Colmare il divario della trasformazione IA: come preparare la tua azienda all'IA agentica

Tra tutto l'entusiasmo che circonda l'IA, c'è un argomento chiave che manca dal dibattito: il divario della trasformazione IA.

Ormai, organizzazioni di ogni dimensione sentono la pressione di implementare l'IA. E alcune persone stanno diventando autenticamente più produttive: scrivono, programmano e analizzano più velocemente.

Ma le aziende nel loro complesso sono diventate significativamente più produttive perché i dipendenti utilizzano gli LLM? Non ancora. Uno studio di PwC, si apre in una nuova scheda mostra che solo il 12% dei CEO riferisce un ROI significativo dagli investimenti in IA generativa, e il 95% dei progetti pilota produce zero ROI misurabile, secondo uno studio del MIT, si apre in una nuova scheda.

Nonostante i budget destinati all'IA siano in crescita e si registrino guadagni di produttività individuale, la maggior parte delle organizzazioni semplicemente non vede i ritorni sperati, e il motivo è in realtà piuttosto semplice: singoli individui produttivi non equivalgono automaticamente a un'organizzazione produttiva.

Quindi, come ottenere i benefici organizzativi promessi dalla trasformazione IA?
A quanto pare, colmare il divario della trasformazione IA non riguarda la potenza dei tuoi strumenti IA o il numero di persone che utilizzano l'IA. Si tratta di riprogettare il modo in cui funzionano effettivamente i tuoi flussi di lavoro.

Che cos'è la trasformazione IA?

La trasformazione IA è un processo completo in cui un'organizzazione integra l'intelligenza artificiale (IA) in tutti gli aspetti delle sue operazioni, dei suoi prodotti e dei suoi servizi. La trasformazione IA può comportare l'implementazione di diversi tipi di IA, come l'IA generativa, utilizzata per creare testi, immagini e altri contenuti, e l'IA agentica, che si riferisce ad applicazioni IA che eseguono compiti in modo autonomo.

La maggior parte delle aziende pianifica di utilizzare l'IA per automatizzare compiti, sintetizzare informazioni, accelerare il processo decisionale, migliorare l'esperienza del cliente e creare prodotti o servizi.

La trasformazione IA va oltre la semplice adozione di alcuni strumenti IA; rappresenta un cambiamento fondamentale nella strategia aziendale, nei processi operativi e nella cultura organizzativa. Ed è precisamente questo a renderla così complessa. Per adattare e trasformare gli aspetti dell'azienda, è necessario comprenderli a fondo, ma la maggior parte delle aziende non lo fa.

Lascia che mi spieghi meglio.

Quali sono le sfide più grandi nella trasformazione IA?

Le sfide principali nella trasformazione IA si presentano nello scalare l'IA, si apre in una nuova scheda oltre i singoli individui o team. Le persone possono programmare, fare brainstorming e fare ricerche più velocemente che mai, ma questo valore rimane bloccato in silos. Non si accumula né si connette.

La buona notizia è che abbiamo già visto questa sfida presentarsi con i progressi tecnologici del passato e possiamo applicare quelle lezioni alle sfide odierne.

Negli anni 1890, le fabbriche funzionavano a vapore, con una complessa rete di cinghie e pulegge. Quando è arrivata l'elettricità, i proprietari delle fabbriche hanno sostituito la macchina a vapore con un motore elettrico, ma hanno mantenuto la stessa disposizione dei locali. Nonostante la nuova tecnologia rendesse le singole macchine più veloci, la produttività delle fabbriche è aumentata a stento per 30 anni.

Solo quando qualcuno si è chiesto come dovesse effettivamente svolgersi il flusso di lavoro la fabbrica ha ottenuto reali guadagni di produttività. Qualcuno ha finalmente compreso il lavoro abbastanza a fondo da riprogettarlo in modo da massimizzare i benefici del motore elettrico.

Ci troviamo esattamente nello stesso momento con l'IA: le aziende hanno sostituito il motore, ma non hanno ancora riprogettato la fabbrica.

