Business Process Reengineering
nell'era dell'AI

Nei miei corsi capita spesso che un'azienda mi chieda di "automatizzare" un processo. Quando vado a guardarlo da vicino, scopro che il problema non è la velocità: il processo è fatto male in partenza. Automatizzarlo così com'è vuol dire pagare per fare prima una cosa che non andava fatta in quel modo. È come asfaltare una scorciatoia sbagliata: arrivi nel posto sbagliato, ma più in fretta.

Questo articolo nasce per imprenditori e manager che non hanno un background tecnico ma sentono di poter usare l'AI per qualcosa di più serio di una chatbot sul sito. La domanda giusta non è "che cosa posso automatizzare?", ma "se ricostruissi questo processo oggi, da zero, lo farei davvero così?". Il Business Process Reengineering risponde proprio a questa domanda, e l'intelligenza artificiale gli ha ridato una potenza che vent'anni fa non poteva avere.

01Cos'è il BPR

Il Business Process Reengineering, in italiano riprogettazione dei processi aziendali, è stato formalizzato da Michael Hammer e James Champy nel 1993 nel libro Reengineering the Corporation. La loro definizione poggia su quattro parole che vale la pena tenere a mente: fondamentale, perché si mette in discussione il motivo per cui un processo esiste; radicale, perché si parte dalla radice e non dal ritocco; drammatico, perché l'obiettivo sono salti di prestazione, non lo zero virgola; processi, perché si ragiona sul flusso completo e non sul singolo ufficio.

E qui sta la differenza con approcci come il Kaizen e il Total Quality Management, che puntano a migliorare di continuo ciò che già esiste, un passo alla volta. Il BPR fa una cosa diversa: si ferma e si chiede se quel processo debba esistere ancora nella forma in cui lo conosciamo. La domanda fondante è sempre la stessa, e quando la pongo in aula vedo le persone cambiare espressione: se dovessimo ricostruire questa cosa oggi, con gli strumenti di oggi, come la faremmo?

02BPR contro automazione tradizionale

La confusione più comune che incontro è tra automazione e riprogettazione. Sembrano la stessa cosa, ma sono due mondi. L'automazione tradizionale prende le operazioni che già fai e le fa fare a una macchina: stesso flusso logico, stesse persone coinvolte, solo più in fretta. Il BPR, invece, mette in discussione la logica stessa del processo ed elimina i passaggi che non servono più.

L'immagine che uso sempre è quella della strada. Automatizzare un processo inefficiente equivale a pavimentare un sentiero sterrato e tortuoso: lo percorri meglio, ma il tracciato resta sbagliato. Il BPR invece costruisce una strada nuova e diritta che collega davvero il punto di partenza al punto di arrivo.

Prendi un esempio banale ma frequentissimo: l'approvazione di un ordine che passa per cinque step e richiede tre firme. L'automazione ti fa firmare digitalmente al posto della carta, e va benissimo. Ma la domanda da fare prima è un'altra: servono davvero tre firme? In moltissimi casi due di quei passaggi esistono solo perché "si è sempre fatto così". Eliminarli vale molto più che velocizzarli.

Non automatizzate, obliterate.

Michael Hammer

03Il framework di analisi in cinque fasi

Quando accompagno un'azienda in un lavoro di questo tipo, seguo sempre la stessa struttura a cinque fasi. Non è una formula magica, è un ordine di pensiero che evita di partire dalla soluzione prima di aver capito il problema.

1. Mappare i processi così come sono davvero (lo stato As-Is), usando dati reali e non i racconti delle persone.
2. Misurare tempi, costi, errori e colli di bottiglia, per avere numeri e non impressioni.
3. Sfidare ogni singolo passaggio chiedendosi se serve davvero.
4. Ridisegnare il processo partendo dal risultato voluto e sfruttando l'AI come abilitatore.
5. Implementare con una vera gestione del cambiamento, non solo con un nuovo software.

