiettivo.
Comprare un CRM non garantiva l'aumento delle vendite.
Comprare un ERP non garantiva una migliore gestione.
Comprare una piattaforma di marketing non garantiva un maggior numero di clienti.
L'azienda comprava la possibilità di eseguire il lavoro. Non il risultato stesso.
Ed è proprio questo che potrebbe cambiare.
Software-as-a-Service - il modello che ha dominato il mondo
Prima è arrivato il SaaS (Software-as-a-Service).
Invece di comprare una licenza e installare il sistema sui propri server, le aziende hanno iniziato a usare servizi in abbonamento.
Sono nate migliaia di piattaforme:
- CRM,
- sistemi HR,
- helpdesk,
- piattaforme e-commerce,
- strumenti di marketing.
Il modello si è rivelato un enorme successo.
Ma aveva un difetto: richiedeva comunque operatività. L'uomo eseguiva il lavoro. Il sistema era solo uno strumento.
Cosa cambia con l'AI?
Per la prima volta uno strumento inizia a eseguire parte del lavoro autonomamente. Questa è una differenza fondamentale.
Un esempio.
CRM classico:
- memorizza i dati dei clienti,
- permette di aggiungere note,
- genera report.
Agente AI:
- analizza i clienti,
- individua il rischio di abbandono,
- propone azioni,
- prepara comunicazioni,
- avvia workflow.
E in futuro potrebbe fare ancora di più.
Ed è per questo che sempre più spesso si parla di un nuovo modello.
Outcome-as-a-Service
Questo concetto apparirà sempre più spesso.
Outcome significa risultato.
Non compriamo più lo strumento. Compriamo l'effetto.
Un esempio.
Oggi un'azienda compra una piattaforma di marketing automation.
Domani potrebbe comprare: "acquisizione di 100 lead qualificati al mese".
Senza preoccuparsi della tecnologia che opera in background.
Per il cliente conta il risultato. Non lo strumento.
È un cambiamento molto simile a quello che abbiamo osservato con il cloud.
Oggi in pochi si chiedono su quale server gira l'applicazione. Quel che conta è la disponibilità del servizio.
Potrebbe succedere lo stesso con l'AI.
Agent-as-a-Service
Un'evoluzione ancora più interessante è l'Agent-as-a-Service.
Ovvero la possibilità di "noleggiare" competenze.
Non una persona.
Non un sistema.
Agenti AI.
Immaginiamo un'azienda che ha bisogno di supporto alle vendite.
Invece di assumere un'altra persona o comprare un altro strumento, usa un agente responsabile di:
- analisi dei lead,
- preparazione delle offerte,
- qualificazione dei clienti,
- reporting.
L'azienda non compra funzioni. Compra competenza.
È un cambiamento molto grande nel modo di pensare alla tecnologia.
Glossario dei termini
SaaS (Software-as-a-Service)
Modello di fornitura del software come servizio in abbonamento.
Outcome-as-a-Service
Modello in cui il cliente paga per un risultato di business e non per lo strumento in sé.
Agent-as-a-Service
Servizio che fornisce agenti AI specializzati che svolgono compiti specifici.
AI Agent
Sistema in grado di analizzare informazioni, intraprendere azioni e perseguire obiettivi specifici.
AI Orchestration
Coordinamento di più agenti, processi e sistemi per realizzare un compito di business.
Come potrebbe essere un'azienda tra qualche anno?
Immaginiamo un'impresa di medie dimensioni.
Oggi possiede:
- CRM,
- ERP,
- helpdesk,
- sistema contabile,
- piattaforma di marketing,
- sistema di reporting.
I dipendenti ogni giorno accedono a molte applicazioni. Passano da uno schermo all'altro. Esportano dati. Creano report. Spostano informazioni.
Tra qualche anno è possibile un modello diverso: il dipendente comunica l'obiettivo.
Strato di agenti AI:
- raccoglie i dati,
- analizza la situazione,
- prende decisioni,
- riporta i risultati.
I sistemi continuano ad esistere, ma smettono di essere il centro del lavoro - diventano fonti di dati.
Significa la fine del SaaS tradizionale?
No. Almeno non nei prossimi anni.
I sistemi di business continueranno a essere necessari.
L'ERP non scomparirà.
Il CRM non scomparirà.
Le piattaforme e-commerce non scompariranno.
Cambierà però il modo in cui le si utilizza.
Sempre più spesso l'utente non lavorerà direttamente nel sistema. Collaborerà con uno strato di intelligenza che eseguirà la maggior parte delle operazioni.
Dove le aziende possono sbagliare?
Il più grande errore è credere che l'AI risolva tutto da sola.
Non funziona così.
Un agente senza dati è inutile.
Un agente senza integrazione è limitato.
Un agente senza controllo può prendere decisioni sbagliate.
Perciò il futuro non consiste nel sostituire tutti i sistemi con l'AI. Consiste nel collegarli in modo intelligente.
Segnali di allarme nei progetti
🚩 L'azienda implementa AI senza dati organizzati.
🚩 L'agente non ha accesso ai processi reali.
🚩 Mancano validazione e supervisione umana.
🚩 L'AI lavora a fianco dell'organizzazione invece di integrarsi nei suoi processi.
🚩 Si pretende autonomia completa dal primo giorno.
Progetti di questo tipo spesso finiscono in delusione.
Come prepararsi a questo cambiamento?
Non è necessario costruire subito un esercito di agenti. Conviene partire dalle basi.
1. Metti in ordine i dati
I dati saranno la valuta della nuova economia AI.
2. Costruisci un'architettura API-first
Le integrazioni diventeranno ancora più importanti di oggi.
3. Documenta i processi
Un agente non può prendere in carico un processo che nessuno comprende.
4. Pensa ai risultati
Non chiedere:
"Quale strumento comprare?"
Chiedi:
"Quale risultato vogliamo raggiungere?"
Esempio pratico
Immaginiamo il reparto assistenza clienti.
Approccio classico:
- sistema ticket,
- analisi manuale delle segnalazioni,
- assegnazione manuale dei casi,
- reporting.
Approccio basato su agenti:
- l'agente classifica le segnalazioni,
- ne determina la priorità,
- assegna il reparto appropriato,
- prepara la risposta,
- monitora i tempi di risoluzione,
- riporta i risultati.
Il dipendente rimane. Ma il suo ruolo cambia da operatore a supervisore del processo.
Conclusione principale
Il futuro del mercato IT potrebbe non consistere nell'acquistare nuovi sistemi. Potrebbe consistere nell'acquistare la capacità di raggiungere risultati specifici.
Proprio come le aziende hanno smesso di comprare i propri server e hanno iniziato a usare il cloud.
Potrebbero smettere di acquistare nuovi strumenti e iniziare a utilizzare competenze eseguite da agenti AI.
Non significa la fine del software. Significa un cambiamento del suo ruolo.
Il software sarà sempre più spesso invisibile. Ciò che resterà visibile sarà il risultato.
E del resto il business si è sempre interessato al risultato.
