Indice dei contenuti
L’intelligenza artificiale prometteva di rivoluzionare il modo di lavorare delle imprese, accelerare i processi, aumentare la produttività e aprire nuove opportunità di crescita. Ma, almeno per ora, tra gli investimenti sostenuti dalle aziende e i risultati effettivamente percepiti resta una distanza significativa. E il problema non sembra risiedere tanto nei limiti della tecnologia quanto nel modo in cui viene introdotta e utilizzata all’interno delle organizzazioni.
Una questione di modelli operativi
La fotografia restituita dall’indagine sulle principali aziende italiane è eloquente. Alla domanda se consiglierebbero ad altre imprese le soluzioni di AI adottate e se si sentano realmente in controllo delle loro applicazioni, soltanto il 10% degli intervistati dichiara di essere soddisfatto dei risultati ottenuti dagli investimenti. Il 72% riconosce miglioramenti nella produttività individuale o nei propri team. Quando, però, si passa dal rendimento delle singole persone alla trasformazione del modello operativo, la percentuale scende all’11%. Un dato particolarmente rilevante, perché è proprio dalla capacità di cambiare il modo in cui un’impresa opera che può derivare un ritorno strutturale sull’investimento.
Anche il marketing non se la passa bene. Tattica, non strategia
Visto che pure qui la distanza tra sperimentazione e trasformazione è evidente: il 37% degli intervistati è ancora concentrato soprattutto sulla produttività e sulla riduzione dei costi. L’evoluzione del modello di business rimane, invece, un obiettivo meno diffuso. Il rischio è che l’intelligenza artificiale venga utilizzata per fare più velocemente ciò che le aziende già fanno, senza interrogarsi abbastanza su ciò che potrebbero fare diversamente. Un approccio che consente di ottenere benefici nel breve periodo, ma che difficilmente esaurisce il potenziale strategico della tecnologia.
Il problema dei silos: quando la tecnologia non incontra il business
Un altro elemento emerso dalla ricerca riguarda la governance dei progetti. In circa il 37% dei casi analizzati, la trasformazione AI nel brand marketing e nella comunicazione è governata prevalentemente dall’IT. Il risultato è una divergenza tra obiettivi tecnologici e necessità del business. Da una parte, i responsabili IT considerano positivamente il numero di PoC (Proof of Contest, ossia sperimentazioni e progetti pilota) realizzati o le fonti dati integrate, dall’altra, chi deve gestire la relazione con il cliente e rispondere dei risultati commerciali non percepisce benefici altrettanto concreti.
Moltiplicano investimenti e la complessità, ma senza direzione condivisa
La distanza emerge anche nelle valutazioni dei diversi ruoli aziendali. I responsabili tecnologici esprimono una soddisfazione, mentre le valutazioni di chi guida il marketing e la trasformazione digitale risultano critiche. Si crea così una frattura interna, alla narrazione dei risultati tecnologici si contrappone quella di chi non vede ancora un cambiamento sostanziale nel proprio lavoro. A complicare il quadro è la proliferazione delle sperimentazioni. I numerosi proof of concept avviati da consulenti, fornitori e dipartimenti interni rischiano di produrre soluzioni simili ma non coordinate, moltiplicando gli investimenti e la complessità senza costruire una direzione condivisa. Il risultato può essere un’organizzazione più confusa, anziché più efficace, con un rischio concreto di mancato ritorno economico. La questione, dunque, non è semplicemente adottare l’AI, ma riuscire a integrarla in una strategia aziendale coerente, evitando che ogni funzione proceda per conto proprio.
Il vero nodo della trasformazione: la cultura organizzativa
Non basta organizzare corsi sull’intelligenza artificiale o creare academy dedicate alle nuove tecnologie. Occorre ripensare il modo in cui le persone collaborano, prendono decisioni, condividono conoscenze e assumono responsabilità. L’AI è una tecnologia che apprende. Per generare valore distintivo deve quindi poter operare all’interno di un contesto che rifletta le caratteristiche specifiche dell’impresa. La sua conoscenza del mercato, le competenze delle persone, i processi, le relazioni con i consumatori e i criteri con cui vengono prese le decisioni. La domanda da porsi deve cambiare radicalmente. Non più ‘che cosa può fare l’AI per il nostro brand?’ Ma ‘che cosa dobbiamo insegnare all’AI del nostro brand, per permetterle di operare in modo diverso e migliore?’. È il passaggio dalla semplice adozione di strumenti a una sorta di brand culture come sistema operativo: un patrimonio di conoscenze, dati e competenze organizzato in modo da rendere l’intelligenza artificiale coerente con l’identità e gli obiettivi dell’impresa. I dati restano centrali, ma non basta accumularli, devono essere integrati e organizzati secondo una grammatica condivisa, capace di mettere in relazione informazioni sul mercato, sui consumatori, sui processi e sulle competenze interne. L’obiettivo è costruire un’infrastruttura di conoscenza viva, in grado di recepire i segnali del mercato, osservare le mosse dei concorrenti, comprendere i comportamenti dei consumatori e verificare l’efficacia del lavoro dei team. Un sistema che possa anche supportare simulazioni e decisioni, del tipo: che cosa succederebbe lanciando un nuovo prodotto, modificando il prezzo o ripensando un servizio? Insomma, l’AI non deve essere un insieme di applicazioni isolate, ma una capacità trasversale dell’organizzazione.
