Alina Kukarina su perché la trasformazione dell'IA inizia prima di scegliere la tecnologia

      L'investimento nell'IA si è espanso rapidamente, con le organizzazioni che introducono copiloti, agenti e IA generativa in diverse funzioni. Tuttavia, la trasformazione aziendale che molti leader si aspettavano può rimanere difficile da identificare. Un'analisi del 2026 ha rilevato che quasi il 40% delle aziende che monitorano i risparmi sui costi dell'IA ha ottenuto meno del 10%, mentre il 90% prevedeva di aumentare i propri budget. Inoltre, il 38% dei leader finanziari e il 39% dei CEO hanno ritenuto fosse troppo presto per determinare se l'IA stesse fornendo valore.

      Per Alina Kukarina, co-fondatrice di Deeply Human Innovation, queste cifre indicano una questione di leadership più ampia. La sua esperienza nella trasformazione digitale, nel software e nella formazione manageriale l'ha portata a esaminare come le organizzazioni prendono decisioni prima che la tecnologia entri in gioco. Suggerisce che la reazione naturale a risultati deludenti può essere quella di esaminare la tecnologia, il modello o l'adozione da parte dei dipendenti. Un problema più profondo può trovarsi prima nel processo. Le organizzazioni possono iniziare l'implementazione prima di definire esattamente cosa stanno cercando di migliorare.

      Quella lacuna può essere descritta come un "gap di pensiero". Le aziende sviluppano tipicamente piani finanziari, programmi di implementazione e roadmap tecnologiche, mentre il pensiero strutturato che collega quegli elementi può ricevere meno attenzione. Kukarina afferma: "La domanda iniziale diventa spesso: 'Dove possiamo utilizzare l'IA?' Un punto di partenza più utile sarebbe chiedere: 'Cosa stiamo cercando di migliorare e perché?'"

      La distinzione è importante perché la tecnologia può accelerare un flusso di lavoro esistente con un'efficienza notevole. Se quel flusso di lavoro contiene passaggi non necessari, proprietà poco chiare, dati deboli o decisioni che dipendono fortemente dal giudizio umano, l'automazione può amplificare i problemi che sorgono su larga scala. Kukarina fa riferimento a un principio semplice. "La valutazione del processo dovrebbe precedere la valutazione dell'IA. Le organizzazioni devono comprendere come avviene il lavoro, dove viene creato o perso valore e dove il giudizio umano rimane essenziale prima di assegnare un ruolo alla tecnologia," afferma.

      Nel suo approccio, considera cinque elementi connessi: Problema, Persone, Processo, Tecnologia e Risultato. Il problema stabilisce lo scopo. Le persone rivelano chi è coinvolto e dove il giudizio, l'esperienza e la fiducia sono importanti. Nel frattempo, il processo mostra come il lavoro avviene attualmente. La tecnologia identifica quale tecnologia scegliere e se l'IA fornirà assistenza significativa. Il risultato definisce i risultati aziendali e umani che la leadership si aspetta di migliorare e deve essere definito fin dall'inizio.

      Questa sequenza crea anche una base più solida per le decisioni di leadership, comprese quelle finanziarie. Le iniziative di IA comportano costi legati a software, infrastrutture, formazione, governance, integrazione e potenziali errori. Il loro valore può estendersi alla soddisfazione del cliente, all'esperienza dei dipendenti, alla qualità del servizio e alle prestazioni operative. Kukarina sostiene che i leader traggono beneficio dall'esaminare quelle dimensioni insieme. Ad esempio, una risposta generata dall'IA può aumentare la velocità influenzando come un cliente percepisce l'organizzazione, mentre un piano di sviluppo dei dipendenti generato dall'IA può influenzare fiducia e motivazione.

      Le metriche di successo meritano quindi la stessa attenzione dei piani di implementazione. I conteggi delle licenze, i numeri degli utenti e il consumo di token possono descrivere attività e costi, mentre l'impatto aziendale richiede una visione più ampia. Kukarina fa riferimento al tempo risparmiato, alla retention, alla soddisfazione dei dipendenti, alla reputazione e alla qualità delle interazioni con i clienti come esempi di indicatori che possono rivelare se la tecnologia sta contribuendo a un valore significativo.

      La ricerca sulla trasformazione dell'IA supporta l'importanza di questa visione più ampia. Circa il 70% del valore potenziale dell'IA si trova all'interno delle funzioni core come vendite, marketing, produzione, supply chain e pricing, aree in cui la riprogettazione del flusso di lavoro può avere implicazioni sostanziali. Un altro studio ha rilevato che la riprogettazione del flusso di lavoro aveva la relazione più forte con l'impatto sull'EBIT tra 25 attributi organizzativi studiati.

      Le persone diventano quindi parte dell'equazione di implementazione fin dall'inizio. Il lavoro di Kukarina presso Deeply Human Innovation include consulenza strategica, intelligenza e ricerca, programmi di innovazione e costruzione di ecosistemi progettati per collegare l'ambizione tecnologica con considerazioni umane e organizzative. La sua esperienza suggerisce che le reazioni dei dipendenti possono fornire informazioni operative preziose. La resistenza può rivelare una fatica da cambiamento accumulata, responsabilità poco chiare, preparazione insufficiente o problemi pratici che la pianificazione esecutiva ha trascurato.

      Questa prospettiva informa anche il suo "Compasso del Benessere", costruito attorno a quattro principi: pensiero proattivo, decisioni orientate allo scopo, design centrato sull'umanità e adattabilità. Il framework incoraggia i leader a considerare scenari in cui modelli, mercati, regolamenti, aspettative della forza lavoro o condizioni aziendali cambiano. Invita anche a sfidare assunzioni come la prontezza universale dei dati o l'aspettativa che ogni nuova capacità dell'IA appartenga a qualche parte dell'organizzazione.

      La sua filosofia si estende oltre l'implementazione dell'IA. Lo scopo di Deeply Human Innovation è quello di integrare il pensiero centrato sull'umanità negli strumenti, nei team e nei sistemi che plasmano il mondo digitale. Questa prospettiva colloca le decisioni organizzative all'interno di un contesto sociale più ampio, dove le scelte aziendali possono influenzare dipendenti, clienti, comunità e generazioni future.

      "La qualità dei nostri strumenti è importante, così come la qualità del mondo che quegli strumenti ci aiutano a creare," osserva Kukarina. Per i leader, questo amplia la conversazione sull'IA dal dispiegamento alla responsabilità. Il vantaggio strategico può derivare dallo sviluppo della disciplina necessaria per decidere dove appartiene l'intelligenza, come le persone partecipano e quali risultati meritano investimento.

      Essenzialmente, la tecnologia può accelerare l'esecuzione, ma il giudizio strategico rimane una responsabilità umana. Per Kukarina, quel giudizio inizia prima dell'implementazione, con le domande che i leader scelgono di porre.