Il collo di bottiglia dell'AI potrebbe essere organizzativo
L'AI si diffonde, ma l'effetto sull'EBIT resta limitato. Che cosa dicono i dati McKinsey e quali domande può porsi un board.
EXECUTIVE SEARCHLEADERSHIP & MANAGEMENTDIGITALINDUSTRY TRANSFORMATIONITALIANOAI STRATEGYPRIVATE EQUITY & VC
Due notizie che non misurano la stessa cosa
Nelle ultime settimane due notizie sull'intelligenza artificiale hanno viaggiato insieme, pur raccontando cose diverse. La prima riguarda i mercati: secondo Reuters, l'indice cinese STAR 50, che raccoglie società dell'AI e dei semiconduttori, ha perso circa il 40 per cento in meno di quattro mesi, con circa 480 miliardi di dollari di capitalizzazione bruciati. La seconda riguarda le imprese: l'indagine annuale di McKinsey, pubblicata ad agosto, rileva che quasi nove intervistati su dieci usano l'AI con regolarità in almeno una funzione, mentre la quota di chi attribuisce all'AI un contributo positivo all'EBIT è ferma al 37 per cento, come un anno prima.
È naturale metterle in relazione, e molti lo hanno fatto. Ma le due serie misurano oggetti diversi: una è il prezzo che gli investitori sono disposti a pagare oggi per profitti futuri, l'altra è ciò che i manager dichiarano di osservare nelle proprie organizzazioni. Il servizio Reuters cita valutazioni elevate, timori sulla domanda di AI e restrizioni all'export cinese, e non indica un unico fattore scatenante. Attribuire il ribasso a una scarsa adozione, quindi, non regge, e i dati McKinsey dicono semmai il contrario, perché l'utilizzo cresce.
Questo articolo lascia da parte il mercato e prova a rispondere a una domanda che resta valida a prescindere dalle quotazioni: perché un uso così diffuso dell'AI non si traduce, per la maggior parte delle organizzazioni, in un risultato economico misurabile, e quali responsabilità di governo e di organizzazione entrano in gioco.
Che cosa dice davvero l'indagine
L'indagine McKinsey è stata condotta online dal 4 maggio all'8 giugno 2026 su 1.719 partecipanti di 97 Paesi, con dati ponderati in base al contributo di ciascun Paese al PIL globale. Il 36 per cento degli intervistati lavora in organizzazioni con ricavi superiori a un miliardo di dollari. Sono risposte dichiarate, non bilanci verificati, e il rapporto non è stato sottoposto a revisione accademica indipendente: va letto come una fotografia autorevole ma soggettiva.
Tre dati meritano di essere tenuti insieme. Il primo è l'ampliamento dell'uso: il 44 per cento degli intervistati dichiara che l'AI è in fase di scaling su scala aziendale, contro il 38 per cento dell'anno precedente, e la quota che la usa in almeno tre funzioni sale dal 51 al 56 per cento. Il secondo riguarda gli individui: l'80 per cento riferisce un miglioramento della propria produttività. Il terzo riguarda l'impresa: soltanto il 37 per cento attribuisce all'AI un contributo positivo all'EBIT, una quota sostanzialmente identica a quella del 2025.
Va evitata una lettura troppo severa. Il 37 per cento non significa che il resto abbia perso denaro: il rapporto segnala che anche chi non rileva un effetto sull'EBIT complessivo registra benefici in singole funzioni, in particolare riduzioni di costo in supply chain, servizi operativi e produzione, e miglioramenti in innovazione, soddisfazione dei clienti e differenziazione competitiva. Il quadro corretto, dunque, non è quello di una tecnologia che non funziona, ma di benefici che restano concentrati a livello individuale e di funzione e che non si sommano, almeno per ora, in un effetto visibile sui conti complessivi.
Tre piani da non confondere
Quando si parla di AI si mescolano in genere tre piani che hanno tempi e logiche diverse. Il primo è quello delle capacità tecnologiche, che migliorano rapidamente e che gli utenti sperimentano in prima persona. Il secondo è quello del valore per l'impresa che la adotta, che dipende da come il lavoro viene organizzato intorno allo strumento. Il terzo è quello del rendimento per chi investe, che dipende da quanto il mercato è disposto a pagare oggi per profitti che arriveranno più avanti.
