I dirigenti affrontano la delusione post-euforia dell'IA
I leader aziendali si sono lanciati nell'intelligenza artificiale, abbagliati dai benefici promessi.
Ora i fogli di calcolo sono tornati – e la situazione appare molto diversa.
Nelle sale dei consigli di amministrazione, il fascino dell'IA si è affievolito. La tecnologia continua a essere promossa, continua a ricevere finanziamenti e viene ancora elogiata in ogni conferenza, ma il ritorno economico che molti dirigenti si aspettavano semplicemente non è arrivato. Dietro i discorsi sicuri, cresce un'ansia più discreta: e se la scommessa sull'IA non ripagasse – almeno non così presto?
L'entusiasmo si scontra con la realtà dei numeri
Per diversi anni, ai dirigenti è stato detto che l'IA avrebbe aumentato la produttività, ridotto il personale e gonfiato i margini. I consulenti hanno inserito cifre impressionanti nelle presentazioni. Gli investitori hanno chiesto quanto fosse "pronta per l'IA" ciascuna azienda. Molti leader hanno sentito di non avere vera scelta: investire massicciamente o sembrare superati.
Adesso cominciano ad arrivare i primi dati concreti – e sono sconcertanti. Un'indagine globale di PwC condotta su 4.454 leader aziendali in 95 paesi ha concluso che la maggior parte di coloro che hanno investito pesantemente nell'IA non ha visto il ritorno finanziario atteso.
Secondo PwC, il 56% dei dirigenti afferma che l'IA non ha aumentato i ricavi né ridotto i costi nell'ultimo anno fiscale.
Questo significa che più della metà delle aziende entusiaste dell'IA sta, per ora, essenzialmente galleggiando dal punto di vista finanziario con questi strumenti. I progetti di trasformazione sembrano ambiziosi sulla carta. Gli estratti conto raccontano una storia più dura.
Esistono vincitori, ma sono ancora rari
Il panorama non è completamente cupo. I dati di PwC mostrano che poco meno del 30% dei leader riporta un aumento dei ricavi collegato a iniziative di IA. Queste aziende sono riuscite, almeno in parte, a trasformare gli algoritmi in denaro.
Il vero jackpot, tuttavia, rimane sfuggente. Solo il 12% delle aziende intervistate afferma di essere riuscita contemporaneamente ad aumentare i ricavi e ridurre i costi grazie all'IA. Per tutti i discorsi sul palco sull'IA che "rivoluziona il business", è un club piccolo.
Solo una azienda su otto riporta il santo graal: un'IA che, allo stesso tempo, fa crescere le vendite e riduce le spese.
Questo divario tra il valore promesso e il valore realizzato è ciò che tiene molti CEO svegli di notte. Hanno impegnato milioni – a volte miliardi – in programmi di IA. Hanno detto agli azionisti che questo è il futuro. Eppure, sul campo, i numeri sembrano più "sperimentali" che "trasformativi".
Il miraggio dell'automazione facile
Parte del problema deriva da aspettative irrealistiche sulla sostituzione dei lavoratori umani. Voci di alto profilo, incluso il pioniere dell'IA Geoffrey Hinton, hanno avvertito che l'enorme investimento in IA ripagherà veramente solo se le macchine si faranno carico di una grande fetta degli impieghi esistenti.
Alcune aziende hanno tentato proprio questo. Si sono vantate di tagliare grandi porzioni di personale e sostituirle con sistemi di IA. I risparmi a breve termine sembravano impressionanti. L'impatto a lungo termine no.
Diverse di queste aziende hanno discretamente ritirato l'entusiasmo man mano che il supporto clienti collassava, gli errori si moltiplicavano e i danni al brand aumentavano. I sistemi di IA hanno avuto difficoltà con il contesto, le sfumature e i casi limite. La produttività non è salita come previsto; in alcuni team, è crollata.
- Le operazioni hanno rallentato perché gli strumenti di IA commettevano errori basilari che gli umani dovevano correggere.
- I reclami dei clienti sono aumentati man mano che i chatbot fallivano su richieste semplici.
- I team legali e di compliance sono andati nel panico per output errati e rischi relativi ai dati.
La lezione che si impone è semplice: la maggior parte dell'IA attuale non è ancora un sostituto immediato del lavoro umano. Può supportare, integrare e accelerare determinate attività, ma raramente esegue un processo completo da cima a fondo senza stretta supervisione.
