In questo articolo Indice dei contenuti 2 sezioni
Chi lavora con l’intelligenza artificiale in azienda si accorge presto che il problema non è più trovare le informazioni, ma capire se quelle informazioni valgono ancora qualcosa. I sistemi di nuova generazione rendono interrogabili archivi, documenti, procedure interne, verbali dimenticati in una cartella condivisa da anni. Basta una domanda in linguaggio naturale e arriva la risposta. Puntuale, sicura di sé, ben scritta. Il punto è che nessuno, in quel momento, garantisce che sia ancora valida.
È una differenza sottile e allo stesso tempo enorme. Una ricerca documentale restituisce un elenco di risultati, e chi legge decide da sé cosa tenere e cosa scartare. Un sistema generativo invece sintetizza, compone, appiana le contraddizioni. Se in azienda convivono tre versioni della stessa procedura, approvate in momenti diversi da persone diverse, la macchina può mescolarle senza avvisare nessuno. Il risultato suona plausibile. E la plausibilità, nei processi operativi, è una delle cose più pericolose che esistano.
Dalla data governance alla governance della conoscenza
Negli ultimi anni le imprese hanno investito parecchio in data governance, e con buone ragioni. Cataloghi dei dati, qualità delle fonti, controllo degli accessi, tracciabilità. Tutto necessario, tutto insufficiente quando il materiale in gioco non è una tabella ma un documento, una mail, una nota a margine di una riunione. Perché lì il valore non sta soltanto nel contenuto, sta nel contesto che lo circonda.
Serve un passaggio ulteriore, verso quella che si può chiamare governance della conoscenza. Significa attrezzarsi per distinguere tre cose che nei sistemi aziendali tendono a confondersi. Primo, la fonte, cioè da dove arriva quell’informazione e con quale autorità è stata prodotta. Secondo, il contesto, ovvero il perimetro entro cui quella regola aveva senso e i limiti oltre i quali smette di averlo. Terzo, la responsabilità, cioè chi ha firmato quella decisione e chi risponde se qualcuno la applica oggi. Senza queste tre coordinate, l’archivio digitale diventa una memoria piatta. Tutto sullo stesso piano, tutto ugualmente recuperabile, tutto potenzialmente citabile come se fosse vigente. E un’organizzazione che ricorda male non è più affidabile di una che dimentica del tutto.
Ricordare bene è una scelta organizzativa
La tentazione, quando si adotta l’AI in azienda, è trattare la questione come un tema tecnico. Meglio l’indicizzazione, migliori i risultati. In parte è vero, ma solo in parte. Il nodo vero è organizzativo, e riguarda decisioni che nessun modello può prendere al posto di un’impresa. Qualcuno deve stabilire quali documenti hanno valore normativo interno e quali sono semplici tracce di lavoro. Qualcuno deve decidere quando una procedura viene archiviata e resa esplicitamente superata, non solo sostituita in silenzio da una versione nuova. Qualcuno deve mettere per iscritto che una certa risposta, per essere usata in un processo delicato, richiede una verifica umana. Sono attività noiose, poco fotogeniche, difficili da inserire in una presentazione trionfale sull’innovazione. Eppure fanno la differenza tra un sistema che aiuta e un sistema che moltiplica gli errori con grande efficienza.
C’è anche una questione di fiducia. Se le persone imparano che le risposte dell’assistente interno vanno sempre ricontrollate, prima o poi smettono di usarlo. Se al contrario si fidano ciecamente, l’errore passa e arriva fino al cliente, o all’autorità di vigilanza. In entrambi i casi l’investimento è stato speso male. La memoria aziendale non è un magazzino da cui pescare a caso, è un patrimonio che va manutenuto. L’intelligenza artificiale ha reso questo lavoro urgente, perché ha eliminato l’ultimo filtro che finora aveva funzionato per inerzia, cioè la fatica di cercare. Quando cercare costava tempo, i documenti vecchi restavano sepolti. Ora emergono tutti insieme, senza gerarchia e senza data di scadenza, ed è l’impresa a dover decidere quali meritano ancora ascolto.
