Come le aziende native dell’IA trasformano i flussi di lavoro in capacità operativa

L’ultima edizione di Enterprise Signals di OpenAI mostra che l’IA aziendale sta passando dall’assistenza all’esecuzione, ma a velocità molto diverse. Le aziende di frontiera, ossia quelle nel 10% con il maggiore utilizzo dell’IA, ora generano per utente attivo un numero di token di output 8,3 volte superiore rispetto alle aziende tipiche, contro 2,6 volte a gennaio. Il divario crescente indica un cambiamento operativo più profondo: le aziende leader collegano gli agenti al contesto e agli strumenti aziendali, delegano attività più sostanziali e rendono più facile replicare i flussi di lavoro efficaci.

Per i leader, la sfida consiste nel trasformare questa profondità in un lavoro di cui le persone possano fidarsi e che possano misurare e migliorare. I leader dovrebbero anche lasciare spazio alla sperimentazione, compresi i casi d’uso il cui valore non è evidente al primo tentativo.

Le startup Basis⁠(si apre in una nuova finestra), Clay⁠(si apre in una nuova finestra) ed Exa Labs⁠(si apre in una nuova finestra) hanno integrato gli agenti nell’onboarding dei dipendenti, nella gestione degli account e nella crescita dell’ecosistema degli sviluppatori. I loro flussi di lavoro sono diversi, ma il percorso è istruttivo: insegnare a un agente un processo stabile, fornirgli un contesto persistente mentre il lavoro cambia e poi consentirgli di trasformare le opportunità in azioni verificate.

Nel complesso, questi esempi mostrano come i team possano integrare gli agenti nelle attività abituali e migliorare il processo nel tempo.

Da tempo l’onboarding è macchinoso sia per i datori di lavoro sia per i dipendenti. In Basis, che sviluppa agenti di IA per studi contabili, l’onboarding del primo giorno richiede ora 30 minuti anziché due ore, lasciando alle risorse umane più tempo per la cultura aziendale e il supporto.

Il primo giorno, i dipendenti ricevono subito accesso a Codex e a una skill di onboarding specifica per l’azienda, cioè un insieme riutilizzabile di istruzioni e risorse per un determinato flusso di lavoro. Codex li accoglie, presenta i concetti fondamentali dell’azienda e usa il loro computer per completare in background la configurazione delle integrazioni. Quando emergono domande ricorrenti o eccezioni, le risorse umane possono aggiornare la skill prima del gruppo successivo.

Basis ha mostrato una volta il processo di onboarding, poi lo ha trasformato in una skill riutilizzabile, con un’attivazione chiara, passaggi noti, accesso agli strumenti giusti e una definizione precisa di “completato”. Il processo non dipende più dalla disponibilità di una sola persona, ma il team può comunque intervenire in caso di eccezioni o domande complesse. L’onboarding è ora più coerente, replicabile e facile da migliorare, mentre i nuovi dipendenti acquisiscono subito un modello per lavorare con l’IA.

Clay, un’azienda che sviluppa un motore di crescita dei ricavi ad autoapprendimento per i team go-to-market, affronta una sfida commerciale ben nota: il contesto cruciale delle trattative è disperso tra record del CRM, e-mail, Slack, chiamate, presentazioni, messaggi di testo e conversazioni con i team interni e i referenti dei clienti.

Per mantenere aggiornato quel contesto, una delle responsabili tecniche GTM di Clay ha sperimentato un approccio migliore: un’area di lavoro persistente e un sottoagente dedicato per ogni account. Ogni sottoagente esamina le fonti primarie e aggiorna durante la notte la cartella della relativa trattativa. Ogni mattina, un agente coordinatore trasforma gli aggiornamenti di tutti i suoi account in un breve elenco di azioni prioritarie: rispondere a una domanda del cliente rimasta in sospeso, colmare una lacuna nel comitato d’acquisto oppure offrire a un potenziale cliente un motivo per riprendere i contatti.

Secondo Clay, questo flusso di lavoro le fa risparmiare circa un’ora ogni sera nello smistamento della posta in arrivo. Le priorità quotidiane la aiutano a portare a termine le piccole azioni che, sommandosi nel corso di un lungo ciclo di vendita aziendale, possono fare la differenza. Le prove a supporto restano associate a ogni raccomandazione, così i venditori possono verificare le fonti primarie prima di agire. Le aziende potrebbero estendere questo contesto condiviso ad account executive, BDR, tecnici delle soluzioni e responsabili delle vendite, nel rispetto delle autorizzazioni già previste per gli account.

Clay mostra di cosa ha bisogno un lavoro in continua evoluzione per crescere su larga scala: una struttura coerente, una cadenza di aggiornamento utile, prove condivise e giudizio umano al momento dell’azione.

Exa Labs, che sviluppa infrastrutture di ricerca sul web per agenti di IA, vuole rendere disponibile la propria API di ricerca ovunque possa essere utile agli sviluppatori. Il team chiama questo obiettivo “Exa ovunque”. In passato, per perseguirlo, i team di relazioni con gli sviluppatori e di gestione degli account dovevano monitorare repository e l’ecosistema più ampio, individuare integrazioni promettenti, raccogliere il contesto e coordinare il lavoro tra diversi sistemi. Sebbene le opportunità variassero, il percorso dalla scoperta all’implementazione seguiva una sequenza coerente. Exa ha trasformato quella sequenza in un flusso di lavoro definito per Codex, con priorità chiare, accesso alle fonti necessarie e revisione umana prima di qualsiasi rilascio.

