La lezione del low-code che i CIO possono applicare all’agentic AI

Con il passare del tempo, la GenAI si sta trasformando sempre di più da un chatbot a cui si fanno domande, a un set di strumenti ai quali si chiede di fare qualcosa e l’agentic AI [in inglese] – l’espressione un po’ goffa con la quale si definisce questo approccio – sta rendendo sempre più chiaro che l’intelligenza artificiale generativa è quanto più utile tanto più la si personalizza. Siamo in una fase in cui la GenAI è più utile e più apprezzata dai dipendenti in un ciclo virtuoso nel quale chi la utilizza di più si prende il tempo necessario a sperimentare le nuove funzionalità non appena arrivano, ne trae il massimo beneficio e le utilizza con maggiore regolarità.

Ciò è fortemente correlato alla formazione giusta, soprattutto in termini di utilizzo appropriato per il proprio flusso di lavoro. Secondo una ricerca di Microsoft e LinkedIn, i power user dell’AI che affermano che gli strumenti fanno risparmiare loro 30 minuti al giorno hanno il 37% di probabilità in più di aver ricevuto dalla propria azienda una formazione personalizzata. Circa la stessa percentuale sostiene, invece, di aver ricevuto una formazione che copriva le nozioni di base, come la scrittura dei prompt, ma che era anche adattata al proprio ruolo, ai propri compiti e al proprio flusso di lavoro.

I power user dell’AI condividono regolarmente suggerimenti e consigli con i colleghi sul funzionamento della tecnologia. per esempio, il successo dell’implementazione di Copilot di Virgin Atlantic [in inglese] ha comportato non solo la formazione, ma anche la ricerca di “campioni nelle aree locali per trarre i principali insegnamenti dalle sessioni di formazione mirate e per cercare di diffonderli tra i gruppi di utenti”, racconta Gary Walker, vice president della tecnologia e della trasformazione.

Il manager ritiene che la creazione di una tranquillità psicologica che permetta al personale aziendale di sperimentare, e che lo premi anche per la condivisione di ciò che funziona con i colleghi e i pari, piuttosto che per l’accaparramento delle competenze, sia importante per qualsiasi lancio tecnologico, e ha sottolineato i paralleli con il low-code. “Quando si trova qualcosa che funziona, è bene socializzarlo”, dice, condividendolo sui social media interni e con colleghi. Ciò aiuterà ad amplificare il guadagno di efficienza appena scoperto”.

Questo metodo è efficace poiché si tende a imparare molto più velocemente dai colleghi che dalla maggior parte delle altre fonti di informazione, spiega Kjell Carlsson, responsabile della strategia AI di Domino Data Lab.

Si tratta del tipo di adozione virale dal basso verso l’alto e comunitaria che molte aziende hanno visto evolversi intorno al low-code [in inglese] e all’automazione dei flussi di lavoro, dove la soluzione dei singoli problemi ha reso i dipendenti entusiasti di condividere trucchi e tecniche con i colleghi. I CIO possono utilizzare queste lezioni di successo come un libro di giochi per ottenere il massimo dagli agenti AI. “Esiste, in effetti, una correlazione tra il codice ridotto e il successo dell’AI”, dichiara John Bratincevic, principal analyst di Forrester. “Se si vuole, davvero, ottenere massimo valore dall’AI e dalla sua sperimentazione su scala, è necessario combinarla con una strategia di sviluppo dal basso”.

Gestire gli agenti low-code

L’agentic AI spazia da semplici automazioni per le attività quotidiane basate su prompt del tipo “riempi lo spazio vuoto”, a flussi di lavoro più autonomi che rilevano input come le e-mail in arrivo che innescano processi aziendali per cercare informazioni e inviare risposte, o addirittura effettuare un ordine o prenotare una riunione. La GenAI rende queste automazioni meno fragili e più facili da creare.

Per molti versi si tratta di una progressione naturale, e le piattaforme low-code come Power Platform di Microsoft, Mendix, Salesforce e Zoho, che hanno offerto funzioni di AI per semplificare lo sviluppo per diversi anni, stanno ora aggiungendo strumenti di GenAI per assistere gli utenti nella creazione di app e flussi di lavoro. Nella ricerca di Forrester, Bratincevic afferma che il caso d’uso numero uno per le piattaforme low-code è rappresentato dalle applicazioni AI-infused.

