L’intelligenza artificiale sta entrando nei bilanci delle imprese attraverso una voce difficile da isolare: il costo delle decisioni. Stabilire quanto produrre, dove collocare le scorte, quale prezzo applicare, quando intervenire su un impianto o quale progetto finanziare richiede dati, analisi, riunioni, verifiche e autorizzazioni. Sono attività distribuite nell’organizzazione e raramente contabilizzate come un costo autonomo.
McKinsey prova a cambiare prospettiva. Nel rapporto “The decision dividend: How AI creates economic value”, pubblicato il 26 agosto 2026, la società di consulenza sostiene che una parte rilevante del valore economico dell’AI non derivi dalla sostituzione del lavoro umano, ma dalla possibilità di prendere decisioni migliori, più rapidamente e con costi inferiori.
Il passaggio è importante perché sposta l’attenzione dalla domanda su quanti posti di lavoro possano essere automatizzati a quella su come cambino produzione, investimenti, prezzi, logistica e allocazione del capitale.
Indice degli argomenti:
Il costo nascosto delle decisioni aziendali
Un’impresa conosce con precisione la spesa per personale, materie prime, energia e macchinari. È molto più difficile calcolare quanto costi decidere come utilizzare quelle risorse.
Manager, ingegneri e analisti raccolgono informazioni, confrontano alternative, verificano previsioni e attendono approvazioni. Quando l’organizzazione cresce aumentano anche riunioni, livelli gerarchici e procedure di controllo. McKinsey considera questo insieme di attività uno dei costi operativi meno visibili delle grandi organizzazioni.
L’AI modifica l’economia di questo processo perché permette di analizzare contemporaneamente quantità di informazioni molto maggiori e di aggiornare una scelta ogni volta che cambiano le condizioni.
Un piano di produzione elaborato una volta alla settimana, per esempio, può essere ricalcolato più volte al giorno sulla base di ordini, disponibilità dei macchinari, scorte e ritardi nelle consegne. Il vantaggio non consiste necessariamente nell’eliminazione del responsabile che prende la decisione. L’impresa può ottenere valore semplicemente prendendo quella decisione prima e utilizzando informazioni più aggiornate.
McKinsey definisce decision throughput la quota di decisioni aziendali che l’AI contribuisce a informare, accelerare o automatizzare. Secondo il rapporto, questo indicatore può essere più significativo del numero di licenze acquistate, chatbot installati o progetti pilota avviati.
Dalle settimane ai minuti
Il calo del costo dell’elaborazione è uno degli elementi che rendono possibile il cambiamento.
McKinsey stima che, per alcune attività semplici, il costo di una decisione assistita dall’AI possa risultare enormemente inferiore rispetto alla stessa operazione affidata a procedure esclusivamente umane.
Nel servizio clienti, per esempio, il rapporto indica costi stimati tra 0,006 e 0,03 dollari per una risoluzione effettuata attraverso l’AI, contro 7-20 dollari per un processo umano. Sono stime riferite a compiti specifici e non possono essere estese automaticamente ai processi aziendali complessi.
Il caso Klarna mostra la dimensione operativa del fenomeno. Nel febbraio 2024 la società svedese dichiarò che il proprio assistente AI aveva ridotto il tempo medio di risoluzione dei problemi del servizio clienti da 11 minuti a meno di due, stimando un effetto economico di circa 40 milioni di dollari per quell’anno. McKinsey precisa che utilizzo e prestazioni del sistema possono essere cambiati successivamente.
L’effetto economico diventa più interessante quando la velocità modifica il risultato della decisione. Un’azienda che rileva prima un cambiamento nella domanda può spostare le scorte. Un produttore può modificare un programma di manutenzione prima che un guasto fermi una linea. Una rete commerciale può correggere prezzi e promozioni mentre una campagna è ancora attiva.
Perché comprare un chatbot non basta
La diffusione dell’AI non garantisce però un aumento degli utili.
