Definire schemi e SLA tra team produttori e consumatori non rallenta: elimina la categoria di bug più costosa che conosciamo.
Scrivo queste righe dopo l’ennesima presentazione in cui un sistema di regole viene venduto come «intelligenza artificiale». Non è pedanteria: le parole plasmano le aspettative, e aspettative distorte generano decisioni sbagliate.
Il problema con le etichette facili
Quando tutto è AI, niente lo è davvero. I budget vengono allocati sulla base di promesse che nessun sistema può mantenere. I team tecnici si trovano a gestire aspettative impossibili. E chi prende decisioni strategiche perde la capacità di distinguere un investimento sensato da un acquisto impulsivo.
La confusione terminologica non è un problema accademico. È un problema di bilancio.
editoriale datastack
Una proposta
Basterebbe poco: usare «machine learning» quando c’è un modello statistico, «automazione» quando ci sono regole deterministiche, e «AI» solo quando il sistema ha una qualche forma di ragionamento adattivo. Non è perfetto, ma è un inizio.
La chiarezza costa zero e paga sempre. Iniziamo dalle job description.