Altrettanto importante è che all’agentic AI vengano applicati gli stessi strumenti di conformità, governance, sicurezza delle informazioni e auditing. Come il low-code, gli agenti della GenAI hanno bisogno di accedere alle fonti di dati e alle connessioni con le applicazioni line of business, e le aziende vorranno anche policy che controllino l’accesso e le azioni che possono essere intraprese, così come l’ampiezza con cui gli utenti possono condividere app e flussi di lavoro. Come per tutti gli altri strumenti con prezzi basati sul consumo, i team IT vorranno anche conoscere l’utilizzo e l’adozione, e i manager vorranno esaminare ciò che tutto ciò produce per l’azienda, per capire il ROI.

Il low-code si è dimostrato valido. La maggior parte delle aziende ha strategie di sviluppo dal basso e Bratincevic sostiene che ci sono esempi documentati di persone che hanno ottenuto centinaia di milioni di dollari di benefici.

 “Negli ultimi cinque, sei anni, l’IT si è reso conto che, se riesce a fare bene, può essere, per loro una scale machine”, aggiunge Richard Riley, GM del marketing di Power Platform di Microsoft. “Ma una grande potenza richiede un grande controllo”. Ciò significa controllo per l’IT e flessibilità per gli utenti aziendali.

“È una questione a due”, continua. “Come possiamo dare potere all’utente aziendale? Costui è la persona che conosce questi dati, il processo e se può essere risolto. Potrebbe far risparmiare cinque milioni di dollari, ma come possiamo metterlo in condizione di farlo? E poi, come possiamo fare in modo che l’IT sia a suo agio nel permettergli di farlo? Rispetta tutte le policy sui dati. Ha DLP, EAP [Extensible Authentication Protocol], e tutte le promesse di valutazione del rischio, e funziona in ambienti gestiti, quindi ha tutte le funzioni di condivisione, auditing e reporting”.

La questione dei costi potrebbe essere più complicata con l’agentic AI rispetto alle applicazioni low-code tradizionali, ammette. “Si potrebbe eseguire lo stesso agente una con la necessità di 10 righe da un database e utilizza 10.000 token”, dice Riley. “Lo si potrebbe eseguire una seconda volta e richiederebbe un milione di token a causa degli input che riceve e delle azioni che compie. Dobbiamo assicurarci di avere delle protezioni, e le stiamo costruendo”.

Le aziende vogliono visibilità su ciò che è accaduto, in modo da poter tracciare ciò che fanno gli agenti, hanno bisogno della telemetria per poter perfezionare gli agenti in modo da farli lavorare in maniera specifica. E necessitano di chiarezza sui costi, in modo da poter applicare dei massimali. L’IT vorrà monitorare la diffusione dell’utilizzo degli agenti di AI e i costi dell’AI generativa, per assicurarsi che stia fornendo valore all’azienda e convenienza agli utenti aziendali.

Se l’agentic AI decolla, potrebbe aver bisogno degli stessi processi per raccogliere gli agenti utili e mantenerli, o aggiungere altre funzionalità. Per esempio, il Power Platform Admin Center sta ricevendo informazioni da Copilot Studio, e altre piattaforme offrono informazioni simili. “Sarà in grado di vedere chi ha costruito gli agenti, cosa hanno costruito, qual è l’utilizzo, chi lo sta usando, quali dati stanno passando”, dice Riley. “Se lo desidera, sarà in grado di raccogliere tutto questo, trasformarlo in una soluzione molto più gestita e farla controllare dall’IT”.

Tuttavia, potrebbe voler evitare la duplicazione degli sforzi, per concentrarsi sul controllo dei costi per un agente piuttosto che per molti. “Dovrebbe essere in grado di creare molto facilmente un agente che ne controlla altri per assicurarsi che questi non stiano facendo la stessa cosa: usare lo strumento per controllare lo strumento”, aggiunge Riley.

Anche in questo caso, le aziende si sono trovate a proprio agio con le opzioni intermedie, sottolinea Bratincevic. “C’è una maggiore maturità intorno a queste attività, al di là del semplice ‘l’hai fatto tu, è tuo’ o ‘me ne occupo io’”, afferma. “Ci sono processi migliori”. Per esempio, in Shell, ogni applicazione non ha un solo proprietario e un proprietario di backup. “Hanno un flusso di lavoro per garantire una proprietà distribuita”.

Avviare l’agentic AI

L’ottenimento del valore dell’agentic AI inizia con la comprensione da parte dei leader e degli utenti di dove possono applicare la tecnologia e per che cosa, il che significa iniziare con il caso aziendale piuttosto che con la tecnologia, che sarà anche familiare dal low-code, osserva Riley.

