Il vantaggio dell'intelligenza artificiale sta passando dalla fase sperimentale a quella operativa

L'intelligenza artificiale non ha più bisogno di presentazioni nelle sale del consiglio. La maggior parte dei dirigenti di alto livello ha provato un chatbot, approvato un progetto pilota o visto un team realizzare una presentazione in una frazione del tempo normalmente necessario. La novità è ormai svanita; è iniziata la fase più difficile.

La domanda per il 2026 non è se un’azienda utilizzi l’IA, ma se questa stia cambiando il modo in cui viene organizzato il lavoro, vengono prese le decisioni e vengono serviti i clienti. L’AI Index 2025 dell’Università di Stanford ha rilevato che nel 2024 il 78% delle organizzazioni utilizzava l’IA in almeno una funzione aziendale, in aumento rispetto al 55% dell’anno precedente. Tuttavia, ricerche aziendali più recenti suggeriscono che l’uso regolare dell’IA rimane molto meno diffuso a livello dei dipendenti. Nel 2026 IBM ha riferito che solo un quarto dei lavoratori utilizzava l’IA regolarmente nell’ambito delle proprie mansioni, nonostante l’86% degli amministratori delegati ritenesse che la propria forza lavoro fosse pronta.

Questo divario spiega perché alcune aziende stiano iniziando a ottenere risultati significativi, mentre altre rimangono intrappolate in workshop, licenze ed esperimenti poco coordinati. Acquistare l’accesso a un modello avanzato è relativamente facile. Riprogettare un flusso di lavoro attorno ad esso, definire le responsabilità per il risultato e convincere i dipendenti a cambiare le abitudini consolidate è invece molto più difficile.

Inizia dal lavoro, non dalla tecnologia

I progetti di intelligenza artificiale più utili spesso sembrano meno spettacolari di quelli meno utili.

Un’azienda può annunciare l’introduzione di un ambizioso assistente virtuale mentre i propri dipendenti continuano a dedicare ore alla ricerca di documenti interni, alla riscrittura degli appunti delle riunioni e al trasferimento di informazioni tra i vari sistemi. In una situazione del genere, il punto di partenza più sensato non è un operatore a contatto con i clienti, bensì le attività interne ricorrenti che risultano costose, lente e sufficientemente standardizzate da poter essere ottimizzate.

Per un team di comunicazione, ciò potrebbe significare utilizzare un sistema di intelligenza artificiale approvato per confrontare la copertura mediatica quotidiana, identificare le narrazioni emergenti e produrre una prima bozza di un documento informativo. Un dipartimento di affari pubblici potrebbe utilizzarlo per estrarre obblighi, scadenze e posizioni delle parti interessate da un documento di consultazione. Uno studio di servizi professionali potrebbe recuperare le informazioni rilevanti dai propri archivi, anziché chiedere ai dipendenti di effettuare ricerche in anni di documenti.

Morgan Stanley ha scelto questa strada più controllata. I suoi strumenti interni di intelligenza artificiale consentono ai consulenti finanziari e al resto del personale di effettuare ricerche tra i documenti di ricerca approvati e il capitale intellettuale, mentre il suo sistema Debrief è in grado di creare verbali delle riunioni e bozze di materiale di follow-up. L’obiettivo non è sostituire il giudizio del consulente o il rapporto con il cliente, bensì ridurre il tempo dedicato al recupero, all’organizzazione e alla documentazione delle informazioni.

JPMorgan Chase ha adottato un modello simile su scala più ampia. La sua suite proprietaria LLM offre ai dipendenti l’accesso all’IA generativa all’interno di un ambiente controllato. Nel 2025, oltre 200.000 dipendenti avevano accesso a tale sistema, mentre la banca ha dichiarato che alcuni gruppi risparmiavano diverse ore ogni settimana. Oltre 65.000 dipendenti della divisione corporate e di investment banking utilizzavano attivamente il sistema, e oltre il 90% dei suoi ingegneri si avvaleva di assistenti di programmazione basati sull’IA.

