Il commercio all'ingrosso funziona su flussi: merci, ordini, fatture e informazioni che si muovono avanti e indietro tra fornitori e clienti. Gran parte delle ore d'ufficio va a lavoro che si ripete all'interno di quel flusso — inserire e controllare ordini, confrontare le scorte con acquisti e vendite, tenere traccia degli accordi sui prezzi, far corrispondere fatture con bolle di consegna, rispondere a domande dei clienti su tempi di consegna e disponibilità. A fianco c'è lavoro che si ripete meno: negoziare con i fornitori, comporre un assortimento, gestire un cliente in una situazione difficile, decidere cosa fare quando una consegna si blocca.
Questi due tipi di lavoro portano a un esito diverso quando un'ambizione presuppone lavoro AI. Il lavoro ripetitivo con regole fisse si lascia rilevare più facilmente del lavoro in cui qualcuno valuta continuamente da capo cosa è corretto in questa situazione. Le condizioni che determinano l'esito non sono solo la natura del lavoro, ma anche quanto pulita e strutturata è la data sottostante — una riga d'ordine registrata diversamente in cinque sistemi è più difficile da leggere per un sistema che per una persona che conosce il contesto.
In una parte delle aziende del commercio all'ingrosso, oggi il lavoro viene già rilevato: il controllo degli ordini rispetto alle condizioni d'acquisto, la sintesi delle email dei fornitori in un'azione, il popolamento di una previsione delle scorte basata su schemi storici. In un'altra parte delle aziende, esattamente lo stesso lavoro rimane interamente in mano alle persone. La differenza raramente sta nella volontà di cambiare. Sta nel fatto che la data sia in ordine, che ci sia qualcuno autorizzato ad approvare o respingere con motivazione l'esito di un sistema, e che l'organizzazione abbia stabilito chi decide su cosa quando le cose vanno storte.
Tre categorie ricorrono in quasi ogni processo del commercio all'ingrosso. C'è lavoro che un sistema può rilevare senza intervento, come il trasferimento di una riga d'ordine nel formato corretto. C'è lavoro in cui l'AI fa una proposta e una persona valuta quella proposta — una nota di credito che viene proposta, ma approvata o rimandata con motivazione da un collaboratore. E c'è lavoro che resta lavoro umano, come la conversazione con un fornitore che non rispetta i tempi di consegna. Quale compito rientra in quale categoria varia da azienda a azienda e da sistema a sistema, e cambia non appena cambiano la data o il processo.
Un'ambizione come "il nostro servizio clienti funzionerà presto in gran parte in modo automatizzato" presuppone che l'azienda sia in grado di categorizzare le domande dei clienti, che la conoscenza dietro una risposta sia strutturata da qualche parte, e che esista un accordo su quando una domanda passa a una persona. Senza questi tre elementi, l'ambizione è una frase, non un piano. Lo stesso vale per un'ambizione riguardante la gestione delle scorte: essa richiede che i dati di acquisto, vendita e logistica siano allineati tra loro, e che qualcuno sia autorizzato a correggere un consiglio d'ordine proposto dall'AI.
La verifica dell'ambizione fissa tali ambizioni in quattro livelli — visione, vision state, target, target state — e le verifica su otto dimensioni di prontezza, con cinque confidence gate che indicano dove il piano si basa ancora sulla fiducia piuttosto che sulle prove. La stessa verifica traduce l'esito in capabilities: cosa deve saper fare un determinato ruolo, e a chi spetta il diritto decisionale quando un sistema propone un esito. Per le aziende del commercio all'ingrosso che riflettono anche su quanta parte del profitto viene assorbita dal mantenimento della quota di mercato, vale la pena leggere come si pesa la crescita rispetto al margine in una strategia, perché un'ambizione AI senza quella valutazione diventa presto un'assunzione invece che una scelta.
Il commercio all'ingrosso condivide molto con gli anelli logistici che lo precedono e lo seguono. Chi vuole fare il confronto con un settore in cui il lavoro fisico sulle merci è ancora più vicino al processo, lo trova in quali ambizioni AI emergono nel settore dei trasporti, e chi vuole vedere come la stessa ambizione si traduce in un ambiente produttivo, legga quali ambizioni AI emergono nell'industria manifatturiera. Il pattern si ripete: le stesse parole d'ambizione, prontezza diversa, esito diverso.
Dove questo tocca il personale — quali funzioni cambiano quando il lavoro si sposta — si applicano requisiti legali propri che non rientrano in questa verifica. Ciò che la verifica dell'ambizione fa, è chiarire quale capacità si libera quando un determinato lavoro si sposta, in ore e fte, in modo che un team direttivo sappia di cosa parla prima di parlare di persone.
La domanda di fondo — quale lavoro in questa azienda sia effettivamente rilevabile dall'AI — viene risposta con lo scan del lavoro di FTE TO AI per compito, invece che per funzione o per assunzione. Per un team direttivo che vuole prima sapere se la propria visione è sufficientemente misurabile da poter essere verificata, c'è come rendere misurabile una visione.
Chi vuole sapere dove si trova la propria organizzazione può fare il controllo di prontezza gratuito: otto domande brevi, una per dimensione, con come risultato un quadro di dove si è più avanti e dove si è meno avanti. La verifica completa dell'ambizione, con i quattro livelli e i cinque confidence gate, è in fase di sviluppo.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.