L’intelligenza artificiale promette di rendere interrogabile l’intero patrimonio informativo dell’impresa. Ma trovare un documento non significa ricordare, e recuperare una risposta non significa sapere se sia ancora vera. Il rischio è l’obsolescenza convincente: una conoscenza superata o fuori contesto presentata con l’autorità del presente.
Le imprese conservano infatti quantità crescenti di documenti, procedure, verbali e materiali di progetto. Eppure, quando un’informazione serve davvero, spesso dipendono ancora dalla persona che “si ricorda come era andata”, dal collega che conosce il documento giusto o da chi era presente quando una decisione venne presa.
L’intelligenza artificiale sembra promettere la fine di questa amnesia. Basta formulare una domanda e il sistema cerca, collega, sintetizza e risponde. Ma una risposta può provenire da un documento autentico ed essere comunque sbagliata, perché quel documento è stato superato, descriveva una situazione locale, era soltanto una bozza oppure apparteneva a un contesto che non esiste più.
Indice degli argomenti
Il rischio dell’obsolescenza convincente
Il problema non è più soltanto trovare l’informazione. È stabilire se abbia ancora il diritto di orientare una decisione. Un archivio conserva documenti. Una memoria organizzativa conserva significati, decisioni, responsabilità e apprendimenti. La differenza diventa fondamentale quando entra l’IA. Un motore di ricerca restituisce risultati e lascia alla persona il compito di interpretarli. Un assistente basato sull’intelligenza artificiale costruisce direttamente una risposta. Riduce la distanza tra la fonte e la conclusione, ma può ridurre anche la visibilità del percorso che le collega.
Più la risposta è fluida, meno siamo portati a chiederci: quale documento è stato utilizzato? Di quale data? Era una versione approvata? Valeva per tutta l’organizzazione? È ancora in vigore? Chi avrebbe dovuto aggiornarlo? Nasce così l’obsolescenza convincente: non una falsità inventata dalla macchina, ma una verità scaduta presentata con l’autorità del presente.
Dalla governance dei dati alla governance della conoscenza
Prima dell’intelligenza artificiale viene l’intelligenza dei dati: definizioni condivise, fonti affidabili, responsabilità chiare, tracciabilità. Ma i dati descrivono soltanto una parte della realtà organizzativa.
Un dato può dirci che cosa è accaduto. Un documento può raccontarci che cosa è stato deciso. La memoria organizzativa deve spiegare anche quando quella decisione è stata presa, su quali condizioni si basava, chi ne era responsabile e se sia ancora valida. Accanto alla data governance diventa quindi necessaria una knowledge governance: una responsabilità esplicita sulla conoscenza che l’impresa produce, conserva e rimette in circolazione.
Non basta sapere dove si trova un documento. Bisogna sapere quale ruolo abbia: fonte ufficiale, materiale di supporto, versione superata, interpretazione locale o decisione ancora vigente. Per decenni la preoccupazione principale è stata non perdere informazioni. Oggi il problema opposto è altrettanto importante: conserviamo quasi tutto, ma distinguiamo con difficoltà ciò che è vivo da ciò che è soltanto rimasto online.
Una memoria affidabile deve quindi anche saper dimenticare. Non cancellare la storia, ma togliere autorità operativa a ciò che non deve più guidare il presente. Deve separare la versione vigente dalle precedenti, la regola generale dall’eccezione locale, il fatto dalla sua interpretazione. Un’organizzazione che non sa dimenticare finisce per non sapere più ricordare.
Quando l’IA rende visibile il disordine
L’intelligenza artificiale non crea automaticamente memoria organizzativa. Rende interrogabile ciò che l’organizzazione ha conservato, comprese ambiguità, contraddizioni e conoscenze obsolete.
Questo limite può trasformarsi in uno strumento diagnostico. Se molte persone pongono continuamente la stessa domanda, forse il problema non è la ricerca. Potrebbero esserci una procedura difficile da comprendere, una responsabilità ambigua, una decisione non comunicata o un contenuto che nessuno ha aggiornato. Le domande rivolte all’IA possono così diventare sensori organizzativi: mostrano dove la conoscenza è fragile, dispersa o incoerente.
