Nelle aziende IT l’intelligenza artificiale sta entrando in una fase diversa rispetto alla prima stagione della sperimentazione. Non più solo quali strumenti adottare, ma come cambiare organizzazione, competenze e processi perché l’AI produca un impatto reale sul business.
È un passaggio particolarmente importante per un settore che vive una doppia trasformazione. Da una parte deve integrare queste tecnologie al proprio interno e, contemporaneamente, accompagnare i clienti nella stessa evoluzione. Per questo la capacità di implementare modelli e applicazioni non basta. Diventano determinanti formazione, leadership, comunicazione, governance e ridisegno del lavoro.
Indice degli argomenti
AI nelle aziende IT, l’adozione è già molto elevata
La diffusione degli strumenti di intelligenza artificiale tra i professionisti IT ha già raggiunto livelli molto alti. Secondo il 2025 DORA State of AI-assisted Software Development Report di Google Cloud, realizzato su quasi 5.000 professionisti tecnologici, l’adozione dell’AI tra chi si occupa di sviluppo software ha raggiunto il 90%, con un aumento di 14 punti percentuali rispetto all’anno precedente.
Il dato è rilevante perché mostra come l’AI non sia più uno strumento sperimentale utilizzato da una minoranza di developer. È ormai entrata nel normale toolkit professionale di chi produce software.
L’IT è tra le funzioni dove l’AI cresce più rapidamente
Un quadro simile emerge dal report McKinsey “The state of AI: How organizations are rewiring to capture value”. Nel 2025, il 78% delle organizzazioni intervistate dichiarava di utilizzare l’AI in almeno una funzione aziendale, contro il 72% della rilevazione precedente e il 55% di un anno prima.
La funzione IT è anche quella che ha registrato uno degli incrementi maggiori: la quota di intervistati che dichiarava l’utilizzo dell’AI nell’IT è passata dal 27% al 36%. Per le aziende tecnologiche, però, questi numeri aprono una questione ulteriore. Utilizzare molto l’AI non significa necessariamente avere già trasformato il proprio modello operativo.
Il vero nodo: passare dall’uso individuale alla trasformazione organizzativa
Un developer può utilizzare quotidianamente un coding assistant senza che il ciclo di sviluppo del software sia stato realmente ridisegnato. Un consulente può impiegare un modello generativo per sintetizzare documenti senza modificare metodologie, procedure di validazione o modalità di delivery. È proprio qui che si crea il divario tra adozione dello strumento e adozione organizzativa.
Anche il DORA Report sottolinea questo aspetto: l’AI agisce come un amplificatore e i risultati dipendono soprattutto dalla qualità dei sistemi organizzativi, dalla cultura, dai processi e dalle capacità già presenti nell’impresa.
Nei professional services cresce l’AI, ma resta il problema del valore
La questione riguarda da vicino anche business consulting e servizi professionali. Il 2026 AI in Professional Services Report di Thomson Reuters rileva che l’utilizzo organizzativo della Generative AI è quasi raddoppiato in un anno, passando dal 22% al 40%. Ma appena il 18% dei professionisti afferma che la propria organizzazione misura il ritorno sull’investimento dell’AI.
Il segnale è chiaro: la velocità di diffusione degli strumenti è superiore alla capacità di integrare l’AI nei modelli di gestione e di misurarne gli effetti. Una dinamica simile emerge dal 2026 AI Impact Survey di Grant Thornton dedicato ai professional services: il 57% delle aziende del settore sta scalando l’AI attraverso più funzioni, contro il 49% dell’intero campione. Eppure soltanto il 50% segnala incrementi di efficienza misurabili, contro il 63% complessivo. La tecnologia, quindi, corre più velocemente della trasformazione organizzativa.
Prima best practice: trattare l’AI come un progetto di trasformazione
La prima best practice consiste nel superare l’idea dell’AI come semplice progetto tecnologico. Acquistare licenze, scegliere un modello, definire policy e mettere a disposizione chatbot o copiloti rappresenta soltanto un primo livello di adozione.
Quando l’AI entra nel software development, nella gestione della conoscenza, nelle vendite, nelle risorse umane o nelle attività consulenziali, modifica infatti anche responsabilità, sequenza delle attività, modalità decisionali e rapporto tra competenze umane e automazione.
