AI che crea valore per il business: il ruolo degli stakeholder

Ciascuno di questi gruppi porta con sé una prospettiva propria e assolutamente valida. Per esempio, gli ingegneri si concentrano sulla fattibilità e sulla praticità, gli utenti sul risultato e sull’impatto, mentre i responsabili di business valutano spesa e valore. Per ciascuno di questi gruppi è fondamentale comprenderne sia le esigenze di business sia le motivazioni individuali.

Inoltre, è necessario collaborare con tutti e tre i gruppi per negoziare l’inquadramento del progetto, poiché occorre trovare un equilibrio tra le loro prospettive, tutte corrette. Costruendo relazioni e instaurando fiducia con gli stakeholder, riusciamo a comprendere meglio le loro esigenze, a facilitare la collaborazione tra loro, migliorando così la progettazione della soluzione e, in ultima analisi, il successo del progetto.

I senior sponsor e gli stakeholder che rappresentano il business hanno una visione (e, di solito, gestiscono anche il budget per erogare le iniziative) e spesso desiderano essere coinvolti nel processo di impostazione e definizione del progetto. Questo può essere positivo: sono coinvolti, motivati a rendere il progetto un successo e possono esser di grande supporto, sia in termini di tempo che di risorse economiche. Tuttavia, gli stakeholder senior generalmente hanno una visione incompleta delle operazioni quotidiane e dei ruoli individuali. Ciò può portare a lacune nella comprensione di ciò che la soluzione deve fare, dell’ampiezza delle attività che dovrebbe essere in grado di svolgere e di come potrebbe interagire con gli utenti una volta implementata.

Costruire relazioni e consultare coloro che utilizzeranno effettivamente la soluzione finale è quindi fondamentale. Questi individui avranno probabilmente una comprensione più dettagliata del problema che la soluzione è progettata per risolvere, oltre a una chiara consapevolezza di eventuali insidie, circostanze particolari o requisiti che la soluzione dovrà gestire con successo (per saperne di più su come integrare user experience e design nella progettazione AI, leggi la pagina dedicata al nostro Design Studio).

È altrettanto cruciale coinvolgere chi si occupa degli aspetti tecnici del business. Queste persone, provenendo da una prospettiva ingegneristica, evidenzieranno certamente ulteriori potenziali insidie, circostanze particolari e requisiti da considerare nella soluzione. Sebbene queste conversazioni aggiungano complessità al progetto, è fondamentale che vengano identificate il prima possibile per essere integrate nella progettazione della soluzione.

Avere tutti gli stakeholder giusti presenti nella fase iniziale di definizione, scoping e pianificazione del progetto è solo metà del lavoro per colmare il divario: un aspetto da ricordare è il potenziale gap di comprensione e visione. Ad esempio, come data scientist o altro professionista AI, avete partecipato a progetti precedenti, comprendendo come si sono svolti e come era strutturata la soluzione finale. Inoltre, possedete una conoscenza approfondita delle tecnologie sottostanti – algoritmi, dati e infrastruttura, oltre a settori correlati come UX e design. Tutto ciò vi mette in una posizione favorevole per immaginare come sarà la soluzione e cosa è possibile realizzare. Per gli stakeholder, questo probabilmente non è così, e potrebbero avere una visione limitata, sottostimando ciò che è realizzabile o sovrastimando la possibilità di una sorta di soluzione “magica”.

A titolo di inciso, a questo punto vale la pena esplorare più nel dettaglio il nostro ruolo: come esperti AI del progetto, dobbiamo agire come guide per ottenere un risultato ottimale. Quando c’è una visione ristretta o una sottostima di ciò che è realizzabile, si manifesta una “povertà di aspirazione”. In questi casi, la sfida consiste nell’aiutare lo stakeholder a immaginare come potrebbe essere la soluzione, guidandolo lontano da proposte incomplete che potrebbero non risolvere pienamente il problema di business. La strategia migliore è spesso quella di assumere il ruolo di facilitatore, aiutandolo a comprendere l’impatto delle proprie decisioni sulla soluzione. Per approfondire il nostro approccio sistematico alla progettazione AI, esplora la pagina dedicata al nostro AI Experience Framework.

È altrettanto importante essere consapevoli della situazione opposta: l'ottimismo irrealistico di uno stakeholder riguardo ai “poteri magici” dell’AI o del GenAI, capaci di fornire automaticamente una soluzione senza che il problema sia nemmeno verbalizzato o documentato sistematicamente. Per questo, nel processo di comprensione del problema di business descritto in precedenza, molte fasi sono dedicate a estrarre informazioni concrete. Raccogliendo requisiti e identificando possibili criticità, diventa più semplice discutere in termini concreti di come la soluzione potrebbe apparire già nelle prime conversazioni con gli stakeholder.

Tuttavia, con questi stakeholder si riscontrano alcune sfide ricorrenti: in primo luogo, aspettative irrealistiche su come sarà la soluzione finale e su ciò che può realmente fare; in secondo luogo, mancanza di realismo nei dettagli dei requisiti utente/soluzione che devono essere documentati; infine, e continuando con il tema “magia”, scarsa comprensione dei tempi necessari per costruire una soluzione simile. Tutto ciò può rappresentare un rischio per data scientist o project manager meno esperti. Il grande vantaggio di questi stakeholder, però, è il loro entusiasmo senza limiti: l’importante è canalizzarlo in modo costruttivo, stabilendo al contempo aspettative realistiche (ad esempio, lavorando con loro per definire la soluzione ideale, come potrebbe funzionare, e introducendoli agli stakeholder chiave).

indipendentemente dal tipo di stakeholder (e nessuno è uguale all’altro), è fondamentale che tutti siano coinvolti nel progetto man mano che procede, in modo da poter fornire feedback continui e garantire che non ci si discosti dalle reali esigenze del business.

Come abbiamo già visto, riuscire a collegare chiaramente la nostra soluzione – sia essa Gen AI, AI “tradizionale” o altro – al problema di business è fondamentale per il successo del progetto. Nel prossimo articolo entreremo più nel dettaglio della progettazione della soluzione, esplorando come l’AI possa essere mappata sulla logica di business dell’organizzazione.