Governance centrale, esecuzione distribuita e ruoli più ibridi
La governance deve assicurare una direzione comune, ma l’esecuzione non può essere interamente centralizzata. Le funzioni che conoscono il business devono poter adattare gli strumenti alle proprie esigenze, soprattutto in ambiti come il marketing, dove il contesto, la relazione con il consumatore e la velocità di risposta sono determinanti. Allo stesso tempo, occorre superare i silos funzionali e favorire team più fluidi, costruiti intorno agli obiettivi e ai risultati da raggiungere, anziché esclusivamente sulla base delle competenze verticali. Anche i ruoli sono destinati a cambiare. Servono profili più ibridi, capaci di combinare conoscenze diverse e di muoversi tra tecnologia, business e comprensione del cliente. Non si tratta soltanto di aggiungere competenze tecniche a quelle esistenti, ma di sviluppare una diversa capacità di collaborazione e di adattamento. Il tutto richiede un’evoluzione culturale: maggiore fiducia, disponibilità alla sperimentazione, tolleranza dell’errore e tempi di apprendimento più rapidi. Elementi difficili da conciliare con organizzazioni abituate a lavorare per compartimenti stagni e a valutare le persone sulla base di responsabilità rigidamente delimitate.
Misurare soltanto l’efficienza è un errore
Un altro nodo è la misurazione del valore. Se nei primi anni di adozione dell’AI l’attenzione si è concentrata soprattutto sull’efficientamento dei processi e sulla riduzione dei costi, oggi questo approccio rischia di diventare limitante. Le imprese devono certamente continuare a misurare i risparmi ottenuti e le risorse investite, compresi i costi di utilizzo dei modelli, ma fermarsi a questi indicatori significa trascurare una parte essenziale del potenziale dell’intelligenza artificiale. Il valore va valutato anche in termini di crescita. Non soltanto maggiori ricavi a parità di attività, ma capacità di sviluppare nuove opportunità, esplorare nuovi spazi di mercato e immaginare modalità differenti di creare valore per i clienti. C’è poi una dimensione meno immediatamente quantificabile, ma altrettanto strategica, la capacità dell’organizzazione di apprendere. Quanto più velocemente un’impresa riesce a trasformare le esperienze, i dati e le sperimentazioni in conoscenza condivisa, tanto più l’AI può diventare parte integrante del suo modo di operare. La misurazione deve quindi collegare gli investimenti ai benefici effettivi, evitando sia di conteggiare più volte i risultati di iniziative diverse sia di ignorare il valore prodotto dall’apprendimento organizzativo. Non basta sapere quanto si è risparmiato, bisogna capire che cosa l’azienda è oggi in grado di fare che prima non poteva fare.
La vera sfida è scegliere quale futuro costruire
Le imprese si trovano davanti a una contraddizione. Da una parte devono garantire risultati nel breve periodo, migliorare la produttività e difendere i margini, dall’altra, l’intelligenza artificiale offre l’opportunità di ripensare il business, esplorare nuovi modelli operativi e aprire nuove prospettive di crescita. Le due ambizioni competono spesso per gli stessi budget e le stesse persone. Ma privilegiare soltanto l’efficienza significa rischiare di utilizzare una tecnologia trasformativa come un semplice strumento di ottimizzazione. La trasformazione non può essere delegata all’IT, né risolversi nell’acquisto di nuove soluzioni. Richiede una cultura condivisa, una migliore capacità di fare sistema, ruoli capaci di ibridare competenze diverse e una visione che sappia guardare oltre il ritorno immediato. L’intelligenza artificiale può ampliare le opzioni strategiche a disposizione delle imprese e rendere possibili futuri differenti, ma devono chiedersi quale futuro vogliono scegliere e quali cambiamenti sono disposte ad affrontare per costruirlo.
di monica lazzarotto