Se l'AI non trasforma, è “business as usual”, non vera intelligenza.

Le aziende stanno investendo sempre di più in intelligenza artificiale. I progetti e le sperimentazioni si stanno moltiplicando, ma nella maggior parte dei casi l’impatto resta sorprendentemente limitato: qualche guadagno di efficienza, qualche decisione migliorata, ma niente che cambi davvero il modo in cui l’organizzazione funziona.

La prima di due ricerche condotte da SDA Bocconi con il sostegno di Google parte dall’osservazione che due imprese possono investire cifre simili in AI e ottenere risultati completamente diversi. E il motivo non è la tecnologia, ma il modo in cui viene introdotta, governata e integrata nell’organizzazione.

In molti casi, l’AI resta confinata a singoli progetti, scollegati tra loro. Migliora alcune attività, senza però incidere sui processi chiave, sulle decisioni strategiche o sul modello di business. Anche quando viene adottata, insomma, non trasforma.

Oltre il livello locale

Il dibattito sull’intelligenza artificiale si è concentrato soprattutto sulle sue capacità di automatizzare compiti, analizzare dati, supportare decisioni. Ma questa prospettiva lascia aperta una domanda: perché, nonostante queste potenzialità, l’impatto reale nelle aziende resta spesso modesto?

La letteratura ha già individuato alcuni indizi. L’AI genera valore, ma soprattutto a livello locale: dentro una funzione, un team, un processo. Il problema è che questo valore raramente si traduce in un vantaggio competitivo più ampio.

Da qui nascono le domande della ricerca:

• In che modo l’AI crea valore nelle organizzazioni?
• Dove si manifesta questo valore?
• Perché alcune iniziative riescono a scalare e altre no?
• Come si passa da tanti progetti isolati a una vera trasformazione?

Una mappa a due dimensioni

I ricercatori hanno analizzato in profondità cinque grandi organizzazioni operanti in settori diversi, dalla manifattura alla finanza, dal turismo all’ingegneria avanzata. A questo hanno affiancato interviste con executive e responsabili AI.

Ne è risultato un framework che legge l’AI lungo due dimensioni.

La prima riguarda come l’AI crea valore:

• automatizzando attività,
• supportando le decisioni,
• oppure cambiando radicalmente il modo di lavorare.

La seconda riguarda dove questo valore si manifesta:

• in modo locale,
• in più funzioni,
• oppure su scala di ecosistema, coinvolgendo partner e clienti.

Incrociando queste due dimensioni emerge una mappa delle strategie possibili. La maggior parte delle aziende si concentra nella parte più “semplice” della mappa: automazione ed enhancement a livello locale. È qui che si trovano i risultati più immediati e meno rischiosi, ma da qui è difficile allargare l’impatto all’intera organizzazione.

Le applicazioni più trasformative, quelle che ridisegnano processi, modelli operativi o intere catene del valore, si trovano altrove e richiedono molto di più: integrazione, governance, dati condivisi, cambiamenti organizzativi profondi.

Coerenza, dati e organizzazione

Volendo fare davvero la differenza, non esiste una configurazione “migliore” in assoluto, anche perché non tutte le aziende devono puntare alla trasformazione radicale. Quello che conta davvero è la coerenza. Le organizzazioni che ottengono risultati sono quelle in cui strategia, dati, governance e use case sono allineati.

Il rischio più diffuso, in mancanza di questa coerenza, è l’accumulo di progetti. Quando ogni funzione sviluppa i propri use case, l’azienda finisce per costruire un mosaico disordinato di soluzioni difficili da integrare e da mantenere.

Un altro elemento che limita la scalabilità dell’AI sono i dati. Senza una base dati solida, condivisa e ben governata, l’AI resta confinata a iniziative locali.

La dimensione organizzativa emerge da una riflessione finale: se con l’introduzione dell’AI non cambiano ruoli, responsabilità, processi decisionali, il suo impatto resta superficiale.

Partire dalle fondamenta

Lo studio suggerisce che i manager dovrebbero evitare di pensare all’AI come una corsa verso un traguardo. Non esiste un punto di arrivo uguale per tutti. Esistono scelte strategiche, con trade-off tra impatto, complessità e rischio. Dovrebbero, inoltre, fare di tutto per evitare la “trappola degli use case,” che fa pensare che fare tanto significhi trasformare. E invece, senza integrazione, più progetti significano solo più complessità.

Gli investimenti delle imprese dovrebbero partire dalle fondamenta: dati, architetture, competenze. È qui che si gioca la possibilità di scalare davvero.

Infine, l’AI crea valore solo quando costringe l’organizzazione a cambiare, diventando un catalizzatore per riallineare strategia, processi e persone.

Nico Abbatemarco, Gianluca Salviotti, Carmelo Cennamo. AI transformation logics.