I dati sulle prestazioni mostrano che la maggior parte dei team di leadership non è pronta per la svolta dell’IA
Leadership nell’IA: Chi adotta l’IA registra una crescita dei ricavi di 1,5 volte in tre anni; il 74% non ha ancora mostrato valore tangibile.
Metriche di utilizzo: La metà delle aziende che utilizzano l’IA non ha una visione sull’impatto sulla forza lavoro, mettendo in dubbio il valore per il business.
Collo di bottiglia nel flusso di lavoro: I benefici derivano dalla riprogettazione dei flussi di lavoro, non solo dall’adozione di strumenti IA, per un impatto economico.
Mercato competitivo: Le aziende incentrate sull’IA superano le altre riducendo i livelli decisionali e migliorando i risultati; il mercato intermedio deve adattarsi.
Tasso di miglioramento: La capacità organizzativa di apprendere e adattarsi conta più del punto di partenza nell’adozione dell’IA.
Nella maggior parte delle sale riunioni, l'IA si colloca da qualche parte tra il budget IT e l'aggiornamento trimestrale del team innovazione. Ottiene qualche slide. Forse una demo. I leader annuiscono, chiedono i tassi di adozione e poi passano ad analizzare la pressione sui margini e la pianificazione degli organici.
Le persone che conducono queste riunioni non sono sprovvedute. Stanno seguendo uno schema che ha funzionato per decenni. L'obiettivo di fatturato cresce del 10%, il personale aumenta dell'8%, il budget si adegua proporzionalmente. Crescita equivale a più persone, più investimenti, maggiore capacità.
Anche se è vero che l'IA è diventata un capro espiatorio per i licenziamenti, è altrettanto vero che la tecnologia sta rompendo questa equazione tradizionale, e la maggior parte dei team di leadership non si è ancora adeguata.
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
Il gap di leadership pronta all’IA ora è misurabile
Boston Consulting Group ha intervistato oltre 1.000 dirigenti C-suite in 59 paesi e ha rilevato che le aziende leader nell’adozione dell’IA hanno registrato una crescita dei ricavi superiore di 1,5 volte, un rendimento per gli azionisti maggiore di 1,6 volte e un ritorno sul capitale investito superiore di 1,4 volte in tre anni rispetto alle aziende ancora in fase di sperimentazione.
Nel frattempo, il 74% delle organizzazioni non ha ancora mostrato un valore tangibile derivante dagli investimenti in IA.
Il sondaggio C-Suite Outlook 2026 di The Conference Board ha rivelato qualcosa di ancora più interessante: il 98% dei membri dei consigli di amministrazione ha identificato la misurazione del ROI dell’IA come priorità, rispetto solo al 33% dei CEO. I board vedono sempre più spesso l’IA come una questione di allocazione del capitale. Molti CEO la considerano ancora una esplorazione strategica.
Questa discrepanza spiega molte cose. Quando l’IA è sotto l’IT, rimane una discussione sugli strumenti. Quando compare insieme a crescita dei ricavi e protezione dei margini nell’ordine del giorno del consiglio, diventa tutta un’altra cosa: una discussione sul modello operativo.
La differenza tra questi due modi di affrontare l’IA è dove nasce il divario di prestazioni.
Le metriche di utilizzo sono un vicolo cieco
Le aziende attraversano una curva di maturità prevedibile. La prima fase misura le licenze distribuite, gli utenti attivi, il numero di prompt, i tassi di completamento dei corsi di formazione. Queste metriche sembrano concrete. Sono "sicure" dal punto di vista politico. Si inseriscono facilmente in una presentazione.
Poi qualcuno chiede cosa significhi tutto questo per il business.
Questa domanda di solito crea confusione. Non perché la risposta non esista, ma perché l’organizzazione non ha ancora costruito il collegamento tra attività IA e risultati finanziari.
Come intendi utilizzare l’IA per creare valore? Non qual è il ROI dell’IA. Sono due domande molto diverse. E un leader deve capire la differenza tra le due.
La maggior parte non lo fa ancora. La questione del ROI invita alla logica da foglio di calcolo. La domanda sulla creazione di valore ti obbliga a ripensare il funzionamento dell’azienda. Heidi Farris, CEO della società di workforce analytics ActivTrak, osserva questo fallimento di misurazione in centinaia di aziende.
Misurano l’attività anziché il cambiamento comportamentale. Le aziende registrano accessi, query e licenze assegnate e lo definiscono un programma di misurazione dell’IA. Questa non è misurazione, è solo speranza.
Le ricerche di ActivTrak hanno rilevato che il 50% delle aziende che utilizzano l’IA non ne misura affatto l’impatto sulla forza lavoro, il che significa che metà del mercato non ha alcuna visibilità sui risultati prodotti dagli investimenti.