Questi esempi sono significativi perché mostrano in quali ambiti l’adozione da parte delle aziende sta diventando credibile: all’interno di flussi di lavoro ben definiti, utilizzando informazioni gestite in modo controllato, con una persona che rimane comunque responsabile del risultato.

La produttività non è sinonimo di valore

L'intelligenza artificiale può velocizzare una singola attività senza però rendere l'organizzazione più efficiente.

Elaborare dieci idee per una campagna in cinque minuti sembra efficiente, ma il vantaggio è trascurabile se poi il team impiega due ore a correggere idee generiche. Riassumere ogni articolo pubblicato su un’azienda produce più materiale, ma non necessariamente maggiori approfondimenti. Un chatbot che risponde rapidamente alle richieste dei clienti può comunque minare la loro fedeltà se questi ultimi non riescono a contattare una persona quando la questione si complica.

I dirigenti devono quindi misurare i risultati a livello di flusso di lavoro. A seconda dell’attività, ciò potrebbe tradursi in un risparmio di tempo, una riduzione degli errori, tempi di risposta più rapidi, un aumento del tasso di conversione, una maggiore soddisfazione dei clienti o una migliore conformità. L’affermazione “I dipendenti hanno utilizzato lo strumento” è un indicatore di adozione, ma non costituisce una prova del valore aziendale.

La distinzione assume ancora maggiore importanza man mano che gli agenti di intelligenza artificiale iniziano a eseguire diverse azioni correlate anziché limitarsi a rispondere a una singola domanda. Un agente può recuperare informazioni, aggiornare un sistema, preparare una raccomandazione e avviare un processo di follow-up. Ciò può eliminare notevoli attriti amministrativi, ma crea anche una catena più lunga in cui un errore può propagarsi più a lungo prima che qualcuno se ne accorga.

Le aziende che stanno facendo progressi, quindi, non si limitano semplicemente ad aggiungere l’intelligenza artificiale alle attività esistenti. Stanno decidendo in quali casi una persona debba verificare il lavoro, quali azioni richiedano un’approvazione e cosa accada quando il sistema è incerto.

I migliori casi d'uso sono spesso già evidenti

I leader non hanno bisogno di prevedere il futuro dell’intelligenza artificiale per trovare un punto di partenza utile. Possono cercare attività che presentino quattro caratteristiche: che si verifichino frequentemente, che richiedano tempo da parte di personale qualificato, che seguano uno schema riconoscibile e che possano essere verificate da una persona competente.

Nel settore delle vendite, l’IA può preparare ricerche sui clienti e personalizzare una prima bozza senza dover decidere quale cliente meriti attenzione. Nel servizio clienti, può risolvere richieste semplici e inoltrare i casi complessi a un operatore umano. Nel settore finanziario, può spiegare le variazioni e segnalare transazioni insolite senza approvare alcun pagamento. Nel settore della comunicazione, può analizzare la copertura mediatica e testare i messaggi senza decidere cosa l’organizzazione debba dichiarare pubblicamente.

Klarna è diventata uno degli esempi più seguiti dopo aver implementato su larga scala un assistente di assistenza clienti basato sull’intelligenza artificiale. Le sue prime dichiarazioni sul volume delle richieste gestite e sul tempo risparmiato hanno attirato notevole attenzione, ma l’enfasi che l’azienda ha posto in seguito sul mantenimento del supporto umano è stata altrettanto istruttiva. L’automazione può migliorare la velocità e ridurre i costi; non può però presupporre che ogni interazione con il cliente debba essere priva di contatto umano.

La lezione pratica non è che l’IA abbia fallito o abbia avuto successo. È che il giusto equilibrio dipende dal contesto. Un cliente che verifica la data di un pagamento potrebbe apprezzare una risposta automatica immediata. Chi contesta un addebito consistente, invece, tenderà a giudicare l’azienda in base al fatto che una persona competente si assuma la responsabilità della questione.

