La domanda impossibile: dove sta il valore AI che gli esperti non ti dicono.

Il mio mestiere è portare agenti AI in produzione. La parte tecnologica — agenti, MCP, integrazioni, flussi agentici long-horizon — la conosco così bene che posso permettermi di non pensarci durante la discovery. Il focus vero è un altro: capire come lavorano i domain experts e come i loro workflow andrebbero ridisegnati per essere AI-centrici o ibridi umano-AI.

Qui incontro sempre lo stesso ostacolo, ed è umano, non tecnico. I domain experts non spostano naturalmente il loro mental model da tradizionale ad AI-first. Sono bravissimi nel loro mestiere proprio perché il loro modo di lavorare si è consolidato in anni di pratica. E quel consolidamento è sinonimo di qualità: il vero esperto sa cosa sta facendo, come, e sa trasferire la sua conoscenza ad altri.

Il punto di rottura è la velocità. Oggi quegli anni di expertise vanno comunicati in giorni, per iterare con l’innovation team e dare feedback rapidi. Serve lo stesso standard di qualità e la stessa ownership, ottenuti in un modo nuovo. Gli esperti ci riescono benissimo. Solo che all’inizio non sanno ancora di poterlo fare.

Il risultato pratico al primo tavolo è sempre lo stesso: chiedono feature che pensano di volere (quasi mai il core), chiedono di automatizzare quello che vedono (il processo che già padroneggiano), e non nominano mai i processi solidificati, quelli diventati «lo standard». È lì che sta l’oro.

Le parti più bisognose di AI in un workflow sono quasi sempre quelle che gli esperti non si accorgono nemmeno di fare in modo sub-ottimale. Si sono solidificate anni fa. Sono ripetitive, sicure, fuori discussione. Nessuno le rimette in gioco perché nel vecchio sistema erano il meglio possibile. È lo stesso meccanismo della conoscenza tacita: chi è bravo in un processo lo ha automatizzato dentro di sé, e non lo vede più.

E quando chiedi «cosa possiamo fare con l’AI?», gli esperti rispondono con quello che immaginano l’AI possa fare. La verità, ogni singola volta: quello che l’AI può fare è molto più di quello che immaginano. L’AI si è già mossa più veloce della maggior parte dei domain experts, e il gap si allarga a ogni release.

Da qui una responsabilità precisa di chi guida l’innovazione: spingere la barra della qualità sempre molto più in là di dove i domain experts la mettono all’inizio. Se il progetto si ferma dove l’esperto crede sia il limite, hai automatizzato il visibile e lasciato l’oro sotto terra.

A ogni primo tavolo faccio sempre la stessa domanda. Funziona per tre motivi precisi.

E poi ci costruisci sopra. La risposta alla domanda impossibile è il candidato naturale per il primo progetto: ha alto valore percepito dall’esperto stesso, quindi il buy-in ce l’hai gratis. E vive quasi sempre nella categoria «impossibile prima, fattibile adesso», dove il ROI cambia ordine di grandezza.

La domanda impossibile funziona solo se chi risponde si fida. La comunicazione è quasi sempre la cosa più critica in AI adoption, più di qualunque scelta tecnologica.

Le paure che incontro sono sempre due: «l’AI mi sostituisce» oppure «lavorerò di più, con deadline più strette». Un progetto che alimenta queste paure è il modo sbagliato di fare AI: apre un buco di token nel budget, rende le persone più distanti e meno produttive, e manca il punto più grande. Come costruire un’adozione che non alimenta quelle paure l’abbiamo scritto in come far adottare l’AI al team.

Il punto più grande: l’AI è un moltiplicatore. Apre quello che prima era impossibile. Usarla solo per limare qualche punto di margine è il modo più veloce per farsi mangiare i margini dai costi. Se invece punti alla categoria «impossibile prima, facile adesso», il collo di bottiglia si sposta: diventa il go-to-market, la produzione non lo è più.

Questa conoscenza nessun LLM ce l’ha regalata. L’abbiamo imparata sul campo, con persone vere e progetti veri, sbagliando e costruendo sopra gli errori. Il feedback che mi ha confermato la rotta: «con questo workflow AI-native gestiamo con facilità deadline che prima erano strutturalmente impossibili, o che richiedevano ore di straordinario».

Come si trasforma quella risposta in un deliverable in produzione, e chi firma la qualità, è il prossimo pezzo di questa serie. Intanto: fai la domanda impossibile al tuo team questa settimana, e guarda cosa salta fuori.