Sul CRM ci siamo, sui dati c’è molto da fare

Il 76,9% delle aziende italiane ha adottato un CRM — spesso in cloud, spesso integrato con l'ERP — ma più della metà di quelle stesse aziende inserisce manualmente i dati, non dispone di alcuna policy di governance e perde ore ogni settimana a cercare e correggere informazioni sbagliate. In altri termini: lo strumento c'è, ma le fondamenta no, secondo una ricerca di SDA Bocconi School of Management su 65 imprese.

Il risultato è, a suo modo, illuminante. Fuga ogni sospetto di arretratezza tecnologica, perché i tassi di adozione cloud superano le medie europee per molte categorie di impresa, ma dimostra che la digitalizzazione di superficie può coesistere con una profonda fragilità operativa. E quando a questa fragilità si sovrappone l'entusiasmo per l'intelligenza artificiale, con il 30,8% del campione che usa già strumenti di IA Generativa, il quadro diventa potenzialmente pericoloso. Fare girare algoritmi su dati degradati non produce insight ma false certezze.

Qualità e governance del dato

Negli ultimi anni, la letteratura accademica e manageriale sul CRM ha compiuto un percorso di progressiva evoluzione: dall'automazione della forza vendita degli anni Novanta, alla gestione del ciclo di vita del cliente degli anni Duemila, fino alle ambizioni più recenti di Customer Intelligence, ovvero la capacità di trasformare i dati relazionali in previsioni, decisioni e vantaggio competitivo. In questo percorso, la variabile critica non è mai stata l'adozione della tecnologia in sé, ma la qualità e la governance del dato che quella tecnologia è chiamata a elaborare.

La ricerca SDA Bocconi 2026 si propone di rispondere a quattro domande:

• Qual è il livello reale di adozione e integrazione del CRM nelle aziende italiane?
• Qual è la qualità del dato che alimenta questi sistemi, e chi ne è responsabile?
• In che misura le aziende sono effettivamente pronte ad adottare soluzioni di intelligenza artificiale?
• Esistono divari sistematici per dimensione, settore, area geografica, ruolo organizzativo, che aiutano a spiegare eventuali gap?

La ricerca ha coinvolto rispondenti appartenenti ad aziende distribuite su tre macroaree geografiche (Nord Ovest, Nord Est, Centro-Sud), rappresentative di 11 settori e di una doppia fascia dimensionale (sotto e sopra i 50 milioni di euro di fatturato). Il campione comprende direttori commerciali e marketing (32,8%), titolari e CEO (9,4%), responsabili IT (3,1%) e altre figure direzionali. Il questionario strutturato, articolato in 7 sezioni e 15 domande, ha rilevato dati su adozione e integrazione CRM, intensità d'uso, qualità e governance del dato, readiness all'IA, usabilità percepita e costi operativi nascosti.

Poca customer intelligence e decine di migliaia di euro di costi occulti

I risultati più rilevanti possono essere sintetizzati lungo quattro assi.

Adozione e uso. Il 76,9% delle aziende ha un CRM, con una netta prevalenza del cloud (86% tra chi ha adottato). L'integrazione con l'ERP supera quella con la Marketing Automation (64% vs 58%), segnale che il CRM viene ancora percepito soprattutto come strumento di gestione operativa e non come piattaforma di customer intelligence. L'uso si concentra sulla fase di conversione (39,3%), mentre il post-vendita (17,9%) e l'upsell/cross-sell (8,9%) restano ampiamente sottoutilizzati.

Qualità del dato e governance. Il 47% del personale inserisce i dati manualmente, il 37,5% delle aziende non ha alcuna policy di data governance, e il 65,5% del personale perde almeno un'ora a settimana a cercare e correggere dati. Il costo occulto stimato, per un team commerciale di 5 persone a €35/h, oscilla tra €9.000 e €54.600 annui. E questo è un lower bound, poiché non include il costo delle decisioni sbagliate né quello delle attività commerciali non svolte.

AI Readiness. Solo il 16,7% del campione si dichiara realmente pronto per l'AI. Il 57,4% ritiene i propri dati non adeguati. I tre ostacoli principali (costi, mancanza di competenze, sistemi legacy) pesano in misura identica, confermando che non si tratta di un problema puntuale ma sistemico. Il 30,8% usa già AI Generativa su fondamenta di dato inadeguate: è quella che i ricercatori definiscono “l'illusione dell'AI senza fondamenta.”