Per riprogettare l'azienda per l'IA, specialmente per l'IA agentica, è necessario comprenderla chiaramente: dove avvengono i passaggi di consegne, dove si creano i colli di bottiglia e dove vengono prese le decisioni. Solo con una profonda comprensione dell'azienda è possibile esaminarla, metterla in discussione e riprogettarla per massimizzare il valore dell'IA.

Ma secondo un recente sondaggio di Lucid, si apre in una nuova scheda, la maggior parte delle aziende non dispone della documentazione necessaria per comprendere adeguatamente l'attività:

• Il 49% dei lavoratori della conoscenza dichiara che i flussi di lavoro operativi attuali della propria organizzazione sono documentati in modo scarso o solo parziale.

• Il 60% afferma che la metà o più dei flussi di lavoro del proprio team si affida a conoscenze informali o dipendenti dalle singole persone.

• L'80% si affida a conoscenze informali o istituzionali per completare il lavoro.

In sintesi: la trasformazione IA non raggiungerà mai il suo pieno potenziale finché i processi, i flussi di lavoro, le architetture, i flussi di dati e le pratiche di collaborazione aziendali attuali non saranno compresi e documentati.

Le tre fasi della trasformazione IA

Un recente articolo di a16z descrive in dettaglio il divario tra IA individuale e IA istituzionale. Ciò che ho notato, tuttavia, è che la maggior parte delle organizzazioni fatica nella transizione da una fase all'altra. Perché? Perché manca una fase critica tra lo stato attuale e l'obiettivo finale. Vediamo più da vicino.

Fase uno: IA individuale

La fase dell'IA individuale è quella in cui si trova oggi la maggior parte delle aziende. In questa fase, le persone utilizzano ChatGPT, Copilot, Claude e altri strumenti IA a livello individuale per velocizzare le attività. Molti sono più produttivi alla propria postazione di lavoro, ma nulla di diverso è cambiato nell'organizzazione.

L'IA individuale è una fase importante che comporta sperimentazione e apprendimento, ma c'è un limite al valore che può apportare all'organizzazione nel suo complesso.

Fase due: Visibilità e mappatura

Per quanto le organizzazioni ci provino, non è semplicemente possibile fare il salto dall'IA individuale all'IA istituzionale. C'è una fase chiave intermedia che la maggior parte delle aziende trascura: rendere visibile ciò che è invisibile.

Sappiamo che l'obiettivo finale è un'organizzazione riprogettata e ottimizzata per l'IA. Prima di poter riprogettare qualsiasi cosa, tuttavia, occorre conoscere lo stato attuale. Ecco perché la fase due riguarda interamente la documentazione: la mappatura di processi, sistemi e dipendenze. Una volta estratte le conoscenze istituzionali dalla testa delle persone per trasferirle in un modello visivo condiviso, diventa molto più semplice mettere in discussione la struttura esistente e individuare dove l'IA apporterebbe il massimo valore.

Ma non sono solo le persone ad aver bisogno di documentazione su come funziona l'azienda. Se gli agenti IA devonoインタラクト (interagire) con diversi sistemi e processi aziendali, anch'essi necessitano di un contesto significativo per operare in modo efficace. Forrester afferma: "Gli agenti IA hanno bisogno di istruzioni passo passo su come eseguire i compiti. Per la maggior parte delle aziende attuali, questo know-how risiede in flussi di lavoro frammentati, dati non documentati e processi ufficiosi." (Blog di Forrester, “Autonomy Is The Future, But AI Agents Still Deliver Value Today”, luglio 2025).

Fase tre: IA istituzionale

L'IA istituzionale è il punto di arrivo: flussi di lavoro riprogettati in ottica AI-first che guidano la produttività nell'intera organizzazione. In questa fase, i processi fondamentali sono stati ricostruiti da zero per incorporare appieno gli agenti IA. L'IA non è più un semplice strumento di produttività individuale, ma una capacità governata e affidabile, allineata con gli obiettivi generali dell'organizzazione.

Come colmare il divario della trasformazione IA

All'interno della fase due, il ponte tra IA individuale e IA istituzionale, consiglio alle organizzazioni di seguire alcuni passaggi distinti: visualizzare la realtà attuale, allinearsi su una strategia e distribuire con il giusto contesto.

