Giuoco pIAno: da dove si comincia per mettere a terra l’AI

Nel 1996, a Buenos Aires, Bobby Fischer presentò una variante degli scacchi che oggi si chiama Scacchi960. I pedoni restano al loro posto, ma i pezzi dietro di loro vengono disposti a sorte, con due sole regole: gli alfieri su case di colore diverso, il re tra le due torri. Le posizioni di partenza possibili sono 960.

Fischer voleva liberare il gioco dalla teoria delle aperture: migliaia di varianti imparate a memoria, che premiano chi ha studiato il copione più di chi capisce la partita. Con i pezzi mescolati il copione non esiste. Restano i principi: sviluppare i pezzi, controllare il centro, mettere al sicuro il re.

Le aziende che oggi mettono a terra l’AI si trovano in una situazione molto simile. Nessuna parte dalla configurazione da manuale. Ognuna ha i pezzi dove li ha messi la sua storia: sistemi, processi, organizzazione, competenze. Sono stati pensati in un’altra epoca, e intanto devono funzionare ogni giorno. Non si può fermare la produzione per ridisporre i pezzi.

Una startup invece può disegnarsi la propria, costruendo processi e sistemi intorno all’AI fin dal primo giorno. Le altre partono da una propria configurazione, una delle loro “960”, che non hanno scelto.

Per questo copiare le mosse degli altri serve a poco, e l’idea che l’AI possa fare tutto da sola è più uno slogan che un piano. Nel 2024 Klarna annunciò che il suo assistente AI faceva il lavoro di 700 operatori. L’anno dopo ha corretto la rotta: l’AI continua a crescere, ma l’azienda è tornata ad assumere persone, perché la qualità del servizio contava quanto il risparmio. Servono i principi, applicati alla propria situazione.

La scacchiera e la strategia

Chi gioca lo sa: chiedere qual è la mossa migliore senza guardare la scacchiera non ha senso. La stessa mossa è brillante in una configurazione e un disastro in un’altra. A decidere come muovere sono principalmente due cose.

La prima è la scacchiera, cioè l’ambiente in cui l’azienda gioca:

• i dati: quali ci sono, dove si trovano, in che stato sono, e chi ne risponde;
• le persone: chi capisce l’AI, chi la teme, chi la usa già senza dirlo;
• i processi: dove si perde tempo, dove si sbaglia, dove non si arriva;
• le regole: settore, paese, obblighi.

La seconda è la postura: come l’azienda sta in partita oggi, e come vuole starci domani. Mikhail Tal e Tigran Petrosian furono entrambi campioni del mondo. Il primo attaccava sempre, anche a costo di sacrificare pezzi. Il secondo difendeva in modo quasi impenetrabile. Stesso gioco, stili opposti, entrambi vincenti: ciascuno conosceva la scacchiera, e sé stesso.

Per riconoscere la propria postura servono almeno tre domande: quanto rischio siamo disposti ad accettare, quanto possiamo investire prima di vedere risultati, quanto vogliamo cambiare il modo di lavorare. Tal avrebbe risposto da Tal (attacca, attacca, attacca!), Petrosian da Petrosian (difenditi prima di attaccare!). Entrambi vinsero.

Una banca, un’azienda manifatturiera e una startup non giocano allo stesso modo, e non devono. Conta che la postura sia scelta, non subita, e coerente con la scacchiera. I consigli che seguono vanno letti così: principi, da tarare sulla propria partita.

Non uscire subito con la regina

Il primo consiglio che si dà a chi impara gli scacchi è di non portare fuori la regina nelle prime mosse. È il pezzo più potente, ma se esce troppo presto diventa un bersaglio: l’avversario la insegue, guadagna tempo e sviluppa il suo gioco, mentre tu rincorri.

Il grande progetto di trasformazione, avviato da subito, rischia la stessa fine. Assorbe budget e attenzione, si scontra con dati non pronti e con un’organizzazione impreparata, e passa il tempo a difendersi.

Oggi le mosse che funzionano sono di tre tipi:

1. Ottimizzare ambiti circoscritti: processi limitati, dove l’AI fa meglio e più in fretta qualcosa che già si fa.
2. Rafforzare il core: le attività che fanno davvero il valore dell’azienda, dove l’investimento è più impegnativo ma ripaga.
3. Creare il nuovo: cose che prima non esistevano, a volte intere aree di attività, come raccontavo in Mission: AI-mpossible.

La scacchiera delle scelte

Per non perdere il filo serve un censimento. Ogni iniziativa AI, PoC comprese, dalla più piccola alla più ambiziosa, va registrata e collocata su una matrice semplice: su un asse il beneficio, sull’altro la complessità.

