L’Intelligenza Artificiale ha bisogno di una Company Memory

 

L’Intelligenza Artificiale può analizzare informazioni, interpretare documenti, individuare relazioni tra dati e supportare attività sempre più complesse.

Ma un modello AI, per quanto evoluto, non conosce automaticamente una cosa fondamentale: come funziona realmente una specifica azienda.

Non conosce le decisioni prese negli anni, le eccezioni diventate parte del lavoro quotidiano, le modalità operative consolidate, le soluzioni già individuate o le ragioni per cui un determinato processo viene gestito in un certo modo.

Questa conoscenza, però, esiste.

È distribuita tra documenti, procedure, sistemi, progetti, conversazioni e soprattutto esperienza delle persone. Qui diventa utile il concetto di Company Memory.

Con questo termine non intendiamo uno specifico prodotto tecnologico, ma la capacità di un’organizzazione di conservare, organizzare e rendere utilizzabile nel tempo la propria conoscenza.

Un’esigenza che esiste da sempre, ma che con l’ingresso dell’AI nei processi aziendali assume un’importanza ancora maggiore.

 

Cosa significa davvero Company Memory.

Considerare la Company Memory come un archivio è riduttivo.

Un’azienda può avere migliaia di documenti correttamente conservati e continuare ad avere grandi difficoltà nel recuperare la conoscenza necessaria per lavorare.

Questo perché la memoria di un’organizzazione comprende molto più di ciò che viene formalmente documentato.

Comprende:

• procedure e regole
• decisioni prese nel tempo
• esperienze maturate nei progetti
• problemi già affrontati
• soluzioni individuate
• eccezioni gestite
• responsabilità e riferimenti
• modalità operative consolidate

Una parte di questo patrimonio è esplicita e strutturata. Un’altra parte rimane invece nella memoria delle persone o emerge soltanto quando si presenta una determinata situazione.

Pensiamo a una richiesta del cliente che non rientra perfettamente nella procedura standard.

La procedura può spiegare come dovrebbe funzionare il processo, ma per gestire correttamente quel caso potrebbe essere necessario sapere che una situazione analoga era già stata affrontata, quale soluzione era stata scelta e perché.

Quella conoscenza fa parte della memoria dell’azienda anche se non è contenuta in un manuale. Il problema nasce quando per recuperarla bisogna necessariamente sapere a chi chiedere.

Abbiamo già approfondito questo tema parlando di come trasformare il know-how aziendale in un patrimonio governabile.

 

Perché l’AI ha bisogno della memoria dell’azienda.

Un modello AI può conoscere moltissimo. Ma la sua conoscenza generale non coincide con la conoscenza specifica dell’organizzazione nella quale viene utilizzato.

Se chiediamo a un sistema AI: “come dobbiamo gestire questa situazione?”

La risposta potrebbe dipendere da elementi che esistono esclusivamente all’interno dell’azienda.

Una procedura interna.
Un accordo con il cliente.
Una decisione precedente.
Un’eccezione già approvata.
Una regola operativa.
Un particolare processo autorizzativo.

Non basta quindi che l’AI sia capace di interpretare la domanda.

Deve poter accedere alle informazioni corrette e al contesto necessario per comprenderle.

Ed è proprio questo uno dei passaggi fondamentali nell’evoluzione dell’AI aziendale.

Le architetture RAG (Retrieval-Augmented Generation), ad esempio, permettono di collegare i modelli AI alla conoscenza specifica dell’organizzazione, recuperando informazioni pertinenti dalle fonti aziendali prima di generare una risposta. Microsoft descrive questo approccio proprio come un modo per produrre risposte maggiormente contestualizzate e fondate sui contenuti dell’impresa, anziché affidarsi soltanto alla conoscenza del modello.

Va specificato però, che la tecnologia risolve soltanto una parte del problema.

Prima ancora di recuperare un’informazione bisogna sapere quale informazione può essere considerata affidabile.

 

Avere accesso ai documenti non significa conoscere l’azienda.

