Gli anni di Internet e la piccola società software
Nel 2000 mi occupavo di ingegneria della conoscenza e iniziai a lavorare in una piccola società software il cui fondatore aveva avuto una particolare intuizione sull’impatto che le tecnologie avrebbero avuto con l’avvento di internet. Nel 1996 aveva fondato una società con lo scopo di studiare, selezionare e proporre sul mercato soluzioni tecnologiche innovative per le Intranet. Ma già Internet si stava affacciando prepotentemente.
Tenete presente che nel 2011 nessuno aveva idea di cosa le aziende sarebbero diventate. Solo 10 anni prima era esplosa la bolla tecnologica e il 2008 presentava un’altra bolla, questa volta finanziaria. Amazon si quotò in borsa nel 1997 raccogliendo 54 milioni di dollari a 18 dollari per azione che oggi valgono 1.939 dollari arrivando alla soglia di mille miliardi di capitalizzazione. Nel 2004 era la volta di Google e il debutto mancò le stime quotandosi a 100,34 dollari e raccogliendo 1,67 miliardi. Nel 2012 fu la volta di Facebook che raccolse 18,4 miliardi di dollari. Nel 2014 l’88% delle aziende che prosperavano dal 1955 non esistono più. (Fortune 500) Queste aziende, oggi scomparse, erano gigantesche, dei veri e propri dinosauri. Eppure si sono estinte.
Le tecnologie pionieristiche
Nel 2000 la piccola società di software aveva concluso accordi con grandi società di software per rappresentare le loro tecnologie in Italia e sviluppare progetti con quelle tecnologie. Queste tecnologie erano Broadvision, la più diffusa interfaccia dei siti web in particolare usata dalle banche; Autonomy, un motore di ricerca basato su categorizzazione; Kana per rispondere automaticamente alle email dei clienti; Native Minds che aveva creato un rappresentante virtuale; Netperception, uno dei primi algoritmi di collaborative filtering utilizzato inizialmente da Amazon, prima di fabbricarsi il proprio; e nel 2003, prima di lasciare l’azienda, conclusi un accordo con RightNow, una tecnologia focalizzata sul customer service specializzata nel riconoscimento semantico attraverso Natural Language Processing che si integrava con la Knowledge Base aziendale e rispondeva automaticamente alle email dei clienti per suggerire possibili soluzioni ai loro problemi. Quando la risposta era corretta pesava i contenuti della knowledge base, su base statistica, e man mano li sostituiva automaticamente. Sarebbe stata poi comprata da Oracle nel 2011. Se mettete insieme Native Minds, RightNow e Netperception avete una ChatBot primordiale ante Large Language Model. A quell’epoca però internet era lento, il cloud non esisteva e quasi tutte le aziende per utilizzare queste tecnologie dovevano basarsi su potenti e costosi server interni.
Il nuovo modo di vedere gli utenti
Già da allora però internet aveva cambiato qualcosa. Non era più possibile interagire con i clienti in modo convenzionale. Non solo, queste tecnologie velocizzavano le interazioni, le automatizzavano e mettevano a disposizione un’analisi dei dati che per una mente umana era impossibile associare. Il fatto più rilevante è che non si potevano più utilizzare gli approcci convenzionali di marketing basati su dati demografici e psicografiche per identificare i target di utenti in modalità push. Quando una persona arrivava su un sito non si poteva chiederle chi fosse, dove vivesse, che età aveva, quanto guadagnava, il livello di studi, la composizione familiare. Occorreva inventare un nuovo modo di vedere gli utenti per poterli profilare in modo dinamico attraverso i loro comportamenti in internet, ovvero che cosa guardavano sul sito, quanto tempo restavano, come navigavano il sito, a cosa erano interessati, che cosa acquistavano e quindi, comparandoli alle altre migliaia di utenti che avevano avuto comportamenti simili, predire che cosa avrebbero desiderato e che cosa avrebbero fatto.
La storia del supermercato e della figlia adolescente
Celebre la storia che si narra di una famiglia media della provincia americana, padre, madre e figlia adolescente, che riceve via posta, dal supermercato locale, la pubblicità e le offerte di prodotti per neonato, pannolini, latte in polvere, biberon e via dicendo. Il padre famiglia indignato si reca dal direttore del supermercato reclamando un errore in quell’invio. Il direttore si scusa affermando che sicuramente vi era stato un errore. Ma la tecnologia di collaborative filtering non aveva fatto alcun errore. Aveva semplicemente osservato un comportamento differente negli acquisti della figlia e li aveva automaticamente confrontati con comportamenti simili prevedendo che la figlia adolescente fosse in stato interessante, prima che la famiglia lo sapesse e forse anche prima che la stessa figlia ne fosse consapevole.
La nuova forma di lavoro: team di umani e macchine
L’intelligenza artificiale non automatizza semplicemente dei lavori ripetitivi, fa qualcosa di diverso, crea una relazione simbiotica tra persone e macchine che capovolge i flussi di lavoro standardizzati. Questa nuova modalità ibrida di collaborazione uomo macchina rivela una prospettiva totalmente nuova potenziando enormemente le capacità umane e liberandole da lavori a basso valore per il cliente finale e aiutandoli con capacità di analisi comparativa e approfondita che nessun umano sarebbe in grado di svolgere da solo. Insomma si sta creando una nuova forma di lavoro in team, team composti da umani e macchine che collaborano insieme verso nuove prospettive.