“Sta seguendo lo stesso schema che ho visto seguire da Power Apps, dove nessuno dubita davvero del valore del prodotto, ma sta aiutando i clienti a capire l’arte del possibile”, tiene a precisare. “In particolare nel settore degli agenti, è facile prendere tutta questa nuova tecnologia e applicarla ai processi e ai problemi aziendali esistenti, migliorandoli, sì, ma non sarà il cambiamento di passo che credo le persone si aspettino dall’AI. Credo che questo avvenga quando si va un po’ a destra e un po’ a sinistra: lungo il lato destro, si sale in questo spazio autonomo, mentre a sinistra si scende molto di più verso l’utente finale”.

Le aziende probabilmente inizieranno a scambiare un processo eseguito da un utente con uno eseguito da un agente e, almeno inizialmente, controllato da un umano, suggerisce Bratincevic. I controlli potrebbero diventare meno comuni, ma il passo logico successivo sarà la riarchitettura dei processi in base a ciò che fanno i modelli e gli agenti. “Perché servono tre passaggi con tre persone in un flusso di lavoro umano, quando ce ne potrebbe essere soltanto uno?”, rileva.

Per ottenere i piccoli miglioramenti come pure i cambiamenti più grandi, le aziende hanno bisogno di sperimentare in scala, e il low-code è il modo migliore per farlo.

“Il vero valore consiste nel creare un nuovo software, anche semplice, che faccia qualcosa, con l’AI al centro”, continua. “E l’unico modo per farlo in concreto è attraverso lo sviluppo low-code. Ci sono anni di valore bloccati negli LLM che dobbiamo capire come ottenere, e l’unico modo possibile è la sperimentazione su larga scala”.

Come nel caso del low-code, gli utenti aziendali sono gli esperti del dominio che sanno meglio cosa deve cambiare. “Sono i più vicini ai dati e ai processi aziendali, e sono quelli che vengono punzecchiati ogni giorno perché qualcosa non funziona”, dice Riley. “Nel mondo low-code, sono le applicazioni create dalle singole persone ad aver avuto un impatto massiccio sull’azienda, perché l’IT non le mai potute sviluppare, limitandosi a metterle alla fine della lunga coda di cose da fare”.

Ottenere il massimo dalla GenAI con tecniche più avanzate come la creazione di agenti richiede una profonda conoscenza del dominio, afferma Bratincevic. “Sono il contabile o l’addetto alle risorse umane a poter immaginare ciò che può fare, e fare il prompt engineering e altri tipi di RAG leggeri per farlo funzionare, avvolgendolo in un processo o in un’esperienza che poi creerà valore”, aggiunge.

Ci sono già diversi esempi di app AI-infused costruite da utenti aziendali con questo approccio low code, molte delle quali adottano l’approccio dell’agentic AI. C’è la grande azienda di costruzioni che utilizza un’app costruita dai dipendenti per ottimizzare il business, rispondendo più rapidamente a RFP dettagliate e tecnicamente complesse, facendo in modo che l’AI generativa ingerisca i contenuti e generi la risposta iniziale. Poi c’è la grande compagnia assicurativa che gestisce le richieste di risarcimento in arrivo con la GenAI e le smista internamente al gruppo appropriato in modo più rapido rispetto alle due ore necessarie manualmente. E c’è lo studio legale che vende ad altri studi legali un’applicazione SaaS costruita con l’AI generativa, che copre le leggi di tutto il Paese. Un’altra grande compagnia di assicurazioni ha un terzo di tutte le sue applicazioni scritte in low-code. “Non solo le loro applicazioni personalizzate, ma un terzo dell’intero portafoglio di applicazioni aziendali è scritto in modo personalizzato, su misura, su un’unica piattaforma con i suoi strumenti low-code, da persone di dominio al di fuori dell’IT, e molte di esse sono soluzioni AI”, racconta Bratincevic.

Preparare le persone a costruire agenti

È importante trattare l’agentic AI come un cambiamento tecnologico che le aziende devono addestrare all’uso del personale, non come un aggiornamento del software esistente che i dipendenti devono assorbire da soli. Come l’intelligenza artificiale in generale, “è una tecnologia molto intuitiva da usare. Meno intuitivo, o molto meno chiaro, è come integrarla nel flusso di lavoro”, sottolinea Carlsson di Domino.

