Perché i tuoi migliori resistono all'AI? Di solito perché hanno degli standard e gli strumenti non li raggiungono. Se tratti la resistenza all'AI nelle agenzie come un problema di persone, ottieni obblighi, giornate di formazione e senior esausti che rifanno alle 19 il lavoro della macchina. Se la tratti come un problema di standard, chi resiste diventa chi rende l'AI abbastanza buona da andare online.
La posta in gioco sulla qualità è raramente stata così pubblica. Il mese scorso su Marketing Week, il cofondatore di BBH Sir John Hegarty ha definito gran parte del marketing di oggi «ripetitivo, stereotipato, noioso». Ha sostenuto che il settore è ormai popolato da «pensatori dell'emisfero sinistro» che capiscono i fogli di calcolo ma non le idee, e ha ricordato che «circa il 95% dei lanci di nuovi prodotti fallisce», un tasso che a suo dire non è cambiato in 20 anni nonostante molti più dati. Se versi output mediocre dell'AI in questo sistema, ottieni più della stessa cosa, ma più in fretta.
Perché le persone esperte resistono agli strumenti di AI?
Il fondatore di un'agenzia intervenuto questa settimana a una sessione sull'adozione dell'AI a Singapore è stato di un'onestà disarmante su questo punto. Ha passato 18 mesi a cercare di rendere AI-native la sua agenzia di circa 20 persone e ha spinto con forza sull'adozione. Quando ha guardato da vicino chi resisteva, ha scoperto che non erano tecnofobi. Resistevano a un output scadente: il sistema produceva lavoro mediocre e loro erano costretti a usarlo.
Erano persone con cinque o sei anni di mestiere. Sapevano com'è un buon lavoro. Quando la bozza dell'AI non bastava, dovevano rifare il lavoro da sole, e così tornavano al vecchio metodo. A suo dire, la resistenza all'AI spesso significava semplicemente che gli strumenti non rispettavano gli standard del team. Il cambiamento di comportamento fallisce quando fallisce la qualità.
È una chiave di lettura utile per qualsiasi amministratore di agenzia. L'account director che non vuole inviare un report di stato scritto dall'AI, o lo stratega che rifà da zero la presentazione delle persona generata dall'AI, non sta facendo il difficile. Sta facendo il vostro controllo qualità, senza essere pagato e senza essere ringraziato.
L'adozione forzata dell'AI sta peggiorando il burnout in agenzia?
Può succedere. Se fatta male, l'adozione dell'AI raddoppia il lavoro: produci la bozza con lo strumento perché ti è stato detto di farlo, poi la sistemi a mano perché il cliente non può vederla così. Aggiungi il senso di colpa di «non adottare abbastanza in fretta» e hai la ricetta per senior esausti.
Se fatta bene, fa l'opposto. In un articolo del Forbes Agency Council su come le agenzie restano essenziali, Matt Jayson di Multiply ha indicato setup delle campagne e QA come il lavoro più automatizzabile: «Per un solo cliente in forte crescita, sono facilmente 20 ore a settimana di lavoro invisibile.» È la fatica che l'AI dovrebbe togliere di mezzo, insieme a timesheet, report di stato, ridimensionamento, controllo del budget e audit dei competitor.
La differenza sta nel fatto che l'output raggiunga lo standard senza un secondo turno di rilavorazione. Se il tuo team lavora più a lungo da quando hai introdotto l'AI, gli strumenti non stanno facendo risparmiare tempo. Lo stanno spostando alla sera.
Perché la fiducia nell'AI crolla così in fretta?
La teoria della fiducia (Trust Theory) offre una spiegazione semplice. Ci fidiamo di una persona o di un sistema quando crediamo che sia competente, affidabile e che agisca nel nostro interesse. Ognuna di queste qualità si conquista con l'esperienza e il dialogo; nessuna può essere annunciata. Uno strumento che produce tre bozze scadenti di fila perde il diritto di dirsi competente. Uno strumento imposto senza chiedere al team perde la sensazione di essere dalla loro parte.
Ecco perché gli obblighi si ritorcono contro. Un cruscotto di utilizzo dice ai capi chi ha fatto l'accesso. Non può dire se le persone si fidano dell'output. Questo lo fa solo la conversazione: sederti con la stratega e chiederle che cosa ha cambiato, e perché.
