Immagina questo: sei seduto in una sala conferenze nel bel mezzo di una presentazione di vendite. La demo sembra solida e il prezzo rientra ampiamente nel budget. Anche la tempistica sembra ragionevole. Tutti annuiscono in accordo.
Sei letteralmente a pochi minuti dal dire di sì.
Poi entra qualcuno del tuo team finanziario. Vede il mazzo e aggrotta la fronte. Pochi minuti dopo ti inviano un messaggio su Slack: “In realtà ne ho realizzato una versione la settimana scorsa. Mi ci sono volute 2 ore in Cursor. Vuoi dare un’occhiata?”
Aspetta… cosa?
Questa persona non scrive codice. Sai che non hanno mai scritto una sola riga di JavaScript in vita loro. Ma eccoli qui, mostrandoti un prototipo funzionante sul loro laptop, che è praticamente esattamente ciò che consiglia il venditore. Certo, ha alcuni difetti, ma funziona. E non costava sei cifre. Solo due ore del loro tempo.
All’improvviso, le tue ipotesi su come viene sviluppato il software, chi lo produce e come vengono prese le decisioni iniziano a crollare.
vecchio telaio
Per decenni, ogni azienda in crescita si è posta la stessa domanda: Dovremmo farlo da soli o comprarlo?
E per decenni la risposta è stata piuttosto semplice: Se è il fondamento della tua attività, crealo; altrimenti compralo.
La logica aveva senso perché la costruzione era costosa e significava prendere in prestito tempo da ingegneri oberati di lavoro, scrivere specifiche, pianificare sprint, gestire le infrastrutture e prepararsi per una lunga coda di manutenzione. L’acquisto è stato più veloce. È più sicuro. Hai pagato il prezzo per il supporto e la tranquillità.
Ma qualcosa di fondamentale è cambiato: l’intelligenza artificiale ha reso l’edilizia accessibile a tutti. Lavori che prima richiedevano settimane ora richiedono ore, e lavori che una volta richiedevano la padronanza di un linguaggio di programmazione ora richiedono la padronanza dell’inglese semplice.
Quando il costo e la complessità dell’edificio crollano in modo così drammatico, la vecchia struttura crolla con loro. Non c’è più differenza tra costruire e acquistare. Questa è una cosa strana in cui non riusciamo a trovare le parole giuste.
Quando il mercato non sa (ancora) di cosa hai bisogno
La mia azienda non ha mai pianificato di produrre la maggior parte dei veicoli che utilizziamo. Abbiamo dovuto costruire perché le cose di cui avevamo bisogno non erano disponibili. E attraverso questo processo sviluppiamo una comprensione istintiva di ciò che vogliamo veramente, di ciò che è utile e di ciò che si può o non si può fare. Questo è ciò che ha effettivamente spostato l’ago della bilancia nella nostra attività, non ciò che i venditori ci hanno detto di aver bisogno o ciò che i rapporti degli analisti ci hanno detto che dovremmo desiderare.
Comprendiamo quali problemi vale la pena risolvere e quali no, dove l’intelligenza artificiale crea potere reale e dove è solo rumore. E solo allora, una volta ottenuta quella chiarezza faticosamente guadagnata, abbiamo iniziato a comprare.
A questo punto sapevamo esattamente cosa stavamo cercando e potevamo distinguere tra contenuto e marketing in circa cinque minuti. Abbiamo posto domande che hanno innervosito i venditori perché avevamo già sviluppato una versione rudimentale di ciò che stavano vendendo.
Quando chiunque può costruire in pochi minuti
La settimana scorsa, qualcuno del nostro team CX ha notato alcuni feedback dei clienti su un bug in Slack. Solo un piccolo reclamo da parte di un cliente, niente di grave. In qualsiasi altra azienda questo avvierebbe un ticket di supporto e aspetterebbe che qualcun altro lo gestisca, ma non è quello che è successo qui. Hanno aperto il cursore, hanno annunciato la modifica e hanno lasciato che l’IA scrivesse la correzione. Hanno quindi inviato una richiesta pull affinché l’ingegneria la rivedesse e unisse.