I team di leadership che superano questo ostacolo smettono di provare a misurare l’adozione a livello aziendale. Ancorano l’IA a un numero ridotto di processi ad alto impatto e iniziano a monitorare i cambiamenti a livello economico.
Nel marketing, questo significa tempi di produzione delle campagne o output per marketer. Nel supporto, significa costo per ticket e tassi di escalation. Nei servizi, significa tempo di consegna e ricavi per dipendente.
Il Global AI Jobs Barometer 2025 di PwC ha analizzato quasi un miliardo di annunci di lavoro e migliaia di bilanci aziendali, rilevando che i settori più esposti all’IA hanno registrato una crescita del fatturato per dipendente del 27% tra il 2018 e il 2024, circa tre volte rispetto ai settori meno esposti. Dalla comparsa della GenAI nel 2022, la crescita della produttività in questi settori è quasi quadruplicata.
Questi dati raccontano una storia. Ma il fatturato per dipendente non cresce solo consegnando una chatbot alle persone. Cresce perché qualcuno ha riprogettato il lavoro.
Il vero collo di bottiglia sono i flussi di lavoro
Implementare strumenti senza una riprogettazione dei flussi di lavoro è l’errore più comune e costoso che le aziende commettono con l’IA. Un team ottiene l’accesso a uno strumento di IA. Lo usa per svolgere lo stesso lavoro un po’ più velocemente. Il guadagno in produttività è reale ma marginale, e raramente si riflette nel modello finanziario perché nessuno ha ristrutturato il processo attorno a esso.
Un sondaggio di RGP condotto su 200 CFO statunitensi ha rilevato che il 66% si aspetta un ROI significativo dall’IA entro due anni, ma solo il 14% dichiara di ottenere oggi un valore significativo. Questo divario non si colma distribuendo più licenze. Si colma quando la leadership inizia a porsi domande diverse durante le riunioni di pianificazione.
Al posto di "quante persone ci servono per raggiungere l’obiettivo", la domanda diventa "quale parte di questo lavoro dovrebbe ancora richiedere l’intervento umano". Questo cambiamento di prospettiva trasforma l’intera conversazione di pianificazione. Impatta sulle previsioni dell’organico, sulla progettazione dei ruoli, sull’allocazione dei capitali e sulla strategia dei prezzi.
I leader che prendono sul serio questa sfida investono nella riprogettazione dei processi, non solo negli strumenti. Stanziano budget per la gestione del cambiamento e per l’abilitazione insieme alle licenze software, perché riconoscono che il vero collo di bottiglia non è mai stata la tecnologia. Erano i flussi di lavoro.
Il concorrente di cui preoccuparsi
La pressione competitiva spesso si manifesta in sordina. Un nuovo concorrente consegna più in fretta, pratica prezzi più aggressivi o risponde ai clienti con una rapidità che non ha senso secondo le logiche di costo tradizionali.
Il primo istinto è trovare una spiegazione. Stanno bruciando denaro dei VC. Tagliano sulla qualità. Il loro modello non è scalabile.
A volte queste spiegazioni sono corrette. Ma sempre più spesso, la vera risposta è strutturale. Le aziende nate con flussi di lavoro assistiti dall’IA fin dal primo giorno hanno costi di coordinamento più bassi, meno livelli di management e un’economia di scala fondamentalmente diversa.
Questa distinzione è ancora più importante per le aziende di medie dimensioni. Gli schemi delle grandi imprese prevedono di poter investire capitale e organico in risposta al problema. Le startup possono ripartire da zero. Le medie imprese sono nel mezzo, spesso gestendo modelli operativi legacy mentre competono contro organizzazioni che non li hanno mai ereditati.
La risposta produttiva non è assumere in massa o tagliare drasticamente il personale. Consiste nello svolgere progetti pilota onesti puntati sulla compressione economica: cicli più brevi, tassi di errore più bassi, meno livelli di coordinamento, maggiore output per dipendente.
L’obiettivo è capire se il modello operativo può assorbire una integrazione significativa dell’IA, o se è il modello stesso a dover cambiare.
Cosa distingue i leader pronti all’IA
I team esecutivi non falliscono per mancanza di intelligenza o ambizione. Falliscono perché i loro istinti sono tarati per un diverso tipo di cambiamento.
Chi ha maturato esperienza gestendo una crescita lineare in sistemi stabili tende all’incrementalismo. Quando l’IA offre un’opportunità non lineare, la si riduce inconsciamente a qualcosa di gestibile. "Facciamo un pilot." "Facciamo un esperimento." "Monitoriamo."
Sono risposte ragionevoli in condizioni normali. Le discontinuità si moltiplicano però più in fretta di quanto il pensiero incrementale possa rispondere.