Anche i clienti fanno lo stesso calcolo. Il punto del fondatore di Singapore era che non puoi mandare ai clienti lavoro raffazzonato, perché è così che ne perdi la fiducia. Chi resiste sta proteggendo il rapporto con il cliente.
Chi dovrebbe decidere che cosa significa «buono»?
Chi già lo sa. La soluzione del fondatore è stata dare agli esperti della materia un ruolo esplicito di approvatori: definiscono che cosa significa «buono» e nulla va online senza il loro via libera. Tutti traggono beneficio dall'AI, ma non tutti devono costruirla. Sono gli esperti a fissare l'asticella.
Aiuta anche leggere i segnali familiari di resistenza come indicatori sugli standard più che sull'atteggiamento.
| Come si manifesta la resistenza | Che cosa significa di solito | Che cosa fare |
|---|---|---|
| Le persone tornano in silenzio al vecchio template | L'output non raggiunge la loro asticella di qualità | Chiedi di vedere le loro correzioni; sistema il sistema, non la persona |
| Le bozze richiedono più tempo per essere corrette che per essere scritte | L'AI sta aggiungendo lavoro, non togliendolo | Misura il tempo di correzione; metti in pausa il flusso di lavoro finché l'accettazione non sale |
| Nessuno vuole presentare a un cliente l'output dell'AI | Non vedono da dove vengono le conclusioni | Richiedi una fonte tracciabile per ogni affermazione dell'AI |
| I senior si tirano fuori mentre i junior si affidano troppo | Lo standard non è mai stato messo per iscritto | Rendi gli esperti approvatori che definiscono che cosa significa «buono» |
| Battute sul «robot» a ogni riunione di tutto lo staff | Lo strumento è stato imposto senza conversazione | Coinvolgi il team nella scelta e nella prova degli strumenti |
I temi ricorrenti del panel di Forbes vanno nella stessa direzione: responsabilità, giudizio e farsi carico del lavoro di cui l'AI non può rispondere sono ciò che rende le agenzie essenziali.
Come trasformi chi resiste all'AI in approvatori?
- Trova i tuoi scettici più rumorosi e chiedi di vedere le loro correzioni. La differenza tra la bozza dell'AI e ciò che hanno davvero inviato è la tua specifica di «buono».
- Metti lo standard per iscritto. Tono, struttura, fonti, ciò che non deve mai comparire. Se vive solo nella testa di un senior, né l'AI né un nuovo assunto potranno rispettarlo.
- Rendi gli esperti approvatori, con vera autorità. Danno il via libera prima che qualsiasi cosa assistita dall'AI arrivi a un cliente e possono fermare un flusso di lavoro che non raggiunge l'asticella.
- Misura il tempo di correzione, non gli accessi. Se correggere richiede più tempo che fare, fermati e ripara il flusso di lavoro prima di estenderlo ulteriormente.
- Riporta le correzioni nel sistema. Trasforma ogni modifica degli approvatori in prompt, template ed esempi migliori, così la bozza successiva avrà bisogno di meno correzioni.
- Parti dal lavoro invisibile. Setup, QA, reporting e monitoraggio, dove un errore costa poco e il tempo risparmiato si sente subito.
- Parlane apertamente. Una mezz'ora ogni due settimane su che cosa ha funzionato e che cosa no costruisce più fiducia di qualsiasi e-mail di rollout.
Che cosa rende l'output dell'AI abbastanza affidabile da andare online?
Prove che i tuoi esperti possono verificare. Una stratega senior accetta una conclusione dell'AI quando può vedere da dove viene e giudicarla da sé. La rifiuta quando arriva come un paragrafo sicuro di sé, senza alcuna traccia.
Per questo, sulla piattaforma Defy, ogni conclusione dell'AI risale ai post pubblicati reali che la sostengono. La strategia è ricostruita a ritroso da ciò che pubblici e competitor pubblicano davvero, non da sondaggi, così l'approvatore può aprire le prove e decidere da sé.
Gli esseri umani, ha detto il fondatore, non sono i migliori nel cambiare. Sono al tempo stesso il più grande ostacolo e il più grande fattore abilitante della trasformazione con l'AI. Quale dei due diventeranno le tue persone dipende dal fatto che gli strumenti rispettino o no i loro standard.
