Perché c’era un problema con il sistema. Un problema molto serio.

Ogni volta che la disponibilità di materie prime scendeva al di sotto del quaranta percento dei livelli normali – cosa che accadeva abbastanza spesso nella produzione industriale – l’algoritmo tentava di ricalcolare troppe variabili contemporaneamente. Invece di adattarsi alla carenza, entrava in un ciclo di elaborazione che finiva per bloccare l’intero sistema.

Avevo documentato quel difetto mesi prima. Avevo anche raccomandato ulteriori test di stress e proposto diverse soluzioni tecniche. Valeria aveva ignorato i miei avvertimenti con la stessa indifferenza che dimostrava verso qualsiasi dettaglio che potesse complicare le sue presentazioni.

“Sono casi limite”, mi aveva detto. “Li affronteremo nella versione due.”

Ma la dimostrazione che stava preparando non era per la versione due. Era destinata al nostro cliente potenziale più importante: il nuovo stabilimento Ford per veicoli elettrici.

In palio c’era un contratto da cinquanta milioni di dollari. La stampa nazionale avrebbe seguito l’evento. Se tutto fosse andato secondo i piani di Valeria, quella presentazione avrebbe potuto trasformarla in una delle stelle nascenti più promettenti del settore tecnologico.

L’ironia era quasi perfetta.

Ford aveva richiesto specificamente scenari di stress test perché le sue catene di approvvigionamento si stavano ancora riprendendo dalle interruzioni causate dalla pandemia. La carenza di materiali era uno dei rischi che più preoccupavano i suoi dirigenti.

E Valeria stava per mostrare loro un sistema che sarebbe crollato nel momento stesso in cui si fosse imbattuto in quel preciso problema.

Durante la settimana che ha preceduto la dimostrazione, l’ho osservata mentre si preparava. Ha ignorato ogni protocollo di test che le avevo raccomandato. Era troppo impegnata a memorizzare i punti chiave sui rivoluzionari miglioramenti in termini di efficienza e sulla riduzione dei costi per preoccuparsi di dettagli apparentemente insignificanti come la stabilità del software.

Il suo team ha creato una presentazione visivamente sbalorditiva, ricca di animazioni accattivanti, cifre promettenti e proiezioni impressionanti. Tutto sembrava studiato per conquistare i dirigenti. Ma avevano tralasciato la parte più noiosa: assicurarsi che il sistema continuasse a funzionare anche quando le condizioni non fossero più ottimali.

La sera prima della dimostrazione, ho ricevuto una chiamata da Javier Cruz, il giovane ingegnere di Stanford che faceva parte del mio team originale. Valeria lo aveva riassegnato alla manutenzione dei sistemi legacy, un’espressione che, nel linguaggio aziendale, significava che era stato allontanato da qualsiasi incarico importante.

«Ricardo, sono preoccupato per domani», disse non appena risposi. «Ho effettuato alcuni test sugli scenari dimostrativi e ho riscontrato un problema.»

Mi sono accomodato sulla sedia, pur potendo già immaginare cosa stesse per dire.

“Che tipo di problema?”

“Se simulano un’interruzione della fornitura superiore al trentacinque percento, l’intero sistema si blocca.”

Ho chiuso gli occhi per un attimo.

“L’hai detto a Valeria?”

“Ci ho provato. Lei ha detto che gli scenari dimostrativi erano già definiti e che non avevamo tempo di preoccuparci di problemi ipotetici. Ma Ricardo, Ford ha menzionato specificamente la resilienza della catena di approvvigionamento come priorità assoluta.”

L’ho ringraziato per la chiamata e ho riattaccato.

Una parte di me avrebbe voluto entrare dritta nell’ufficio di Valeria e avvertirla un’ultima volta. Immaginavo la sua reazione: quel sorriso impaziente e il tono condiscendente che avrebbe usato per spiegarmi che non capivo le priorità aziendali. Aveva già chiarito perfettamente che la mia opinione non era gradita.

Se voleva appropriarsi del mio progetto, poteva assumersi anche la responsabilità dei suoi fallimenti.

Quella sera, ho aperto il mio portatile e ho fatto qualcosa che rimandavo da mesi.

Ho iniziato a sviluppare da zero una mia versione del sistema. Non ho utilizzato alcuna risorsa di Beltrick e non ho copiato una sola riga di codice che l’azienda potesse rivendicare come propria. Ho lavorato esclusivamente sulla base delle mie conoscenze, dei miei vent’anni di esperienza e di una chiara comprensione dei problemi da risolvere.

L’ho chiamato Montes Predictive Analytics Systems.

Volevo un codice pulito, un’architettura robusta e, soprattutto, meccanismi in grado di gestire correttamente i casi limite che il team di Valeria considerava troppo banali per meritare attenzione.

Non sapevo ancora se il progetto si sarebbe mai rivelato utile. Non ero nemmeno sicuro di avere l’opportunità di svilupparlo completamente. Ma per la prima volta dopo molti mesi, lavorare mi dava la stessa soddisfazione che provavo da giovane ingegnere.

Poi arrivò la mattina della manifestazione.

Tornata nella sala conferenze della Beltrick Dynamics, Valeria ha cliccato sull’ultima diapositiva.

“Prevediamo miglioramenti in termini di efficienza dal quindici al venti percento durante il primo anno”, ha annunciato, “insieme a un risparmio annuo di dodici milioni di dollari per una struttura di queste dimensioni”.

I dirigenti della Ford annuirono con interesse. Alcuni tirarono fuori i cellulari per fotografare le proiezioni. Marcos Navarro si sporse in avanti, visibilmente soddisfatto, mentre Carolina Torres continuava a prendere appunti sul suo tablet.

Valeria si stava godendo le attenzioni. Dall’ultima fila, ho dato un’altra occhiata all’orologio.

Mancavano due minuti all’inizio della dimostrazione dal vivo.

Il mio telefono ha vibrato di nuovo. Un altro messaggio da Carolina.

“C’è qualcosa che non quadra in questa presentazione. Troppo curata nei dettagli. Pochissima profondità tecnica.”

Ho risposto con due frasi.

“Aspetta due minuti. Vedrai tutto ciò che devi sapere.”

Valeria si voltò verso l’enorme schermo alle sue spalle.

«Ora, lasciatemi mostrarvi il nostro sistema in azione», annunciò, la sua voce sicura che risuonava in tutta la stanza. «Abbiamo preparato una simulazione completa che dimostra come la nostra intelligenza artificiale affronta le sfide reali del settore manifatturiero».

L’interfaccia iniziò a caricarsi e apparve un dettagliato modello tridimensionale di una linea di assemblaggio automobilistica. I bracci robotici si muovevano in perfetta coordinazione, i nastri trasportatori regolavano automaticamente la loro velocità e flussi di dati scorrevano sui pannelli laterali visualizzando metriche di efficienza in tempo reale.

Per i primi cinque minuti, tutto è sembrato assolutamente impeccabile.

La dimostrazione si è svolta senza intoppi. La voce di Valeria trasmetteva una sicurezza incrollabile mentre la simulazione mostrava bracci robotici lavorare in armonia e un sistema di intelligenza artificiale apparentemente in grado di gestire alla perfezione una complessa catena di montaggio.