L’Intelligenza Artificiale sta iniziando a produrre risultati concreti nelle imprese, ma la trasformazione procede in modo molto meno uniforme di quanto la velocità dell’innovazione tecnologica potrebbe far pensare.
Ho raccolto nove tra i contributi più interessanti pubblicati tra settembre e ottobre 2026 da BCG, Deloitte, Bain, McKinsey, Harvard Business Review, IBM, PwC e Anthropic. Studi, survey e analisi che affrontano il tema da prospettive differenti e che, letti insieme, offrono uno spaccato particolarmente interessante della fase che stiamo attraversando.
Il dato che mi ha colpito maggiormente arriva da Deloitte: l’81% delle aziende dichiara di prendere decisioni ed eseguire attività più rapidamente grazie all’IA, ma soltanto il 25% sta trasformando profondamente il proprio business.
Questa distanza racconta bene il momento attuale. Le organizzazioni stanno imparando a utilizzare strumenti sempre più sofisticati per velocizzare attività esistenti, mentre appare ancora molto più difficile modificare il modo in cui il lavoro viene organizzato, distribuito e governato.
Dall’analisi dei nove contributi emergono tre grandi tendenze: il valore economico dell’IA comincia a diventare misurabile, il vantaggio competitivo si concentra sulla riprogettazione dei processi e le competenze professionali stanno cambiando più rapidamente di quanto le organizzazioni riescano ad adattarsi.
1. Il valore economico dell’IA comincia a materializzarsi
Per diversi anni il dibattito sull’Intelligenza Artificiale nelle imprese è stato dominato dal potenziale della tecnologia, dal numero di sperimentazioni avviate e dalle prospettive di automazione.
Oggi cominciamo a disporre di dati più concreti sui risultati economici.
Il report di Boston Consulting Group, Applied AI Index 2026, evidenzia che quasi la metà delle aziende analizzate ha iniziato a generare valore attraverso l’IA. È un cambiamento significativo rispetto alle rilevazioni precedenti, anche se soltanto il 7,5% delle organizzazioni si colloca nella fascia di maggiore maturità.
Il risultato suggerisce che l’adozione sta progressivamente superando la fase sperimentale, ma conferma anche quanto sia ancora ristretto il gruppo delle aziende capaci di sfruttare sistematicamente queste tecnologie.
Una prospettiva complementare emerge da Deloitte, nel rapporto State of AI in the Enterprise: Built Differently.
L’81% delle aziende intervistate riferisce un’accelerazione dei processi decisionali e operativi, mentre soltanto il 25% dichiara di aver intrapreso una trasformazione profonda del proprio modello di business.
Ancora più interessante è il dato relativo all’autonomia: il 40% delle organizzazioni consente già a sistemi di IA di eseguire determinate azioni senza un’approvazione umana preventiva.
Siamo quindi di fronte a una transizione che riguarda anche il ruolo della tecnologia nei processi aziendali. L’IA non si limita più ad assistere le persone nella produzione di contenuti o nell’analisi delle informazioni, ma comincia a intervenire direttamente nell’esecuzione delle attività.
Bain, nel Technology Report 2026, affronta il tema dal punto di vista della trasformazione delle imprese verso modelli AI-native, nei quali l’Intelligenza Artificiale diventa una componente strutturale dei prodotti, dei servizi e dell’organizzazione.
È una distinzione importante. Utilizzare l’IA all’interno di un processo tradizionale può aumentare la produttività, ma ripensare quel processo partendo dalle nuove capacità tecnologiche può modificare radicalmente costi, tempi e modalità di creazione del valore.
I risultati dei tre studi non devono essere interpretati come misure direttamente comparabili, perché derivano da metodologie e popolazioni differenti. Descrivono però una direzione comune: il ritorno degli investimenti in IA dipenderà sempre più dalla capacità delle imprese di integrare la tecnologia nel proprio modello operativo.
2. La produttività individuale cresce. Ma l’organizzazione deve cambiare
Uno degli aspetti più interessanti di questa nuova fase riguarda la distanza tra l’aumento di produttività dei singoli lavoratori e la capacità dell’intera organizzazione di trasformare quel miglioramento in risultati economici.
Un dipendente può utilizzare l’IA per preparare un documento, analizzare dati o produrre un report in una frazione del tempo precedentemente necessario. Se però quel documento continua ad attraversare gli stessi passaggi di approvazione, le medesime procedure e identici livelli decisionali, il beneficio complessivo rischia di essere molto più contenuto.
McKinsey, nell’analisi AI Is Changing Work. Now It Has to Change the Organization, evidenzia una differenza particolarmente significativa: quasi tre quarti delle aziende più performanti nell’utilizzo dell’IA hanno riprogettato sostanzialmente i propri flussi di lavoro, contro circa un quarto delle altre organizzazioni.
È una delle evidenze più interessanti tra quelle raccolte, perché suggerisce che la capacità di generare valore non dipenda soltanto dalla disponibilità di modelli avanzati o dalla diffusione degli strumenti tra i dipendenti.
