La corsa all’adozione dell’intelligenza artificiale nelle imprese sta vivendo un paradosso critico: sebbene le tecnologie siano ampiamente disponibili, la stragrande maggioranza delle organizzazioni fatica a tradurre questa disponibilità in risultati concreti.
Secondo il recente rapporto ‘State of AI 2026’ di McKinsey, ben il 94% delle aziende non è ancora riuscito a generare un valore economico significativo dalle proprie iniziative di AI.
Questo dato spiega lo scetticismo che oggi frena molti consigli di amministrazione di fronte alla necessità di autorizzare ingenti investimenti per la trasformazione aziendale con l’Artificial intelligence.
Tuttavia, esiste un’élite ristretta di aziende con risultati radicalmente diversi. Un altro e nuovo studio di McKinsey su 20 grandi aziende tradizionali – intitolato ‘The new management playbook for AI: How to move faster and create more value’ –, mostra come l’applicazione sistematica dell’AI possa incrementare l’Ebitda del 20% in media dopo tre anni.
Queste realtà, analizzate anche nel volume ‘Rewired’, non sono startup della Silicon Valley, ma grandi imprese storiche che hanno saputo sviluppare internamente solide capacità tecnologiche e organizzative.
Indice degli argomenti:
La vera chiave del successo nell’era dell’AI
“La vera chiave del successo non risiede negli algoritmi scelti”, indicano gli analisti di McKinsey, “ma nella velocità e nell’efficacia con cui la tecnologia viene integrata per risolvere problemi reali di business su scala. Le capacità interne diventano così il vero e duraturo vantaggio competitivo”.
Uno dei tratti distintivi delle aziende leader nell’AI è il rifiuto di un approccio che disperde risorse in decine di piccoli progetti isolati. Al contrario, circa due terzi dei leader analizzati da McKinsey ha concentrato i propri sforzi su un massimo di tre domini di business fondamentali.
Questi rappresentano veri e propri ‘punti di leva economica’, contesti operativi in cui anche un piccolo miglioramento percentuale abilitato dall’AI si traduce in un impatto finanziario di grande portata.
Progettare sistemi integrati, non soluzioni isolate
Un errore comune tra le imprese che non generano valore dall’AI consiste nel trattare questa tecnologia come un pulsante magico, limitandosi spesso all’acquisto di singole licenze di AI generativa.
I leader del settore, invece, non implementano soluzioni isolate (point solutions), bensì progettano sistemi di AI complessi per migliorare le performance di business.
Questi sistemi uniscono tecnologie differenti e includono componenti non tecnologiche, come la qualità dei dati, la revisione delle pratiche di lavoro e il riallineamento degli incentivi del personale.
Toyota: il valore reale arriva dall’orchestrazione sul campo
La giapponese Toyota rappresenta un modello perfetto di questa filosofia sistemica.
Nella gestione della supply chain, la casa automobilistica ha combinato modelli di machine learning per ottimizzare le previsioni di domanda, flussi di lavoro agentici (agentic workflows) per supportare i pianificatori, e workflow digitali integrati per garantire la massima trasparenza ai concessionari e ai clienti finali.
Il valore reale non è emerso dai singoli componenti, ma dalla loro perfetta orchestrazione sul campo.
Concentrare progetti e risorse su pochi nodi strategici
Un altro esempio emblematico è quello di Freeport-McMoRan, colosso minerario americano che ha focalizzato i propri sistemi di AI sul rendimento e sulla capacità di lavorazione degli impianti di estrazione del rame.
Altro caso significativo è quello della linea aerea Latam Airlines Group, che ha indirizzato gli investimenti sull’esperienza del passeggero.
Concentrando le risorse su pochi nodi strategici, queste aziende sono diventate Cash positive in uno o due anni in media. Per ogni dollaro investito, hanno realizzato ben 3 dollari di Ebitda incrementale, a fronte di investimenti iniziali compresi tra i 50 e gli oltre 200 milioni di dollari.
La capacità di convertire la tecnologia in valore è il vero ‘fossato competitivo’
La capacità di trasformare la tecnologia in valore rappresenta il vero ‘fossato competitivo’ (competitive moat) difendibile nel lungo periodo.
In questo quadro, McKinsey identifica sei capacità core che le aziende di successo sviluppano con pazienza in oltre cinque anni di lavoro continuativo.
Il primo fattore di successo è la presenza di un C-suite, un manager di spicco dell’azienda, che comprenda a fondo l’AI.
I leader di successo non delegano la tecnologia, ma la guidano, posizionando l’AI laddove può generare un vantaggio competitivo differenziante.