Partire dai quick win senza fermarsi ai quick win
In questa prospettiva può essere letto il percorso avviato da Fincons Group, come esempio di una modalità di introduzione graduale dell’AI. Come spiega Stefano Urbani, AI Strategy & Transformation Group Director di Fincons Group, la società “ha avviato un percorso strutturato di adozione dell’AI nel 2026, frutto di un lavoro di analisi
condotto negli anni precedenti, attraverso il programma di trasformazione
aziendale AI Transformation Path, coordinato dalla funzione AI Strategy &
Transformation. L’obiettivo non è stato quello di introdurre una discontinuità
improvvisa, ma di accompagnare gradualmente persone e processi verso nuovi
modelli operativi”.
La prima fase, aggiunge, “si è concentrata sui cosiddetti “quick win”, ovvero ambiti nei quali l’AI era in grado di generare benefici immediati e facilmente misurabili. Tra le principali aree di applicazione figurano il marketing e la comunicazione interna, dove gli strumenti di Generative AI supportano la produzione di contenuti, la preparazione di materiali e l’analisi delle informazioni. Parallelamente sono stati avviati progetti nei processi HR, in particolare nelle attività di scheduling, supporto alla talent acquisition, onboarding e gestione della conoscenza”.
Poi, l’adozione “si è estesa ai processi commerciali, alla gestione documentale e alle attività di delivery, dove l’AI non viene utilizzata soltanto come assistente operativo ma come leva per ripensare modalità di lavoro, processi decisionali e modelli di sviluppo del software”.
Seconda best practice: preparare il management prima di scalare
La trasformazione richiede manager capaci non soltanto di promuovere l’AI, ma di governarne concretamente l’impiego. Questo significa conoscere opportunità e limiti dei modelli, ma anche essere in grado di affrontare sicurezza dei dati, compliance, responsabilità, valutazione dei risultati e impatto sulle persone.
McKinsey rileva che il coinvolgimento diretto dei vertici nella governance dell’AI è uno dei fattori associati alla capacità di ottenere un maggiore valore economico dalla tecnologia.
La leadership AI-ready non è solo sponsorship
Per una società di consulting o system integration il tema è ancora più rilevante. Il manager deve riuscire a decidere quali attività automatizzare, quali aumentare attraverso l’AI e quali mantenere sotto un controllo prevalentemente umano.
Urbani descrive così il percorso seguito: “Abbiamo ritenuto fondamentale partire dal management. L’adozione dell’AI non è un progetto tecnologico ma un percorso di trasformazione organizzativa e culturale”.
Per questo, racconta, “abbiamo progettato un percorso formativo dedicato ai manager, finalizzato non soltanto a illustrare le potenzialità degli strumenti di AI, ma soprattutto a sviluppare la capacità di governarne l’utilizzo in modo consapevole e responsabile. Particolare attenzione è stata dedicata ai temi della governance, della sicurezza dei dati, della conformità normativa, dei principi contenuti nell’AI Act europeo e delle implicazioni etiche derivanti dall’utilizzo di sistemi intelligenti”.
L’obiettivo era “creare una leadership AI-ready, capace di guidare team sempre più integrati con strumenti intelligenti, comprendendone opportunità, limiti e rischi”-
Terza best practice: formazione diversa per ruoli diversi
Una formazione generalista sull’intelligenza artificiale rappresenta un punto di partenza, non un punto di arrivo. L’AI literacy è necessaria per costruire un vocabolario comune e diffondere conoscenze di base su funzionamento, limiti, rischi e responsabilità. Ma l’adozione reale arriva quando queste competenze vengono declinate sulle attività quotidiane delle diverse popolazioni aziendali.
Developer, commerciali e HR non hanno gli stessi bisogni
Un developer, un project manager, un recruiter e un commerciale non utilizzano l’AI nello stesso modo. Di conseguenza, non possono essere formati con lo stesso percorso, spiega Urbani: “Anche per i dipendenti abbiamo adottato un approccio strutturato e differenziato per ruolo. Il nostro obiettivo non era semplicemente insegnare a utilizzare nuovi strumenti, ma costruire una vera cultura aziendale dell’AI. Abbiamo avviato un primo percorso di alfabetizzazione e sensibilizzazione rivolto all’intera organizzazione, focalizzato sui fondamenti dell’Intelligenza Artificiale e sull’uso responsabile delle tecnologie. Successivamente sono stati introdotti percorsi specialistici dedicati alle diverse popolazioni aziendali”.