Il caso Sidel: dall’intranet alla memoria interrogabile
Sidel opera attraverso un ambiente digitale globale basato sull’ecosistema Microsoft 365. Su questa infrastruttura è stato avviato il passaggio dall’intranet inSide, luogo di pubblicazione e archiviazione, a un patrimonio di conoscenza interrogabile attraverso Copilot.
Il valore più immediato è evidente: recuperare rapidamente una procedura, una comunicazione, il contesto di una decisione o l’esperienza di un progetto. Ma il lavoro più importante non riguarda la velocità della ricerca. Riguarda le condizioni che rendono affidabile la risposta.
Nel percorso di costruzione di AI Factory è emerso rapidamente che il vero tema non consiste nel rendere disponibili più informazioni, ma nel trasformarle in conoscenza affidabile.
L’informazione è un contenuto isolato: un documento, una procedura, una presentazione, un verbale, una pagina intranet. La conoscenza nasce quando quel contenuto viene collocato nel proprio contesto: chi lo ha prodotto, quando è stato approvato, a quale processo si riferisce, quali decisioni ha generato, da quali policy dipende e quali versioni lo hanno preceduto.
Per questo l’architettura adottata non si limita a rendere interrogabili i contenuti dell’ecosistema digitale. L’obiettivo è costruire progressivamente una memoria aziendale nella quale documenti, processi, persone, decisioni e dati possano essere correlati tra loro. In questo modo i sistemi possono ricostruire non soltanto che cosa hanno trovato, ma anche perché quel contenuto sia rilevante e quale grado di affidabilità gli possa essere attribuito.
I criteri di autorevolezza delle fonti
Uno dei primi apprendimenti è che non tutte le fonti hanno lo stesso valore. Una procedura approvata, una policy pubblicata da una funzione globale o una knowledge base governata non possono essere trattate come una presentazione locale, una bozza o un documento non aggiornato da anni. È quindi iniziata la definizione di criteri di autorevolezza basati su provenienza, ownership, stato di approvazione, data di revisione, classificazione e utilizzo effettivo da parte dell’organizzazione.
Il percorso ha reso visibili anche criticità molto concrete: duplicazioni, versioni concorrenti dello stesso documento, contenuti privi di un responsabile, informazioni corrette ma non più attuali, conoscenze distribuite in repository differenti. L’IA non elimina automaticamente queste incoerenze. Al contrario, la capacità di interrogare il patrimonio informativo le espone.
Per questa ragione la governance dei contenuti sta diventando un elemento centrale della strategia AI. Ogni fonte deve avere un proprietario riconoscibile, cicli di revisione definiti e criteri trasparenti per acquisire, mantenere o perdere autorevolezza nel tempo. La qualità delle risposte non dipenderà soltanto dalla sofisticazione del modello, ma sempre di più dalla qualità della conoscenza organizzativa che l’azienda sarà capace di governare.
Dal documento alla relazione
La direzione evolutiva di AI Factory è la costruzione di un Knowledge Graph aziendale.
In questo modello l’IA non vede semplicemente documenti, ma relazioni: una policy collegata ai processi che regola, alle decisioni che l’hanno originata, ai sistemi che la applicano, ai responsabili che la mantengono e agli indicatori che ne misurano l’efficacia. La memoria organizzativa non è più soltanto un insieme di contenuti recuperabili, ma una rete di legami che permette di ricostruire contesto, dipendenze e responsabilità.
L’obiettivo finale non è trovare informazioni più velocemente. È aiutare l’organizzazione a comprendere meglio il proprio patrimonio di conoscenza e a utilizzarlo per prendere decisioni più coerenti, trasparenti e affidabili.
La responsabilità di ricordare
Abbiamo costruito organizzazioni capaci di conservare quasi tutto. L’intelligenza artificiale le sta rendendo capaci di ritrovare quasi tutto. Ma tra conservare, ritrovare e ricordare esiste ancora una distanza decisiva. Ricordare significa riconoscere una fonte, ricostruire un contesto, comprendere perché una scelta è stata fatta, sapere se le condizioni sono cambiate e assumersi la responsabilità di stabilire che cosa possa ancora essere utilizzato per decidere. Nel tempo delle macchine capaci di ritrovare tutto, la vera intelligenza organizzativa consisterà nel sapere che cosa è ancora vero, che cosa non lo è più e chi se ne assume la responsabilità.
Partecipa alla community