Una correzione sul terzo piano non dice nulla di preciso sugli altri due, e viceversa. Può accadere che la tecnologia progredisca e si diffonda mentre gli investitori rivedono le proprie aspettative, perché le aspettative incorporate nei prezzi possono essere più ambiziose di qualunque ritmo ragionevole di trasformazione delle imprese.
L'indagine McKinsey offre un esempio, pur su un piano diverso dalla Borsa. Un anno fa il 32 per cento degli intervistati prevedeva che l'AI avrebbe ridotto gli organici entro dodici mesi, mentre quest'anno soltanto il 14 per cento riferisce una riduzione effettiva. Le previsioni sono corse davanti ai fatti, e ora il 39 per cento prevede riduzioni per l'anno a venire. Non è una prova che le aspettative finanziarie siano sbagliate, ma mostra con quale regolarità la velocità attesa e quella osservata tendano a divergere.
Dove si interrompe la catena
Se l'80 per cento degli intervistati migliora la propria produttività e solo il 37 per cento vede un effetto sull'EBIT, tra i due dati c'è una catena che può spezzarsi in più punti. Il lavoro individuale diventa più rapido o di qualità migliore, quel vantaggio si traduce in tempo recuperato, il tempo recuperato diventa capacità effettivamente impiegata in attività di valore, e solo a quel punto la capacità aggiuntiva si riflette su ricavi, costi o margini. Il rapporto non misura questi passaggi uno per uno, quindi ciò che segue è un'ipotesi di lavoro, non un risultato.
L'ipotesi è che l'anello più fragile non sia tecnologico. Il tempo risparmiato da un singolo può essere assorbito da altre attività, da verifiche aggiuntive o dalla semplice dilatazione dei compiti, senza che nessuno abbia il mandato di trasformarlo in capacità destinata a qualcosa di preciso. Un processo costruito attorno a persone che lavorano senza AI non diventa automaticamente un processo migliore perché qualcuno, al suo interno, usa uno strumento più rapido.
Un indizio, da trattare con cautela, viene dalla distribuzione dei costi umani. Secondo l'indagine, il 47 per cento di dirigenti intermedi e collaboratori individuali riferisce almeno un effetto negativo legato all'uso dell'AI, contro il 31 per cento di executive e senior manager. Il dato non dimostra un collo di bottiglia organizzativo, ma suggerisce che chi sta in mezzo alla catena, dove il lavoro si trasforma davvero, sperimenti più attrito di chi decide dall'alto.
Che cosa osservo nelle aziende italiane
I dati McKinsey descrivono un campione globale. Quello che vedo io, nelle conversazioni con CEO, direttori HR e manager di aziende italiane, è un'esperienza parziale e non un campione rappresentativo, ma coincide in più punti con il quadro dell'indagine e ne mostra il meccanismo.
Il primo punto riguarda il modo in cui i vertici inquadrano il tema. Nella maggior parte dei casi l'AI è ancora trattata come un investimento tecnologico e governata con le logiche di un progetto IT. Fanno eccezione le aziende del settore tecnologico e le poche realtà in cui il CEO, o un consigliere in consiglio di amministrazione, ne coglie le implicazioni per il modello di business.
Il secondo riguarda le persone. I manager con competenze trasversali, capaci di far dialogare funzioni diverse, sono ancora pochi, oppure non occupano le posizioni in cui potrebbero incidere. Prevale un approccio verticale, per funzione, mentre molti dei processi su cui l'AI può intervenire attraversano più funzioni.
Il terzo è il passaggio di scala. L'adozione dipende molto da iniziative personali o, al massimo, di funzione, e raramente diventa un programma dell'intera organizzazione: è la versione concreta del divario che l'indagine misura fra l'80 per cento che dichiara benefici individuali e il 37 per cento che vede un effetto sull'EBIT. A sperimentare di più sono le multinazionali e le grandi imprese con presenza internazionale, anche in Italia, in linea con McKinsey, dove il 54 per cento degli intervistati di organizzazioni con ricavi superiori a un miliardo di dollari dichiara uno scaling aziendale, contro circa un terzo di quelle più piccole. Il loro problema è un altro: molte prove di concetto, pochi progetti che arrivano in produzione e coinvolgono tutte le aree.