Connettere un sistema AI a una cartella documentale non crea automaticamente una Company Memory. Per utilizzare correttamente un’informazione bisogna spesso conoscerne anche il contesto.

Un documento potrebbe esistere, ma essere ormai superato. Una procedura potrebbe essere valida soltanto per una determinata divisione.

Due documenti potrebbero fornire indicazioni differenti. Una decisione presa anni prima potrebbe essere ancora formalmente disponibile, ma non più coerente con l’attuale organizzazione.

In altri casi l’informazione descrive ciò che è stato deciso senza conservare le ragioni che hanno portato a quella decisione, quindi risulta essere si corretta ma incompleta.

Per questo disponibilità dell’informazione e memoria organizzativa non sono la stessa cosa. Una Company Memory efficace dovrebbe permettere di comprendere almeno:

che cosa sappiamo – quanto è affidabile – in quale contesto è valido – chi ne è responsabile

È questa la struttura che trasforma una raccolta di contenuti in conoscenza realmente utilizzabile.

 

La memoria aziendale deve essere governata.

Se la Company Memory deve diventare una base anche per l’Intelligenza Artificiale, la governance diventa fondamentale.

La conoscenza non è statica.
Cambiano i processi.
Cambiano i sistemi.
Cambiano le responsabilità.
Cambiano normative, clienti, organizzazione e modalità di lavoro.

Di conseguenza deve essere possibile capire quali informazioni siano ancora valide, quali debbano essere aggiornate e quali non debbano più essere utilizzate.

Una memoria organizzativa realmente governabile richiede quindi alcuni elementi essenziali.

Questi sono tutti elementi importanti già oggi per le persone. Diventano ancora più rilevanti quando quella stessa conoscenza viene utilizzata da un sistema AI per formulare risposte, supportare decisioni o eseguire attività.

 

La Company Memory serve prima di tutto alle persone.

L’errore sarebbe pensare che la Company Memory diventi necessaria soltanto perché oggi esiste l’AI. Il problema della memoria organizzativa precede di molto l’Intelligenza Artificiale.

È evidente quando una persona lascia l’azienda e parte della sua conoscenza diventa difficile da ricostruire. Quando una nuova risorsa deve rivolgersi continuamente ai colleghi più esperti per orientarsi. Quando un problema già affrontato viene analizzato nuovamente perché non è possibile recuperare ciò che era stato fatto la prima volta. Quando una decisione viene rimessa in discussione senza conoscere il contesto che l’aveva determinata. Oppure quando la procedura ufficiale racconta soltanto una parte del modo in cui il lavoro viene realmente svolto.

La memoria organizzativa serve quindi prima di tutto a ridurre la dipendenza dalla memoria individuale e rendere riutilizzabile ciò che l’azienda ha già imparato.

È un tema che emerge chiaramente anche durante l’onboarding: se ogni nuova persona deve ricostruire da zero informazioni che l’organizzazione possiede già, il problema non riguarda soltanto la formazione, ma il modo in cui la conoscenza viene gestita. Lo abbiamo analizzato anche nell’approfondimento sui costi nascosti dell’onboarding aziendale.

Questo significa che l’AI non crea il valore della memoria aziendale bensì permette di utilizzarla in modo nuovo.

 

Perché il tema diventa ancora più importante con l’AI.

Finché l’Intelligenza Artificiale viene utilizzata per attività generiche, il livello di conoscenza specifica dell’azienda può avere un’importanza limitata.

La situazione cambia quando l’AI entra nei processi.

Se deve supportare una persona nel lavoro quotidiano, formulare una raccomandazione o arrivare a svolgere autonomamente alcune attività, deve conoscere molto più di informazioni generiche.

Deve poter operare tenendo conto di regole, responsabilità, precedenti, vincoli ed eccezioni proprie di quell’organizzazione.

Non sorprende quindi che il tema della memoria e del contesto aziendale stia iniziando a emergere anche nelle piattaforme enterprise. SAP, ad esempio, ha recentemente adottato il termine Company Memory per una specifica capacità di SAP Signavio destinata a mettere conoscenza e regole di processo a disposizione anche degli agenti AI.