Mappare e misurare: il process mining

Il punto debole della vecchia mappatura erano le interviste: lunghe, soggettive e spesso scollegate dalla realtà. Oggi il process mining ricostruisce in automatico come funziona davvero un processo leggendo i log dei sistemi che già usi, come l'ERP o il CRM. Invece di chiedere alle persone come pensano di lavorare, guardo le tracce che il lavoro lascia nei sistemi. Il risultato è una fotografia oggettiva, con i colli di bottiglia quantificati in giorni e in euro.

Sfidare: dove sta davvero il valore

Questa è la fase che spaventa di più e che vale di più. Su ogni passaggio mi fermo e chiedo: questo crea valore per il cliente o è solo overhead interno? Un dato che ripeto sempre in aula: in media solo il 20-30% delle attività di un processo crea valore diretto, il resto è attesa, controllo ridondante, trasferimento di informazioni tra uffici. L'obiettivo qui non è ottimizzare quel 70%, è eliminarlo.

Ridisegnare e implementare

Solo a questo punto si disegna il processo nuovo (lo stato To-Be), partendo dal risultato desiderato e chiedendosi cosa l'AI rende possibile che prima non lo era. E poi viene la parte che quasi tutti sottovalutano: l'implementazione non è installare un tool, è portare le persone dentro un modo nuovo di lavorare.

04L'AI come leva strategica

Voglio essere chiaro su un punto, perché è quello che fa la differenza. L'intelligenza artificiale nel BPR non è solo uno strumento per eseguire più in fretta: è un abilitatore di possibilità. Rende realizzabili processi che senza di lei restavano teoria. Mi muovo di solito su quattro famiglie di tecnologie.

Il process mining potenziato dal machine learning non si limita a disegnare il flusso: individua le varianti, le anomalie e i colli di bottiglia, mostrandoti la distanza tra il processo "ufficiale" scritto nelle procedure e quello reale. Strumenti come Celonis, Minit o ProcessGold lavorano proprio su questo.

L'NLP per l'analisi documentale estrae in automatico le informazioni da ordini, contratti e fatture, li classifica e li instrada senza intervento umano. Nel BPR non serve a velocizzare la lettura manuale: serve a far sparire del tutto il passaggio della lettura manuale.

I predictive analytics spostano i processi dalla logica reattiva a quella proattiva. Prevedere la domanda, i tempi di consegna o i probabili errori significa prevenire i problemi invece di gestirli come eccezioni quando sono già successi.

La decision intelligence, infine, automatizza le decisioni di routine applicando criteri predefiniti o appresi dai dati. Una macchina decide più in fretta e in modo più coerente su migliaia di casi standard, lasciando alle persone i casi complessi, che sono quelli dove il giudizio umano conta davvero.

L'AI non rende solo più veloce il processo che hai. Ti permette di disegnarne uno che prima non potevi nemmeno immaginare.

05Come si conduce un progetto BPR

Prima di entrare nell'operativo c'è una fase preparatoria che decide già metà del risultato. Si scelgono i processi giusti su cui intervenire, di solito incrociando impatto e complessità in una semplice matrice: si parte da ciò che ha alto impatto e complessità gestibile. Si costituisce un team misto, dove siedono insieme chi conosce il processo e chi conosce la tecnologia. E serve uno sponsor nel top management: senza, il progetto muore al primo attrito. Questo non è negoziabile.

I sei passi operativi

1. Discovery: process mining, qualche intervista mirata e analisi documentale per capire la situazione reale.
2. Analisi: si separano le attività a valore da quelle a non valore e si individuano i colli di bottiglia.
3. Ideazione: workshop in cui si immagina il processo ideale senza vincoli tecnologici, almeno all'inizio.
4. Prototipazione: si simulano gli scenari, anche con l'aiuto dell'AI, per stimare i risultati prima di muovere risorse.
5. Pilota: si implementa su un perimetro ridotto, dove sbagliare costa poco.
6. Rollout: si estende in modo progressivo, accompagnando le persone con la formazione.

Dopo il rollout il lavoro non finisce. Si definiscono KPI specifici e dashboard in tempo reale, e si lascia che l'AI segnali in anticipo le derive nelle prestazioni. La logica è semplice: il BPR ti dà un salto iniziale, il monitoraggio continuo ti evita di scivolare lentamente indietro.