Gli ultimi due punti riguardano la formazione e il modo di raccontare il valore. La formazione è ancora troppo tecnica e poco orientata al modo di pensare il lavoro, e questo rallenta l'adozione. Quanto al racconto, ho il dubbio che ci stiamo raccontando l'AI nel modo sbagliato. L'energia elettrica, l'acqua, la banda internet sono diventate commodity perché sono intercambiabili: un kilowattora vale quanto un altro, e il risultato non dipende da chi lo usa. Con i modelli linguistici accade il contrario, perché lo stesso strumento produce risultati molto diversi a seconda di come lo si guida, del contesto che gli si fornisce e di come si valuta ciò che restituisce. Il valore sta nell'uso e nel giudizio, non nella fornitura. Se lo si misura soltanto con indicatori quantitativi, come le ore risparmiate o il numero di utenti attivi, si vede quanto lo si usa, ma non che cosa si ottiene né quali benefici possa portare nel lungo periodo. Misurare resta necessario, e le organizzazioni con i risultati migliori dichiarano più spesso processi definiti per misurare l'impatto. Ma un indicatore dice come procede una prestazione, non se la direzione è giusta. Lo stesso rapporto McKinsey segnala, accanto all'EBIT, benefici in innovazione, differenziazione competitiva e soddisfazione dei clienti, cioè effetti che un solo numero difficilmente racchiude.
Che cosa distingue chi ottiene risultati
L'indagine isola un piccolo gruppo di "AI high performer": organizzazioni che attribuiscono all'AI almeno il 5 per cento dell'EBIT e descrivono il valore ottenuto come significativo. Sono circa il 6 per cento degli intervistati, quota invariata rispetto all'anno precedente. Rispetto agli altri, quasi tre quarti dichiarano di aver riprogettato in modo radicale i flussi di lavoro in seguito all'uso dell'AI, contro circa un quarto degli altri. Hanno inoltre una probabilità doppia di riferire un impegno dimostrato dei vertici e processi definiti per misurare l'impatto delle iniziative, e puntano a crescita e innovazione oltre che a efficienza.
Questi elementi riguardano responsabilità, processi e misurazione, cioè questioni di governo dell'organizzazione più che di scelta del modello. Ma la cautela metodologica è essenziale: si tratta di un'associazione, non di un nesso causale dimostrato. Gli stessi high performer investono di più, usano l'AI in più funzioni e gestiscono più rischi, quindi la riprogettazione dei flussi potrebbe essere una causa dei risultati, una conseguenza di maggiori risorse o competenze, oppure l'effetto di entrambe. Con i dati disponibili non è possibile distinguere.
Quel che si può dire con ragionevole prudenza è più modesto, e per questo più solido: tra le organizzazioni che dichiarano risultati rilevanti, la riprogettazione del lavoro e la misurazione dell'impatto sono molto più frequenti che tra le altre. È un punto di partenza per le domande giuste, non una ricetta.
Le domande che un consiglio di amministrazione può porre
Se il divario fra uso e risultato dipende almeno in parte dall'organizzazione, le domande più utili per un board o per un comitato esecutivo cambiano. Non riguardano più quale modello adottare, ma chi risponde del risultato: a chi appartiene il budget di un'iniziativa di AI e chi ne misura l'effetto sul conto economico, non solo l'utilizzo. Riguardano poi il processo: quali attività verranno cambiate o interrotte perché lo strumento esiste, e chi ha l'autorità di deciderlo oltre i confini della propria funzione. Riguardano infine la capacità effettivamente liberata: dove viene reinvestita e con quale obiettivo, e se il costo dell'integrazione, della supervisione e degli errori viene calcolato accanto al beneficio.
C'è poi una domanda sulle persone, che non ha una risposta nei dati ma merita di essere posta: i manager che dovrebbero ridisegnare il lavoro hanno gli incentivi, il tempo e le competenze per farlo, o sono valutati su obiettivi che premiano la continuità dei processi esistenti? L'indagine McKinsey, con tutti i limiti già indicati, segnala che la riprogettazione dei flussi e l'impegno dei vertici distinguono le organizzazioni che dichiarano i risultati migliori. Se la tecnologia è sempre più accessibile a tutti, la differenza tra un'impresa e l'altra potrebbe dipendere sempre di più dalla qualità con cui viene governato il cambiamento del lavoro.
È un'ipotesi, e come tale va trattata: i dati di una sola indagine, basata su dichiarazioni, non bastano a trasformarla in una certezza. Ma è anche l'ipotesi su cui un consiglio può agire senza attendere che il mercato si chiarisca, perché le domande restano valide in qualunque direzione si muovano le quotazioni.
Connect
Reach out for tailored AI leadership guidance
© 2026 Silvio Fontaneto. All rights reserved.