La McKinsey Global Survey 2026, pubblicata il 25 agosto e condotta su 1.719 partecipanti in 97 Paesi tra il 4 maggio e l’8 giugno 2026, registra una distanza netta tra l’uso della tecnologia e il suo impatto economico.
Quasi nove intervistati su dieci dichiarano un impiego regolare dell’AI in almeno una funzione aziendale e il 44% afferma che la propria organizzazione sta portando l’AI su scala aziendale, contro il 38% dell’anno precedente. Eppure soltanto il 37% attribuisce alla tecnologia un impatto positivo sull’Ebit, una quota sostanzialmente invariata rispetto al 2025. I cosiddetti “high performer”, che dichiarano almeno il 5% di Ebit attribuibile all’AI e un impatto significativo, rappresentano appena il 6% del campione.
Il punto discriminante sembra essere l’organizzazione del lavoro.
Quasi tre quarti degli high performer dichiarano di avere ridisegnato in modo sostanziale i workflow grazie all’AI, contro appena un quarto delle altre aziende. McKinsey rileva inoltre che le imprese più avanzate affiancano agli obiettivi di efficienza quelli di crescita e innovazione.
Nel rapporto sul “dividendo delle decisioni”, la società stima che le aziende capaci di riprogettare interi processi attorno all’AI possano arrivare, nei casi migliori osservati, a un incremento dell’Ebitda nell’ordine del 20%, con circa tre dollari di profitto per ogni dollaro investito e tempi di recupero dell’investimento compresi tra uno e due anni. Sono risultati riferiti ai top performer analizzati da McKinsey, non una previsione valida per la generalità delle imprese.
Più valore dagli impianti già esistenti
Nell’industria uno dei benefici potenzialmente più rilevanti riguarda l’utilizzo degli asset.
Un’impresa può ritenere di avere bisogno di una nuova linea produttiva perché gli impianti esistenti sembrano saturi. Ma capacità e rendimento dipendono anche da pianificazione, manutenzione, sequenza degli ordini e parametri operativi.
Secondo McKinsey, sistemi capaci di aggiornare queste decisioni più frequentemente possono aumentare produzione e tasso di utilizzo senza richiedere necessariamente nuovi macchinari o nuovi addetti.
Lo stesso meccanismo riguarda le opportunità commerciali. Quando analizzare un nuovo scenario richiede giorni di lavoro, un’impresa può studiare soltanto poche alternative. Se il costo dell’analisi scende, diventa possibile valutare più prezzi, configurazioni di prodotto, mercati o combinazioni logistiche.
La velocità acquisisce quindi un valore finanziario: intervenire prima può evitare scorte nel luogo sbagliato, capacità produttiva inutilizzata o lanci di prodotto ritardati.
L’esperimento di Reckitt sulle decisioni commerciali
McKinsey cita il gruppo britannico Reckitt come esempio di integrazione dell’AI nei processi decisionali commerciali.
L’azienda ha adottato una piattaforma di revenue growth management basata sull’AI per integrare dati di mercato, informazioni sui consumatori e andamento delle categorie. Il sistema permette ai responsabili di simulare scenari relativi a prezzi, promozioni e portafoglio prima di attuare una decisione.
L’intervento ha interessato anche l’esecuzione nei singoli punti vendita. I modelli utilizzano informazioni sulle vendite, sulle scorte, sui calendari promozionali e sulle caratteristiche dei prodotti per individuare i negozi sui quali intervenire e suggerire le priorità operative.
L’elemento significativo non è la presenza del modello in sé. Reckitt ha modificato anche i processi con cui analisi e decisioni vengono inserite nella pianificazione quotidiana. È precisamente il passaggio che separa l’acquisto di una tecnologia dalla trasformazione di un processo aziendale.
In Europa usa l’AI un’impresa su cinque
La diffusione continua intanto ad accelerare.
