AI Decision Matrix

Ina Sebastian, Peter Weill, Thomas Haskamp e Jan vom Brocke hanno costruito l'AI Decision Matrix al MIT CISR a partire da interviste con 30 dirigenti, partendo dal presupposto che le decisioni differiscono per natura. La matrice incrocia l'ambiguità (quanto i dati determinano la risposta, e quanto le persone concordano su di essa) con il rischio (le conseguenze di un errore e la difficoltà di correggerlo). Ogni decisione si scompone in framing, azione e apprendimento, e ciascuna componente può essere assegnata a un umano o all'IA.

I quattro quadranti attribuiscono all'IA ruoli diversi, sempre sotto supervisione umana. In One New Zealand, un agente trasforma le richieste dei marketer in query SQL per costruire segmenti; il tempo impiegato è calato del 60%, e un umano effettua una revisione prima del lancio. Le decisioni consequenziali mantengono una persona nel ciclo ogniqualvolta sia coinvolto il prezzo, perché un errore di pricing è giudicato inaccettabile. Il lavoro esplorativo, come i contenuti di marketing, lascia che il framing si muova tra umani e IA mentre la governance resta sotto osservazione. Le decisioni strategiche restano in capo alla leadership umana: quindici agenti analizzano i dati di rete e agenti di orchestrazione li coordinano, ma i compromessi tra affidabilità, esperienza cliente e costi non vengono delegati.

Nicolas Suchaud di WEnvision ricorre alla matrice per una ragione diversa: Value × Feasibility e le sue varianti hanno smesso di ordinare qualsiasi cosa nel momento in cui il prototipo di un agente richiede settimane per essere costruito. La sua risposta è dare priorità alle decisioni anziché ai casi d'uso, classificando per prima cosa la reversibilità. Beth Stackpole registra la ridefinizione proposta dagli stessi autori: la domanda si sposta da dove usare l'IA a come gestire le decisioni che essa plasma.