Cosa Hanno Imparato le Aziende di Medio Mercato sulla Trasformazione dell’IA nel 2025
Adozione dell’IA: Solidi partenariati HR-IT hanno portato a una produttività IA 15 volte superiore, mentre il 53% delle organizzazioni non ha soddisfatto le aspettative.
Integrazione nei flussi di lavoro: Integrare l’IA negli strumenti esistenti ha portato a tassi di adozione più elevati rispetto agli strumenti IA indipendenti.
Divari di capacità: Formare i dipendenti all’uso efficace dell’IA si è rivelato cruciale, sottolineando la necessità di sviluppare competenze.
Tassa di complessità: Semplificare gli stack tecnologici e ridurre la dipendenza dai consulenti ha migliorato l’implementazione e i risultati dell’IA.
Gestione della strategia: L’IA ha cambiato i ruoli manageriali, rendendo necessari piani di transizione espliciti e formazione per un’adattamento efficace.
Il divario tra implementazione dell'IA e adozione dell'IA è diventato la sfida principale del 2025. La ricerca BCG ha rilevato che le organizzazioni con solide partnership tra HR e IT ottenevano una produttività 15 volte maggiore dagli investimenti in IA rispetto a quelle senza queste partnership.
La tecnologia funzionava. Le organizzazioni facevano fatica. E a fine anno, i dati hanno fornito un quadro chiaro: il 53% delle organizzazioni non è riuscito a raggiungere i ritorni previsti dagli investimenti in IA.
Il divario di integrazione nei flussi di lavoro
Il principale fattore di differenziazione tra trasformazioni di successo e insuccessi non era la sofisticazione tecnologica o la dimensione del budget. Era se l'IA fosse integrata nei flussi di lavoro esistenti o separata da essi.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
"I vincitori hanno scelto uno o due problemi reali nei flussi di lavoro esistenti, non 'l'arte del possibile'," ha dichiarato Bhrugu Pange, Managing Director AI & Digital Technology Solutions presso AArete. "Hanno scelto i colli di bottiglia di cui le persone si lamentavano già, come il tempo di chiusura delle chiamate, la generazione di preventivi, la risposta alle domande dei clienti, le eccezioni delle fatture. La maggior parte soffriva della cosiddetta 'sindrome da sedia girevole'."
Le aziende che hanno integrato l'IA negli strumenti già utilizzati dai dipendenti—Salesforce, piattaforme di contact center, sistemi documentali—hanno visto tassi di adozione del 60-80%. Le aziende che hanno lanciato strumenti di IA autonomi hanno visto l'adozione attestarsi al 30-40%.
Lo schema si è ripetuto in tutte le funzioni. I team di marketing erano convinti al 98% che l'IA avrebbe migliorato le metriche, ma solo il 27% segnalava un'adozione diffusa. Il divario non era causato da scetticismo, ma dall'attrito.
"Le aziende di successo non chiedevano ai dipendenti di aprire una finestra separata per accedere all'IA," ha spiegato Pange. "La incorporavano negli strumenti che le persone già utilizzano, estendendo piattaforme esistenti come Salesforce."
Le aziende senza successo hanno costruito quello che Pange definisce "chatbot fuori contesto" e poi si chiedevano perché nessuno li usasse. Verso la fine del 2025, la lezione era ormai diventata un principio: se l'IA non è dove avviene il lavoro, non attecchirà.
Il divario di competenze che nessuno si aspettava
Il 2025 è iniziato con un'ipotesi diffusa: l'adozione dell'IA avrebbe seguito il modello delle precedenti implementazioni di software aziendale. Acquistare gli strumenti giusti, formare le persone sull'interfaccia, misurare i tassi di adozione. A metà anno, quell'ipotesi era crollata.
Il divario di competenze si è manifestato ovunque. I team del servizio clienti disponevano di IA in grado di redigere risposte, ma incapace di valutare quali risposte inviare. I team di vendita avevano IA in grado di riassumere le trascrizioni delle chiamate, ma non di determinare quali approfondimenti fossero rilevanti. I team finanziari avevano IA che potevano generare previsioni, ma non valutare quali ipotesi fossero affidabili.
"I lavoratori non formati avevano sei volte più probabilità di affermare che l'IA li rendeva meno produttivi," ha detto Emily Mabie, Senior AI Automation Engineer presso Zapier. "I team che vogliono davvero ottenere una trasformazione tramite l'IA devono investire in formazione."
