Le aziende che falliscono un progetto di digitalizzazione raramente lo fanno per mancanza di tecnologia. Il problema è quasi sempre a monte: non hanno capito il processo che volevano digitalizzare, non conoscono i propri dati, non hanno individuato le persone interne disposte a spingere il cambiamento. Insomma, è mancato almeno uno dei passaggi da fare prima di applicare una soluzione tecnologica.
Samuele Fini, Sales Director di Archiva Group, azienda con quasi trent’anni di storia nella gestione documentale e nell’automazione dei processi, mette in fila le condizioni che separano un progetto riuscito da uno che resta in bozza.
Archiva Group nasce nel 1998 come operatore nella conservazione documentale e si è evoluta verso quello che oggi Fini descrive come un “tech enablement provider“: non sviluppa software in senso stretto, ma eroga servizi end-to-end che coprono processi, normativa e gestione del dato.
La piattaforma Requiro, che integra automazione documentale, BPM e gestione del dato in un unico ambiente configurabile, è il punto di convergenza di questa offerta. Con oltre 1.200 clienti attivi, 300 dei quali clienti SAP su un totale di circa 3.000 aziende che usano il gestionale in Italia, e con acquisizioni recenti che rafforzano l’offerta verso supply chain e controllo qualità, Fini porta la prospettiva di chi ha visto fallire e riuscire decine di progetti in contesti molto diversi. La sua tesi di fondo è semplice da enunciare e difficile da applicare: la tecnologia è l’ultimo elemento da mettere a posto, non il primo.
Prima di digitalizzare un processo bisogna capire cosa ci succede davvero dentro.
Capire il processo è un prerequisito che le aziende sistematicamente sottovalutano. Digitalizzare un processo mal compreso non lo migliora: lo consolida nei suoi difetti. “Nelle aziende le persone cambiano”, afferma Fini, “ma a volte i paradigmi rimangono gli stessi.” Chi ha sempre gestito la pianificazione della produzione con un foglio Excel da vent’anni spesso non ha mai formalizzato il processo sottostante. Sa cosa fare, ma non sa spiegarlo in modo che un altro possa replicarlo o che un sistema possa eseguirlo. Ciò che non si riesce a spiegare non si riesce a digitalizzare, quantomeno non in modo utile.
Prima i cambiatori, poi gli agenti
A questo si aggiunge il ruolo di quelle che Fini chiama figure che “cambiano” l’organizzazione dall’interno: la seconda gamba del tavolo, insieme alla comprensione del processo e alla chiarezza dell’obiettivo. Non sono necessariamente figure apicali. Sono persone che operano in modo trasversale tra reparti, che conoscono il processo dall’interno, che hanno accumulato competenza pratica nel tempo e che sono disposte ad abbracciare un percorso di cambiamento.
Senza di loro, un progetto di digitalizzazione tende a restare confinato all’ufficio che lo ha commissionato invece di abbracciare l’intera organizzazione. Con i team aziendali che diventano sempre più misti (persone e agenti software che lavorano sugli stessi flussi), la presenza di queste figure diventa ancora più determinante.
Il terzo elemento è la chiarezza dell’obiettivo. Fini distingue due macro-ragioni che spingono le aziende a digitalizzare: ridurre i costi interni o aumentare i ricavi.
Sono obiettivi che richiedono approcci molto diversi. Chi vuole ridurre i costi parte dalla supply chain o dalla produzione, dove le inefficienze sono spesso le più alte. Chi vuole crescere commercialmente parte invece dal go-to-market, dalla forza vendite, dalla gestione del cliente. Confondere i due piani produce progetti che non soddisfano nessuno dei due obiettivi.
PMI e Trasformazione Digitale
Archiva Group è storicamente partner di grandi imprese, ma da qualche anno è sempre più presente anche nel mondo delle PMI. Per queste realtà, la differenza rispetto al mondo enterprise sta nella motivazione e nelle possibilità concrete di mettere in atto un cambiamento. Tutti, con poche eccezioni, comprendono i vantaggi strategici della trasformazione digitale, ma la ricerca di questi vantaggi cambia con il cambiare delle dimensioni dell’azienda.
E poi c’è il grande tema della compliance normativa: una road map europea fino al 2035, con obblighi su fatturazione, conservazione dei dati e processi documentali che toccano ogni ufficio. Tutti devono rispettare le nuove norme, ma farlo è più o meno facile a seconda delle risorse che si possono mettere in campo.
Le PMI hanno gli stessi vincoli normativi ma meno struttura interna e, spesso, meno cultura interna del cambiamento; di frequente in ambito enterprise troviamo figure come il change manager o l’innovation manager, ma è molto più raro trovarle in realtà di piccole e medie dimensioni. Più spesso sono ruoli presi da chi fa già qualcos’altro.
Con tutti questi ostacoli non c’è da stupirsi se, almeno in certi settori, la digitalizzazione arriva in ritardo. Il problema si rischia di arrivare quando i competitor più agili avranno già acquisito competenze, strumenti e quote di mercato aggiuntive.
