Per vent’anni abbiamo fatto Open Innovation collezionando connessioni: startup, università, centri di ricerca, call, eventi, pitch day con il badge appeso al collo e decine di biglietti da visita da ricopiare in un foglio Excel il lunedì mattina. Abbiamo costruito ecosistemi bellissimi, e ne siamo giustamente orgogliosi.

Io personalmente ho gestito un portfolio con più di 400 startup, e negli anni abbiamo fatto progetti bellissimi.

Il problema è che l’intelligenza artificiale sta rendendo tutto questo necessario, ma non più sufficiente. Dobbiamo prendere atto del fatto che connettere non basta più.

È così che ho aperto un mio recente intervento all’HUB di Bari di Innovation Manager Hub, sapendo che forse non sarebbe piaciuto a tutti. In una sala virtuale piena di persone che di mestiere costruiscono ponti tra le aziende e il mondo esterno, dire che i ponti non bastano più è un modo un po’ brusco per cominciare, ma la verità va detta.

Open Innovation e intelligenza artificiale: il nuovo paradigma

Nel 2003 Henry Chesbrough ha scritto una delle frasi che più hanno orientato il mestiere di chi si occupa di innovazione, e che ancora oggi la Haas School of Business di Berkeley mette in cima ai principi del metodo: “Not all the smart people work for us”. Non tutte le persone brillanti lavorano per noi. La conoscenza che conta sta anche e soprattutto fuori dall’azienda, e da lì è nato poi il nostro approccio all’Open Innovation.

Vent’anni dopo penso che quella frase vada aggiornata, io la riscriverei così: “Not all the smart minds are people”. Non tutte le menti brillanti sono esseri umani.

Una parte crescente dell’ecosistema esterno con cui collaboriamo non ha un badge, non ha una busta paga e non partecipa alle nostre call, o magari sì, ma non nel modo che immaginiamo. Sono macchine e agenti che leggono, scrivono, analizzano e progettano. E lavorano per chiunque li sappia usare, compresi noi e compresi i nostri concorrenti.

Non è soltanto un aggiornamento della filosofia dell’Open Innovation, è un vero e proprio cambio di paradigma. La domanda che dobbiamo porci è: l’intelligenza artificiale può potenziare, abilitare o sostituire le pratiche tradizionali dell’Open Innovation?

Questo cambio di mentalità sarà presto visibile in tre trasformazioni degli ecosistemi di innovazione intorno a noi: dallo scouting puro arriveremo alla consapevolezza della messa a terra, dal POC non validato arriveremo alla dura legge del passaggio in produzione, infine la conoscenza interna dovrà diventare il nuovo perimetro su cui abilitare i business trasformativi.

Lo scouting nell’Open Innovation dopo l’arrivo dell’AI

Pensiamo a quanta parte del lavoro di un innovation manager, negli ultimi dieci anni, è stata caratterizzata dal trovare cose e persone e dal metterle in relazione. La startup giusta, il laboratorio giusto, il brevetto giusto, l’idea di business giusta che unisse tutti i puntini e che lo facesse possibilmente prima dei concorrenti.

Oggi una mano enorme la può dare un agente AI che analizza, mappa e classifica migliaia di startup, PMI, progetti di ricerca, paper, fonti di finanziamento e brevetti in poche ore. Basta chiedergli qualcosa come “Trovami tutte le startup europee che lavorano sulla manutenzione predittiva degli impianti di refrigerazione, dimmi chi ha brevetti, chi ha clienti industriali e chi ha raccolto fondi negli ultimi due anni”. Quelli che prima erano mesi di lavoro oggi sono ore.

Lo scouting è diventato una commodity, accessibile a tutti e quindi non più un serio vantaggio competitivo, e chi oggi lo vende come servizio avrà presto un problema da gestire.

Attenzione, non sto dicendo che lo scouting sia diventato facile, sto dicendo che l’accesso alle informazioni lo è. Poi, lo sanno bene i professionisti, l’attività di scouting tecnologico e di mercato richiede competenze assolutamente non banali. Avere una macchina fotografica professionale non farà di voi un fotografo professionista, esattamente come avere Claude non farà di voi un innovation manager. Si tratta di strumenti necessari, ma non sufficienti.

Dall’accesso alle informazioni al valore strategico

La cosa che dobbiamo comprendere bene è che quando trovare non costa nulla, il vero valore dello scouting si sposta, e si sposta in tre direzioni complementari.

La prima è la visione strategica. L’AI ci porta mille opzioni, e il nostro lavoro è decidere quali hanno senso per la nostra strategia, per i nostri vincoli, per il nostro mercato. Resta un lavoro soltanto nostro, ma va fatto in modo scientifico, non “a sensazione”.

La seconda è il patrimonio conoscitivo, cioè tutto ciò che l’azienda sa e che nessun modello ha incorporato durante la fase di addestramento. Un piccolo inciso: se i vostri dati non pubblici sono dentro le risposte di ChatGPT, avete un serissimo problema di sicurezza, ma questa è un’altra storia.

I dati che non sono accessibili quando i nostri concorrenti li richiedono ai modelli di frontiera, sono il nostro vantaggio competitivo, deve essere tutelato e utilizzato come leva di business, soprattutto nelle iniziative di innovazione.

La terza è la capacità di trasformazione, e merita una sezione dedicata.

Dalla conoscenza esterna alla capacità di trasformazione

Il mondo accademico ci aveva dato una buona chiave di lettura molto prima che arrivassero i modelli linguistici. Nel 1990 Wesley Cohen e Daniel Levinthal pubblicarono su Administrative Science Quarterly un articolo tra i più citati della letteratura sull’innovazione. Questo articolo definiva la absorptive capacity come la capacità di un’impresa di riconoscere il valore di un’informazione nuova proveniente dall’esterno, assimilarla e applicarla al proprio contesto a fini commerciali. In una parola: trasformarla in valore.

La cosa interessante è che la capacità di valutare e utilizzare la conoscenza esterna dipende in larga misura dal livello di conoscenza interna che l’impresa già possiede. Tradotto: valorizziamo la conoscenza esterna solo nella misura in cui abbiamo la competenza interna per riconoscerla e trasformarla in valore concreto.

Cohen e Levinthal aggiungevano due osservazioni davvero molto attuali. La prima: questa capacità, quando deve integrarsi con il resto dell’azienda, non si può semplicemente comprare, perché richiede persone interne che conoscano le procedure, le routine e le competenze complementari dell’organizzazione.

La seconda riguarda i gatekeeper, le figure che fanno da ponte tra l’azienda e l’esterno: secondo i due autori un gatekeeper centralizzato funziona finché è chiaro dove andrà applicata una certa conoscenza, e smette di…