Secondo Eurostat, nel 2025 il 20% delle imprese dell’Unione europea con almeno dieci addetti utilizzava almeno una tecnologia di intelligenza artificiale, contro il 13,5% del 2024. Nel 2021 la quota era del 7,7%.
La distanza legata alla dimensione resta ampia: nel 2025 utilizzava l’AI il 55% delle grandi aziende europee, contro circa il 19% delle piccole e medie imprese. Danimarca, Finlandia, Svezia e Belgio figuravano tra i Paesi con i livelli di adozione più elevati. L’Italia è solo al diciottesimo posto.
I dati Ocse confermano il movimento. Nei Paesi per i quali sono disponibili statistiche comparabili, la quota di imprese che utilizzavano AI è salita dall’8,7% del 2023 al 14,2% del 2024 e al 20,2% del 2025. Tra le grandi imprese il dato raggiunge il 52%, contro il 17,4% delle piccole. Nel settore Ict la penetrazione arriva al 57,3%.
Italia, adozione raddoppiata in dodici mesi
In Italia la crescita è stata particolarmente rapida, anche se il Paese resta sotto la media europea.
Istat ha rilevato che nel 2025 il 16,4% delle imprese italiane con almeno dieci addetti utilizzava tecnologie di AI, esattamente il doppio dell’8,2% registrato nel 2024 e più del triplo rispetto al 5% del 2023.
Il dato cambia nettamente con la dimensione. Tra le grandi imprese l’adozione è passata dal 32,5% al 53,1% in un anno. Tra le pmi è salita dal 7,7% al 15,7%. La conseguenza è un ampliamento del divario: la distanza tra grandi imprese e pmi nell’utilizzo dell’AI è arrivata a circa 37 punti percentuali nel 2025.
Tra le aziende italiane che utilizzano AI, il 70,8% impiega tecnologie per estrarre conoscenza e informazioni dai testi, mentre il 59,1% usa strumenti generativi legati a testo, voce, immagini, video o audio. Le funzioni aziendali più interessate sono marketing e vendite, indicate dal 33,1% delle imprese utilizzatrici, processi amministrativi con il 25,7% e ricerca, sviluppo o innovazione con il 20%.
I limiti sono altrettanto significativi. Tra le imprese che avevano valutato l’AI senza adottarla, il 58,6% indica come ostacolo la mancanza di competenze, il 47,3% l’incertezza normativa, il 45,2% la disponibilità o qualità insufficiente dei dati e il 43,2% i problemi legati a privacy e protezione dei dati (Fonte: Istat).
I ritorni macroeconomici sono ancora incerti
I risultati registrati nelle singole imprese non possono essere trasferiti automaticamente all’intera economia.
Daron Acemoglu, economista del Massachusetts Institute of Technology e premio Nobel per l’Economia 2024, nel working paper “The Simple Macroeconomics of AI”, pubblicato dal National Bureau of Economic Research nel maggio 2024, ha stimato effetti molto più contenuti rispetto alle previsioni più espansive.
Nel modello di Acemoglu, l’AI potrebbe produrre nell’arco di dieci anni un aumento della produttività totale dei fattori non superiore a circa lo 0,66%. L’economista osserva inoltre che molte prove sperimentali disponibili riguardano compiti relativamente facili da apprendere, mentre le attività complesse dipendono da informazioni contestuali e risultati difficili da misurare.
La cautela aiuta a distinguere due piani. Un gruppo ristretto di imprese può ottenere ritorni molto elevati da progetti selezionati senza che la stessa percentuale di miglioramento compaia nel Pil nazionale. I risultati aziendali di McKinsey e le stime macroeconomiche di Acemoglu misurano quindi fenomeni diversi.
Gli agenti AI entrano nell’organizzazione
Il passaggio successivo riguarda i sistemi capaci di svolgere sequenze di operazioni con un grado maggiore di autonomia.