Appena 15 minuti dopo la comparsa di questo reclamo su Slack, la correzione è entrata in produzione.
La persona che ha fatto questo non ha alcuna conoscenza tecnica. Dubito che potrebbero dirti la differenza tra Python e JavaScript, ma hanno comunque risolto il problema.
E questo è il punto.
L’intelligenza artificiale è diventata così brava nel creare codice relativamente semplice da poter risolvere l’80% dei problemi che prima richiedevano una riunione di pianificazione dello sprint e due settimane di tempo di progettazione. Cancella il confine tra tecnico e non tecnico. Il lavoro che prima costituiva un collo di bottiglia per l’ingegneria ora viene svolto dalle persone più vicine al problema.
Questo sta accadendo proprio ora con le aziende che stanno effettivamente prestando attenzione.
Inversione in atto
È qui che diventa affascinante per i leader finanziari perché l’intelligenza artificiale ha effettivamente ribaltato l’intera logica strategica della decisione di costruire rispetto a quella di acquistare.
Il vecchio modello assomigliava a questo:
-
Identificare il bisogno.
-
Decidi se costruire o acquistare.
Tuttavia, definire l’esigenza ha richiesto molto tempo e una profonda competenza tecnica; altrimenti, sprecheresti denaro per tentativi ed errori tramite le app del fornitore. Guarderesti innumerevoli demo, cercando di immaginare se questo potrebbe effettivamente risolvere il tuo problema. Quindi rifletti, implementi, migri tutti i tuoi dati e flussi di lavoro nel nuovo strumento e sei mesi e sei cifre dopo scopri se avevi effettivamente ragione.
Ora l’intero processo è invertito:
-
Costruisci qualcosa di leggero con l’intelligenza artificiale.
-
Usalo per capire di cosa hai veramente bisogno.
-
Poi decidi se acquistarlo (e saprai esattamente perché).
Questo approccio consente di condurre esperimenti controllati. Capirai se il problema è importante oppure no. Scopri quali funzionalità forniscono valore e quali sembrano belle nelle demo. Dopo Vai a fare shopping per capire in primo luogo se hai quella necessità, piuttosto che lasciare che un venditore esterno ti venda ciò di cui hai bisogno.
Quando guardi indietro, pensa a quanti software hai acquistato che hanno risolto problemi che in realtà non avevi. Quante volte avete attraversato un processo di implementazione di tre mesi e avete pensato: “Aspetta un attimo, questo ci sta davvero aiutando o stiamo solo cercando di giustificare ciò che stiamo spendendo?”
Ora, quando si acquista, la domanda diventa: “Questo risolve il problema meglio di quanto abbiamo già dimostrato di poter costruire?”
Questa ristrutturazione cambia l’intera conversazione. Ora arrivi alle chiamate dei fornitori ben informato. Fai domande più acute e negozi da un punto di forza. Ancora più importante, eviterai di risolvere un problema che in realtà non incontri mai: il bug più costoso del software aziendale.
La trappola che dovresti evitare
Man mano che emergono questi nuovi talenti, vedo le aziende correre nella direzione sbagliata. Sanno che devono essere specifici per l’intelligenza artificiale, quindi vanno a fare shopping. Stanno cercando strumenti basati sull’intelligenza artificiale e riempiono le loro pile con integrazioni GPT, interfacce utente di chatbot o prodotti “AI” aggiunti al sito di marketing. Pensano che si stanno trasformando, ma non è così.
Ricorda cosa ha detto il fisico Richard Feynman scienza del culto del carico? Dopo la seconda guerra mondiale, gli isolani del Pacifico meridionale costruirono false piste di atterraggio e torri di controllo, imitando ciò che avevano visto durante la guerra, sperando che gli aerei carichi di merci tornassero. Avevano tutte le caratteristiche di un aeroporto: torri, cuffie e persino persone che si spacciavano per i controllori di volo. Ma nessun aereo è atterrato perché la forma non era funzione.