Più che uno strumento, è un principio, e ognuno lo declina secondo la propria strategia: cambiano i criteri con cui si misurano beneficio e complessità, e cambia il peso dei quadranti. Ma a tutti serve allo stesso modo, come base della roadmap AI: mostra a colpo d’occhio com’è fatto il portafoglio, dove si stanno mettendo le energie e quale può essere la prossima mossa.

I colori distinguono le iniziative da privilegiare, quelle da scartare e le scommesse da valutare; in basso a sinistra, la diagonale separa ciò che ripaga lo sforzo da ciò che non lo ripaga. La matrice orienta il confronto; rischio e vincoli, però, possono cambiare la decisione in qualunque quadrante.

• Must do (beneficio alto, complessità bassa): i frutti a portata di mano. Facili per definizione. Sono lì, vanno solo raccolti. Nelle operations IT, per esempio, quando dati e integrazioni sono già disponibili: riassumere un incidente per chi entra tardi nella war room, o smistare i ticket verso il gruppo giusto.
• Marketing (beneficio diretto basso, complessità bassa): bisogni minori, ma che pesano su come l’organizzazione percepisce l’AI. Il loro valore è soprattutto organizzativo: creano familiarità e consenso, e aprono la strada.
• Effective (beneficio alto, complessità alta ma ripagata): spesso il core. Di solito ci si arriva dopo aver costruito fiducia, dati e competenze; ma se lì c’è un problema urgente e misurabile, si può partire anche da qui.
• Jupitershot (beneficio potenziale altissimo, complessità e incertezza altissime): scommesse sull’impossibile. Possono non ripagare, ma se riescono cambiano la partita. Si giocano quando l’azienda se lo può permettere.
• Rumore (beneficio basso, complessità non alta ma significativa): uno sforzo senza un payback adeguato. Disperde attenzione.
• Don’t do (beneficio basso, complessità alta): qui non si gioca.

Per chi parte da zero, la roadmap comincia di solito dalla valutazione e dalle prime mosse in zona Must do e Marketing. Poi, man mano, si va verso le iniziative più complesse e a maggior valore. Quanto in fretta, e quanto spingersi verso i Jupitershot, è una scelta di strategia.

Un esempio. Qualche tempo fa, con un piccolo gruppo, provammo a costruire un assistente che rispondesse alle domande sull’azienda partendo dai documenti disponibili. Una PoC rapida, a costo contenuto. Il verdetto arrivò presto: con gli strumenti di allora, gestirlo avrebbe richiesto una complessità e un impegno di risorse non sostenibili. Nella matrice era un Jupitershot, e in quel momento non conveniva giocarlo.

Non lo archiviammo: continuammo a seguire l’evoluzione degli strumenti. Quando sono maturati, lo sforzo si è ridotto al punto da poterlo portare in produzione. Oggi chi lavora in azienda consulta i documenti a cui è abilitato facendo domande in linguaggio naturale.

La matrice, insomma, non è una fotografia: è un film. Le iniziative si spostano, perché la tecnologia cambia più in fretta delle aziende. Quella che ieri era una scommessa, oggi può essere un Must do.

Attenzione, però: la matrice non è una lista di richieste in ordine di priorità. Ogni iniziativa entra con un responsabile, con il suo impatto su architettura e rischio, e con il suo costo nel tempo, perché ogni applicazione che va in produzione è una promessa di manutenzione. È già successo con la BI self-service e con le app low-code: utili, popolari e, senza regia, moltiplicate fino a diventare rumore.

Il gambetto: la PoC con un piano

Nel gambetto si sacrifica un pedone per ottenere qualcosa in cambio: tempo, spazio, iniziativa. Ma nessun buon giocatore regala pedoni a caso. Il gambetto si gioca con un piano.

Le PoC funzionano allo stesso modo. Sono utili, spesso indispensabili: servono a provare, a imparare, e anche a sbagliare. Dal fallimento nascono idee. Ma non si può fallire sempre. Una PoC deve arrivare a un risultato, positivo o negativo, e dare la fiducia per andare avanti, o il coraggio di fermarsi.

La sperimentazione infinita è il contrario del gambetto: si perde il pedone, e anche i tempi di gioco.

Per evitarla, le PoC entrano nella matrice come ogni altra iniziativa, e ne sono parte integrante. Così si vede subito che mix si sta giocando: PoC facili tra Must do e Marketing, medie verso gli Effective, rischiose tra i Jupitershot. Il giusto equilibrio dipende da dove si parte. Chi parte da zero ha bisogno soprattutto di vittorie facili, per costruire fiducia. Chi ha già esperienza può permettersi qualche scommessa in più.

