Abbiamo introdotto l'AI. Ma dov'è il ROI?

Dopo la fase della sperimentazione, per le imprese è arrivato il momento di affrontare una domanda più difficile: quale valore sta producendo realmente l'intelligenza artificiale?

Negli ultimi due anni abbiamo parlato moltissimo di adozione dell'intelligenza artificiale.

Le aziende hanno acquistato licenze, sperimentato modelli generativi, introdotto Copilot, ChatGPT, assistenti virtuali, automazioni e, più recentemente, iniziato a guardare con interesse agli agenti AI.

In moltissimi casi l'intelligenza artificiale è già entrata nel lavoro quotidiano, talvolta attraverso iniziative strutturate dell'azienda, altre volte semplicemente perché le persone hanno cominciato a utilizzarla autonomamente.

Tutto questo racconta una trasformazione importante.

Ma credo che, arrivati a questo punto, sia necessario iniziare a porci una domanda diversa.

Non più soltanto:

"Stiamo utilizzando l'intelligenza artificiale?"

Quanto piuttosto:

"Che valore sta producendo?"

Perché l'adozione di una tecnologia e la trasformazione di un'impresa non sono necessariamente la stessa cosa.

Il problema non è più convincere le aziende a provare l'AI

La fase nella quale bisognava spiegare alle imprese le potenzialità dell'intelligenza artificiale sta probabilmente terminando.

Oggi quasi ogni manager ha avuto almeno un contatto con strumenti generativi e moltissime organizzazioni stanno già sperimentando possibili applicazioni.

Il vero problema è un altro: trasformare questa enorme quantità di sperimentazione in risultati economici.

I dati più recenti sono interessanti proprio perché ridimensionano una parte dell'entusiasmo che ha accompagnato l'AI negli ultimi anni.

La Global CEO Survey 2026 di PwC, realizzata coinvolgendo 4.454 CEO in 95 Paesi, mostra che soltanto il 12% dei CEO dichiara di aver ottenuto contemporaneamente una crescita dei ricavi e una riduzione dei costi grazie all'intelligenza artificiale.

Ancora più significativo è un altro dato: il 56% dichiara di non aver registrato benefici finanziari significativi né sui ricavi né sui costi.

Non significa che l'intelligenza artificiale non funzioni.

Significa, probabilmente, che utilizzare l'AI è relativamente semplice, mentre trasformarla in valore è molto più complesso.

Ed è proprio qui che cambia la prospettiva.

Risparmiare dieci minuti non significa necessariamente creare valore

Un dipendente che utilizza l'AI per scrivere più velocemente una mail sta ottenendo un beneficio.

Un manager che sintetizza in pochi minuti un documento di cinquanta pagine sta ottenendo un beneficio.

Un commerciale che prepara più rapidamente una proposta utilizzando un modello generativo sta ottenendo un beneficio.

Il problema nasce quando proviamo a trasformare questi vantaggi individuali in un risultato aziendale.

Se una persona risparmia trenta minuti al giorno, che cosa accade realmente a quei trenta minuti?

Produciamo di più? Serviamo più clienti? Riduciamo un costo? Aumentiamo la qualità? Riduciamo gli errori? Aumentiamo il fatturato?

Oppure abbiamo semplicemente reso più comodo il modo in cui svolgiamo alcune attività?

Non è una distinzione marginale.

È probabilmente la differenza tra utilizzare l'intelligenza artificiale e realizzare una vera AI Transformation.

Il ROI dell'AI deve partire dal processo

Credo che uno degli errori più frequenti sia stato partire dallo strumento.

Abbiamo acquistato una tecnologia e successivamente abbiamo cercato attività nelle quali utilizzarla.

Il percorso dovrebbe essere esattamente opposto.

Prima dovremmo osservare il processo.

Quanto costa? Quanto tempo richiede? Quante persone coinvolge? Dove si verificano gli errori? Dove vengono create attese? Quale parte del processo produce realmente valore e quale, invece, esiste semplicemente perché abbiamo sempre lavorato in quel modo?

Solo dopo aver risposto a queste domande ha senso capire dove possa intervenire l'intelligenza artificiale.

Prendiamo un processo commerciale.

Possiamo utilizzare l'AI per scrivere una mail.

Oppure possiamo analizzare l'intero percorso che parte dall'acquisizione del lead, passa attraverso qualificazione, raccolta delle informazioni, aggiornamento del CRM, preparazione dell'offerta e follow-up commerciale.

Nel primo caso abbiamo migliorato un'attività.

Nel secondo possiamo riprogettare un processo.

Ed è molto più probabile che il secondo approccio produca un ROI misurabile.

Prima dell'AI deve esserci una baseline

Esiste inoltre un problema estremamente pratico che vedo spesso quando si parla di innovazione: proviamo a misurare il miglioramento senza conoscere il punto di partenza.

Se non sappiamo quanto costava un processo prima dell'introduzione dell'intelligenza artificiale, diventa difficile calcolarne il ritorno.

Se non conosciamo il tempo medio necessario per completare un'attività, non possiamo sapere quanto abbiamo realmente guadagnato.

Se non misuriamo errori, conversioni, produttività o qualità prima dell'intervento, rischiamo di basare la valutazione su una sensazione.