Questo è esattamente ciò che sta accadendo con la trasformazione dell’intelligenza artificiale nelle sale riunioni di tutto il mondo. I leader acquistano strumenti di intelligenza artificiale senza chiedersi se cambiano in modo significativo il modo in cui viene svolto il lavoro, a chi delegano o quali processi sbloccano.
Hanno costruito la pista di atterraggio, ma gli aerei non arrivano.
E l’intero mercato è fondamentalmente impostato per intrappolarti in questa trappola. Adesso tutto è etichettato come intelligenza artificiale, ma a nessuno sembra interessare cosa fanno effettivamente questi prodotti. Ogni prodotto SaaS era collegato a un chatbot o a una funzionalità di completamento automatico e aveva un’etichetta AI applicata su di esso, facendo perdere all’etichetta ogni significato. Questa è una casella di controllo che i venditori devono spuntare indipendentemente dal fatto che crei valore reale per i clienti.
FIl nuovo superpotere del team finanza
Questa è la parte che mi entusiasma di ciò che i team finanziari possono fare ora. Non devi più indovinare. Non è necessario scommettere a sei cifre su un mazzo di vendita. Puoi testare le cose e imparare effettivamente qualcosa prima di spenderlo.
Il mio punto è questo: se stai valutando un software di gestione dei fornitori, prototipa il flusso di lavoro di base con strumenti di intelligenza artificiale. Decidi se stai risolvendo un problema di attrezzatura o un problema di processo. Scopri se hai bisogno di software.
Questo non significa che costruirai tutto internamente; ovviamente no. Nella maggior parte dei casi continuerai comunque ad acquistare, e va benissimo, perché gli strumenti aziendali esistono per buone ragioni (dimensione, supporto, sicurezza e manutenzione). Ma ora comprerai con gli occhi ben aperti.
Saprai cosa significa “buono”. Arriverai alle demo già comprendendo i casi limite, e in circa 5 minuti saprai se risolvono effettivamente il tuo problema specifico. Lo implementerai più velocemente. Negoziate meglio perché non siete completamente dipendenti dalla soluzione del venditore. E lo sceglierai perché in realtà è migliore di quello che potresti fare da solo.
Avrai già pianificato la forma di ciò che ti serve e starai cercando la versione migliore.
nuovo paradigma
Per anni lo slogan è stato: fare o comprare.
Ora più elegante e intelligente: migliora la conoscenza di cosa acquistare.
E questa non è una situazione futura. Questo sta già accadendo. Proprio in questo momento, da qualche parte, un rappresentante del cliente sta utilizzando l’intelligenza artificiale per risolvere un problema di prodotto che ha identificato pochi minuti fa. Altrove, un team finanziario sta prototipando il proprio strumento di analisi perché si è reso conto di poter eseguire l’iterazione più velocemente rispetto alla scrittura dei requisiti tecnici. Da qualche parte, un team si sta rendendo conto che il confine tra tecnico e non tecnico è sempre stato culturale piuttosto che fondamentale.
Le aziende che abbracciano questo cambiamento si muoveranno più velocemente e spenderanno in modo più intelligente. Conosceranno le loro operazioni più profondamente di quanto potrebbe mai fare qualsiasi fornitore. Faranno errori meno costosi e acquisteranno strumenti migliori perché capiscono cosa rende effettivamente buoni strumenti.
Le aziende che si attengono al vecchio manuale continueranno a vagliare le proposte dei fornitori e ad annuire a offerte convenienti. Discuteranno le tempistiche e continueranno a mescolare mazzi professionali con soluzioni reali.
Finché qualcuno del suo team non ha aperto il suo portatile e ha detto: “Ne ho fatto una versione ieri sera. Vuoi darci un’occhiata?” e mostra loro qualcosa che hanno realizzato in due ore che rappresenta l’80% di quello che stanno per pagare a sei cifre.
E così le regole cambiano completamente.
Siqi Chen è il co-fondatore e CEO di Runway.
Per saperne di più scrittori ospiti. Oppure considera di inviare il tuo! Dai un’occhiata al nostro istruzioni qui.