I dipendenti avranno bisogno di una formazione specifica per acquisire le competenze necessarie a trarre vantaggio dall’agentic AI, e sicuramente sono interessati a un apprendimento generale che copra la GenAI in modo efficace. Nell’ultimo rapporto annuale di benchmark L&D di TalentLMS, emerge che il 64% dei dipendenti desidera una formazione su come utilizzare i nuovi strumenti di intelligenza artificiale, e il 49% lamenta che l’AI sta avanzando più velocemente di quanto la formazione aziendale sia in grado di stare al passo.

Anche in questo caso, ci si può affidare a quelli che dovrebbero essere approcci low-code, i quali dovrebbero anche aiutare ad affrontare le preoccupazioni e la riluttanza che la ricerca suggerisce su come molti dipendenti sentono la minaccia che la GenAI può rappresentare per il loro lavoro.

L’adozione responsabile dell’AI generativa [in inglese] include la possibilità per i dipendenti di condividere i vantaggi di questi strumenti, anziché considerarli antagonisti, e le aziende possono dimostrarlo premiando e sostenendo il personale che condivide i propri esperimenti di successo, e chiarendo quali aree sono appropriate e quali sono troppo rischiose. Sarà, quindi, fondamentale frnire questo genere di guida attraverso sessioni di formazione efficaci e personalizzate, piuttosto che solo in documenti formali e poco convincenti.

Ci sono ovvie ragioni per cui i singoli dipendenti che traggono vantaggio dall’agentic AI nei propri flussi di lavoro potrebbero non condividere naturalmente i loro successi: le policy che vietano l’uso improprio di questa tecnologia potrebbero spaventarli, oppure potrebbero aspettarsi più ricompense per i loro risultati che per la condivisione delle loro tecniche, e potrebbero preoccuparsi di veder tagliare i costi o di vedersi assegnare più lavoro a causa dei miglioramenti della produttività.

Oppure può darsi che i power user della GenAI siano entusiasti di condividere ciò che funziona per loro, ma non abbiano un modo efficace per farlo. Anche in questo caso, gli stessi programmi che hanno sostenuto l’adozione del low-code – organizzare hackathon e sessioni di condivisione, sviluppare un centro di eccellenza e team di fusione per supportare il personale, e riconoscere le competenze dei dipendenti con aumenti di stipendio e promozioni o persino con lo sviluppo di nuovi ruoli – forniranno incentivi per condividere ciò che funziona per l’agentic AI.

“Una volta che avete controllato le vostre caselle sulla sicurezza e sui modelli da utilizzare, e che vi siete assicurati che i vostri dati siano pronti, il vostro meccanismo per la maggior parte di esso consiste nell’eseguire lo stesso playbook di trovare gli early adopter, di eseguire gli hackathon e i boot camp, e poi di scalare la sperimentazione attraverso tutti i partecipanti volenterosi in diversi domini, creando nuove applicazioni AI-infused, tra cui gli agenti”, dichiara Bratincevic. “È qui che si definisce e si scopre il valore e si ricava il denaro”.

I team di fusione sono già una realtà. I dati 2023 di Forrester mostrano che il 62% degli sviluppatori svolge la maggior parte o la totalità del proprio lavoro collaborando con sviluppatori esterni all’IT. “I tecnologi aiutano i non-tecnologi secondo le necessità”, dice. “Aggiungono nuove fonti di dati o punti finali, oppure li aiutano a imparare qualcosa che non conoscono”.

Carlsson suggerisce di creare team di fusione o un centro di eccellenza che possano fornire una guida e un supporto insieme a valutazioni realistiche di ciò che funziona e non funziona bene, come un compagno di AI a cui le persone possono rivolgersi. “Non fare mai l’intelligenza artificiale da soli dovrebbe essere una legge dell’AI”, dice.

Alcuni esperimenti saranno dei fallimenti. “Non è che non ci siano problemi o rischi”, concorda Bratincevic. “Ovviamente ci sono problemi e rischi con la democratizzazione in scala. Ciò che le aziende di successo fanno è gestire il rischio in modo pragmatico, separando i diversi tipi e individuando un luogo autorizzato in cui inserire le attività, attenuandone, così, la gran parte”. Ancora una volta, questo è il vantaggio low-code: sfruttare la creatività dei dipendenti che sono motivati a risolvere i problemi aziendali, e ora possono aggiungere l’agentic AI come strumento per farlo in modo gestito e visibile.