Per le strutture di Delivery “abbiamo sviluppato programmi dedicati all’ADLC (Agentic Delivery Life Cycle), un modello evolutivo che integra agenti AI all’interno dell’intero ciclo di sviluppo del software. I professionisti commerciali e i referenti verso i clienti sono stati invece formati all’utilizzo della Generative AI per l’analisi documentale, la predisposizione di offerte, la gestione delle informazioni e il supporto alle attività consulenziali”, aggiunge.
Fincons ha investito in modo significativo in questa iniziativa, coinvolgendo centinaia di professionisti in un percorso di evangelizzazione e formazione che continua ad evolversi e ad ampliarsi.
Quarta best practice: affrontare timori e resistenze
Essere professionisti IT non significa accettare automaticamente l’AI. Anzi, developer, analisti e consulenti possono percepire in modo particolarmente rapido quanto i nuovi strumenti siano in grado di intervenire su attività fino a pochi anni fa considerate strettamente legate alle competenze umane.
Non si tratta solo del timore di perdere il posto di lavoro. Riguarda anche il valore attribuito alla propria esperienza, l’evoluzione dei ruoli e la necessità di apprendere nuovi modi di lavorare.
Il problema del change management è soprattutto umano
Urbani sintetizza così la questione: “La complessità principale non è tecnologica ma umana. Ogni trasformazione di questa portata genera inevitabilmente aspettative, entusiasmi ma anche resistenze e timori. Molte persone si trovano per la prima volta a convivere con strumenti capaci di svolgere attività tradizionalmente considerate ad esclusivo appannaggio umano. Questo richiede un cambiamento profondo nel modo di lavorare e nel modo di percepire il proprio ruolo professionale”.
In Fincons, racconta, si ritiene “che l’AI non sostituirà le persone, ma trasformerà profondamente il contenuto del lavoro. In questo contesto, il vero rischio non è l’adozione dell’AI, bensì la mancata adozione. Chi saprà integrare efficacemente queste tecnologie potrà ampliare le proprie capacità e generare maggiore valore; chi non lo farà rischierà di vedere progressivamente ridursi il proprio perimetro operativo. Per questo il messaggio che abbiamo cercato di trasmettere all’intera organizzazione è semplice ma chiaro: Embrace AI. Non si tratta di subire il cambiamento, ma di guidarlo”.
Quinta best practice: riprogettare il processo invece di accelerarlo
Uno dei rischi più frequenti è utilizzare l’AI per fare più velocemente esattamente ciò che si faceva prima. Il risultato può essere un miglioramento di produttività individuale senza un vero cambiamento nella performance complessiva dell’organizzazione. McKinsey indica infatti il ridisegno dei workflow come una delle pratiche associate alle organizzazioni che stanno cercando di generare più valore dall’AI.
Da AI-assisted ad AI-native
La distinzione tra processi AI-assisted e processi AI-native diventa quindi centrale. Nel primo caso il processo esistente rimane sostanzialmente invariato e l’intelligenza artificiale accelera alcune attività. Nel secondo, il processo viene progettato fin dall’origine ipotizzando la presenza di sistemi intelligenti.
Urbani spiega: “Siamo ancora nel pieno di questa trasformazione. Alcuni processi sono già stati rivisti e arricchiti da strumenti AI, ma il cambiamento più rilevante riguarda il modo in cui stiamo ripensando l’organizzazione del lavoro. La nostra visione è quella di passare da processi tradizionali supportati dall’AI a processi progettati fin dall’origine come AI-native. Questo significa immaginare organizzazioni dove persone e agenti intelligenti collaborano in modo integrato e complementare”.
In prospettiva, “molte interazioni oggi affidate esclusivamente alle interfacce utente verranno progressivamente automatizzate attraverso ecosistemi agentici capaci di dialogare tra loro, accedere alle informazioni, eseguire attività e supportare decisioni in modo autonomo ma governato. È una trasformazione profonda che richiede investimenti, revisione dei modelli organizzativi e nuove competenze, ma che riteniamo possa generare un incremento significativo di produttività, qualità e capacità innovativa”, sottolinea.
L’agentic AI rende il cambiamento ancora più profondo
Il passaggio verso processi AI-native diventa ancora più rilevante con la diffusione dell’agentic AI. Il 2026 AI in Professional Services Report di Thomson Reuters rileva che il 15% delle organizzazioni utilizza già strumenti di agentic AI, mentre un altro 53% sta pianificando o valutando la loro adozione.
