Nel complesso mondo delle licenze software aziendali, dove le opzioni si moltiplicano e le regole cambiano con frequenza sconcertante, l'intelligenza artificiale sta emergendo come una possibile soluzione a un problema che affligge migliaia di organizzazioni in tutto il mondo. La questione non è semplice: quando un'azienda deve investire milioni di euro all'anno in licenziamento software, sbagliare la scelta del modello contrattuale può costare caro. È in questo scenario che nascono strumenti specializzati, progettati per fare ordine in un labirinto normativo sempre più intricato.
L'evoluzione che ha complicato tutto
Chris Brown, co-fondatore di Onyx, spiega come sia stato il cambio di strategia di Microsoft a innescare questa complessità. Il passaggio dalla vendita tramite intermediari alla vendita diretta ai grandi clienti ha stravolto un ecosistema consolidato da anni. "Il vecchio modello ruotava attorno a un singolo attore, il LSP (Licensing Solution Provider), che fungeva da guardiano del processo", racconta Brown.
Questo cambiamento, pur offrendo maggiori opzioni ai clienti, ha aggiunto uno strato di complessità che molte organizzazioni faticano a gestire. La situazione attuale è paradossale: Microsoft può suggerire una soluzione, l'ecosistema di partner un'altra, mentre strumenti di IA generica come ChatGPT o Gemini potrebbero proporre alternative completamente diverse.
Quando l'IA tradizionale non basta
Affidarsi a ChatGPT per consigli su licenze da milioni di euro potrebbe sembrare una strategia rischiosa, e in effetti lo è. Brown ha sviluppato un approccio diverso: utilizzare un modello di linguaggio appositamente addestrato con decenni di esperienza specifica nel settore del licensing. La differenza sta nella cura maniacale dei dati di training e nel controllo costante degli aggiornamenti normativi.
Un esempio concreto di questa complessità è rappresentato dallo scorporo di Teams da Microsoft 365, un cambiamento che ha richiesto tempo per essere recepito e che necessita di personale dedicato per monitorare costantemente le fonti di conoscenza e mantenere accurate le risposte del sistema.
Un consulente digitale che sa dire "non lo so"
Lo strumento di Onyx funziona come un helpdesk specializzato nel licensing, capace di rispondere a qualsiasi domanda tecnica specifica. Vuoi sapere la differenza tra licenze DSP e MCA? Il sistema può fornire dettagli sulle sfumature più sottili grazie al suo training personalizzato. Tuttavia, Brown è chiaro sui limiti: il modello non arriva a suggerire SKU individuali specifici, ma fornisce informazioni di licensing e consigli di benchmarking sui prezzi obiettivo.
La caratteristica più interessante di questo approccio è la gestione dell'incertezza. Quando il modello non conosce la risposta a una domanda, invece di "allucinare" una soluzione plausibile ma potenzialmente sbagliata, reindirizza la richiesta al team di controllo qualità per trovare una risposta accurata. "Questo è quello che i clienti apprezzano davvero", sottolinea Brown.
Microsoft oggi, ma il futuro è più ampio
Attualmente Onyx supporta esclusivamente il licensing Microsoft, ma Oracle, IBM e SAP sono nella roadmap di sviluppo. Il processo si è rivelato più lungo del previsto: solo per integrare completamente le opzioni Microsoft nei modelli è stato necessario più di un anno di lavoro. La ragione di questa lentezza sta nella profondità di analisi richiesta dai clienti, che va ben oltre un semplice motore di raccomandazioni.
Brown riflette sulla questione di fondo: è davvero diventato così complesso il mondo delle licenze da richiedere l'intervento dell'IA? La sua risposta è sfumata. "Le regole del licensing si sono sempre evolute", osserva. Il vero cambiamento è nel modo in cui i clienti accedono alle informazioni: se prima i LSP guidavano il processo, oggi i canali si sono diversificati e i consigli potrebbero essere influenzati da altri interessi commerciali.
"Noi rappresentiamo quello strato mancante tra partner e cliente", conclude Brown, "perché non vendiamo nulla, non spingiamo servizi. Offriamo solo chiarezza." Un approccio che riconosce i limiti dell'IA e sa quando delegare agli esseri umani, una lezione che molti altri fornitori di tecnologie basate sull'intelligenza artificiale potrebbero utilmente imparare.