Dipende dalla possibilità di modificare il modo in cui le attività vengono distribuite tra persone, software e agenti intelligenti.
Su questo punto si inserisce anche il contributo di Harvard Business Review, Stop Automating Old Processes. Design New Ones Instead, che propone un cambiamento di prospettiva nella progettazione dei sistemi aziendali.
Automatizzare un processo esistente significa spesso conservarne implicitamente le regole, i passaggi e le inefficienze. Riprogettarlo significa invece partire dal risultato che si vuole ottenere e interrogarsi su quali attività siano ancora necessarie, quali possano essere eliminate e quali possano essere svolte diversamente grazie all’IA.
È una differenza che considero fondamentale anche nella progettazione del software.
Per molti anni abbiamo costruito applicazioni intorno a sequenze di operazioni eseguite dagli utenti. L’IA introduce la possibilità di immaginare sistemi che comprendono un obiettivo, recuperano autonomamente le informazioni necessarie, coordinano attività differenti e presentano all’utente un risultato da verificare o approvare.
Questo cambiamento introduce però un’altra questione.
McKinsey, nell’approfondimento The Judgment Bottleneck, osserva come l’accelerazione della capacità di analisi non comporti automaticamente un’analoga accelerazione della capacità di giudizio.
I sistemi di IA possono produrre scenari, alternative e analisi in tempi sempre più brevi. La valutazione delle implicazioni, la scelta tra opzioni differenti e l’assunzione delle responsabilità rimangono invece processi che richiedono competenze, esperienza e capacità di interpretazione.
Si crea così un possibile nuovo collo di bottiglia organizzativo: quando la produzione di informazioni diventa molto più veloce, il vero limite può spostarsi sulla capacità delle persone e delle organizzazioni di valutarle e decidere.
Per chi guida un’impresa, tutto questo significa ripensare non soltanto i processi operativi, ma anche i meccanismi decisionali, i livelli di autonomia e le responsabilità attribuite alle persone e ai sistemi intelligenti.
3. L’IA sta trasformando competenze, ruoli e leadership
La terza tendenza riguarda direttamente le persone.
L’adozione dell’IA non modifica soltanto il tempo necessario per svolgere determinate attività, ma anche le competenze richieste, i percorsi di crescita professionale e il contenuto stesso di alcuni ruoli aziendali.
IBM, nel suo CFO Study 2026, rileva che il 62% dei direttori finanziari intervistati vede ormai estendersi le proprie responsabilità anche alla strategia tecnologica o all’Intelligenza Artificiale.
È un segnale del progressivo superamento dei confini tradizionali tra funzioni aziendali. L’IA coinvolge investimenti, gestione del rischio, allocazione delle risorse, produttività, organizzazione e capacità di misurare il valore generato.
Diventa quindi inevitabilmente una questione di governance e leadership.
Parallelamente, PwC, nella Global Workforce Hopes and Fears Survey 2026, fotografa un mercato del lavoro nel quale il 64% delle persone intervistate ha utilizzato l’IA nell’ultimo anno, mentre l’accesso alle opportunità formative mostra segnali di riduzione.
Questa combinazione merita particolare attenzione.
La diffusione degli strumenti non coincide necessariamente con lo sviluppo delle competenze necessarie per utilizzarli in modo efficace. Esiste il rischio che l’adozione proceda più rapidamente della capacità delle organizzazioni di accompagnare i lavoratori nella trasformazione dei propri ruoli.
Ancora più significativo, per certi aspetti, è lo studio pubblicato da Anthropic, How Employment Is Changing at Anthropic, che analizza l’evoluzione del lavoro all’interno della stessa azienda.
I dati descrivono un cambiamento particolarmente rapido nelle attività di sviluppo software. I commit per ingegnere sono arrivati a circa cinque volte il livello registrato sei mesi prima, mentre la quota delle assunzioni tecniche junior si è ridotta dal 27% al 9%.
Naturalmente, si tratta di un’osservazione interna a un’azienda altamente specializzata nello sviluppo dell’IA, e non di una previsione generalizzabile all’intero mercato del lavoro. Inoltre, l’aumento dei commit non può essere automaticamente equiparato a un incremento proporzionale della produttività o del valore prodotto.
Resta però un’indicazione interessante di come gli agenti intelligenti stiano già modificando il contenuto di alcune professioni.
Se una parte crescente delle attività tradizionalmente assegnate ai profili junior viene svolta da sistemi di IA, cambia anche il modo in cui le nuove generazioni di professionisti potranno acquisire esperienza.
E questa trasformazione solleva interrogativi che riguardano la formazione, l’apprendimento sul lavoro e la costruzione delle competenze future.
Non possiamo immaginare organizzazioni nelle quali aumentano indefinitamente le capacità tecnologiche senza ripensare parallelamente i meccanismi attraverso cui le persone imparano a utilizzarle, supervisionarle e governarle.
