Il responsabile prodotto di un fornitore DMS italiano di prima fascia ha dedicato due anni a costruire qualcosa che nessuno vede.
Ha ricostruito l’architettura dati sottostante. Pulita, ordinata, integrata. Zero funzionalità nuove. Zero demo per i clienti.
La logica è questa: prima i dati puliti, poi l’automazione, poi l’IA agentica. In quest’ordine. Saltare un passaggio significa amplificare gli errori di dati, non risolverli.
Il risultato, due anni dopo: un DMS che aggiorna lo stato degli ordini di lavoro, invia notifiche ai clienti, rischedula gli appuntamenti cancellati, segnala i ricambi in ritardo. Senza che un operatore intervenga.Il numero che pochi calcolano: i dealer che partono dall’IA senza aver sistemato la base dati spendono il 60-70% del tempo di implementazione a correggere errori. Costruiscono sull’instabile.
La conseguenza meno ovvia riguarda il personale. L’IA agentica lo reindirizza su attività a più alto valore. Le attività ripetitive (aggiornamenti di stato, inserimento dati, pianificazione appuntamenti) vengono automatizzate. Le persone si spostano su decisioni che richiedono giudizio, relazione, trattativa.
In un dealer con 5 persone in ufficio amministrativo, la stima è 1-2 ore liberate al giorno per persona. L’equivalente di 1 risorsa a tempo pieno in più, senza nessuna assunzione.
Prima i dati, poi l’automazione, poi l’IA agentica. Invertire la sequenza costa più del doppio.
Hai già costruito la base dati che rende tutto questo possibile?
