Il vero vantaggio competitivo dell'AI? I dati che gli altri non hanno
In questo momento migliaia di aziende stanno seguendo più o meno la stessa strada.
Prendono i dati che possiedono già, aggiungono un layer di Intelligenza Artificiale e iniziano a interrogarli.
È utile.
Ma non basta.
Perché se i dati di partenza sono incompleti, vecchi, frammentati, disponibili anche ai concorrenti o semplicemente non contengono ciò che serve, anche il modello di AI più evoluto continuerà a lavorare su una rappresentazione incompleta della realtà.
È da questa considerazione che nasce SALESTACK — The Agentic Revenue Operating System.
La nostra idea parte da un principio diverso:
prima creare nuovi dati proprietari, poi utilizzare l'AI per trasformarli in intelligence e azioni.
L'AI sta diventando accessibile a tutti
I modelli diventano progressivamente più potenti e più accessibili.
Le aziende possono utilizzare gli stessi foundation model.
Possono acquistare strumenti software simili.
Possono accedere agli stessi benchmark, alle stesse ricerche di mercato e a enormi quantità di informazioni pubbliche.
Questo rende l'AI estremamente potente, ma riduce progressivamente la possibilità che il semplice accesso a un modello costituisca, da solo, un vantaggio competitivo duraturo.
La domanda diventa quindi un'altra:
quali informazioni possiede la tua azienda che i concorrenti non possiedono?
Possiamo distinguere almeno tre grandi categorie di dati.
Dati storici
Raccontano quello che è già successo.
ERP, CRM, report, ordini, fatturato e storico commerciale sono fondamentali, ma descrivono prevalentemente il passato.
Dati di mercato
Ricerche, benchmark, database e informazioni acquistabili esternamente aiutano a comprendere il contesto.
Ma, per definizione, possono spesso essere acquistati o consultati anche dai concorrenti.
Dati proprietari in tempo reale
Sono i segnali che raccontano ciò che sta succedendo alla tua azienda, ai tuoi clienti, alla tua rete commerciale e al tuo mercato in questo momento.
Sono questi dati ad avere un valore particolare perché sono specifici, contestuali e difficili da replicare.
Il vantaggio competitivo non sarà semplicemente avere l'AI
Il punto centrale è questo:
Il vantaggio competitivo non sarà semplicemente avere l'AI.
Sarà avere dati che gli altri non hanno.
È su questo principio che stiamo costruendo SALESTACK.
Non vogliamo creare semplicemente un ulteriore layer AI da applicare ai dati già presenti nell'azienda.
Vogliamo contribuire a creare nuovi dati commerciali proprietari e trasformarli continuamente in decisioni e azioni.
SALESTACK: The Agentic Revenue Operating System
SALESTACK raccoglie e mette in relazione segnali provenienti dal mercato e dalla rete commerciale.
Il sistema è costruito attorno a un ciclo continuo:
DATA → INTELLIGENCE → ACTION → NEW DATA
Ogni nuova informazione può generare un'analisi.
Ogni analisi può generare un'azione.
Ogni azione produce nuovi risultati e quindi nuovi dati.
Il sistema ricomincia da lì.
7 AI Agents + 1 Orchestrator
Quando la quantità di dati cresce, emerge un secondo problema.
Una persona o un singolo team non può analizzare continuamente ogni segnale, ogni relazione e ogni possibile anomalia.
Per questo SALESTACK utilizza sette agenti AI specializzati e un Orchestrator.
Ogni agente lavora su un'area specifica, osserva i dati di propria competenza e individua:
- anomalie;
- opportunità;
- rischi;
- comportamenti;
- possibili azioni.
L'Orchestrator mette poi in relazione gli output dei diversi agenti e aiuta a determinare le priorità.
Un esempio
Immaginiamo che una linea premium venda meno delle aspettative.
Un agente può rilevare il calo o il potenziale inespresso.
Un altro può individuare che parte dei venditori coinvolti non ha completato la formazione relativa a quella linea.
Un altro ancora può osservare che, nei territori in cui è stato introdotto un determinato incentivo, le vendite della stessa categoria sono aumentate.
Presi separatamente sono tre segnali.
Messi in relazione possono diventare una strategia commerciale.