Però, non è tanto il singolo prodotto, quanto la direzione ad essere interessante.

Perchè più l’AI diventa operativa, più diventa importante la qualità del contesto aziendale che le viene messo a disposizione.

Un modello molto evoluto collegato a conoscenza frammentata, obsoleta o contraddittoria continuerà ad avere un problema di fondo.

L’intelligenza del modello non corregge automaticamente la qualità della conoscenza dell’organizzazione.

 

Dalla conoscenza dispersa a un patrimonio utilizzabile.

È in questo contesto che si inserisce AIM Bridge.

Non perché AIM Bridge debba essere considerato una “Company Memory” come categoria di prodotto, ma perché interviene sul problema organizzativo che sta alla base del concetto: rendere il know-how aziendale meno frammentato e più facilmente utilizzabile.

AIM Bridge è un sistema potenziato dall’Intelligenza Artificiale progettato per raccogliere, organizzare e rendere accessibile la conoscenza operativa dell’azienda. Informazioni, procedure, decisioni, casi già affrontati e modalità operative possono essere collegate e recuperate più facilmente nel momento in cui servono.

L’obiettivo non è creare un ulteriore archivio. È evitare che una parte importante della conoscenza rimanga frammentata tra file, conversazioni, strumenti e memoria delle persone. Questo produce benefici concreti già oggi:

• rende più semplice recuperare informazioni e precedenti
• riduce richieste ripetitive alle persone più esperte
• facilita il trasferimento della conoscenza
• supporta l’onboarding
• aumenta la continuità quando cambiano persone e responsabilità
• permette di riutilizzare esperienze e soluzioni già maturate

Ma esiste anche una prospettiva ulteriore.

Più il patrimonio di conoscenza aziendale diventa strutturato, accessibile e governabile, più può diventare una base solida per applicazioni future dell’Intelligenza Artificiale.

 

Produrre informazioni ≠ costruire memoria.

Le aziende producono continuamente informazioni.. Documenti, email, report, ticket, procedure, analisi, decisioni. Ma produrre informazioni non significa necessariamente costruire memoria.

La memoria nasce quando…

Ciò che l’organizzazione apprende non scompare insieme all’attività che lo ha generato.
Un problema risolto diventa un precedente recuperabile.
Una decisione mantiene traccia anche delle ragioni che l’hanno determinata.
L’esperienza maturata in un progetto può essere utilizzata in quello successivo.
Una modalità operativa può essere trasferita senza dipendere esclusivamente dalla persona che la conosce.

È questo passaggio a trasformare la conoscenza individuale in patrimonio dell’organizzazione. Ed è anche ciò che rende quella conoscenza progressivamente più utile all’Intelligenza Artificiale.

 

L’AI ha bisogno di conoscere l’azienda, non soltanto di accedere ai suoi dati.

La diffusione dell’Intelligenza Artificiale sta mettendo in evidenza un’esigenza che in realtà le aziende hanno sempre avuto: riuscire a conservare e utilizzare ciò che imparano.

Un modello può essere estremamente potente.

Ma non può sapere automaticamente come un’azienda lavora, quali decisioni ha preso, quali eccezioni gestisce e quali regole applica. Questa conoscenza deve provenire dall’organizzazione stessa.

Per questo il tema della Company Memory non riguarda soltanto l’evoluzione futura degli agenti AI. Riguarda prima di tutto la capacità dell’azienda di sapere ciò che sa e riuscire a renderlo disponibile quando serve.

L’AI può rendere questa conoscenza molto più accessibile e utilizzabile.

Ma prima di chiedere all’Intelligenza Artificiale di conoscere l’azienda, serve fare in modo che l’azienda sia in grado di conservare, organizzare e governare la propria conoscenza.

AIM Bridge nasce per lavorare proprio su questo patrimonio, rendendo il know-how operativo più accessibile e utilizzabile nel lavoro quotidiano.

Contattaci per valutare come rendere più strutturata e governabile la conoscenza della tua organizzazione.