Osserva la realtà

Il primo passo per colmare il divario della trasformazione IA consiste nell'ottenere visibilità su come viene effettivamente svolto il lavoro, non solo sui processi descritti in un wiki aziendale obsoleto. Pensa alle valutazioni discrezionali, ai compromessi e alle regole non scritte che esistono all'interno di ciascun processo. Acquisire tutto questo contesto in uno spazio visivo condiviso crea le basi per la preparazione all'IA.

Da lì, puoi valutare i flussi di lavoro, i processi e i sistemi attuali per diagnosticare quanto siano pronti per l'integrazione dell'IA. Dopotutto, aggiungere l'IA a un'operazione inefficiente non farebbe che ingigantire il problema, senza risolverlo. È importante considerare attentamente quali parti dell'azienda sono pronte per l'IA e quali devono essere prima ottimizzate.

Le attività chiave in questo passaggio includono:

• Raccogliere le conoscenze tacite in mappe di processo, si apre in una nuova scheda visive e diagrammi di sistema, si apre in una nuova scheda

• Valutare lo stato attuale per individuare i casi d'uso prioritari per l'IA agentica, si apre in una nuova scheda

• Far emergere le dipendenze di sistema e i punti di integrazione all'interno dei flussi di lavoro

Allinea l'organizzazione

Successivamente, vorrai allineare i team attorno a una strategia IA che chiarisca una visione condivisa, definisca nuovi flussi di lavoro per raggiungere tale visione e stabilisca linee guida di governance per tutelare la fase di implementazione. Considera: Come verranno riprogettati i processi? In quali ambiti collaboreranno le persone e gli agenti IA? Quali sistemi dovranno essere accessibili all'interno di ciascun flusso di lavoro? In che modo l'organizzazione garantirà che tutti abbiano accesso alle informazioni corrette?

Sviluppare una strategia IA aziendale, si apre in una nuova scheda è simile al processo utilizzato dai team per sviluppare prodotti. I leader hanno bisogno di uno spazio in cui incontrarsi, in tempo reale o in modo asincrono, per fare brainstorming, definire le priorità e pianificare. E i team hanno bisogno di accedere a una documentazione centralizzata, sottoposta a controllo di versione e sempre approvata e aggiornata.

Questo processo comporta in genere:

• Facilitare la pianificazione strategica, si apre in una nuova scheda per dare priorità agli investimenti in IA sulla base di obiettivi, rischi e ritorni previsti

• Riprogettare l'architettura dei flussi di lavoro e definire i ruoli tra persone e agenti IA tramite matrici RACI, si apre in una nuova scheda e diagrammi di flusso con corsie (swimlane), si apre in una nuova scheda

• Istituire governance, flussi di approvazione e perimetri di conformità per le iniziative IA

Costruisci il futuro

Avendo chiari lo stato attuale e i piani per lo stato futuro, puoi distribuire e scalare l'IA in modo efficace. Questo passaggio comporta il coordinamento dei compiti esecutivi, la distribuzione degli agenti nei flussi di lavoro riprogettati, nonché il perfezionamento e la scalabilità dei processi tra i vari team.

In particolare, è anche il momento in cui la documentazione si trasforma in infrastruttura. Se storicamente la documentazione serviva principalmente come elemento di conformità o supporto visivo per le presentazioni, ora funge da livello di contesto fondamentale che guida le decisioni degli agenti IA. Ad esempio, ho visto team utilizzare Lucid per documentare il proprio blueprint operativo e collegare i contenuti visivi di Lucid direttamente ai propri strumenti IA (tra cui ChatGPT, Claude e Microsoft Copilot) tramite il server Lucid MCP, si apre in una nuova scheda per un'esecuzione senza interruzioni.

