produttività

Perché l’AI non crea ancora valore: cosa devono fare i vertici


Indirizzo copiato

L’AI migliora attività e produttività, ma solo una minoranza di aziende ottiene un impatto economico rilevante. La svolta richiede priorità legate ai grandi bacini di valore, processi riprogettati, dati affidabili e responsabilità dirette di Management e Board nei processi decisionali

Pubblicato il 21 ott 2026

Piercarlo Gera

Coordinatore Reflection Group Nedcommunity “Digital Innovation & Governance, Board e Advisory Board Member



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 13 ott 2026, 17_19_26




L’intelligenza artificiale funziona. Ma perché, nella maggior parte delle aziende, non genera ancora un valore significativo? E cosa devono fare Management e Board per trasformare gli investimenti in risultati concreti?

AI e creazione di valore: il paradosso dei risultati limitati

L’intelligenza artificiale sta cambiando il modo di lavorare. Ognuno di noi può sperimentare quotidianamente quanto l’AI consenta di svolgere in pochi minuti attività che prima richiedevano ore. Anche nelle aziende si moltiplicano le applicazioni: dall’assistenza ai clienti allo sviluppo software, dalla gestione dei rischi alla ricerca e sviluppo.

Eppure, la creazione di valore a livello aziendale rimane limitata. Secondo una ricerca McKinsey, soltanto il 6% delle aziende intervistate può essere considerato ad alto rendimento nell’utilizzo dell’AI, con un impatto sull’EBIT pari almeno al 5%. Siamo quindi di fronte a un apparente paradosso: l’AI funziona, gli investimenti crescono, ma i risultati economici faticano a emergere.

Perché? Il problema, nella maggior parte dei casi, non è tecnologico. È strategico e di gestione, come dimostrano le esperienze di best practice di utilizzo dell’AI, come Walmart, BMW, IKEA, JP Morgan, BBVA

Perché gli investimenti in AI non producono valore

Tre sono le cause principali.

I value pools e il core business

La prima è la scarsa focalizzazione sui grandi bacini di valore aziendali, i cosiddetti value pools. Troppe imprese indirizzano decine (o centinaia) di use cases, spesso nelle funzioni di supporto, senza intervenire sul core business, sulle attività che determinano realmente ricavi, costi e competitività. Migliorare con l’AI la gestione delle meeting notes, la selezione del personale o attività di controllo è certamente utile.

Ma se una quota rilevante delle risorse lavora nella rete commerciale, è soprattutto lì che occorre valutare come l’AI possa trasformare il modello di servizio, aumentare la produttività e migliorare la relazione con i clienti. Nel settore farmaceutico e chimico, dove tra i principali business drivers vi è la ricerca e sviluppo, è fondamentale valutare in tale ambito se/dove/come applicare l’AI.

L’AI come responsabilità del business

La seconda causa è considerare l’AI una questione prevalentemente tecnologica, delegandola al CIO, al CTO o al COO. La tecnologia è indispensabile, è un presupposto per il successo, ma non può essere il punto di partenza. Sono i responsabili di business e di funzione che devono identificare le opportunità, ripensare le attività e assumersi la responsabilità dei risultati.

Riprogettare i processi con l’AI

La terza causa è di grande importanza: applicare l’AI ai processi esistenti senza riprogettarli. Consideriamo un Customer Service che gestisce i reclami via e-mail. Tradizionalmente, un operatore legge la richiesta, la classifica, ricerca le informazioni, verifica le procedure e prepara la risposta.

Con l’AI, il processo può cambiare radicalmente: il sistema interpreta la richiesta, recupera le informazioni e propone una risposta, mentre l’operatore interviene per verificare i casi più delicati e gestire le eccezioni. Con grande impatto in termini di efficacia e produttività. Non abbiamo semplicemente accelerato il vecchio processo. Ne abbiamo creato uno nuovo, con attività, competenze e responsabilità differenti.

È proprio questa la differenza tra utilizzare l’AI e trasformare l’azienda attraverso l’AI.

Strategia, dati e competenze per generare valore con l’AI

Occorre innanzitutto integrare l’AI nella strategia aziendale, anziché sviluppare una strategia tecnologica separata. Il punto di partenza non dovrebbe essere «Dove possiamo applicare l’AI?», ma “Quali sono le grandi opportunità e i principali problemi del nostro business e come può aiutarci l’AI?”

Occorre quindi identificare ambiti prioritari, quantificare il valore potenziale e definire programmi di trasformazione dei processi, con obiettivi economici misurabili e responsabilità chiare.

Qualità e governance dei dati

Un secondo elemento fondamentale riguarda i dati. Senza informazioni affidabili, accessibili e integrate nei sistemi aziendali, anche i migliori modelli di AI rischiano di produrre risultati modesti. Qualità e governance dei dati, architetture tecnologiche, sicurezza e selezione dei partner devono essere considerate componenti essenziali della strategia.