Questo è il passaggio che ci interessa:
trasformare dati dispersi in intelligence e l'intelligence in azione.
Cosa significa davvero "addestrare" un'AI?
Nel dibattito sull'Intelligenza Artificiale viene spesso utilizzata l'espressione "addestrare l'AI".
In realtà, nella maggior parte delle applicazioni aziendali non si sta costruendo da zero un foundation model.
Si lavora piuttosto sulla personalizzazione e sull'integrazione di modelli esistenti attraverso elementi come:
- prompt e istruzioni;
- contesto;
- RAG;
- tool;
- regole di business;
- esempi;
- workflow;
- dati proprietari;
- in alcuni casi fine-tuning.
Nel nostro caso, uno degli aspetti più interessanti consiste nel rendere progressivamente più competenti gli agenti rispetto ai problemi reali incontrati dalle aziende.
Continuous Agent Improvement
Abbiamo chiamato questo processo:
CONTINUOUS AGENT IMPROVEMENT
Il principio è semplice.
Quando un agente non riesce a soddisfare correttamente una richiesta, quella mancata risposta diventa un segnale da analizzare.
Il sistema ci consente di individuare questi casi e porci alcune domande:
- manca un dato?
- manca una relazione tra due dati?
- manca una funzione?
- l'agente non dispone dello strumento necessario?
- deve confrontare periodi o variabili differenti?
- manca una regola di business?
- esiste un nuovo caso d'uso che non avevamo ancora previsto?
A quel punto possiamo intervenire sul sistema affinché, quando una situazione analoga si ripresenterà, l'agente disponga di maggiori capacità per affrontarla.
Ogni domanda a cui il sistema non sa rispondere ci indica quale capacità dobbiamo costruire dopo.
Un software che evolve con i casi reali
Questo significa anche che SALESTACK non è un prodotto che consideriamo "finito".
Nuovi clienti introducono nuovi casi.
Nuove funzionalità generano nuovi dati.
Nuovi dati consentono nuove analisi.
Nuove analisi permettono nuove azioni.
Il risultato è un sistema che può diventare progressivamente più ricco e competente nel proprio dominio.
Due aziende identiche. Due modi diversi di competere.
Facciamo un esperimento mentale.
Immaginiamo due aziende manifatturiere.
Entrambe fatturano 200 milioni di euro.
Operano negli stessi mercati.
Hanno prodotti comparabili.
Possiedono ERP, CRM e una rete commerciale.
Azienda A
Continua a prendere decisioni principalmente utilizzando:
- ERP;
- CRM;
- Excel;
- report;
- informazioni degli agenti;
- dati storici.
Sono strumenti fondamentali e continueranno ad esserlo.
Azienda B
A questi strumenti aggiunge un sistema capace di:
- creare una rete di sensori sul mercato;
- raccogliere nuovi dati continuamente;
- analizzarli attraverso agenti specializzati;
- mettere in relazione segnali differenti;
- individuare opportunità e criticità;
- suggerire azioni;
- misurare i risultati;
- alimentare nuovamente il sistema con ciò che accade.
Dopo tre mesi, probabilmente, la differenza tra le due aziende potrebbe essere ancora limitata.
Ma dopo un anno?
Dopo tre anni?
Dopo cinque?
Quale delle due conoscerà meglio il proprio mercato?
Quale individuerà prima un problema?
Quale riuscirà a vedere opportunità che oggi rimangono nascoste?
Quale saprà dove investire formazione, incentivi e risorse commerciali?
Quale potrà prendere decisioni basate su una quantità crescente di dati proprietari?
È questa la scommessa che stiamo facendo con SALESTACK.
Non un altro layer AI
SALESTACK vuole essere qualcosa di diverso dall'ennesimo strumento che applica Intelligenza Artificiale ai dati che l'azienda possiede già.
L'obiettivo è creare un sistema che:
genera nuovi dati → li trasforma in intelligence → utilizza l'intelligence per generare azioni → misura ciò che accade → genera nuovi dati.
Un ciclo continuo.
Perché alla fine l'obiettivo rimane estremamente concreto:
SELL MORE. SELL BETTER.
Vuoi vedere come funziona SALESTACK?