La prima mossa

Tutto questo resta teoria, se non si traduce in una prima mossa. La mia ha quattro passi, da modulare secondo il punto da cui si parte:

1. Scegliere il processo tra Must do e Marketing, insieme a chi lo gestisce davvero ogni giorno.
2. Misurare la situazione di oggi: quanto tempo si perde, quanti errori si fanno, cosa non si riesce a fare. Senza un punto di partenza non c’è risultato da dimostrare.
3. Concordare responsabile, criteri di successo, durata e condizioni di stop, con chi deve realizzare e governare la soluzione. È qui che si decide, prima di partire, cosa vuol dire “funziona”.
4. Avviare le PoC, anche più di una in parallelo, se ci sono persone e capacità per seguirle.

Chi è più avanti può partire da un Effective, o affiancare un Jupitershot. Il metodo non cambia.

Sviluppare i pezzi: i dati

Nelle prime mosse non si cerca di vincere: si sviluppano i pezzi, li si porta in gioco. Senza sviluppo, nessun attacco regge.

Per l’AI lo sviluppo si chiama dati. Spesso è la vera differenza tra una PoC che resta in laboratorio e un progetto che arriva in produzione. In PoC i dati si preparano a mano, si puliscono per l’occasione, si scelgono i casi migliori. In produzione arrivano tutti, ogni giorno, così come sono.

E serve un responsabile. Se nessuno risponde dei dati su cui l’AI lavora, una PoC riuscita non diventa un progetto: resta un esperimento ben fatto.

C’è però un aspetto interessante. L’AI funziona bene con dati puliti, ma può anche aiutare a pulirli: trovare duplicati, completare campi, segnalare incoerenze, riconciliare anagrafiche. Può essere un ottimo primo progetto, a patto che i risultati siano verificabili e i controlli adeguati: un campo completato in modo plausibile ma sbagliato è peggio di un campo vuoto. Fatto bene, prepara il terreno per tutti gli altri.

Prima dei pezzi, il giocatore

Oggi gli scacchisti si preparano con i motori, programmi molto più forti di qualunque campione. Ma chi impara a memoria le linee del motore senza capirle crolla appena la partita esce dal copione. È lo stesso problema che Fischer voleva evitare.

Con l’AI vale lo stesso, a due livelli.

Al vertice, chi decide. Succede spesso che il vertice non abbia chiaro cosa l’AI può fare, e cosa no. E allora il rischio è scegliere per moda o per paura: il grande progetto perché ne parlano tutti, oppure niente perché è rischioso. Per questo la formazione deve partire dall’alto. Non corsi tecnici, ma percorsi di AI leadership pensati per il management, che costruiscano un linguaggio comune: cosa aspettarsi, cosa chiedere, come valutare. Una cultura condivisa che poi scende nell’organizzazione.

Nei processi, chi usa l’AI ogni giorno. Servono persone che conoscano il mestiere abbastanza da accorgersi quando l’AI sbaglia. È una competenza da coltivare, non da dare per scontata: se l’AI fa il lavoro e nessuno lo capisce più, nessuno si accorgerà dell’errore. Un’iniziativa in un ambito dove nessuno sa giudicare il risultato non è un Must do: è un rischio.

Il re al sicuro

Tra i principi di base c’è la sicurezza del re. Come ottenerla, invece, dipende dalla partita: arroccare corto, arroccare lungo, o rimandare. L’arrocco è un’opportunità da cogliere, non un obbligo.

Con l’AI la sicurezza del re ha due facce. La prima riguarda cosa entra e cosa esce: quali strumenti si possono usare, quali dati possono lasciare l’azienda, chi controlla. La seconda è la continuità: cosa succede se l’AI non è disponibile, e chi risponde se un’azione automatica va storta.

Anche qui la risposta dipende dal contesto. Un’azienda soggetta alla NIS2, o con impianti collegati in rete, ha vincoli ben diversi da chi non lo è. Ma il re va messo al sicuro sempre, e prima di attaccare.

Giuoco Piano

Il Giuoco Piano è una delle aperture più antiche che si conoscano. Il nome inganna: “piano” non vuol dire timido, né lento. È un’apertura che non cerca di stupire: sviluppa i pezzi, prende il centro, mette il re al sicuro. E quando la partita lo permette, attacca.

Così vedo oggi la messa a terra dell’AI, per la maggior parte delle aziende. Non una grande mossa, ma una sequenza di mosse coerenti, ognuna scelta guardando la propria scacchiera e la postura che si vuole avere. Prima i pezzi in gioco, poi l’attacco.

Non è l’unica apertura possibile. Chi parte da una configurazione più libera può giocare da subito un gambetto aggressivo. E davanti a una grande opportunità può valere la pena rischiare di più. Ma sono eccezioni da riconoscere, non scorciatoie da copiare.

Fischer mescolò i pezzi per costringere i giocatori a pensare invece di ricordare. Con l’AI, la scacchiera l’ha già mescolata la storia di ciascuna azienda.

Il copione degli altri non serve. Serve saper giocare la propria partita.