Questo tipo di supporto dell’intelligenza artificiale è una forma di amplificazione delle capacità umane, dà alle persone una straordinaria possibilità di intuizione guidata dai dati, spesso in tempo reale. Questo spostamento di compiti dagli umani alle macchine e di umani assistiti da intelligenza artificiale, che permette di svolgere lavori differenti, spinge le organizzazioni a ripensare completamente alle proprie modalità di lavoro basandosi sulle nuove capacità che offre l’interazione uomo-macchina. Tali organizzazioni scelgono di adottare il paradigma di autonomia condivisa per spostare le decisioni al livello operativo e usufruire della creatività umana con tempestività e flessibilità mai viste precedentemente.
Il problema: serve un’organizzazione adattiva
Ma c’è un problema. L’intelligenza artificiale oggi è più attiva che mai. Probabilmente sarà la prossima bolla speculativa, come indicano molti analisti. Ma esiste ed è presente da tempo. Il problema non è quindi la tecnologia o come cambierà il lavoro. Il problema è che per utilizzare in modo efficace ed efficiente le tecnologie digitali, l’AI, i dati, occorre avere un’organizzazione adattiva.
Il caso Tesla: non solo un’auto
Ad esempio Tesla non vende solo auto, ma soprattutto macchine su ruote per la raccolta di dati. Ogni Tesla è equipaggiata con 9 videocamere, GPS, radar, sensori ultrasonici, un sistema di feedback in tempo reale che non assistono solo alla guida, registrano ogni movimento, gesto, stop, accelerazioni, errori del conducente. Si calcola che nel 2023 Tesla aveva 4 milioni di veicoli sulle strade del mondo, che equivalgono a 160.000.000 terabyte di dati di guida, molto più di quanto qualsiasi nazione o fabbricante di auto abbiano mai raccolto. Questi dati valgono molto più dell’auto stessa e costituiscono tre fonti di guadagno primario:
AI training: il sistema di guida autonoma (FSD – Full Self-Driving) è alimentato da questi dati e apprende e si modifica grazie a questi dati. In pratica Tesla ha creato il sistema di training di AI basato su dati reali per veicoli autonomi più grande al mondo. Mentre i competitors si basano su simulazioni, il sistema di guida autonoma di Tesla si basa su dati reali, in tempo reale, 24 ore al giorno, 7 giorni a settimana, per 4 milioni di auto. Il FSD è venduto come un aggiornamento software costoso, costantemente migliorato grazie ai dati della flotta.
Assicurazioni: Tesla non utilizza sistemi di assicurazione tradizionali, utilizzano i dati della vettura. La velocità con cui guidate, quanto forte frenate, quante volte guardate lo specchietto, come curvate e tutto questo consente loro di sottoscrivere assicurazioni più economiche delle altre compagnie assicurative. E poiché Tesla controlla i veicoli e i dati, sono automaticamente eliminati tutti gli intermediari, migliorando i margini e offrendo copertura più originali. La loro assicurazione è disponibile in 12 Stati USA e si sta diffondendo rapidamente.
Infrastrutture: Tesla sa perfettamente dove le persone frenano troppo bruscamente, dove le strade sono accidentate, dove avvengono più spesso incidenti, tutti dati di cui governi e città hanno disperatamente bisogno. Tesla può vendere o dare in licenza questi dati infrastrutturali o utilizzarli per ottimizzare le proprie colonne di ricarica. Sono guadagni invisibili che crescono ad ogni secondo in cui si guida un’auto.
Mentre i competitors si concentrano sui motori elettrici, Tesla monetizza ogni chilometro in cui guidate. Questa è una delle integrazioni verticali tipiche del Mindset Lean Agile che ottimizza tutto ciò che avviene attorno a quello che producete. È un modo di pensare e vedere le cose. I margini sulla vendita dei veicoli sono alquanto risicati, occorre pensare in termini di ecosistema.
Il vero cambiamento: l’organizzazione
Ed è proprio questo il problema. Queste organizzazioni si basano sul paradigma di autonomia condivisa e sono focalizzate sul dialogo e la comprensione dei bisogni dei clienti, sul fornire tempestivamente valore ai clienti e per farlo non usano solo le tecnologie ma si sono strutturate per spostare le decisioni a livello operativo e delocalizzato, si sono organizzate in team multifunzionali responsabili del processo end to end, nel comunicare e prendere accordi organizzativi rapidamente e in rete piuttosto che utilizzare la burocrazia top-down strutturata in silos. Le organizzazioni Lean Agile sono in grado di collegare tutto e tutti, ovunque, sempre. Sono anche in grado di offrire valore istantaneo, su larga scala ma focalizzato sui bisogni di ogni singolo cliente.
Lo squalo è sopravvissuto, i dinosauri no
Le organizzazioni che investono e adottano il software mantenendo le vecchie pratiche e le strutture di organizzazione top-down del XX secolo, inevitabilmente sono destinate ad estinguersi, secondo Steve Denning, che paragona le aziende Agile allo squalo. Lo squalo esisteva già nell’era dei dinosauri ed è l’unico che com’era allora è sopravvissuto fino ad oggi. È sopravvissuto ai dinosauri! Questo perché lo squalo non si ferma mai, è in continuo movimento. Non segue un piano ma si muove dove ci sono le opportunità e le coglie rapidamente.
Non è più l’accesso a dati e tecnologie a fare la differenza. La differenza sta in come funziona l’organizzazione e come crea l’ambiente in cui le persone utilizzano dati e tecnologie attraverso la loro creatività. Come afferma Denning, provate ad utilizzare dati e tecnologie con l’approccio manageriale convenzionale, “sarà come guidare un calesse in autostrada”.
🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.