L'IA non è "plug and play"
Molti consigli di amministrazione hanno trattato l'IA come un nuovo gadget luccicante: acquistare lo strumento, collegarlo e vedere comparire i guadagni. La realtà è stata più confusa.
L'IA funziona meno come un mouse che si collega a un laptop e più come una riconfigurazione complessa dell'intera macchina.
All'interno delle aziende, la maggior parte delle implementazioni di IA rimane bloccata in pilot o esperimenti isolati. Un piccolo team testa un modello generativo per contenuti di marketing. Un altro gruppo sperimenta la revisione automatica dei documenti. Questi progetti possono mostrare potenziale, ma raramente toccano la catena del valore centrale dell'organizzazione.
Finché l'IA rimane ai margini – prove di concetto, laboratori di innovazione, esercizi di "etichettatura" per comunicati stampa – ha difficoltà ad alterare la performance finanziaria complessiva. Integrarla in processi critici, come la pianificazione della supply chain, il pricing, l'underwriting o il controllo di fabbricazione, è molto più difficile e richiede più tempo del previsto.
Perché l'integrazione continua a fallire
Due grandi ostacoli appaiono ripetutamente:
- Complessità dei processi: i processi aziendali sono vecchi, disorganizzati e pieni di eccezioni. Gli strumenti di IA necessitano di flussi puliti e strutturati, che molte aziende semplicemente non hanno.
- Inerzia organizzativa: i team resistono a cambiamenti di cui non si fidano. I manager intermedi bloccano frequentemente – o ignorano discretamente – iniziative di IA che minacciano routine o metriche.
Inoltre, la tecnologia stessa è imperfetta. Uno studio collegato al MIT dell'anno scorso ha concluso che il 95% dei tentativi di incorporare l'IA generativa nelle aziende è fallito nel generare una rapida accelerazione dei ricavi. Allucinazioni – risposte sicure ma sbagliate – e comportamento poco affidabile in compiti semplici hanno limitato ciò che le aziende si sono sentite sicure di automatizzare.
Le aziende stanno imparando, a proprie spese, che un chatbot fluente non è la stessa cosa di un sistema affidabile di registrazione.
Rischi nascosti: dati, sicurezza e danni al brand
Un'altra ragione per cui i capi ora si preoccupano del ROI dell'IA è il rischio. Man mano che le aziende alimentano i sistemi di IA con documenti interni, codice e informazioni dei clienti, la sicurezza dei dati diventa un grattacapo strategico.
I dirigenti temono che materiale confidenziale usato per addestrare o calibrare modelli possa trapelare in output futuri. In settori regolamentati – finanza, sanità, difesa – questa non è una preoccupazione minore. Una singola violazione o un output incauto può scatenare multe, cause legali e danni reputazionali.
Esistono anche rischi di brand più sottili. Contenuti generati dall'IA che suonano fuori luogo, distorti o semplicemente sbagliati possono minare la fiducia. Quando i clienti percepiscono che una macchina dà loro consigli dubbi o gestisce male un sinistro, non incolpano l'algoritmo. Incolpano l'azienda.
La paura di restare indietro continua a spingere gli investimenti
Nonostante la delusione e i rischi, le conversazioni di PwC con i leader mostrano poca volontà di frenare bruscamente. Al contrario: i capi pianificano di investire di più nell'IA nei prossimi anni.
Molti dirigenti ammettono di essere mossi meno da business case chiari che dalla paura di restare indietro rispetto ai rivali.
L'IA è diventata un marcatore di status. Dire "noi usiamo l'IA" aiuta ad attrarre talenti, investitori e partner. La tecnologia appare in presentazioni strategiche, report ESG e discorsi di apertura. Pochi leader vogliono essere quello che ha fatto marcia indietro proprio prima di una svolta.
PwC si aspetta che il 2026 sia un anno decisivo, man mano che le aziende o cominciano a sbloccare guadagni reali di produttività o affrontano domande difficili sui costi affondati. Fino ad allora, i consigli vorranno sapere: queste scommesse sull'IA sono state coraggiose o solo una moda?