I dipendenti dovevano imparare cosa delegare all'IA, cosa tenere per sé, come verificare i risultati dell'IA e quando ignorare le sue raccomandazioni. Queste competenze non si insegnavano in una formazione di due ore.
Le aziende di successo hanno considerato l'adozione dell'IA come sviluppo di competenze, non come semplice implementazione di software. Hanno creato modelli di apprendistato in cui dipendenti esperti hanno lavorato a fianco dell'IA per mesi, sviluppando giudizio grazie alla ripetizione. Hanno misurato lo sviluppo delle capacità, non solo l'utilizzo degli strumenti.
La tassa della complessità
Mentre alcune aziende lottavano con l'adozione, altre hanno scoperto di aver costruito fondamenta completamente sbagliate. Il rapporto Cost of Complexity di Freshworks ha rilevato che il 20% della spesa software delle organizzazioni veniva sprecato per implementazioni fallite, strumenti sottoutilizzati e costi nascosti.
"Molte organizzazioni si scontrano con ostacoli legati alla complessità che ostacolano la produttività, inclusi sistemi legacy, sistemi disconnessi e dati a compartimenti stagni," ha dichiarato Ashwin Ballal, CIO di Freshworks. "Queste sfide portano a stanchezza dei dipendenti, inefficienze e perdite di ricavo dovute a ritardi e opportunità mancate."
Questo ha comportato una perdita media di 6,7 ore settimanali per dipendente nel districarsi nella complessità degli strumenti invece di svolgere lavoro produttivo, creando importanti ostacoli all'adozione dell'IA.
Si è quindi creato un circolo vizioso. Le aziende hanno coinvolto fornitori terzi e consulenti per integrare l'IA nei loro ecosistemi tecnologici caotici, ma queste aggiunte spesso hanno creato più attrito di quanto ne eliminassero.
Freshworks ha rilevato che il 12% delle perdite finanziarie derivanti dall'inefficienza del software proveniva da consulenti e contractor non necessari.
"Le aziende spesso chiamano fornitori terzi e consulenti per sistemare sistemi legacy, ma queste aggiunte possono creare più attriti invece di eliminarli," ha detto Ballal. "Le organizzazioni spesso pagano due volte, una per la tecnologia complessa e una seconda per i consulenti che la fanno funzionare."
Le aziende di fascia media che hanno avuto successo nel 2025 hanno seguito un approccio differente. Anziché aggiungere l'IA sopra la complessità esistente, hanno sfruttato l'adozione dell'IA come opportunità per semplificare. Hanno consolidato strumenti ridondanti. Hanno scelto funzionalità di IA integrate nelle piattaforme che già utilizzavano, invece di acquistare prodotti autonomi.
La lezione: non puoi trasformare ciò che non riesci a gestire. Le aziende con infrastrutture tecnologiche più semplici e integrate hanno implementato l’IA più rapidamente e ottenuto risultati migliori.
La trappola dei progetti pilota
Il divario tra il successo dei progetti pilota e la loro implementazione effettiva è diventato uno dei modelli più frustranti del 2025.
"I risultati reali degli investimenti in IA nel 2025 sono stati molto più disomogenei di quanto suggerissero i titoli sui tassi di adozione," ha affermato Mabie. "L’IA generativa e i progetti pilota erano ovunque all’inizio dell’anno, ma tra i leader che abbiamo intervistato su Zapier, solo il 26% ha dichiarato che la maggior parte dei loro progetti pilota IA è arrivata in produzione."
Lo stesso schema si è ripetuto in diversi settori. I dipartimenti HR sperimentavano analisi dei CV tramite IA ottenendo ottimi risultati, ma non riuscivano a farla adottare dai responsabili delle assunzioni. I team operativi testavano soluzioni di manutenzione predittiva tramite IA che funzionavano come promesso, ma l’implementazione non si estendeva oltre l’impianto pilota.
I progetti pilota di successo funzionavano in condizioni speciali: supporto aggiuntivo, attenzione della leadership, volontari motivati, tempo protetto per imparare. Quando le aziende cercavano di espandere il progetto, queste condizioni sparivano.
"Le iniziative di successo identificavano una persona dell’azienda responsabile del risultato," ha detto Pange. "L’IT non era più il motore o il proprietario, ma il custode dell’implementazione IA. Il business deteneva la responsabilità del risultato."
Le aziende che sono riuscite a scalare con successo hanno fatto tre cose in modo diverso.
- Hanno documentato non solo cosa faceva il team pilota ma perché funzionava, mappando le condizioni organizzative che hanno reso possibile il successo.
