(Questo articolo è stato originariamente pubblicato suForbes.com)
Yu Fang è cofondatore e direttore tecnico (CTO) di Sonatus, azienda specializzata in sistemi distribuiti e architetture per veicoli dotate di tecnologia " AI".
Per decenni, il software aziendale ha funzionato secondo un principio semplice: sviluppare un unico prodotto e venderlo a numerose organizzazioni. Si pensi a Microsoft Office, SAP o Lotus Notes. Il software di base era progettato per essere ampiamente applicabile. La personalizzazione era più che altro un problema del cliente.
Quella premessa aveva senso quando il software era costoso e lento da sviluppare. Non ci si poteva permettere di scrivere una soluzione diversa per ogni cliente. La standardizzazione era l’unica scelta economicamente razionale. Quella logica non è più valida perché l’economia dello sviluppo del software è cambiata radicalmente.
Il costo dell’approccio “taglia unica”
Il software generico ha sempre comportato un costo nascosto, misurato in termini di tempo perso ed errori introdotti per adattare un prodotto generico a un caso d'uso o a un flusso di lavoro specifico. Questi costi sono reali. Semplicemente non compaiono sulla fattura.
Nei settori caratterizzati da casi d’uso e flussi di lavoro complessi, tale onere può accumularsi e amplificarsi. Si prenda ad esempio la diagnosi dei problemi automobilistici. I principali produttori di apparecchiature originali (OEM) nordamericani dispongono di oltre 40 miliardi di dollari in riserve per garanzie. Solo nel primo trimestre del 2026, sono stati richiamati 12,1 milioni di veicoli negli Stati Uniti, il 47% dei quali è stato riparato tramite aggiornamenti software over-the-air. Gli strumenti generici progettati per il caso d’uso medio non sono in grado di risolvere quello specifico.
Quando un veicolo entra in officina, il tecnico si trova di fronte a un rompicapo diagnostico. Sa che le sospensioni hanno funzionato in modo anomalo, ma perché? Un guasto a un componente? Un errore del software? Gli strumenti generici individuano il sintomo, ma raramente ne individuano la causa. Il risultato è spesso un processo lento e manuale e, quando un tecnico va in pensione, la sua competenza se ne va con lui.
Cosa significa oggi "personalizzato"
AI ha cambiato radicalmente l'economia dello sviluppo del software, non in modo incrementale, ma strutturale.
In passato le soluzioni personalizzate erano costose perché lo sviluppo del software era lento. Questo limite sta scomparendo. L'AI e ora accelera lo sviluppo attraverso la generazione di codice, l'estrazione di modelli e la progettazione automatizzata dei flussi di lavoro. Ciò che un tempo richiedeva mesi di lavoro da parte degli ingegneri può ora essere definito e realizzato in una frazione di quel tempo.
Ma la velocità da sola non è l’argomento a favore della personalizzazione. L’argomento più importante è che una trasformazione guidata dall’ AI e deve essere radicata nella realtà esistente del cliente: i suoi dati, i suoi strumenti e i suoi flussi di lavoro. Non si sostituisce tutto e non si costringe l’organizzazione a imparare da zero. Si introduce l’ AI e in ciò che già esiste. Si interviene sul processo così com’è e lo si rende più veloce, più coerente e più scalabile.
Pensateci in questo modo. Sia un foglio di calcolo vuoto che un modello preconfigurato contengono numeri. Ma il modello — già strutturato per la vostra attività, con i campi e le formule giusti — vi permette di ottenere una risposta in pochi minuti, non in ore. Ora applicate questo principio a un flusso di lavoro diagnostico, a un processo di controllo qualità dei fornitori o a un sistema di monitoraggio della flotta. La differenza tra un punto di partenza generico e uno creato appositamente è di natura operativa, non estetica.
Due trasformazioni in corso in parallelo
Un approccio alle soluzioni personalizzate basato sull’ AI e può dare vita a due trasformazioni che il software generico ha storicamente faticato a realizzare contemporaneamente.
Il primo aspetto riguarda la trasposizione operativa delle competenze umane. Le conoscenze, i modelli decisionali e il giudizio diagnostico sviluppati da ingegneri esperti possono essere sempre più integrati in sistemi di “ AI ” e resi disponibili a livello dell’intera organizzazione. Il risultato è una maggiore capacità organizzativa, una conoscenza condivisa anziché isolata e competenze che si accumulano anziché andare perse con l’uscita di scena dei collaboratori.