06Caso studio: da 14 a 4 giorni

Per rendere tutto concreto ti racconto un caso tipico di azienda manifatturiera: circa duecento dipendenti, produzione di componenti meccanici per l'automotive, centocinquanta ordini al giorno. Il processo critico era l'Order-to-Delivery, dall'arrivo dell'ordine alla consegna: quattordici giorni di media, sette reparti coinvolti, clienti che si lamentavano di ritardi, errori sulle specifiche e difficoltà a tracciare lo stato dell'ordine.

Una prima ondata di automazione tradizionale aveva portato il tempo da quattordici a undici giorni, un miglioramento del 21%. Buono, ma il flusso restava lo stesso. Con un approccio BPR sostenuto dall'AI il quadro è cambiato:

• Il process mining ha rivelato che il 40% del tempo era pura attesa tra un reparto e l'altro, e che esistevano ben 23 varianti dello stesso processo.
• L'NLP documentale ha automatizzato la lettura degli ordini e la verifica delle specifiche, eliminando due giorni di lavoro manuale.
• La decision intelligence ha permesso di approvare in automatico il 65% degli ordini, quelli standard, lasciando agli operatori solo i casi complessi.
• Lo scheduling predittivo ha ottimizzato la pianificazione della produzione.

Il confronto è la parte che mi interessa di più: l'automazione tradizionale aveva dato un +21%, il BPR un +71%. La lezione è netta. Il valore non è arrivato dal velocizzare i passaggi, ma dall'eliminarne quattro su sette. Quando spiego questo in aula, è il momento in cui le persone smettono di chiedersi quale software comprare e iniziano a chiedersi quali passaggi possono cancellare.

07Gli errori più comuni

Negli anni ho visto ripetersi sempre gli stessi sbagli. Li divido in errori di approccio ed errori di esecuzione, perché si commettono in momenti diversi del progetto.

Errori di approccio

• Automatizzare senza ripensare. È l'errore più frequente e più costoso: si paga per fare prima ciò che non andava fatto così.
• Partire dalla tecnologia invece che dal problema. Comprare il tool e poi cercare dove usarlo è l'ordine esattamente rovesciato.
• Sottovalutare il change management. Quel 70% di fallimenti non tecnici nasce quasi sempre qui.
• Accontentarsi del miglioramento incrementale. Il BPR ha senso quando punti ad almeno un 50% di guadagno: se cerchi il piccolo ritocco, ti servono altri metodi.

Errori di esecuzione

• Perimetro troppo ampio, che porta alla paralisi prima ancora di partire.
• Dati insufficienti, che costringono a decidere sulle percezioni invece che sui fatti.
• Team sbilanciato, solo tecnico o solo business, che vede metà del quadro.
• Assenza di uno sponsor con autorità reale.
• Mancanza di KPI chiari, senza i quali non sai nemmeno se hai vinto.

08Glossario essenziale

Un piccolo dizionario dei termini che ho usato, per averli a portata di mano.

• BPR: ripensamento radicale dei processi per ottenere miglioramenti drastici, non incrementali.
• As-Is: lo stato attuale del processo, descritto sui dati oggettivi e non sui racconti.
• To-Be: lo stato futuro desiderato, il processo come lo vuoi dopo la riprogettazione.
• Process mining: analisi dei log dei sistemi per scoprire come funziona davvero un processo.
• Value stream: l'insieme di tutte le attività, a valore e non, lungo il flusso che serve il cliente.
• Lean: eliminazione sistematica degli sprechi per massimizzare il valore.
• Kaizen: miglioramento continuo e incrementale, l'opposto del salto radicale del BPR.
• BPMN 2.0: lo standard internazionale per modellare e disegnare i processi.
• Change management: la gestione del lato umano e organizzativo del cambiamento.

Se vuoi, questo è esattamente il tipo di ragionamento che porto nei miei corsi e nei percorsi di formazione su AI e processi per aziende ed enti. Non si tratta di imparare a usare un tool, ma di imparare a guardare il proprio lavoro e chiedersi, onestamente, se lo si rifarebbe così.