Garbage in, garbage out: il principio è vecchio, il danno è sempre nuovo.
Partire dai dati
Digitalizzare e usare l’Intelligenza Artificiale non è possibile se non si hanno i propri dati, possibilmente ben organizzati. Il dato sporco è il rischio più sottovalutato nei progetti di digitalizzazione.
Fini cita un caso reale: un’azienda produttrice di lavatrici industriali ha subito danni economici a causa di una mappatura errata delle famiglie di articoli a magazzino. Il sistema automatico di calcolo della curva ABC, che valuta la rotazione degli articoli per decidere le svalutazioni, ha prodotto risultati sbagliati: articoli svalutati che non andavano svalutati, altri non toccati che andavano invece corretti. Il tutto è finito nel conto economico. La causa non era il software: era il dato sporco che aveva in pasto.
I sistemi automatici, anche quelli basati su GenAI e su agenti, non correggono i dati sbagliati. Li usano così come sono.
Il problema si amplifica in modo non lineare con la diffusione degli agenti AI. Un sistema che prende decisioni autonome su dati sporchi non sbaglia una volta: sbaglia con continuità, su scala, prima che qualcuno se ne accorga. I bias nei dataset aziendali, su cui esiste ormai una letteratura tecnica solida, diventano danno economico concreto nel momento in cui un agente li usa come base per decisioni di acquisto, pianificazione della produzione o allocazione delle risorse. Gartner stima che il 60% dei progetti AI privi di dati “AI-ready” sarà abbandonato prima di produrre risultati misurabili.
Archiva Group risponde a questo con un modello ibrido che buona parte del mercato software non propone: accanto agli strumenti di lettura automatica dei documenti integrati in Requiro, l’azienda mantiene team di persone che intervengono nei casi in cui il processo automatizzato non riesce a garantire la correttezza del dato. “Non abbiamo solo agenti,” dice Fini. “Noi ti diamo la garanzia che il dato sia pulito perché ci mettiamo anche le persone laddove il processo lo renda necessario.”
In un mercato sempre più affollato di startup che costruiscono strumenti AI in tempi brevi e a costi ridotti, la garanzia operativa umana su dati ad alta criticità è l’argomento che distingue Archiva Group dai puri player software, non solo una rassicurazione commerciale.
I dati storici che il gestionale non ha sono un vantaggio che pochi sanno sfruttare.
Un pensiero a parte meritano i dati vecchi, quelli che sono stati raccolti e archiviati prima che arrivassero fornitori come SAP e i relativi software; questi dati sono un patrimonio che il mercato ha ignorato per anni.
Archiva Group lavora con clienti SAP da oltre dodici anni, il che significa che possiede dati aziendali relativi a periodi precedenti alla migrazione verso i sistemi attuali: dati che SAP non ha e che difficilmente potrebbe ricostruire. Nel quadro delle roadmap SAP Joule, dove per ogni ufficio aziendale sono già previsti agenti AI dedicati, questa profondità storica diventa un abilitatore concreto. L’obiettivo è alimentare Joule con dati che SAP non ha, rendendo Archiva complementare al vendor tedesco invece che concorrente.
È una visione simile a quella che, in passato, ha funzionato con la fatturazione elettronica: non un’alternativa, ma un livello che completa ciò che il sistema principale non copre. In questo senso, il lavoro di Archiva diventa complementare a quello di SAP, arricchendo in modo netto quelle aziende che sono già clienti.
La stessa esperienza si trasferisce all’espansione internazionale. La fatturazione elettronica obbligatoria in Italia, introdotta anni prima di qualsiasi altro paese europeo, ha prodotto un corpo di competenza operativa che Archiva porta nei tender esteri. Archiva Group non vince perché ha il software più bello, ma perché sa già quali problemi emergeranno durante l’implementazione e come evitarli. Duplicazioni in fase di avvio, riconciliazione tra flussi documentali diversi, gestione dei dati di fornitori in regimi fiscali differenti: chi li ha già risolti in Italia una volta sa come non ripeterli altrove. La normativa che sembrava un vincolo competitivo si rivela, fuori dai confini nazionali, un vantaggio.
La digitalizzazione è un problema organizzativo prima che tecnologico
Il quadro che emerge da questa conversazione è coerente con quanto chi ridisegna i processi prima di automatizzarli sa da tempo. L’errore ricorrente è trattare la digitalizzazione come un acquisto: si compra la piattaforma, si installa, si aspettano i risultati. Le aziende che ottengono risultati sono quelle che prima capiscono il processo, definiscono l’obiettivo, identificano i cambiatori interni, e solo dopo scelgono lo strumento. Con gli agenti AI che entrano in produzione, questo ordine di priorità non è più una preferenza metodologica: è un requisito. Un agente che sbaglia amplifica l’errore; uno che ragiona su processi mal definiti e dati sporchi produce risultati inaffidabili a velocità industriale.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Valerio Porcu
Source link
