Per decenni, le aziende hanno cercato di migliorare il modo in cui lavorano: cicli operativi più rapidi, meno errori, costi ridotti, maggiore efficienza e controllo.
Ora l’intelligenza artificiale alza questa ambizione, ma fa anche emergere un limite fondamentale: non si può migliorare un processo che non si può vedere completamente.
Oggi, il modo in cui il lavoro viene realmente svolto – le decisioni, le variazioni, le regole non scritte – è frammentato tra sistemi spesso disconnessi e il know-how, l’abitudine, la cultura aziendale delle persone. Se un agente AI agisce su un contesto incompleto, prenderà decisioni “precise di per sé, ma sbagliate”. Il vero ostacolo non è più la capacità dell’AI, ma fornirle il contesto governato e completo di cui ha bisogno.
Indice degli argomenti
Gli agenti AI elaborano, i robot agiscono e le persone guidano
In questo scenario, UiPath sviluppa soluzioni e piattaforme per la Business Orchestration and Automation, e punta a superare quelli che sono i vecchi e nuovi ostacoli operativi.
«Trasformiamo la complessità aziendale in operazioni intelligenti e sicure, in cui gli agenti AI elaborano, i robot agiscono e le persone guidano», sottolinea Davide Marchetti, Country manager Italia e Regional Vice president di UiPath.
In che modo? «Ad esempio, trasformiamo la conoscenza privata di un’azienda su come viene effettivamente svolto il lavoro in un contesto governato dove persone, agenti AI e automazioni possono agire in sicurezza, coordinando poi il lavoro da un capo all’altro, end-to-end».
Approccio pragmatico, esecuzione ibrida
Per rispondere alle nuove criticità senza rinunciare ai benefici dell’automazione avanzata, il modello tecnologico si sta orientando verso la cosiddetta esecuzione ibrida (hybrid execution) e un approccio pragmatico: «deterministico dove è possibile, agentico dove non si può, umano dove si deve», è la linea sviluppata da UiPath.
In questo modo, rileva Marchetti, «il lavoro prevedibile e verificato viene eseguito in modo deterministico, con precisione e a costo aggiuntivo zero, senza consumo di token AI. L’intelligenza artificiale interviene solo dove è richiesto un reale giudizio cognitivo. L’essere umano mantiene sempre il controllo sulle decisioni che contano».
Più nel dettaglio, in pratica, I flussi di lavoro prevedibili, strutturati e basati su regole certe continuano a essere gestiti in modo deterministico tramite motori RPA tradizionali o integrazioni API dirette. Questa scelta garantisce precisione operativa, velocità di esecuzione e l’eliminazione dei costi legati al consumo di token dei modelli AI.
Come gestire l’intervento dell’AI agentica
L’intervento dell’AI agentica viene invece riservato a quelle fasi del processo in cui è indispensabile un reale giudizio cognitivo, come l’interpretazione di documenti non strutturati o la gestione di eccezioni complesse.
La componente umana rimane centrale attraverso meccanismi di human-in-the-loop: l’autonomia degli agenti AI non è un interruttore binario (acceso/spento), ma funziona come una “manopola” regolabile in base alle prestazioni storiche e al livello di rischio. Prima dell’esecuzione di azioni ad alto impatto aziendale, il sistema sottopone la proposta al vaglio dell’operatore umano, mostrandone evidenze e motivazioni.
La mappa del lavoro con Cartographer
Un punto di svolta tecnologico proposto da UiPath con il lancio della soluzione Cartographer sta nel concetto di mappa del lavoro (Map of work).
Per molto tempo, le iniziative di Business Process Management (BPM) sono state approcciate con una logica top-down: la creazione di diagrammi di flusso statici da parte di business analyst e società di consulenza. Tuttavia, queste mappe si rivelavano spesso obsolete nel giro di pochi mesi, poiché incapaci di fotografare la reale operatività quotidiana dei processi eseguiti sui sistemi.
«Con UiPath Cartographer, il processo di rilevazione e documentazione della conoscenza aziendale viene trasformato in un registro vivo, dinamico e governato», spiega Marchetti.
Le fasi di analisi dei processi
Sfruttando conversazioni guidate e gestite da agenti AI (e con l’assimilazione di procedure scritte, policy, log dei sistemi e registrazioni delle attività degli utenti) lo strumento riconosce le incongruenze tra la teoria formale e la pratica reale, ponendo domande mirate per colmare le lacune informative.
In questo modo, le fasi di analisi dei processi che in precedenza richiedevano settimane o mesi di interviste ed elaborazioni, ora si possono ridurre a pochi giorni.
Questa Mappa del lavoro «non si limita a produrre documentazione statica», indica Marchetti: «aggiorna continuamente l’ontologia aziendale a ogni variazione normativa o di policy, consente di effettuare simulazioni d’impatto sui KPI prima della messa in produzione e genera automaticamente le specifiche tecniche per lo sviluppo dei nuovi flussi automatizzati».
Le altre sfide organizzative e il dilemma “build versus buy”
L’adozione dell’AI agentica e dell’orchestrazione aziendale comporta altre sfide organizzative importanti. Dalle testimonianze raccolte sul campo e dalle indicazioni del management UiPath emerge come la principale resistenza non sia di natura tecnologica, ma culturale, manageriale e organizzativa.
Il superamento dei silos aziendali richiede una leadership forte, rappresentata dal coinvolgimento diretto di Chief Digital Officer, Head of Transformation e CIO, superando la storica delega dell’automazione ai soli Centri di Eccellenza (CoE) periferici.
Un altro elemento critico riguarda il dilemma tra sviluppo interno (Build) e acquisizione di piattaforme enterprise (Buy).
Sollecitati dalla rapidità dell’innovazione, diversi team IT interni tendono a progettare framework proprietari per l’orchestrazione di agenti e LLM. Tuttavia, come evidenziano gli esperti di settore, questa strada rischia di attivare un “sistema immunitario aziendale” alimentato da costi nascosti: la manutenzione continua dei connettori e l’adeguamento normativo trasformano rapidamente i costi Capex in una spesa operativa (Opex) difficile da controllare.
Già attualmente e ancora di più in prospettiva, «l’efficacia dell’intelligenza artificiale in azienda non dipende dalla quantità di agenti distribuiti, ma dalla qualità dell’architettura di orchestrazione e governance che li governa», osserva Marchetti.
E rileva: «trasformare la conoscenza operativa sommersa in un registro vivo e governato, come la Mappa del lavoro, rappresenta il presupposto per passare da una sperimentazione frammentata a un’impresa realmente intelligente, scalabile e resiliente».
Partecipa alla community