Quando abbiamo iniziato a parlare per la prima volta di AI con le Big Four, le conversazioni hanno preso ritmo sorprendentemente in fretta. Non c’è stata una lunga introduzione, né il bisogno di spiegare perché l’AI fosse importante. Quasi subito, partner e consulenti senior hanno iniziato a parlare di dove finiva davvero il loro tempo. Non nel prendere decisioni o nel generare insight, ma nella preparazione. Estrarre dati da sistemi diversi. Allineare i numeri. Assicurarsi che le analisi rispettassero gli standard interni prima ancora che qualcuno potesse iniziare a riflettere su cosa significassero davvero i risultati.
Quello che ci ha colpito è che nessuno di questi compiti aveva poco valore. Erano necessari. Ma erano anche estenuanti. Professionisti con grande esperienza passavano gran parte della loro giornata semplicemente cercando di arrivare al punto in cui il vero lavoro di pensiero potesse iniziare.
Con il proseguire delle conversazioni, sono emersi più di alcune decine di processi in cui l’AI poteva avere un ruolo. Reporting, compliance, controlli finanziari, analisi fiscali, revisioni interne. In superficie, sembrava un classico problema di automazione. Non lo era.
La maggior parte di questi processi aveva già strumenti, template e forme di automazione parziale. Ciò che rallentava tutto stava tra un passaggio e l’altro. Cambiare contesto. Riconciliare gli output. Applicare il giudizio in modo coerente su informazioni frammentate. Il vero costo non era solo il tempo, ma il carico cognitivo.
È stato allora che l’impostazione è cambiata.
Invece di chiederci come l’AI potesse svolgere il lavoro end to end, abbiamo iniziato a chiederci come potesse supportare le persone che quel lavoro lo svolgono. E se l’AI potesse occuparsi delle parti che prosciugano energie, senza togliere il controllo? E se potesse preparare bozze strutturate, far emergere incoerenze e rendere visibile il proprio ragionamento, così che gli esperti potessero concentrarsi sul giudizio invece che sulla preparazione?
Una volta che questo approccio è andato live, l’impatto è diventato tangibile.
Nei vari team, i tempi di ciclo si sono ridotti dell’80-90% per il lavoro analitico ricorrente. Gli errori manuali, soprattutto nei processi ad alta intensità di riconciliazione, sono diminuiti nettamente. Altrettanto importante, gli output sono diventati più coerenti tra team che prima affrontavano lo stesso lavoro in modi leggermente diversi. In media, i consulenti hanno recuperato circa 40-50 ore al mese, che ora potevano essere dedicate ad attività di pensiero a maggior valore.
Ma il cambiamento più interessante non era nei numeri.
Era nel modo in cui le persone parlavano del proprio lavoro. Le revisioni sono diventate più serene. Le discussioni più focalizzate. I revisori senior hanno passato meno tempo a verificare che tutto fosse corretto e più tempo a discutere cosa significassero davvero i risultati.
Con il tempo, il sistema ha smesso di sembrare uno strumento che le persone dovevano usare. Ha iniziato a sembrare un modo condiviso di lavorare, capace di assorbire silenziosamente il modo in cui venivano prese le decisioni e di rifletterlo nelle analisi future.
Questa esperienza ha anche rafforzato qualcosa in cui crediamo da molto tempo. Il progresso verso un’intelligenza più generale non arriverà da sistemi che cercano di sostituire gli esperti in domini complessi. Arriverà da sistemi che riducono l’attrito attorno al pensiero esperto e lo amplificano.
In questi incarichi, l’AI ha creato valore non perché fosse autonoma, ma perché era collaborativa. Non prendeva decisioni al posto delle persone. Le aiutava a prenderne di migliori, più velocemente.
Se c'è un segnale precoce di dove i sistemi simili all'AGI conteranno per primi, è qui. Non nell'automazione completa, ma nel supportare il giudizio umano su larga scala.
Questo cambiamento, dall'automazione alla leva, è ciò che ha fatto la differenza.
