Affinare e scalare
Attivare e scalare l'AI
Da advise a assist a act, per use case e con i numeri, non a sensazione. È così che l'AI resta utile e affidabile.
Aggiornato il 18 mag 2026
Refine · 6.3
Perché è importante ora
L’AI non è un interruttore. È una capacità che cresce per use case con la qualità dei dati, la fiducia degli utenti e la maturità della governance. Un use case al livello 1 che funziona = valore. Lo stesso use case prematuramente al livello 3 = una rottura di fiducia che richiede mesi per essere ricucita.
Cosa consegna?
Report di stato AI
Per use case: livello attuale, accuratezza, correzioni, fiducia degli utenti.
Criteri di promotion/demotion
Quali numeri fanno scattare salita o discesa di livello.
Feedback loop
Come le correzioni degli operatori rientrano nel modello, con audit trail.
Update di governance
Evidenze di compliance e comunicazione di trasparenza agli utenti finali.
Ciclo di promotion e demotion
Promotion al livello successivo
Quando
Accuratezza > 85% su 4-6 settimane, fiducia degli utenti > 70%, nessun incidente P1 legato a questo use case.
Stabilizzazione al livello attuale
Quando
Accuratezza 60-85%, correzioni in calo ma non abbastanza rapide. Resti al livello attuale e lavori sulla qualità dei dati.
Demotion a un livello inferiore
Quando
Accuratezza < 60%, incidente P1 causato o lamentele degli utenti in escalation. Faccia subito un passo indietro, ricostruire la fiducia richiede tempo.
Domande chiave
- 1Quali use case girano oggi e a quale livello? Corrisponde alla matrice di ambizione 4.12?
- 2Come misura l'accuratezza? Operatore conferma → conta come "corretto". Operatore sovrascrive → conta come "correzione".
- 3Fiducia degli utenti, survey o implicita (quanto spesso gli utenti sovrascrivono il suggerimento AI)? Entrambe sono di valore.
- 4Decisione di promotion, chi firma il passaggio di un use case al livello 2 o 3? Comitato direttivo o service owner?
- 5Azioni di qualità dati, se l'accuratezza si blocca, quali interventi attiva (affinare classificazione, estendere KB, ripulire vecchi ticket)?
- 6Feedback loop, come una correzione rientra nel modello? Giornaliera, settimanale, revisione manuale?
- 7Trasparenza, comunica agli utenti cosa fa l'AI e quando possono fare "opt out"?
- 8Evidenze di compliance, per AI Act o audit interno: quali log conserva, chi li vede, quale retention?
- 9Procedura di roll-back, in caso di demotion: come torna indietro, come lo comunica, come ricostruisce la fiducia?
- 10Nuovi use case, quali candidati sono in coda? Quali prerequisiti (dati, addestramento, governance) mancano ancora?
Template — Report di stato AI (trimestrale)
| Use case | Livello attuale | Accuratezza | Correzioni | Fiducia | Proposta | Owner |
|---|---|---|---|---|---|---|
| Classificazione ticket | 1 — Advise | 87% | 12% operatori | 81% | ↑ Promote a 2 (assist) | Service mgr |
| Risposta KB | 2 — Assist | 72% | 22% sovrascritte | 65% | → Stabilizzare, estendere KB | Service mgr |
| Rilevamento no-show | 1 — Advise | 91% | 3% falsi-positivi | 88% | ↑ Promote a 3 (act, escl. sala consiglio) | FM lead |
| Auto-routing P3 | 2 — Assist | 54% | 42% sovrascritte | 38% | ↓ Demote a 1, revisione skill del gruppo di lavoro | Service mgr |
| … | … | … | … | … | … | … |