Quando si parla di intelligenza artificiale, molte organizzazioni stanno commettendo un errore fondamentale nella valutazione del suo impatto: concentrarsi esclusivamente sul tempo risparmiato. È come giudicare il valore di uno chef stellato dalla velocità con cui taglia le cipolle, perdendo completamente di vista la complessità del suo contributo. Dalle soluzioni di copilota ai sistemi agentici, gli strumenti basati sull'IA hanno il potenziale per reinventare interi flussi di lavoro aziendali, modificando i modelli di business e il modo in cui le imprese creano valore per i clienti.
Il problema è che misurare il risparmio di tempo risulta semplice attraverso sondaggi tra i dipendenti e analisi delle attività monitorate, come quelle del servizio clienti. Questa facilità spinge le aziende a limitarsi a svolgere le stesse attività più rapidamente, anziché ripensare radicalmente i propri processi. Le imprese che esamineranno le proprie operazioni dalle fondamenta e considereranno come l'IA possa permettere loro di riconfigurare queste attività per creare valore reale per i clienti saranno le vincitrici in questi tempi turbolenti.
La tentazione di utilizzare l'IA principalmente per ridurre il personale rappresenta un altro abbaglio strategico. Nessuna azienda è mai cresciuta rimpicciolendosi, e sebbene i licenziamenti durante le fasi di crisi possano talvolta essere necessari, utilizzare l'intelligenza artificiale come strumento per raggiungere questo obiettivo potrebbe portare benefici solo a breve termine, mancando le vere opportunità che questa tecnologia offre. Gartner prevede che entro il 2027 metà delle aziende che hanno tagliato il personale del servizio clienti grazie all'IA saranno costrette a riassumere: la tecnologia non è ancora abbastanza matura per sostituire le sfumature e l'empatia che gli esseri umani apportano alle interazioni con i clienti.
Il rischio di conseguenze indesiderate a lungo termine è quello che Ronnie Sheth, amministratore delegato di SENEN, una società di consulenza strategica specializzata in dati e intelligenza artificiale, definisce con un approccio che privilegia la tecnologia senza considerare le esigenze e le preferenze dei clienti. Un numero crescente di aziende sta scoprendo che è controproducente gestire più richieste se i livelli di soddisfazione della clientela diminuiscono. Come sottolinea Sheth, per realizzare veramente valore, le iniziative di IA dovrebbero collegarsi direttamente agli obiettivi strategici aziendali attraverso percentuali definite, non solo a parametri interni come il tempo risparmiato.
Alan Pelz-Sharpe, fondatore della società di consulenza tecnologica Deep Analysis, considera un errore concentrarsi sull'implementazione dei copilot principalmente per aumentare la produttività dei dipendenti. La domanda cruciale non è quanto codice un programmatore possa scrivere, ma se si tratti di codice di qualità che offra effettivamente un valore aziendale misurabile. Se la misurazione si basa su attività completate per ora o su riduzioni di personale, si può sostenere di aver fatto di più, ma non necessariamente meglio, e non è detto che il valore prodotto giustifichi i costi e i cambiamenti implementati.
Pelz-Sharpe avverte inoltre di non monitorare le possibili conseguenze negative che potrebbero manifestarsi successivamente. Questo è particolarmente vero con gli assistenti alla programmazione, capaci di produrre codice rapidamente ma che, senza una supervisione umana qualificata, possono causare problemi settimane o mesi dopo, quando i sistemi vengono esposti alle dure realtà degli ambienti aziendali. Un'indagine del 2025 condotta da Harness su 500 ingegneri software ha rilevato che, sebbene poco più dell'80% ritenesse l'IA utile nel proprio lavoro, gli stessi professionisti stavano lottando con un effetto raggio d'esplosione, dove codice difettoso veniva messo in produzione più rapidamente e con un impatto maggiore.
I dati dell'indagine rivelano che il 67% degli sviluppatori sta spendendo più tempo a ripulire il codice generato dall'IA, mentre il 68% dedica più tempo a gestire le vulnerabilità di sicurezza derivanti da tale codice. Questi numeri dimostrano come una metrica apparentemente positiva, la velocità di produzione del codice, possa nascondere costi nascosti significativi che emergono solo successivamente.
Nonostante le giustificate discussioni sulle bolle speculative dell'IA, alimentate da investimenti spropositati e valutazioni eccessive di aziende che probabilmente non saranno mai all'altezza delle promesse, è in corso una vera rivoluzione. Considerare l'intelligenza artificiale come un'aggiunta che può aiutare le imprese a operare in modo leggermente più efficiente significa perdere un punto fondamentale: non è business as usual. Il modo in cui i dati vengono raccolti, elaborati, condivisi e utilizzati sta subendo una trasformazione in termini di velocità e quantità, ma soprattutto l'IA sta cambiando il modo in cui le decisioni vengono prese sulla base di quei dati.
Con l'evoluzione delle soluzioni agentiche, molti ruoli attualmente svolti da esseri umani cambieranno radicalmente o scompariranno del tutto. Quando i sistemi di elaborazione testi emersero negli anni '70 e '80, una misura chiave del loro valore era la velocità con cui segretarie e assistenti amministrativi potevano produrre documenti scritti. Tuttavia, l'impatto reale dei word processor e dei PC che li hanno sostituiti è stato il trasferimento di gran parte di questo lavoro al personale dirigente, che ora gestisce autonomamente le proprie attività amministrative.
L'impatto dell'intelligenza artificiale sarà di gran lunga superiore. Le imprese devono riconsiderare l'utilità dei loro attuali processi aziendali e, di conseguenza, dei loro modelli di business, quando l'IA sarà in grado di automatizzare o addirittura rendere obsolete le pratiche correnti. Il pensiero strategico a lungo termine è indispensabile: semplicemente svolgere le attività attuali più rapidamente non è il modo giusto di affrontare questa trasformazione epocale.
