È ragionevole chiedersi, prima di fidarsi di qualsiasi affermazione del tipo “IA che impara il vostro business”: lo impara come, esattamente, e come farebbe chiunque a sapere se ha davvero funzionato? Il più delle volte la risposta onesta è che non funziona. Il modello è lo stesso modello il primo giorno e il trecentesimo giorno, e qualsiasi sensazione di miglioramento in realtà è solo che siete diventati più bravi voi a scrivere i prompt.
Volevamo una risposta vera per il nostro prodotto, non una comoda. Quindi lo abbiamo testato in due modi diversi.
La via lenta: un’azienda simulata, dodici mesi
AlphaForge è uno studio di branding che usiamo come simulazione: un arco realistico di dodici mesi eseguito sul prodotto live, con documenti reali e schemi di utilizzo reali, anche se non è un cliente pagante. All’inizio, la stessa domanda, “quanto dovremmo far pagare per un progetto come questo”, otteneva una risposta generica, perché nel Vault non c’era ancora nulla su cui basarla.
Sei settimane dopo, ogni volta che la fondatrice si sedeva davvero a farlo, non secondo un calendario fisso, arrivò il primo Alignment mensile strutturato. A quel punto il Vault in realtà non partiva da zero: note grezze e l’attività che già si stava accumulando dal vero lavoro con i clienti si erano accumulate silenziosamente per tutto quel tempo. L’Alignment diede forma a tutto questo. La volta successiva in cui emerse la domanda sui prezzi, la risposta fu diversa: faceva riferimento a una filosofia dei prezzi effettivamente documentata, menzionava per nome un cliente recente specifico, riprendeva una metodologia scritta una volta, in una nota grezza di cinquanta parole, settimane prima. Al sesto mese, citava schemi ricorrenti in quattro progetti passati e un’osservazione specifica del team su come si comporta un certo tipo di cliente. Al dodicesimo mese, redigere un’offerta che una volta richiedeva sei ore ne richiedeva quarantacinque minuti, non perché qualcuno digitasse più veloce, ma perché il sistema conosceva già l’ambito, le obiezioni e le formulazioni che tendono a funzionare.
Questo è il meccanismo, detto semplicemente: ogni Alignment mensile, ogni osservazione del team, ogni schema di offerta, e l’ordinaria attività quotidiana nel mezzo, viene scritto nel Vault, e ogni risposta futura viene assemblata usando quella storia come contesto di base. Più accumulo non significa nemmeno risposte più confuse. Curatoria, l’agente di manutenzione proprio del Vault, cura e riassume man mano che cresce, archiviando invece di eliminare, sempre prima con l’approvazione umana. Non è un modello più grande. È lo stesso modello con un posto vero, e sempre meglio curato, dove cercare le cose.
La via veloce: un mese controllato, verificato con una bolletta reale
La storia dei dodici mesi è convincente ma lenta da verificare in modo indipendente. Quindi abbiamo condotto anche qualcosa di più veloce e più freddo: una simulazione di un mese completamente controllata. Quattro persone, una fondatrice, tre membri del team, richieste reali, conversazioni reali con i clienti, offerte reali, ogni singola interazione IA una vera chiamata a un modello live, non uno script che recita risposte scritte in anticipo.
Ne sono emerse due cose.
Il costo era trascurabile. Abbiamo controllato la bolletta IA prima e dopo. L’intero mese simulato, team di quattro persone, è costato meno di un dollaro, in totale, non per utente. Il timore che le funzionalità IA diventino silenziosamente un secondo abbonamento costoso non regge a questa scala, anche moltiplicato generosamente per un team molto più impegnato.
L’onestà ha retto sotto pressione, ed è la parte a cui teniamo davvero. Alla fine di quel mese, abbiamo chiesto al livello di revisione strategica del sistema di guardare indietro a ciò che era successo. Erano state redatte e approvate sette offerte, un mese che sulla carta sembrava intenso. Uno strumento costruito per tenervi coinvolti l’avrebbe definito un mese fantastico. Il nostro no:
“Sei mesi dentro, l’azienda sta ancora solo scrivendo proposte… Illusione di pipeline: un alto volume di bozze approvate crea un falso segnale di progresso mentre non si materializzano né ricavi né lavoro con i clienti.”
Nessuno gli ha chiesto di trovare un problema. Ha guardato lo schema reale, bozze in aumento, niente che si converte in lavoro pagato, e lo ha detto, semplicemente, in un linguaggio che metterebbe chiunque leggermente a disagio leggendolo riguardo al proprio mese. Quel disagio è il punto. Un sistema che vi dice sempre e solo buone notizie in realtà non sta prestando attenzione.
Perché questo conta più del numero da titolo
Sarebbe facile partire con “la nostra IA diventa più intelligente col tempo” e fermarsi lì, perché quella è la versione comoda. La versione meno comoda, più utile, è: un sistema di memoria merita fiducia solo se è anche disposto a essere quello che vi dice qualcosa che non volevate sentire. Abbiamo costruito l’accumulo specificamente perché il sistema avesse abbastanza storia reale da notare schemi come “questo continua a non convertire”, non solo per suonare più impressionante in una chiamata di vendita.
La scommessa dietro l’accumulo
Sotto tutto questo c’è una domanda più grande, che vale la pena dire chiaramente: cosa succede quando ogni azienda inizia a funzionare su un’IA addestrata a dare a tutti più o meno la stessa risposta? Un’IA generica per impostazione predefinita non rischia solo di sbagliare a volte. Rischia di far sì che ogni azienda che si appoggia su di essa inizi ad apparire uguale, suonare uguale, prendere le stesse decisioni, perché il modello non ha memoria di ciò che rende davvero questa azienda diversa da quella accanto.
La scommessa dietro l’accumulo di Craft11 va nella direzione opposta. Non un modello più grande che dà risposte generiche più intelligenti, ma lo stesso modello con un posto reale, specifico e privato dove cercare le cose, che impara con un’azienda invece di imparare solo sul business in generale, abbastanza economico da far sì che farlo funzionare non sia mai un compromesso. Meno di un dollaro per un mese di uso reale non è solo un bel numero. È ciò che rende possibile dare a un piccolo team il tipo di memoria istituzionale strutturata che una volta solo le grandi aziende potevano permettersi, senza gravarle per quel privilegio.
Anche per questo l’IA qui non è mai stata pensata come il punto d’arrivo. È il punto di partenza. Immaginate cinquanta aziende diverse che usano Craft11 in cinquanta settori diversi, tra tre o cinque anni da oggi. L’interfaccia sembrerà quasi identica su tutti e cinquanta gli schermi. Ciò che c’è davvero dentro ciascuna di esse, la filosofia dei prezzi, gli schemi dei clienti, le centinaia di piccole decisioni di giudizio accumulate un Alignment mensile alla volta, non avranno nulla in comune. Questo è il punto, non un effetto collaterale. L’IA qui è pensata per sostenere la diversità di come cinquanta leader diversi scelgono di gestire la propria attività, non per appiattirla in un’unica “best practice” verso cui tutti vengono spinti. L’accumulo è il prodotto. L’IA è solo ciò che rende possibile l’accumulo.
Dodici mesi della storia di AlphaForge mostrano come si sente l’accumulo dall’interno. Un mese reale di simulazione verificata con una bolletta mostra quanto costa e se resta onesto sotto pressione. Preferiamo mostrarvi entrambi piuttosto che chiedervi di prendere per fede l’uno o l’altro.