- Hanno testato con team rappresentativi, comprese squadre scettiche e con poche risorse, non solo volontari.
- Hanno valutato la prontezza organizzativa, non solo quella tecnica.
La lezione: un progetto pilota di successo dimostra che la tecnologia funziona. Non dimostra che la tua organizzazione sia in grado di assorbirla.
Il problema della Shadow AI
Con l’arrivo dell’estate, i dirigenti delle aziende di medie dimensioni si sono trovati a gestire dipendenti che usavano strumenti di IA non approvati, non sicuri e spesso sconosciuti all’azienda. I dipendenti caricavano dati dei clienti su ChatGPT, utilizzavano strumenti di IA consumer per analisi sensibili e creavano flussi di lavoro automatizzati senza alcuna revisione della sicurezza.
Il problema della shadow AI ha rivelato una questione più profonda: le aziende si muovevano troppo lentamente per rispondere alle reali esigenze dei dipendenti. I lavoratori non stavano essendo imprudenti; stavano semplicemente lavorando in modo produttivo con gli strumenti che avevano a disposizione.
Le aziende intelligenti hanno risposto accelerando l’implementazione di IA approvate, non limitandosi a rafforzare i controlli. Hanno creato procedure rapide di valutazione per gli strumenti IA richiesti dai dipendenti e alternative approvate ai principali casi d’uso della shadow AI. Hanno misurato il tempo di approvazione degli strumenti IA, trattando i ritardi come fallimenti organizzativi.
La Shadow AI era un segnale di bisogni non soddisfatti, non un problema di conformità da risolvere con politiche aziendali. A fine anno, le organizzazioni che l’hanno gestita meglio erano passate dal divieto reattivo all’abilitazione proattiva.
La crisi di adattamento manageriale
Quando l’IA si occupa del lavoro di coordinamento di routine – come pianificare le riunioni, aggiornare gli stati, gestire problemi semplici – le attività manageriali tradizionali che occupavano il 40-60% della giornata di un manager spariscono improvvisamente. Rimane il lavoro che la maggior parte dei manager non aveva mai il tempo di svolgere: coaching, pensiero strategico, risoluzione di problemi complessi, sviluppo del team — tutte competenze che mettono in luce le carenze nella pipeline di leadership.
I migliori manager si sono adattati rapidamente. Quelli in difficoltà si sono sentiti messi da parte, hanno messo in dubbio il loro valore e spesso hanno ostacolato l’adozione dell’IA perché minacciava la loro identità.
Tutto si riduce a una sfida di sviluppo manageriale. Sono necessari piani di transizione espliciti per i manager i cui ruoli stanno cambiando, e serve fornire coaching su come lavorare in modo diverso: pochissimi leader hanno già una visione chiara in questo senso e quasi nessuno la padroneggia davvero. Le organizzazioni devono valutare se la loro strategia IA affronta queste transizioni manageriali e ridefinire le aspettative, premiando i manager che riescono a spostarsi con successo verso attività a maggior valore aggiunto.
Alcuni manager non faranno la transizione. I leader possono gestire la situazione in vari modi, anche preparandosi a una riduzione del middle management mentre le strutture organizzative si appiattiscono.
- Creare percorsi di carriera per collaboratori individuali per quei manager che eccellono in attività che l’IA non può svolgere, ma hanno difficoltà con il nuovo modello gestionale.
- Fornire coaching intensivo, ma essere pronti a prendere atto che certi manager semplicemente non sono adatti al ruolo richiesto nell’era dell’IA.
Quello che non funziona è fingere che il ruolo non sia cambiato. Le organizzazioni che hanno implementato l’IA ma hanno mantenuto invariate le aspettative verso i manager hanno finito per avere manager che facevano solo "lavoro di riempimento" per occupare il tempo.
L'innovazione nell'Architettura della Fiducia
La storia di successo inaspettata del 2025 è stata rappresentata dalle aziende che hanno costruito una fiducia sistematica nell’IA invece di sperare semplicemente che i dipendenti la accettassero.
ADP ha utilizzato il proprio "Framework delle 5P" in tutte le iniziative legate all’IA:
- Purpose (perché utilizziamo l’IA qui)
- People (chi è coinvolto nelle decisioni)
- Process (come funziona)
- Performance (come si misura il successo)
- Protection (quali tutele esistono).
Le organizzazioni che adottavano framework strutturati di fiducia registravano tassi di adozione dell’IA fra il 60 e l’80%, rispetto al 30-40% di chi si affidava alla costruzione informale della fiducia.