DBS Bank e il ‘faro’ della Silicon Valley
Ad esempio, il top management di DBS Bank “ha trascorso molto tempo nella Silicon Valley per comprendere i modelli operativi delle aziende native digitali”, indicano gli specialisti di McKinsey, “giungendo alla conclusione che il vero elemento di differenziazione sono le capacità: pratiche ingegneristiche moderne, architetture a piattaforme, gestione dei dati su scala, metodologie agili e una cultura della sperimentazione continua”.
Il secondo pilastro è la creazione di leader operativi in prima linea che possiedano ‘muscoli’ sia tecnologici sia di business. Nel caso di Freeport, quando l’azienda ha deciso di ottimizzare un processo di trattamento del rame, ha rilocato un manager esperto sia in soluzioni di AI sia in operazioni minerarie, nominandolo direttore generale dell’impianto.
Questo leader ‘bilingue’ ha integrato l’AI direttamente sul campo, assumendosi la responsabilità dei risultati di business. “Sviluppare leader con queste doppie competenze è oggi il programma di upskilling più strategicamente rilevante per un’impresa”, rimarca McKinsey.
Un’azienda pronta per l’era dell’AI ha bisogno di un modello operativo distribuito
Un’organizzazione pronta per l’era dell’AI ha bisogno di un modello operativo distribuito, in cui le competenze tecnologiche siano integrate direttamente all’interno delle business unit.
Per questo, la DBS Bank di Singapore ha organizzato il lavoro attorno ai ‘customer journeys’, come l’apertura di un conto o la richiesta di un finanziamento, con team multifunzionali autonomi e responsabili dei risultati. Ad oggi, solo il 10% delle aziende globali adotta questo modello distribuito, che richiede forte determinazione strategica.
Allo stesso tempo, l’architettura tecnologica deve essere concepita come una piattaforma modulare e integrabile tramite API, piuttosto che come un insieme di sistemi isolati.
Le piattaforme ben progettate accelerano tutto, quelle fragili rallentano l’innovazione
Quando Latam Airlines ha avviato la sua trasformazione operativa, ha scelto di sviluppare le funzionalità rivolte ai clienti direttamente nel cloud, in modo indipendente dai sistemi legacy storici, adottando un approccio ‘API-first’.
Attraverso questo design modulare, una funzionalità di modifica dell’ordine creata per il sito web è stata immediatamente estesa all’app mobile, al call center e a WhatsApp senza dover riscrivere la logica centrale. E questo perché le piattaforme ben progettate accelerano tutto, mentre quelle fragili rallentano l’innovazione.
Il quinto pilastro strategico di questa evoluzione – secondo McKinsey –, riguarda la disponibilità e la facilità di fruizione dei dati. Nel 2018, sviluppare e rilasciare un modello di AI in DBS Bank richiedeva tra i 15 e i 18 mesi, poiché i dati erano bloccati in silos inaccessibili e non integrati.
La banca ha quindi creato una piattaforma dati unificata, automatizzando gli accessi e gestendo i dati come fossero prodotti pronti all’uso. Nel 2023, lo stesso processo di deployment richiedeva solo due o tre mesi, sbloccando un valore stimato in oltre 770 milioni di dollari.
Soluzioni AI progettate ‘by-design’ per essere scalate
Inoltre, le soluzioni di AI devono essere progettate fin dal principio per essere scalate. Espandere l’AI in modo economico richiede un’architettura modulare e un coordinamento eccellente tra il team centrale e le unità operative locali.
Negli Usa, Freeport-McMoRan ha affrontato questa sfida comprendendo che il 60% del sistema di AI sviluppato per un impianto poteva essere riutilizzato tale e quale su altri siti, mentre il restante 40% necessitava di un adattamento locale per rispondere alle specificità del territorio. Questo approccio strutturato ha consentito una scalabilità rapidissima ed economicamente sostenibile.
La strada verso l’impresa agentica e il futuro
Il percorso evolutivo verso la maturità digitale non ammette scorciatoie. Le imprese attraversano tre stadi incrementali. Lo stadio uno (First wins) si concentra su soluzioni puntuali e cloud di base. Lo stadio due (Scaling value) vede la trasformazione end-to-end di domini aziendali guidata da leader con competenze tech e piattaforme dati integrate.
La vera frontiera è rappresentata dal terzo stadio: l’impresa agentica (Agentic AI enterprise). In questa fase emergente, le aziende “integrano sistemi di AI agentici in tempo reale e cross-dominio, supportati da modelli operativi flessibili di collaborazione uomo-macchina, team più snelli e piatti, e piattaforme dati capaci di arricchire il contesto informativo e proteggere i vantaggi competitivi dell’azienda”, osservano gli analisti di McKinsey.
Che sottolineano: “tentare di saltare a questa fase avanzata senza aver consolidato le capacità del secondo stadio è un errore fatale. Le aziende che oggi guidano l’innovazione hanno costruito solidi muscoli organizzativi negli anni e ora sono pronte a modellare il futuro del business, anziché limitarsi a subirlo”.
Partecipa alla community