Saranno i vostri dati a determinare l'utilità del sistema

L'IA generativa dà l'impressione che un'azienda possa superare in un colpo solo anni di gestione disordinata delle informazioni. Ma non è così.

Se i file sono duplicati, i permessi non sono chiari e le informazioni importanti sono conservate nelle caselle di posta private, un sistema di intelligenza artificiale potrebbe recuperare la versione sbagliata di una politica o divulgare materiale a qualcuno che non dovrebbe vederlo. Una risposta ben formulata può nascondere una base probatoria debole, il che rende i dati inaffidabili particolarmente pericolosi.

Prima di integrare l’IA in un flusso di lavoro importante, i dirigenti dovrebbero stabilire quali fonti possa utilizzare, chi ne sia il proprietario, con quale frequenza vengano aggiornate e chi possa accedere ai risultati. Dovrebbero inoltre stabilire se sia possibile inserire informazioni riservate in un sistema esterno. In caso contrario, saranno i dipendenti a prendere queste decisioni individualmente, spesso senza comprendere dove possano finire i loro prompt e i loro documenti.

Questo è uno dei motivi per cui gli ambienti aziendali sicuri stanno diventando più importanti delle ultime funzionalità dei chatbot pubblici. Il modello è importante, ma sono i controlli che lo circondano a determinare se ci si può affidare ad esso per svolgere un lavoro vero e proprio.

La regolamentazione è passata dalla teoria alla gestione

Anche le imprese europee devono fare i conti con un calendario di adeguamento più preciso. La legge dell’UE sull’IA è entrata in vigore nell’agosto 2024, con obblighi che si applicano in più fasi. Le norme relative alle pratiche vietate e all’alfabetizzazione in materia di IA sono entrate in vigore nel febbraio 2025; gli obblighi relativi ai modelli di IA per uso generale sono seguiti nell’agosto 2025, mentre ulteriori disposizioni significative si applicano a partire dall’agosto 2026, con alcune parti del regime per i sistemi ad alto rischio che proseguiranno fino al 2027.

Non tutti gli utilizzi dell’IA generativa sono classificati come ad alto rischio, ma le organizzazioni devono comunque sapere dove viene impiegata l’IA e da chi. Ciò richiede un inventario che comprenda i sistemi approvati, gli strumenti non ufficiali e le funzionalità di IA integrate nel software già utilizzato dai dipendenti.

Il settore della comunicazione presenta rischi specifici. Le immagini sintetiche, le voci clonate e i video manipolati possono causare problemi legali e di reputazione anche quando l’intenzione iniziale era innocua. Le aziende devono dotarsi di una politica di trasparenza sui contenuti generati dall’intelligenza artificiale, di una procedura per l’approvazione dei contenuti sintetici realistici e di limiti chiari sull’uso delle immagini o delle voci di dipendenti, clienti e personaggi pubblici.

L'alfabetizzazione all'IA non consiste quindi più nel proporre al personale un webinar facoltativo sulla scrittura di prompt. I dipendenti hanno bisogno di regole concrete: quali sistemi sono approvati, quali informazioni non devono mai essere inserite, quali risultati richiedono una verifica e chi rimane responsabile quando l'IA contribuisce a una decisione.

I leader hanno bisogno di capacità di giudizio più che di competenza tecnica

Un amministratore delegato non ha bisogno di comprendere l'architettura dei modelli. Né il consiglio di amministrazione dovrebbe perdere tempo a confrontare gli abbonamenti alle soluzioni di IA destinate ai consumatori. La leadership è richiesta altrove.

Il team esecutivo deve decidere quali problemi valga la pena risolvere, quale livello di rischio sia accettabile e se un progetto di intelligenza artificiale sia in linea con la strategia generale dell’azienda. Deve inoltre resistere a dimostrazioni allettanti che non reggono al confronto con dati reali, clienti reali o normative reali.