Il Trust Gap. Uno dei risultati più rilevanti sul piano organizzativo riguarda il disallineamento tra CEO e manager operativi. I CEO dichiarano dati al 100% buoni o eccellenti; il personale operativo riporta il 45,2% di inserimenti manuali. Il 50% dei CEO dichiara di usare già agenti autonomi, contro il 12,9% dei direttori commerciali e marketing. Le decisioni di investimento in AI vengono dunque prese da chi ha la percezione meno accurata del problema reale.

Le analisi per segmento confermano e approfondiscono questo quadro. Tech, Finance e Healthcare guidano con il 37,5% di AI-ready; Industria & Produzione è a 0% di AI Readiness nonostante l'80% di cloud CRM adottato; Commercio & Servizi mostra il 64,3% di inserimenti manuali e la quasi-nulla AI Readiness (7,1%). Le grandi aziende (>50M€) adottano più IA Predittiva (33,3% vs 17,4%), ma presentano il 73,3% di inserimenti manuali — quasi il doppio delle PMI.

Le quattro conclusioni della ricerca delineano un'agenda di priorità per chi governa aziende e per chi progetta politiche industriali.

Chi è pronto a usare gli agenti autonomi?

La prima conclusione è che la sola adozione tecnologica non è sufficiente. Il gap tra qualità del dato e adozione dei sistemi CRM è massimo proprio nelle aziende più grandi: crescita dimensionale e digitalizzazione di superficie non producono automaticamente maturità del dato. I manager devono smettere di misurare il progresso digitale con il numero di strumenti adottati e iniziare a misurarlo con la qualità dei dati che quegli strumenti producono.

La seconda conclusione riguarda il Trust Gap strutturale. Il disallineamento tra vertice e organizzazione sulla percezione della qualità del dato è uno dei rischi manageriali più sottovalutati. Le decisioni di investimento in AI vengono prese sulla base di una visione della realtà distorta verso l'alto. La soluzione è organizzativa e culturale: aprire canali di comunicazione verticale più trasparenti, coinvolgere i manager operativi nei processi decisionali sull'AI, e costruire KPI condivisi sulla qualità del dato che attraversino i livelli gerarchici.

La terza conclusione riguarda la differenziazione settoriale. L'AI avanza a velocità radicalmente diverse nei diversi comparti. Tech, Finance e Healthcare si confermano all’avanguardia; Industria & Produzione è ferma; Commercio & Servizi è a rischio di rimanere indietro nonostante un'aspirazione digitale dichiarata. Per i policy maker, questo suggerisce la necessità di interventi differenziati: non misure orizzontali, ma programmi verticali di trasformazione che affrontino le specificità strutturali di ciascun settore — sistemi legacy nel manifatturiero, frammentazione dei touchpoint nel retail, carenza di competenze diffusa ovunque.

La quarta conclusione è la più prospettica. Gli agenti autonomi — il prossimo livello dell'AI applicata al business — premiano chi ha investito sulla governance del dato. Le aziende con alta predisposizione all'IA sono concentrate tra le grandi (56,7%) e nel settore Tech/Fin/HC (55,6%). La biforcazione competitiva tra chi ha costruito le fondamenta e chi non lo ha fatto è destinata ad allargarsi rapidamente nei prossimi 12-24 mesi. Chi non agirà ora sulla governance del dato non starà semplicemente ritardando un investimento tecnologico: starà cedendo posizione competitiva in modo progressivo e difficilmente reversibile.

I risultati di questa ricerca costituiscono una bussola operativa per chi partecipa a programmi di formazione manageriale avanzata in ambito marketing, CRM e Customer Intelligence. Capire che il vero vincolo non è l'accesso alla tecnologia ma la qualità del dato e che questa qualità richiede governance, processi e cultura organizzativa è il punto di partenza per un approccio maturo alla customer intelligence.

Il programma CRM Analytics e AI affronta esattamente questo percorso: dalla comprensione dei fondamenti del CRM come piattaforma conoscitiva, alla gestione strategica del dato, fino alle implicazioni dell'intelligenza artificiale per le decisioni di marketing. I dati di questa ricerca offrono il contesto reale entro cui quelle competenze si devono dispiegare.