"Le persone lavorano più velocemente."

Probabilmente è vero.

Ma quanto più velocemente? E soprattutto: quel tempo si sta trasformando in valore?

È qui che KPI apparentemente poco tecnologici diventano molto più importanti del numero di prompt, utenti o licenze attivate.

Il ROI potrebbe essere rappresentato dalla riduzione del costo per pratica, dall'aumento delle opportunità gestite da un commerciale, dalla riduzione del tempo necessario per preparare un'offerta, dall'incremento del tasso di conversione, dalla diminuzione degli errori o dall'accorciamento del time to market.

Dipende dall'azienda e dal processo.

Ma deve essere misurabile.

Alcune aziende stanno già riuscendo a farlo

La parte più interessante delle ricerche del 2026 è che il valore economico dell'AI esiste, ma appare fortemente concentrato.

Una successiva analisi PwC condotta su 1.217 organizzazioni in 25 settori ha rilevato che il 20% delle aziende analizzate cattura il 74% dei ritorni generati dall'AI.

Questo dato, secondo me, è molto più importante di qualsiasi previsione sulla crescita futura del mercato dell'intelligenza artificiale.

Perché significa che non siamo davanti a una tecnologia incapace di produrre valore.

Siamo davanti a una tecnologia il cui valore dipende enormemente da come viene introdotta nell'organizzazione.

Le imprese che stanno ottenendo risultati non sembrano limitarsi ad aumentare il numero di strumenti utilizzati. Tendono invece a costruire infrastrutture tecnologiche adeguate, governance, gestione del rischio e integrazione dell'AI nei processi aziendali. Secondo la stessa analisi, il gruppo delle aziende più performanti genera risultati legati a ricavi ed efficienza molto superiori rispetto agli altri.

Ed è probabilmente questa la lezione più interessante.

Non vince chi utilizza più AI.

Vince chi riesce a inserirla meglio nel proprio modello operativo.

Dalla produttività individuale alla produttività aziendale

C'è poi un passaggio che credo diventerà centrale nei prossimi anni.

La prima ondata dell'AI generativa ha migliorato soprattutto la produttività individuale.

Scrivere. Riassumere. Analizzare. Cercare informazioni. Preparare documenti. Produrre codice.

Sono attività importanti, ma prevalentemente individuali.

La fase successiva riguarderà invece la produttività dei processi.

L'intelligenza artificiale inizierà sempre più frequentemente a spostare informazioni tra sistemi, interpretare dati, attivare azioni, collaborare con software aziendali e gestire parti di workflow che oggi richiedono numerosi passaggi manuali.

Ed è lì che il ROI potrà diventare molto più rilevante.

Perché risparmiare cinque minuti nella scrittura di una mail produce un miglioramento.

Eliminare tre passaggi inutili da un processo che viene eseguito diecimila volte l'anno produce una trasformazione.

Il ROI non è soltanto riduzione dei costi

Sarebbe però un errore ridurre tutta la discussione a una questione di efficienza.

L'intelligenza artificiale può produrre valore anche aumentando la capacità dell'impresa.

Un commerciale potrebbe riuscire a gestire un numero maggiore di opportunità. Un customer service potrebbe fornire risposte più rapide senza compromettere la qualità. Un'impresa potrebbe analizzare quantità di informazioni che precedentemente non aveva la capacità economica di elaborare. Un manager potrebbe prendere decisioni disponendo di dati organizzati e interpretati in tempi molto più brevi. Un prodotto potrebbe arrivare sul mercato prima.

Una piccola impresa potrebbe accedere a capacità che, fino a pochi anni fa, erano economicamente disponibili soltanto per organizzazioni molto più grandi.

Il ritorno sull'investimento, quindi, non deve essere ricercato esclusivamente nella riduzione del personale o dei costi.

Può trovarsi nel fatturato aggiuntivo, nella capacità produttiva, nella qualità, nella velocità, nella customer experience o semplicemente nella possibilità di fare qualcosa che prima non era economicamente sostenibile.

La domanda che dovrebbe fare un CEO

Se dovessi ridurre tutto a una sola domanda, non chiederei:

"Quanta intelligenza artificiale stiamo utilizzando?"

Chiederei invece:

"Quale indicatore aziendale è migliorato da quando la stiamo utilizzando?"

Se non riusciamo a rispondere, non significa necessariamente che il progetto sia sbagliato. Potremmo trovarci ancora nella fase di sperimentazione.

Ma dobbiamo esserne consapevoli.

Perché sperimentazione, adozione e trasformazione rappresentano tre livelli differenti di maturità.

Il rischio è trascorrere anni nel primo o nel secondo continuando a raccontarci di essere arrivati al terzo.

La tecnologia ormai esiste.

Sta diventando più potente, più accessibile e progressivamente più integrata negli strumenti che utilizziamo ogni giorno.

La sfida per le imprese non sarà quindi dimostrare di possedere l'AI.

Sarà dimostrare di saperla trasformare in risultati.

Perché alla fine il ROI dell'intelligenza artificiale non si misura nel numero di licenze acquistate, nei prompt scritti o nei progetti pilota avviati.

Si misura nel valore che resta in azienda.

Ed è da lì che, secondo me, dovrebbe iniziare ogni vero progetto di AI Transformation.