Ciò richiede una padronanza della materia tale da consentire di porre domande pertinenti. Quale processo sta cambiando? Quali elementi dimostrano che sta migliorando? Quali informazioni utilizza il sistema? In quali punti è possibile intervenire? Chi è responsabile di un errore? L’azienda può sostituire il fornitore senza dover riorganizzare l’intera operatività?

La ricerca di IBM del 2026 mette in luce le pressioni in materia di governance che stanno emergendo. In uno studio, due terzi dei leader del settore tecnologico intervistati hanno dichiarato di essere ritenuti responsabili di sistemi di IA che non controllavano pienamente, mentre solo l’11% riteneva che le proprie organizzazioni fossero pienamente preparate alla portata dell’implementazione degli agenti di IA prevista per l’anno successivo. La questione non riguarda più solo l’entusiasmo o le capacità tecniche. Riguarda il controllo.

La questione della forza lavoro richiede maggiore onestà

L'affermazione rassicurante secondo cui l'intelligenza artificiale “potenzierà, ma non sostituirà” le persone è troppo generica per fungere da guida in una strategia relativa alla forza lavoro. Alcuni ruoli si amplieranno, altri si ridurranno e molti manterranno il proprio titolo, pur subendo cambiamenti sostanziali nella sostanza.

Il rapporto ’Il futuro del lavoro 2025” del Forum economico mondiale ha stimato che i cambiamenti strutturali del mercato del lavoro potrebbero creare 170 milioni di posti di lavoro e farne scomparire 92 milioni entro il 2030. I datori di lavoro prevedono che, nello stesso periodo, il 39% delle competenze attuali dei lavoratori cambierà o diventerà obsoleto. Le competenze tecniche legate all’intelligenza artificiale e ai big data sono tra quelle in più rapida crescita, ma il pensiero analitico, la resilienza, la leadership e l’influenza sociale rimangono importanti perché le organizzazioni hanno ancora bisogno di persone in grado di interpretare le situazioni, persuadere gli altri e assumersi responsabilità.

Un datore di lavoro credibile dovrebbe quindi spiegare ai propri dipendenti quali attività vengono automatizzate, quali rimangono di competenza umana e in che modo cambieranno le aspettative in termini di rendimento. I dipendenti tendono a diventare rapidamente scettici quando i dirigenti descrivono l’intelligenza artificiale come uno strumento di “empowerment” all’interno dell’azienda, mentre agli investitori la presentano principalmente come una misura di riduzione dei costi.

La formazione dovrebbe inoltre essere collegata al lavoro concreto. Un corso generico può servire a sensibilizzare, ma i dipendenti acquisiscono competenza applicando l’IA alle attività ricorrenti, analizzando gli errori e imparando a riconoscere quando non è opportuno fidarsi dei risultati ottenuti.

Cosa fare prima di approvare un altro progetto pilota sull’intelligenza artificiale

Una proposta utile dovrebbe poter essere spiegata in una sola pagina.

Dovrebbe identificare il problema aziendale, il costo o il ritardo attuale, la modifica proposta e l’indicatore che determinerà se il progetto funziona. Dovrebbe specificare i dati coinvolti, la persona responsabile del risultato e il punto in cui rimane necessaria l’approvazione umana. Dovrebbe inoltre indicare quali sarebbero i motivi che porterebbero l’organizzazione a interrompere il progetto.

Anche se non è ancora possibile rispondere a queste domande, il progetto potrebbe comunque essere interessante. Non è ancora pronto per essere esteso su larga scala.

Il vantaggio competitivo nel campo dell’IA non risiede più tanto nell’accesso anticipato a un modello che anche i concorrenti possono acquistare, quanto piuttosto nella capacità di conoscere l’organizzazione abbastanza bene da scegliere le attività giuste, riprogettarle con cura e mantenere il giudizio umano laddove esso abbia un valore reale. Entro il 2026, questa sarà la differenza tra un’azienda che utilizza l’IA e una che, grazie ad essa, sta migliorando.