C’è anche una cecità strutturale in gioco. I dirigenti pensano per funzioni e dipartimenti. L’IA trasforma le singole attività. Se non si scompongono mai i ruoli nei compiti costitutivi, non si vede dove si nasconde la leva reale.
Il lavoro dell’analista può sembrare univoco da una visione organigramma. Se suddiviso nei suoi compiti di base, alcuni di questi sono candidati ideali per l’IA, e il ruolo che resta dopo la riprogettazione può risultare molto diverso.
Le ricerche di BCG lo confermano: il 62% del valore dell’IA deriva dalle funzioni core come operations, vendite e R&S, non dalle funzioni di supporto dove la maggior parte delle aziende avvia i propri esperimenti. Focalizzare l’IA sulla periferia dell’organizzazione porterà risultati altrettanto periferici.
Cosa significa sfruttare l’effetto composto
Le organizzazioni che si stanno mettendo in testa non sono solo più efficienti. Stanno migliorando più velocemente, e questa differenza di ritmo si cumula nel tempo.
- Chi si muove in anticipo riprogetta i flussi di lavoro. Questi flussi riprogettati portano a cicli più brevi e feedback più rapidi. Un feedback più veloce significa più cicli di apprendimento. Più cicli di apprendimento portano a miglioramenti più rapidi.
I ritardatari possono copiare gli strumenti. Non possono copiare due anni di adattamento dei flussi di lavoro e memoria operativa.
- Il fatturato per dipendente aumenta. Questo crea opzioni strategiche. L’azienda può reinvestire il margine nella crescita, competere in modo più aggressivo sul prezzo oppure attrarre talenti migliori. Questa stessa opzionalità si accumula nel tempo.
- Aumenta la velocità decisionale. Questo aspetto viene spesso trascurato. I team maturi nell’uso dell’AI impiegano l’intelligenza artificiale nella pianificazione strategica, nell’analisi, nella modellazione degli scenari e nella sintesi. Ciò riduce l’attrito nel processo decisionale dei dirigenti. Se un’azienda prende decisioni strategiche dal 30 al 40% più velocemente e itera sui feedback, il vantaggio cresce trimestre dopo trimestre.
Il divario si amplia perché la loro velocità di apprendimento organizzativo è strutturalmente superiore.
Dove Iniziano i Leader Seri
Quando un CEO passa dalla curiosità all’impegno, la prima azione di solito non è acquistare qualcosa. È dichiarare un risultato economico specifico e assegnare responsabilità.
Qualcosa del genere:
- "Aumenteremo il fatturato per dipendente del 25% in 18 mesi."
- "Ridurremo il ciclo di erogazione dei servizi del 40%."
Quel tipo di dichiarazione lega l’AI a una metrica finanziaria che appare nei report del consiglio di amministrazione. Obliga a una riprogettazione dei flussi di lavoro perché non è possibile raggiungere quei risultati solo con gli strumenti.
La seconda mossa è strutturale. Un dirigente, spesso il COO o un ruolo creato ad hoc, assume la responsabilità a livello aziendale della riprogettazione dei flussi di lavoro attraverso le funzioni. Il suo compito è mappare come viene davvero svolto il lavoro, suddividere i ruoli in attività, individuare i punti di leva per l’automazione, riprogettare il flusso e misurare l’impatto economico.
La terza mossa è culturale, ed è quella che resta nel tempo. Il CEO cambia le domande di default nelle riunioni di pianificazione. Invece di "quante persone servono", chiede "come sarebbe questa funzione se l’AI fosse integrata di default" e "quale parte di questo lavoro è esclusivamente umana". Quando la leadership pone costantemente queste domande, l’organizzazione si adatta.
La Velocità di Miglioramento Conta Più del Punto di Partenza
Si è portati a guardare i dati di performance e pensare che la finestra si sia chiusa. Non è così. La ricerca di BCG mostra che anche tra le aziende leader le capacità sono ancora in via di sviluppo. Non importa davvero chi ha iniziato per primo. In questo momento, conta chi sta costruendo la capacità organizzativa di apprendere e adattarsi più velocemente.
Ma la capacità non si costruisce da sola. Richiede team di leadership disposti a mettere in discussione l’architettura di come la loro azienda crea valore attraverso la disciplina operativa, non semplicemente ottimizzando ciò che già esiste.
Questo è il vero divario di capacità. Le capacità di leadership nella trasformazione AI includono la disponibilità a modellare il cambiamento non lineare, tollerare l’ambiguità strategica e riprogettare invece di ottimizzare.
Non possiamo considerare la leadership pronta per l’AI come una credenziale o un titolo. È un atteggiamento verso il business. I leader che desideri di più stanno già riprogettando i loro modelli operativi AI. Chi non lo fa sta ancora misurando i tassi di adozione e sperando che il divario nelle performance smetta di aumentare.
I numeri suggeriscono che non accadrà.