Il secondo consiste nel trasformare i flussi di lavoro manuali in flussi di lavoro basati sull’autonomia. Molti processi operativi si affidano ancora alle persone per coordinare le decisioni, trasferire il lavoro tra i sistemi e risolvere le eccezioni di routine. I flussi di lavoro basati sull’autonomia trasferiscono gran parte di tale coordinamento a un’ AI, consentendo processi sempre più autonomi, adattivi e scalabili, pur operando all’interno di limiti definiti.
L'intelligenza artificiale è alla base dei flussi di lavoro basati sull'autonomia. Insieme, creano le condizioni per un aumento della produttività che va oltre l'automazione delle singole attività, fino a ridefinire il modo stesso di lavorare.
Perché il sito generico AI non è sufficiente
L’ AI e generico è efficace, accessibile e in rapida evoluzione. Tuttavia, da solo, non è sufficiente per la maggior parte degli ambienti in cui la posta in gioco è alta.
Ecco perché: l’ AI e generico eccelle nel riconoscere schemi e nel recuperare informazioni semanticamente simili a una domanda. È in grado di sintetizzare ciò che ha funzionato in situazioni analoghe. Tuttavia, senza un modello dei vostri prodotti, processi e ambiente operativo, non può determinare in modo affidabile quale sia la soluzione a un guasto specifico in una determinata serie di condizioni.
Non si tratta di un limite dell’intelligenza artificiale generativa ( AI ) in quanto categoria. È un limite dell’intelligenza artificiale generativa per la ricerca ( AI ), che non dispone delle conoscenze di settore e del contesto operativo richiesti dall’attività.
AI, invece, è una soluzione appositamente progettata che utilizza un sistema di recupero strutturato in grado di comprendere le relazioni tra sistemi e componenti, non limitandosi a rilevare somiglianze superficiali. Combina dati specifici del settore, contesto operativo e conoscenze ingegneristiche per migliorare la diagnosi, adattare il proprio approccio in base alla complessità del caso e acquisire il know-how aziendale che, altrimenti, rischierebbe di andare perso con l’uscita di scena dei dipendenti più esperti.
Il nuovo standard
La personalizzazione non è più un lusso riservato a budget elevati e tempistiche lunghe. Per le organizzazioni che operano in contesti complessi e ad alto rischio, rappresenta sempre più una delle strade più efficaci da seguire, anche se l’approccio corretto dipende ancora dal caso d’uso, dall’infrastruttura esistente e dalla preparazione dell’organizzazione.
Gli OEM che spendono miliardi in costi di garanzia e richiami raramente hanno problemi di carenza di software. La sfida sta nel fatto che gran parte del loro software è stato sviluppato per gestire le informazioni, non per comprendere le specifiche modalità di guasto, il contesto ingegneristico e i flussi di lavoro dell’assistenza che determinano tali costi.
Credo che le organizzazioni che riusciranno a colmare tale divario lo faranno sviluppando soluzioni radicate nella loro realtà operativa, introducendo l’ AI e nei processi in cui il costo di un errore si traduce in conseguenze concrete, come il richiamo di veicoli e l’erosione dei margini.
Quindi, prima di investire in un altro strumento generico di analisi dei dati ( AI ), chiedetevi dove la competenza settoriale, la complessità dei flussi di lavoro e il know-how aziendale creano i maggiori attriti. Questi sono spesso i candidati più indicati per soluzioni ad hoc ( AI). A quel punto, valutate se i dati sottostanti siano sufficientemente strutturati e accessibili per addestrare una soluzione e se gli strumenti e i flussi di lavoro esistenti possano supportare l’integrazione senza una sostituzione totale.
Un tempo il software personalizzato era l’eccezione, ma credo che stia diventando la norma — non perché siano cambiate le ambizioni, bensì perché sono cambiate le dinamiche economiche. Per le organizzazioni disposte a individuare in quali ambiti le soluzioni personalizzate apportano il massimo valore aggiunto e a svilupparle di conseguenza, l’opportunità è significativa.