"La presenza di un essere umano nel processo decisionale è stata classificata come la massima priorità di governance dal 71% dei leader," ha affermato Mabie.
La fiducia non nasce automaticamente da una buona tecnologia. Richiede una progettazione intenzionale. Le aziende devono rispondere a domande precise prima della implementazione quali:
- Perché usiamo l’IA per questo compito?
- Chi ha la supervisione?
- Come prende decisioni il sistema?
- Cosa succede se sbaglia?
- Quali protezioni sono in atto?
Le organizzazioni che esplicitavano queste risposte—nella documentazione, nella formazione, nella comunicazione continua—costruivano la fiducia più rapidamente e la mantenevano nel tempo.
L’effetto Domino dei Costi Nascosti
I costi si estendono ben oltre i budget sprecati per il software.
Un solo episodio negativo può bloccare l’adozione per mesi. La perdita di fiducia si è trasformata in una tassa nascosta sulle iniziative future.
"L’IA può velocizzare la prima bozza, ma se non riprogetti il processo di revisione, crei un nuovo problema," ha detto Pange. "I team ora dedicano tempo a verificare e correggere. Chiamiamo questa 'tassa di verifica'." Questo stress mentale contribuisce a problemi di giudizio dei dipendenti mentre i lavoratori cercano di bilanciare l’assistenza dell’IA con il pensiero critico.
Il cinismo dei dipendenti è emerso come un altro costo nascosto. Quando la leadership ha sopravvalutato i benefici dell’IA e ha investito poco nella formazione e nella riprogettazione dei processi, i dipendenti hanno opposto resistenza. Ancora peggio, hanno iniziato a utilizzare strumenti di IA non autorizzati, creando il problema della "shadow AI" che ha consumato risorse di sicurezza e conformità.
La Real-Time Population Survey della Fed di St. Louis ha rilevato che, nel mese di agosto 2025, circa metà degli adulti statunitensi dichiarava di utilizzare l’IA generativa e oltre un terzo la utilizzava sul lavoro. L’indagine ha stimato un risparmio di tempo equivalente a circa l’1,6% delle ore lavorative totali, con un potenziale incremento della produttività fino all’1,3% dalla pubblicazione di ChatGPT.
Ma questi vantaggi non erano distribuiti equamente.
"Mentre un’azienda rimane bloccata nella fase pilota, un’altra migliora silenziosamente i livelli di servizio, il throughput delle vendite o i tempi dei cicli operativi," ha osservato Pange. "E questo vantaggio fatto di miglioramenti e apprendimenti incrementali inizia ad accumularsi."
Il Cambiamento nella Maturità della Misurazione
Una delle evoluzioni più evidenti del 2025 è stata il modo in cui le aziende hanno misurato il successo dell’IA.
"All’inizio dell’anno, il successo veniva definito dal lancio dei progetti pilota e dalla dimostrazione della fattibilità," ha affermato Mabie. "Pian piano, i leader sono passati a misurare la conoscenza dell’IA e il ROI valutando gli impatti di business."
Il fatto che la maggior parte dei leader misuri il ROI riflette una maturità più ampia. "Quanto è interessante?" è diventato "Qual è il KPI e dove si trova il valore di partenza?"
Passare dalla misurazione dei tassi di adozione alla misurazione dell’impatto sul business significa valutare non solo se i dipendenti utilizzano gli strumenti IA, ma soprattutto se tali strumenti migliorano la qualità delle decisioni, riducono i tempi dei processi, o liberano capacità per attività a maggior valore aggiunto.
Le organizzazioni più evolute misuravano sia i guadagni di efficienza sia lo sviluppo delle competenze. Volevano sapere se l’IA rendeva i dipendenti più veloci e migliori, riconoscendo che la maturità dell’IA richiede una valutazione a 360 gradi.
More Articles
- Il Premio della Leadership Umana che le Organizzazioni Stanno Attivamente Svalutando
- La tua implementazione dell’IA è una radiografia culturale. La maggior parte dei leader non sta guardando.
- Come Padroneggiare Praticamente le Interazioni con l’IA e Sviluppare un Playbook per l’Intelligenza Artificiale
La Svolta nell’Allocazione delle Risorse
Forse la lezione più importante dal 2025: la regola 70-20-10 sugli investimenti in IA si è rivelata precisa e la maggior parte delle aziende stava investendo al contrario.
La regola, confermata da diversi studi di ricerca: il 70% degli investimenti nella trasformazione IA dovrebbe essere destinato alle persone e ai cambiamenti di processo, il 20% alle infrastrutture e integrazioni, il 10% ad algoritmi e modelli.
