Tech4GlobalHealth

L’AI in azienda? Deve essere un gioco di squadra o addio valore

Home Industry 4.0/Innovazione in azienda

Le imprese italiane parlano sempre più di intelligenza artificiale, ma molti progetti restano fermi alla sperimentazione. Competenze, scalabilità e regole sono i nodi principali: per trasformare l’AI in valore serve formare insieme vertici, manager intermedi e specialisti digitali

Pubblicato il 5 mag 2026

Leandro Pecchia

Ingegnere, Prorettore alla ricerca dell’Università Campus Bio-Medico di Roma

lingua dei segni e intelligenza artificiale (1) AI proprietaria e foundation models

Chiedi all'AI

Riassumi questo articolo

Approfondisci con altre fonti

Negli ultimi diciotto mesi non c’è consiglio di amministrazione italiano che non abbia messo l’intelligenza artificiale all’ordine del giorno. Le slide sono ovunque: opportunità, rischi, Generative AI, compliance con l’AI Act. Il 78% delle aziende del settore sanitario ha già integrato l’intelligenza artificiale in prodotti o servizi e il 61% opera già in fasi avanzate di sviluppo e validazione.

Eppure, se si misurano i numeri, la fotografia del sistema produttivo è meno lusinghiera. La maggioranza dei progetti si ferma al proof-of-concept e fatica a diventare servizi o prodotti; molte applicazioni generative restano confinate all’uso individuale dei dipendenti più curiosi e faticano a diventare pratiche consolidate in azienda, creando rischi di allineamento qualitativo e valoriale.

AI in azienda: il vero cambiamento riguarda il modello operativo

Tra l’investimento dichiarato e il valore davvero creato c’è uno scarto che, nel 2026, ha smesso di essere fisiologico: è diventato strutturale.

Indice degli argomenti

Intelligenza artificiale in azienda, il divario tra investimenti e valore

Da dove arriva questo scarto? Una ricerca recente condotta dall’Università Campus Bio-Medico di Roma con Intesa Sanpaolo, all’interno dell’osservatorio Tech4GlobalHealth, ha provato a misurarlo[1]. Sono state coinvolte oltre 300 aziende italiane nei settori dispositivi medici, sistemi informativi, biotecnologie e farmaci, con interviste e focus group ad esperti di imprese, aziende sanitarie, centri di ricerca e policymaker italiani ed europei.

La diagnosi è controintuitiva: le imprese italiane non sono frenate dalla tecnologia. Lo sono da tre ordini di barriere — di competenze, di scalabilità e regolatorie — tutte di natura organizzativa e non tecnologica.

In altre parole, il primo collo di bottiglia non è l’algoritmo. È la capacità dell’impresa di integrarlo nei processi, governarne i rischi e trasformarlo in decisione quotidiana.

Perché la formazione sull’AI fatica a produrre trasformazione

Questo spiega anche perché la formazione sull’AI in Italia, sebbene siano scese in campo le principali istituzioni, fatichi a produrre trasformazione. Il modello dominante risponde a una logica di silos, oramai superata: bootcamp e master tecnici per gli specialisti, executive briefing brevi per il vertice, corsi spot per chi sta in mezzo. Ogni profilo si allena separatamente, sul proprio pezzo di gioco. Ma l’adozione dell’AI non è un gioco individuale. È uno sport di squadra. Il portiere si allena per parare i rigori, l’attaccante per segnarli: ma nessuno vince una partita se la squadra non si è mai allenata insieme. Soprattutto, l’allenamento è cruciale, ma poi sono le partite che fanno maturare i giocatori e la squadra, e fanno vincere le sfide.

Trasferita in azienda, la logica a silos produce poi un effetto ben noto: leader che deliberano progetti che poi non sanno governare, middle management che riceve tecnologie che non sa integrare nei processi di reparto, specialisti che costruiscono modelli tecnicamente eccellenti che non diventano mai decisioni operative. Molti proof-of-concept, poca scala, ritorno sull’investimento frustrante.