Competenze, organizzazione e AI agentica

Altrettanto importante è la trasformazione delle competenze e dell’organizzazione. L’AI non cambia soltanto gli strumenti utilizzati dalle persone, ma il modo stesso di lavorare. E genera importanti rischi, cyber e non, come i recenti fatti di cronaca dimostrano. Con la diffusione dell’AI agentica, capace di eseguire autonomamente sequenze di attività entro obiettivi e limiti definiti, le aziende dovranno imparare a gestire processi nei quali persone e agenti digitali collaborano, con nuove modalità di supervisione e controllo. E ovviamente gestire i rischi associati.

Misurare i risultati economici

Infine, occorre misurare i risultati. Non basta contare i progetti avviati, gli utenti che utilizzano l’AI o le ore teoricamente risparmiate. Bisogna verificare quanto valore viene effettivamente generato: maggiori ricavi, minori costi, migliore qualità del servizio, riduzione dei rischi.

Il Management guida la trasformazione e il valore dell’AI

La responsabilità di questa trasformazione appartiene ai vertici aziendali, al Top Management team. Il CEO deve assicurare che l’AI sia parte integrante delle priorità strategiche, promuovere una cultura aperta all’innovazione e garantire il coordinamento tra business, tecnologia, risorse umane e funzioni di controllo.

Owner di business, piattaforme e conformità

I responsabili di business e funzione devono essere i veri owner dei programmi di trasformazione nelle rispettive aree. Non devono limitarsi a chiedere alla funzione IT di individuare possibili applicazioni. Devono conoscere le opportunità e i rischi offerti dall’AI, comprendere come evolvono i modelli operativi dei concorrenti e avere il coraggio di ripensare processi consolidati. Specifiche funzioni centrali devono gestire qualità e affidabilità dei dati, valutare e selezionare piattaforme AI, competenze e regole comuni, assicurando sicurezza, qualità dei dati, conformità normativa (AI act, etc.) e gestione dei rischi.

Dare una destinazione al tempo liberato

Un aspetto particolarmente delicato riguarda la chiarezza di visione, per allineare le risorse sugli obiettivi. Se l’AI consente di liberare il 20% del tempo di un gruppo di collaboratori, cosa intendiamo fare di quel tempo? Aumentare i volumi? Migliorare il servizio? Sviluppare nuove attività? Ridurre i costi? Senza una risposta chiara, il beneficio rischia di rimanere teorico e le persone potrebbero percepire l’innovazione semplicemente come una minaccia.

Il compito del Management non è introdurre nuovi strumenti, ma guidare una trasformazione del business e dell’organizzazione che produca risultati misurabili.

Il Board tra valore dell’AI, execution e rischi

L’AI è una materia di Board non perché agli amministratori sia richiesto di conoscere gli algoritmi, ma perché può modificare profondamente la competitività, il modello operativo, il profilo di rischio e il valore dell’impresa. Il Board deve quindi assicurare un adeguato indirizzo strategico, verificare la coerenza degli investimenti con le priorità aziendali e supervisionare i rischi e la execution.

Deve inoltre accertarsi che gli assetti organizzativi siano adeguati e che il Top Management team abbia le competenze e la determinazione necessarie per guidare la trasformazione del business.

Questo ruolo diventa particolarmente importante quando l’azienda tende a delegare la materia alle funzioni tecnologiche o a moltiplicare progetti di limitato impatto economico.

Le domande che gli amministratori devono porre

Al consigliere non si chiede di scegliere i modelli di AI, ma di saper porre alcune domande fondamentali.

Abbiamo identificato i grandi bacini di valore sui quali concentrare gli investimenti? Quali risultati economici stiamo generando e come li misuriamo? Stiamo ripensando i processi o semplicemente applicando l’AI a quelli esistenti? I responsabili di business sono realmente coinvolti? Abbiamo avviato i necessari programmi di trasformazione delle competenze e dell’organizzazione? Come presidiamo i rischi legali, operativi, cyber, reputazionali ed etici?

Reporting, risultati e supervisione

Per esercitare efficacemente questa supervisione, il Board deve ricevere un reporting periodico che colleghi investimenti, avanzamento dei programmi, risultati economici, adozione organizzativa e principali rischi.

In conclusione, il valore dell’AI non nasce dalla tecnologia in sé, ma dalla capacità dell’azienda di utilizzarla per trasformare il proprio business.

Il Management deve guidare questa trasformazione, assumendosi la responsabilità dei risultati. Il Board deve assicurarsi che esistano una strategia chiara, risorse adeguate, responsabilità definite e un efficace sistema di supervisione. La domanda fondamentale non è più quanta AI stiamo introducendo in azienda, ma quanto valore stiamo creando grazie all’AI.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x