Come appare una strategia realistica di ROI nell'IA
Dietro i titoli, si sta formando un copione più pragmatico. Le aziende che si avvicinano a un ROI positivo tendono a seguire alcuni schemi.
| Approccio | Effetto sul ROI |
|---|---|
| Concentrarsi su casi d'uso ristretti e misurabili | Rende più facile monitorare il valore ed evitare investimenti guidati dall'hype. |
| Combinare umani e IA in flussi di lavoro ibridi | Riduce gli errori e aumenta l'accettazione da parte del personale. |
| Pulire e strutturare i dati prima dell'implementazione | Migliora la precisione e l'affidabilità del modello. |
| Allineare progetti di IA con metriche core del business | Collega gli algoritmi direttamente a ricavi, costi o riduzione del rischio. |
Invece di promettere che l'IA sostituirà "la maggior parte dei lavoratori", i leader più cauti parlano di potenziare i team esistenti. Un gestore di sinistri che elabora pratiche due volte più velocemente con supporto di IA è più facile da gestire e più sicuro da spiegare ai regolatori rispetto a un motore decisionale completamente automatizzato.
Concetti chiave con cui i capi si confrontano
Due termini compaiono ora in quasi tutte le conversazioni serie a livello di consiglio di amministrazione sul ROI dell'IA.
"Allucinazione"
Nell'IA, un'allucinazione è un output sicuro, ben scritto, ma semplicemente sbagliato. I modelli generativi possono inventare giurisprudenza, fabbricare numeri o citare male i regolamenti. In uno slogan di marketing, questo è irritante. In una nota clinica, in una decisione di credito o in un documento legale, può essere disastroso.
Le aziende stanno imparando a costruire "guardrail" attorno all'IA, come obbligare il modello a citare fonti o limitarlo a basi di conoscenza interne approvate. Questi controlli costano denaro e tempo e riducono anche i guadagni di velocità lordi che, in partenza, hanno venduto la tecnologia.
"Governance dei dati"
La governance dei dati comprende il modo in cui un'azienda raccoglie, archivia, condivide e cancella informazioni. Una governance forte definisce chi può introdurre cosa in un sistema di IA e in quali condizioni.
Le aziende che sono andate avanti senza regole chiare stanno ora correndo per implementarle. Ciò include il divieto per i dipendenti di incollare materiale sensibile in chatbot pubblici e la creazione di piattaforme interne dove l'utilizzo possa essere monitorato e verificato.
Scenari pratici: dove l'IA può (e non può) ripagare già ora
Guardando avanti, molti analisti si aspettano che il ROI dell'IA venga meno da licenziamenti di massa e più da cambiamenti sottili nel modo in cui il lavoro viene svolto. Due scenari contrastanti aiutano a illustrare questo.
Primo, considerate un call center che sostituisce metà dei suoi agenti con un assistente vocale con IA. In teoria, i costi salariali scendono. In pratica, il bot interpreta male gli accenti, gestisce male i reclami e fallisce su domande non standard. Il turnover dei clienti aumenta, i regolatori ricevono lamentele e l'azienda deve riassumere personale urgentemente e a salari più alti.
Secondo, immaginate lo stesso call center che mantiene i suoi agenti, ma dà loro assistenza IA: riassunti in tempo reale di interazioni precedenti, suggerimenti di risposta e presa automatica di note. Ogni agente gestisce più chiamate all'ora, con meno errori e maggiore coerenza. Nel tempo, i costi di formazione scendono e gli indici di soddisfazione salgono lentamente. Il ROI qui è più lento, ma molto più robusto.
Ci sono paralleli nel diritto, contabilità, sanità e ingegneria. L'IA usata come "copilota" tende ad aggiungere valore misurabile senza un rischio catastrofico. L'IA usata come sostituto totale ha difficoltà con la realtà disordinata del lavoro umano.
Rischi e opportunità nello stesso bilancio
La tensione per i capi è che sia i rischi che i guadagni potenziali dell'IA sono reali. Se ritardano troppo, i rivali possono usare l'IA per abbassare i prezzi o servire meglio i clienti. Se avanzano ciecamente, l'azienda finisce con costi a spirale, mal di testa di compliance e collaboratori delusi.
Alcuni consigli di amministrazione cominciano a trattare i programmi di IA meno come acquisti di tecnologia e più come progetti infrastrutturali a lungo termine. Ciò significa investimento graduale, checkpoint regolari di valore e volontà di chiudere pilot "glamour" che non forniscono risultati.
Per ora, l'IA continua a essere simultaneamente una promessa e un problema per i leader aziendali. Il denaro è già stato speso; i ritorni, in molti casi, rimangono teorici. I prossimi anni mostreranno quali dirigenti inseguivano un miraggio – e quali, discretamente, hanno scoperto come trasformare algoritmi in profitto sostenibile, anche se modesto.