Dalle competenze AI alla capacità di squadra

A leggerle con attenzione, anche le tesi che emergono dalla ricerca empirica di Intesa Sanpaolo e dalle evidenze internazionali pubblicate da Deloitte[2], McKinsey[3] e Boston Consulting Group[4], è che i ritorni economici dell’AI crescano solo se le tre popolazioni — vertice strategico, middle management e specialisti AI e digitali — crescono insieme, con obiettivi di apprendimento distinti ma complementari e armonici.

Le aziende che lo fanno in modo sistemico mostrano, rispetto a quelle con adozione parziale, crescita dei ricavi e dell’EBIT moltiplicata fino a cinque volte; miglioramenti dei KPI operativi tra il quindici e il trenta per cento là dove il middle management riprogetta davvero i processi; riduzioni dei costi operativi tra il cinque e il quindici per cento dove gli specialisti automatizzano task specifici e alzano la qualità dei dati. Non sono numeri che si ottengono assumendo più data scientist. Si ottengono aumentando la capacità di squadra.

Formare la squadra significa accettare una complessità che la formazione a catalogo non riesce a gestire. Significa che il top management deve costruire nuovi modelli mentali per governare con l’AI, non solo per governarla: capire quali decisioni può delegare alla macchina, quali deve tenere, quali rischi — reputazionali, regolatori, etici — entrano nel perimetro della propria accountability. Significa che il middle management deve saper tradurre le ambizioni strategiche in requisiti operativi, riprogettare i flussi di lavoro, presidiare la qualità dei dati e la convivenza uomo-macchina nei reparti. Significa che gli specialisti devono sviluppare non solo competenza algoritmica, ma cultura del prodotto, della compliance e della comunicazione con il business. E significa, soprattutto, che tutti e tre i livelli si formino in parallelo, sugli stessi casi reali, con un linguaggio condiviso: è lì che si costruisce la capability organizzativa che l’AI Act, il GDPR e la vera scalabilità dei progetti richiedono.

Un master per applicare l’intelligenza artificiale ai processi

Dalla nostra esperienza con l’AI, e da questa lettura congiunta delle sfide che ci attendono, nasce l’Executive Master in Applied Artificial Intelligence Engineering dell’UCBM Academy: un programma che abbiamo progettato come laboratorio applicato della nostra analisi. Un solo corso, tre profili — top management, middle management, ruoli AI e digitali — e dieci moduli che vanno dalla governance all’operationalization, dalla Generative AI alla cybersecurity, dalla privacy alla trasformazione dei processi. Ogni modulo si apre con una sessione dedicata al vertice sui modelli mentali, prosegue con un’introduzione congiunta ai tre profili e approfondisce poi tecnicamente con gli specialisti. I project work — su funzioni trasversali come HR, finance e logistica, oltre che sui settori delle aziende sponsor — si svolgono in squadre miste, con la faculty e i top manager aziendali nel ruolo di registi strategici e i profili operativi nella governance dell’esecuzione.

AI, formazione e politiche pubbliche: il baricentro da spostare

Le implicazioni, per l’Italia, vanno oltre il perimetro della singola impresa. Il PNRR, i piani nazionali di reskilling, i bandi regionali stanno misurando i propri risultati formativi in termini di persone formate. È una metrica necessaria, ma insufficiente. Contano gli incroci: quante organizzazioni hanno formato contemporaneamente il proprio vertice, la propria linea manageriale e i propri tecnici; quanti percorsi sono stati progettati perché la squadra giochi insieme, non perché i singoli migliorino il proprio tempo in solitaria. Se l’intelligenza artificiale, come tutte le intelligenze, è una capability collettiva, è lì che va praticata e misurata — ed è lì che la formazione, le politiche pubbliche e le strategie aziendali dovranno presto spostare il baricentro. Altrimenti continueremo a formare campioni di specialità, in un campionato che si vince solo agendo come una squadra.