L'implementazione dell'IA su scala comprende:

• Creare cronologie, si apre in una nuova scheda di implementazione flessibili con traguardi chiari, dipendenze e responsabili delle attività

• Inserire la documentazione approvata dei processi direttamente in un ambiente di esecuzione IA affinché gli agenti possano seguirla

• Monitorare i risultati e aggiornare la documentazione all'interno di un'unica fonte di verità governata (come il Process Accelerator, si apre in una nuova scheda in Lucid)

Esempi di trasformazione IA

Mentre sempre più organizzazioni cercano di passare dall'IA individuale all'IA istituzionale, emerge un elemento comune: le implementazioni di maggior successo si basano su contenuti visivi chiaramente documentati. Ecco un paio di esempi di organizzazioni all'avanguardia.

Carta: mappatura dei flussi di lavoro agentici

Quando Carta si è proposta di distribuire agenti IA autonomi per gestire complessi flussi di lavoro contabili — risparmiando infine oltre 3.500 ore al mese — ha scoperto che il segreto dell'automazione intelligente risiedeva nella creazione di un blueprint visivo impeccabile.

Prima che un agente IA potesse inserirsi nel processo di riconciliazione di cassa, eseguire compiti basati su strumenti e prendere micro-decisioni, gli operatori umani dovevano comprendere a fondo il processo esistente fino a ogni singolo caso limite.

Il team di Carta ha scelto di visualizzare il proprio processo in Lucid. Con il diagramma di Lucid a fare da livello contestuale, lo hanno tradotto in un agente che ora svolge la gran parte del lavoro manuale, con occasionali punti di controllo con intervento umano (human-in-the-loop). Quando l'agente o il team notavano scostamenti dal processo ufficialmente documentato o decisioni al di fuori dei margini stabiliti, perfezionavano il processo in Lucid e aggiornavano l'agente di conseguenza.

L'IA sta già trasformando il nostro modo di lavorare in Carta e Lucid è fondamentale per questo cambiamento", ha dichiarato Henry Ward, CEO di Carta. "Lucid è stato inestimabile per mappare e iterare i flussi di lavoro IA con i nostri team aziendali nelle fasi iniziali del processo, fornendoci la chiarezza necessaria prima di codificarli in altri sistemi. Quella collaborazione nella fase iniziale è stata fondamentale per aiutarci a trasformare idee ambiziose in soluzioni IA pratiche e scalabili."

Uber: creazione di blueprint per il processo decisionale dell'IA

Una delle più grandi aziende di ridesharing al mondo, Uber Technologies, ha già riconosciuto il valore di un blueprint visivo per accelerare un'iniziativa IA chiave e risparmiare milioni di dollari.

Per un'organizzazione di queste dimensioni, rispondere a milioni di ticket di supporto alla settimana rappresenta una spesa notevole. Hanno intrapreso l'automazione di questo processo utilizzando l'IA agentica, ma per realizzare questa automazione hanno dovuto fornire il contesto adeguato affinché l'agente potesse rispondere in modo appropriato alle richieste di supporto.

Uber disponeva già in Lucid di una documentazione a albero decisionale che guidava gli operatori del supporto nella gestione dei ticket. Utilizzando questi contenuti visivi come base, ha creato su Lucid una documentazione di supporto completa e multilivello che funge da blueprint per l'agente di supporto.

Il progetto è sulla buona strada per automatizzare il 70% dei ticket di risposta entro la fine del 2026, con un risparmio annuo previsto di 500 milioni di dollari.

Compi i passi successivi nel tuo percorso di trasformazione IA

Colmare il divario tra IA individuale e IA istituzionale richiede visibilità, allineamento e governance. Alcuni strumenti possono facilitare la creazione di diagrammi di base ma mancano di governance, mentre altri offrono standardizzazione ma difettano nella collaborazione. Lucid offre il meglio di entrambi i mondi, bilanciando flessibilità, intelligenza e struttura per aiutarti a visualizzare lo stato attuale, riprogettare la tua organizzazione e gestire l'implementazione.

Lucid supporta la trasformazione IA con:

• Oltre 100 integrazioni con le principali applicazioni, tra cui un server MCP per connettersi ai principali LLM
• Funzionalità intuitive e intelligenti di diagrammazione per velocizzare la visualizzazione di processi, sistemi e dati
• Componenti aggiuntivi avanzati per semplificare la standardizzazione e la governance della documentazione
• Un team di servizi professionali per fornire soluzioni personalizzate