La maggior parte delle aziende di medie dimensioni spendeva invece il 60-70% sulla tecnologia, cercando poi di trovare risorse per il cambiamento organizzativo.
Questo significa finanziare ruoli di gestione del cambiamento, proteggere il tempo per l'apprendimento e l'adattamento, investire in programmi di coaching assistiti dall’AI, strategie di comunicazione e strutture di supporto organizzativo.
Le aziende che hanno sostenuto un investimento eccessivo sulla tecnologia hanno visto i loro progetti di intelligenza artificiale bloccarsi, indipendentemente da quanto sofisticata fosse la tecnologia. Algoritmi validi in organizzazioni impreparate hanno ottenuto risultati peggiori rispetto ad algoritmi mediocri in organizzazioni pronte, ogni volta.
Cosa richiede il 2026
Le lezioni del 2025 indicano chiaramente diverse priorità per le aziende di fascia media che si preparano al 2026.
- Integrare l’AI nei flussi di lavoro esistenti. Il divario sull’integrazione dei flussi di lavoro si allargherà soltanto. Basta lanciare strumenti di AI autonomi e iniziare ad aggiornare le piattaforme che i dipendenti già utilizzano.
- Investire nella formazione prima che nella tecnologia. Il dato di Zapier secondo cui i lavoratori non formati sono 6 volte più propensi a dire che l’AI li rende meno produttivi dovrebbe preoccupare ogni dirigente che pianifica investimenti in AI. Il divario di competenze non si colma solo con licenze software.
- Semplificare prima di aggiungere complessità. Le aziende con sistemi tecnologici frammentati faticheranno a implementare l’AI in modo efficace. “Le organizzazioni che collaborano con leader software che sottraggono attivamente dal tech stack, integrano l’AI nei propri sistemi e sostituiscono la proliferazione tecnologica con sistemi unificati otterranno un vantaggio competitivo”, ha affermato Ballal.
- Costruire una governance che abiliti invece di bloccare. La governance con presenza umana è stata la principale priorità per il 71% dei leader. Ma una governance che rallenta i tempi di implementazione crea AI ombra. L’obiettivo è una governance snella che consenta di muoversi rapidamente in sicurezza.
- Scalare le capacità di orchestrazione. “Più team di fascia media adotteranno l’orchestrazione AI”, ha dichiarato Mabie. “Poiché i team di fascia media non hanno le risorse per ricostruire completamente piattaforme e squadre, utilizzeranno e collegheranno i loro strumenti esistenti tramite l’orchestrazione AI.”
I dati di Zapier mostrano che il 25% dei leader prevede di raggiungere una piena orchestrazione AI entro il 2026, mentre il 43% prevede di gestire flussi di lavoro agentici trasversali alle funzioni. Con questo in mente, è un’ottima idea:
- Ridefinire esplicitamente i ruoli manageriali. L’AI cambia ciò che fanno i manager. Riconoscere il cambiamento, supportare la transizione e accettare che alcuni manager non ce la faranno.
- Ricostruire i percorsi di carriera per l’era dell’AI. I tradizionali percorsi di crescita si stanno rompendo. Le aziende hanno bisogno di nuovi modelli per il progresso, in un contesto in cui l’AI svolge compiti che prima erano formativi.
- Progettare sistematicamente la fiducia. I framework di fiducia funzionano. La costruzione informale della fiducia no. Rispondere esplicitamente alle cinque P per ogni implementazione di AI: Scopo (Purpose), Persone (People), Processo (Process), Performance, Protezione (Protection).
- Riallocare i budget per rispettare la regola 70-20-10. Il vero valore dell’AI arriva dal cambiamento organizzativo. La maggior parte dei budget per l’AI va alla tecnologia. Correggi questa discrepanza o accetta ritorni inferiori.
- Misurare i risultati aziendali, non le metriche tecnologiche. Monitora la qualità delle decisioni, la riduzione dei tempi dei cicli e lo sviluppo delle competenze, non solo l’utilizzo del sistema.
“Alcune tendenze destinate a svanire sono gli esperimenti una tantum, i modelli di automazione riservati agli sviluppatori e l’idea di ‘AI come funzione aggiuntiva’”, ha dichiarato Mabie.
Il divario tra leader e ritardatari non riguarda chi possiede l’AI, ma chi ha imparato dal suo utilizzo. Questo divario di apprendimento si allargherà man mano che le decisioni sull’AI del 2026 determineranno quali aziende recupereranno e quali resteranno indietro.