Codex ora monitora le opportunità di integrazione ad alta priorità, raccoglie il contesto pertinente, crea pull request, esegue test e prepara aggiornamenti settimanali usando fonti come Slack e Notion. Quando opportuno, può anche preparare una bozza del passaggio successivo, incluso un annuncio iniziale, da sottoporre alla revisione del team. Il flusso di lavoro porta un’opportunità dal segnale a un risultato verificato, riducendo al contempo i passaggi di consegne tra ricerca, progettazione e comunicazione.

Le persone continuano a decidere quali opportunità contano, quali impegni dovrebbe assumere Exa e come gestire le relazioni esterne. I test e i punti di revisione rendono visibile il lavoro dell’agente prima del rilascio. I risultati dei test e la revisione umana possono indicare al team dove modificare il flusso di lavoro prima dell’esecuzione successiva. Man mano che il lavoro diventa più rilevante, autorizzazioni, prove e diritti decisionali assumono un peso maggiore nella progettazione del flusso di lavoro.

Nel complesso, Basis, Clay ed Exa traducono in termini operativi i modelli che osserviamo in Enterprise Signals. Basis trasforma un processo collaudato in una skill riutilizzabile. Clay fornisce a un agente il contesto e la persistenza necessari per mantenere aggiornato un insieme di attività in evoluzione. Exa aggiunge strumenti, test e revisioni affinché un agente possa trasformare un segnale in un’esecuzione ben delimitata. Tutte e tre integrano il miglioramento nel flusso di lavoro: le eccezioni nell’onboarding mostrano dove affinare una skill; le nuove attività sugli account e la convalida dei venditori mantengono aggiornato il contesto delle trattative; i test e la revisione umana definiscono meglio i limiti delle esecuzioni future. Ognuna parte da un’attività specifica e lascia spazio sufficiente per sperimentarla. La divisione del lavoro diventa più chiara con l’uso e la responsabilità aumenta man mano che il flusso di lavoro dimostra la propria efficacia.

Con l’ampliarsi del divario tra le aziende di frontiera e quelle tipiche, i leader aziendali devono lasciare ai dipendenti lo spazio per sperimentare flussi di lavoro rilevanti, misurare i risultati e trasformare gli esperimenti migliori in pratiche replicabili.

• Scegliete un’area di valore rilevante. Iniziate con un flusso di lavoro end-to-end in cui convergano una priorità strategica, sistemi, passaggi di consegne, controlli e risultati misurabili. Dovrebbe ripetersi abbastanza spesso da consentire di imparare e avere un’importanza tale da giustificarne la riprogettazione.
• Definite il risultato e come misurarlo. Indicate il responsabile, il KPI, il valore di riferimento e i limiti di sicurezza. Misurate la profondità attraverso le attività completate, il contesto e gli strumenti collegati, le eccezioni e il carico di revisione. Misurate il valore attraverso tempi di ciclo, qualità, costi, ricavi o rischi. Il volume di output può indicare che le persone chiedono all’IA di fare di più; i risultati dei flussi di lavoro mostrano se questo ha davvero valore.
• Scrivete la descrizione del ruolo dell’agente. Definite cosa attiva il lavoro, il risultato, il contesto necessario, gli strumenti, le autorizzazioni e con quanta costanza l’agente debba operare fino al completamento. Specificate quali prove deve produrre e in quali punti deve fermarsi per la revisione umana.
• Costruite il sistema umano intorno all’agente. Coinvolgete nella progettazione le persone più vicine al flusso di lavoro. Indicate chi è responsabile del risultato aziendale, della logica di dominio, degli accessi e dei controlli, dell’adozione e dell’uso quotidiano. Le startup concentrano queste responsabilità in poche persone; le aziende hanno bisogno di diritti decisionali espliciti man mano che il flusso di lavoro cresce.
• Rendete la sperimentazione visibile e riutilizzabile. Una ricerca di OpenAI rileva che, sei mesi dopo l’adozione, i dipendenti a inizio carriera inviavano 13 messaggi in più alla settimana rispetto ai dirigenti. Lasciate ai dipendenti lo spazio per sperimentare nuovi casi d’uso, quindi documentate il processo e le prove alla base di ciò che funziona e trasformateli in skill, plugin o aree di lavoro condivise. Chat, Work e Codex⁠(si apre in una nuova finestra) supportano modalità diverse: Chat per domande e collaborazioni rapide, Work per attività intellettuali in più passaggi e risultati finiti, e Codex per l’esecuzione tecnica.
• Applicate lo stesso modello operativo in futuro. Conservate il contesto, le autorizzazioni, le valutazioni, i punti di revisione, i responsabili, le metriche e il supporto che hanno funzionato, quindi applicateli all’area di valore successiva. Ogni nuovo esperimento dovrebbe offrire al team successivo un punto di partenza migliore.