Questo significa passare progressivamente da strumenti che aiutano una persona a svolgere un compito a sistemi in grado di concatenare più attività, utilizzare informazioni, interagire con altri strumenti e produrre output con livelli crescenti di autonomia.
Cambia il confine tra esecuzione e supervisione
Nell’IT questa trasformazione può riguardare l’intero ciclo di sviluppo del software, la gestione documentale, l’analisi dei requisiti, il testing e parte delle attività consulenziali. Il problema organizzativo diventa quindi stabilire dove si collocano l’automazione, la verifica umana e la responsabilità della decisione. È anche per questo che l’adozione degli agenti non può essere affrontata esclusivamente come evoluzione tecnica. Richiede nuovi modelli di controllo e una ridefinizione esplicita dei ruoli.
Sesta best practice: costruire una comunicazione continua
La comunicazione interna non può limitarsi alla presentazione iniziale di un nuovo strumento. L’evoluzione dell’AI è troppo rapida perché una formazione una tantum sia sufficiente. Casi d’uso, regole, rischi e strumenti cambiano continuamente.
Un linguaggio comune tra management e dipendenti
La comunicazione è stata uno degli elementi centrali del programma di trasformazione di Fincons Group. Fin dall’inizio, spiega Urbani, “abbiamo affiancato alle attività formative un importante lavoro di evangelizzazione, realizzato congiuntamente dalle funzioni AI Strategy & Transformation, Organizzazione e HR. Sono stati attivati percorsi formativi, webinar, sessioni plenarie, workshop e strumenti di condivisione della conoscenza per favorire una diffusione capillare delle informazioni e creare occasioni continue di confronto”.
L’obiettivo “non era soltanto trasferire competenze, ma costruire un dialogo continuo tra management e collaboratori, creando un linguaggio comune e una comprensione condivisa delle opportunità e delle responsabilità associate all’AI. Il livello di partecipazione e il numero di iniziative avviate dimostrano che l’interesse è elevato. Come in ogni processo di trasformazione, esistono sensibilità e livelli di maturità differenti, ma la direzione è chiara: rendere l’AI una competenza diffusa e un elemento strutturale della cultura aziendale”.
Creare un linguaggio comune serve anche a evitare che l’organizzazione proceda a velocità diverse, con alcune funzioni molto avanzate e altre ferme alla fase di sperimentazione.
Settima best practice: misurare il cambiamento, non soltanto l’utilizzo
Un ulteriore passaggio riguarda la misurazione. Numero di licenze attivate, prompt effettuati o utenti mensili possono indicare quanto uno strumento venga utilizzato, ma non dicono necessariamente quanto valore produca. Il fatto che soltanto il 18% degli intervistati da Thomson Reuters dichiari che la propria organizzazione misura il ROI dell’AI mostra quanto questa fase sia ancora poco strutturata. In azienda, gli indicatori dovrebbero progressivamente spostarsi dall’utilizzo dello strumento agli effetti sul lavoro: tempi di delivery, qualità, rework, accuratezza, customer satisfaction, capacità di sviluppare nuovi servizi e velocità nella gestione dei progetti.
Lo stesso vale per le persone. Un programma di change management dovrebbe misurare non soltanto quante persone hanno partecipato alla formazione, ma quanto le competenze acquisite vengono effettivamente integrate nei processi.
AI nelle aziende IT: il vantaggio sarà organizzativo
I dati mostrano quindi un settore nel quale l’AI è già largamente presente. Ma proprio questa diffusione sposta il terreno della competizione. Quando tutti possono accedere agli stessi modelli e a strumenti con capacità simili, il vantaggio diventa meno legato alla disponibilità della tecnologia e più alla capacità di integrarla nell’organizzazione.
Per aziende IT e system integrator, le best practice iniziano così a delineare un modello abbastanza preciso: partire da casi d’uso misurabili, preparare il management, costruire una literacy diffusa, differenziare la formazione per ruolo, intervenire sulle resistenze, ridisegnare i processi, mantenere una comunicazione continua e misurare gli effetti sul business.
Il salto più importante è però quello dai processi supportati dall’AI ai processi progettati per funzionare con l’AI. Le aziende IT non dovranno soltanto dimostrare di sapere implementare queste tecnologie per i propri clienti, ma di sapere organizzare in modo efficace il lavoro tra persone, software tradizionale e sistemi intelligenti. Ed è su questo terreno che people management e change management diventano una componente strutturale della strategia AI.
Partecipa alla community