Assistente, collaboratore, autonomia completa: le tre prossime ere dell'AI nel software enterprise 

Immaginiamo un'interfaccia utente per una piattaforma di business intelligence. In genere queste interfacce includono una serie vertiginosa di schede, barre laterali, menu a discesa, cursori e altri elementi dell'interfaccia utente. Un nuovo utente non saprebbe dove cercare per trovare ciò di cui ha bisogno e anche un utente esperto potrebbe faticare per trovare una funzionalità meno utilizzata. 

Immaginiamo invece che, al posto di tutti questi componenti, lo schermo presenti ora solo una semplice casella di testo. L'utente può inserire un prompt come "Genera un grafico che mostri i numeri degli abbonamenti anno dopo anno nell'ultimo decennio, per la fascia demografica 20-30 anni nella regione EMEA". E, in un batter d'occhio, il grafico si materializza. 

Non ci siamo ancora arrivati, tuttavia questo futuro non è lontano.

Negli ultimi dieci anni, le aziende di software si sono concentrate sul miglioramento dell'esperienza utente (UX), migliorando le interfacce utente (UI), semplificando i workflow e riducendo il numero di clic necessari per completare le attività. Questi progressi hanno aumentato la produttività attraverso l'aumento dei tassi di adozione del software e la riduzione dei tempi di completamento delle attività.  

Tuttavia, il software enterprise richiede ancora agli utenti di investire tempo nell'apprendimento e nell'adattamento ai diversi sistemi, in particolare durante la transizione da applicazioni legacy. Inoltre, le incongruenze nella progettazione tra le piattaforme complicano ulteriormente l'addestramento e l'adozione da parte degli utenti. 

Per affrontare queste sfide, le organizzazioni spesso introducono vasti programmi di gestione del cambiamento, tuttavia queste iniziative a volte non riescono a fornire i benefici desiderati a causa della scarsa accettazione dei nuovi sistemi da parte degli utenti. Questo fallimento spesso è causato da formazione inadeguata, resistenza al cambiamento e complessità della transizione dai sistemi legacy.

L'AI cambierà tutto questo. 

Esploriamo come ci aspettiamo che le applicazioni aziendali si evolvano in tre epoche distinte, guidate dai progressi dell'agentic AI, dai miglioramenti incrementali alla completa autonomia. 

Attualmente ci troviamo nelle prime fasi dell'integrazione dell'agentic AI nel software enterprise. Sebbene queste modifiche migliorino le esperienze degli utenti, integrano principalmente le interfacce utente esistenti anziché sostituirle. 

Assistenza basata su AI: completamento automatico di descrizioni e dettagli utilizzando l'AI generativa, consigli basati sul machine learning e recupero delle informazioni pertinenti utilizzando la retrieval-augmented generation (RAG).

Interfacce conversazionali: chatbot e copiloti consentono il completamento delle attività tramite comandi in linguaggio naturale.

Piattaforme personalizzabili: le soluzioni Platform-as-a-Service (PaaS) consentono ai clienti di creare funzioni di AI su misura utilizzando i modelli linguistici di grandi dimensioni (LLM) disponibili sulla piattaforma.

Sebbene questi progressi migliorino la produttività, le interfacce utente tradizionali rimangono parte integrante dell'interazione con l'utente ed è ancora necessario un coinvolgimento significativo da parte degli utenti.

In questa era, le applicazioni enterprise si spostano verso un framework più intelligente e collaborativo. L'interfaccia utente convenzionale passa in secondo piano, diventando principalmente uno strumento per i professionisti IT e i super utenti. Gli agenti AI automatizzano la maggior parte delle interazioni uomo-software, fornendo indicazioni dettagliate ed evidenziando i colli di bottiglia. Tuttavia, l'input umano è ancora necessario per le decisioni critiche. Le funzionalità principali previste in questa fase includono:

Agenti come interfacce: le interfacce conversazionali dominano l'interazione con l'utente, riducendo al minimo la dipendenza dalle interfacce utente tradizionali.

Comunicazione interagente: gli agenti AI su diverse piattaforme software comunicano in modo ottimale, utilizzando protocolli standardizzati simili ad HTTP.

Integrazione dinamica: le integrazioni manuali tra i prodotti software diventano obsolete, perché gli agenti AI scambiano informazioni in tempo reale. Questo cambiamento consente ai professionisti dell'IT di concentrarsi su compiti di maggiore valore, come la strategia e l'innovazione, piuttosto che sulla manutenzione ordinaria e sulla risoluzione dei problemi. I workflow organizzativi diventano più agili, poiché la comunicazione continua tra gli agenti AI riduce i colli di bottiglia e accelera i processi decisionali.

La fase evolutiva finale prevede applicazioni aziendali pressoché autonome, che richiedono un intervento umano minimo. Gli utenti definiscono gli obiettivi, mentre gli agenti AI collaborano per raggiungerli entro barriere organizzative predefinite. Le caratteristiche principali includono:

Agenti AI orientati agli obiettivi: gli utenti specificano gli obiettivi e gli agenti AI eseguono i compiti end-to-end.

Guide configurabili: le linee guida adattabili delineano i confini delle attività, i punti di decisione e i requisiti di autorizzazione. Questi possono essere configurati utilizzando il linguaggio naturale, eliminando la necessità di competenze IT specializzate. Ad esempio, gli amministratori immettere semplici istruzioni come " Inoltra tutte le fatture superiori a 10.000 USD per l'approvazione da parte del reparto finanziario" e il sistema procederebbe a generare il workflow appropriato.

Tuttavia, le potenziali limitazioni possono includere le ambiguità linguistiche, per cui comandi vaghi o mal formulati potrebbero causare configurazioni non intenzionali. Garantire l'accuratezza e fornire meccanismi di fallback, come prompt guidati o fasi di convalida, sono critici per affrontare queste problematiche.

Interfacce utente on-demand: le interfacce dinamiche vengono generate in base alle esigenze del processo decisionale o della presentazione delle informazioni.

Gestione dei dati non strutturati: le informazioni vengono acquisite principalmente in formati non strutturati e vengono trasformate in dati strutturati o semistrutturati ai fini dell'analytics e della reportistica. 

Architettura semplificata: le applicazioni enterprise sono costituite da due componenti principali, ovvero agenti AI specializzati e guide configurabili con limiti di ambito. I dati vengono memorizzati all'interno di repository centralizzati a livello di organizzazione, eliminando la necessità di archivi di dati specifici per l'applicazione.

Nel corso di questa epoca si prevede che gli aumenti di produttività siano sostanziali, con ulteriori benefici tra cui una riduzione del costo totale di proprietà (TCO) per le applicazioni aziendali e la gestione dei dati.