Cosa significa tutto questo per chi guida un’impresa
Leggendo insieme questi nove contributi, la riflessione che emerge mi sembra piuttosto chiara.
Stiamo assistendo a una progressiva riduzione del costo e del tempo necessari per produrre informazioni, analizzare dati, generare documenti ed eseguire numerose attività operative.
Questo miglioramento, tuttavia, non garantisce automaticamente una trasformazione dell’organizzazione.
Le imprese che riusciranno a creare maggiore valore saranno probabilmente quelle capaci di ripensare il rapporto tra persone e tecnologia, modificando processi, responsabilità e modelli decisionali.
Per un imprenditore o un manager, la questione diventa quindi molto più ampia della semplice scelta di quali strumenti adottare.
Significa comprendere quali attività abbiano ancora senso nella forma attuale, quali possano essere eliminate, quali richiedano una diversa distribuzione delle responsabilità e dove il giudizio umano continui a rappresentare il principale elemento di valore.
In questo scenario, anche la capacità di misurare i risultati assume un’importanza crescente. L’efficienza di una singola attività non sempre coincide con il miglioramento della performance complessiva, così come il numero di utenti che adottano un sistema di IA non dimostra necessariamente il valore che quel sistema produce.
Una riflessione anche per la sanità
Considero queste evidenze particolarmente interessanti anche per il settore sanitario, dove la trasformazione digitale ha spesso introdotto nuove applicazioni senza modificare in modo sostanziale i processi di lavoro.
La disponibilità di modelli sempre più avanzati apre opportunità importanti nella gestione delle informazioni cliniche, nel supporto alle decisioni, nella documentazione sanitaria e nell’automazione amministrativa.
Ma il beneficio reale dipenderà dalla capacità di integrare queste funzionalità all’interno dei sistemi già utilizzati dai professionisti.
Un medico che deve interrompere continuamente la propria attività per interrogare un assistente esterno, trasferire informazioni o verificare manualmente risultati prodotti fuori dal contesto clinico rischia di ottenere benefici molto inferiori al potenziale della tecnologia.
La prospettiva più interessante è quella di sistemi intelligenti capaci di operare all’interno dei flussi clinici, recuperando informazioni rilevanti, verificando evidenze scientifiche, individuando criticità e preparando attività che il professionista potrà valutare e supervisionare.
In questo ambito, naturalmente, la qualità dei dati, la validazione clinica, la sicurezza e la responsabilità professionale impongono requisiti specifici che non possono essere affrontati semplicemente trasferendo modelli organizzativi sviluppati in altri settori.
Rimane però valida una considerazione generale: il futuro dell’IA dipenderà sempre meno dalla sola capacità dei modelli e sempre più dalla qualità dei sistemi organizzativi e tecnologici nei quali riusciremo a integrarli.
Per questo considero particolarmente utili i contributi McKinsey sulla trasformazione delle organizzazioni e lo studio Anthropic sull’evoluzione del lavoro. Sono due prospettive complementari che aiutano a comprendere come l’IA possa modificare non soltanto quello che facciamo, ma il modo stesso in cui progettiamo e organizziamo le nostre attività.
Ed è probabilmente su questo terreno, più che sulla corsa al modello più performante, che si giocherà una parte decisiva della prossima fase della trasformazione digitale.
I nove report originali
Per chi desidera approfondire, ecco i riferimenti alle fonti utilizzate nell’articolo, organizzati per area tematica.
Valore economico e trasformazione dell’impresa
Boston Consulting Group (BCG). Applied AI Index 2026 / The Formula for Agentic AI Value. Settembre 2026.
Leggi il report BCGDeloitte. State of AI in the Enterprise: Built Differently. Ottobre 2026.
Leggi il report DeloitteBain & Company. Technology Report 2026. Settembre 2026.
Leggi il report Bain
Processi, organizzazione e decisioni
McKinsey & Company. AI Is Changing Work. Now It Has to Change the Organization. Ottobre 2026.
Leggi l’analisi McKinseyHarvard Business Review. Stop Automating Old Processes. Design New Ones Instead. Settembre 2026.
Leggi l’articolo HBRMcKinsey & Company. The Judgment Bottleneck: Balancing AI and Human Speeds in Strategy. Ottobre 2026.
Leggi l’analisi McKinsey
Ruoli, leadership e competenze
IBM Institute for Business Value. The CFO Study 2026. Settembre 2026.
Leggi il report IBMPwC. Global Workforce Hopes and Fears Survey 2026. Settembre 2026.
Leggi il report PwCAnthropic. How Employment Is Changing at Anthropic. Ottobre 2026.
Leggi lo studio Anthropic
Nota metodologica: i contributi citati comprendono indagini quantitative, analisi manageriali e uno studio interno aziendale. I risultati hanno popolazioni, metodologie e definizioni differenti e non devono essere interpretati come statistiche direttamente comparabili.