Nel sondaggio McKinsey 2026, il 40% degli intervistati appartenenti ad aziende con più di un miliardo di dollari di ricavi dichiara che la propria organizzazione sta portando su scala gli agenti AI, contro il 27% dell’anno precedente. Nelle imprese più piccole la quota resta invece al 22%.
Gli agenti stanno modificando anche gli acquisti tecnologici. Il 32% degli intervistati afferma che la propria organizzazione ha rinunciato almeno una volta all’acquisto di un prodotto o di una funzione software perché poteva svilupparla internamente attraverso strumenti di programmazione agentica.
Emergono però anche nuovi costi. Un intervistato su cinque segnala che la spesa operativa dell’AI, compresi i costi legati all’utilizzo dei modelli, ha già limitato l’impiego della tecnologia. Il 60% prevede comunque un aumento degli investimenti nei dodici mesi successivi.
L’occupazione non segue ancora le previsioni più drastiche
La trasformazione delle decisioni aziendali riporta inevitabilmente al lavoro.
Nel sondaggio McKinsey del 2025, il 32% degli intervistati prevedeva una riduzione degli organici legata all’AI nell’anno successivo. Nel 2026 soltanto il 14% delle organizzazioni utilizzatrici dichiara di avere effettivamente registrato una diminuzione complessiva del personale attribuibile alla tecnologia. Due terzi segnalano variazioni ridotte o nulle.
Le aspettative restano però orientate verso una maggiore automazione: il 39% prevede riduzioni degli organici nel successivo anno, mentre il 43% non si aspetta cambiamenti rilevanti.
Lo stesso sondaggio registra contemporaneamente benefici individuali molto diffusi: l’80% degli intervistati afferma che l’AI ha migliorato la propria produttività e circa la metà dichiara di prendere decisioni migliori grazie a questi strumenti.
È uno dei paradossi della fase attuale: i vantaggi percepiti dai singoli lavoratori crescono più velocemente dei risultati finanziari misurati a livello di intera azienda.
Il vantaggio passa dall’organizzazione
Acquistare accesso ai modelli sta diventando relativamente semplice. Incorporarli nei processi decisionali richiede invece dati affidabili, responsabilità definite e una revisione delle procedure.
McKinsey indica tra le priorità la selezione delle decisioni con maggiore impatto economico, la sperimentazione su pochi ambiti prima dell’estensione, la definizione dei casi in cui il sistema può operare autonomamente e di quelli che richiedono una verifica umana. La misurazione dovrebbe concentrarsi su utilizzo degli asset, ricavi, margini e qualità delle decisioni anziché sul numero di progetti AI avviati.
La distanza tra adozione e rendimento spiega perché il prossimo passaggio della competizione sull’AI difficilmente verrà misurato contando chatbot e licenze.
Nel 2026 la tecnologia è già presente in gran parte delle grandi organizzazioni intervistate da McKinsey, mentre solo una minoranza riesce ad attribuirle un contributo rilevante all’Ebit.
Per le imprese italiane la questione assume un peso particolare. L’adozione è raddoppiata in dodici mesi, ma competenze, dati e dimensione aziendale continuano a condizionare la capacità di integrare l’AI nelle attività operative. Il valore economico dipenderà quindi meno dalla disponibilità dei modelli, ormai accessibili anche alle aziende di dimensioni ridotte, e più dalla capacità di cambiare il modo in cui vengono prese le decisioni che determinano prezzi, produzione, investimenti e crescita.
Fonti principali:
- McKinsey, The decision dividend, 26 agosto 2026;
- McKinsey, The State of AI in 2026, 25 agosto 2026;
- Istat, Imprese e Ict – Anno 2025, 15 dicembre 2025;
- Eurostat, dati sull’adozione dell’AI nelle imprese Ue 2025;
- Ocse, dati sull’adozione aziendale pubblicati nel gennaio 2026;
- Daron Acemoglu, Nber Working Paper 32487, maggio 2024.
Partecipa alla community