AI nelle imprese, quando funziona e quando no: i dati

Otto dirigenti su dieci dichiarano che l’intelligenza artificiale produce già un ritorno economico. Meno di tre su dieci parlano di un ritorno elevato e appena il 7% supera tre prove di maturità. È il divario che emerge dalla nuova indagine della Wharton School: adottare la tecnologia è diventato comune, trasformare l’impresa resta molto più raro

Il rapporto The Adaptive Advantage: Who’s Winning with AI and How, pubblicato il 13 ottobre 2026 da Wharton Human-AI Research e GBK Collective, si basa su un’indagine online realizzata negli Stati Uniti dal 9 al 29 luglio 2026: 1.416 rispondenti, di cui 1.007 manager e dirigenti e 409 lavoratori di livello iniziale o intermedio, impiegati in imprese private con almeno mille addetti e ricavi superiori a 50 milioni di dollari. È la quarta rilevazione annuale, ma non segue sempre le stesse persone: misura come cambiano nel tempo le risposte di campioni diversi.

Il risultato più interessante per le aziende non è dunque la crescita dell’utilizzo. I ritorni più consistenti risultano associati alla capacità di modificare processi, ruoli e sistemi di misurazione, non semplicemente all’acquisto di più strumenti o al taglio del personale. Lo studio rileva correlazioni fra comportamenti organizzativi e ritorni dichiarati, senza dimostrare che uno causi l’altro.

L’uso quotidiano dell’AI corre, la fiducia diventa più prudente

Tra i manager e dirigenti intervistati, la quota che usa l’AI ogni giorno è passata dall’11% del 2023 al 29% del 2024, al 46% del 2025 e al 62% del 2026. Chi la usa più di una volta alla settimana, secondo la misura del report, arriva al 91%. Il confronto 2023 è indicativo perché nel 2024 è cambiata la formulazione della domanda.

Eppure più utilizzo non significa più entusiasmo. Nel 2026 il 44% degli intervistati di livello manageriale si definisce cauto, contro il 38% del 2025; gli scettici salgono dal 16% al 25% e i preoccupati dall’11% al 16%. Nello stesso tempo gli “entusiasti” scendono dal 59% al 51%. Sono parole selezionabili con risposte multiple, perciò non descrivono gruppi alternativi né vanno sommate.

Non si tratta di un rifiuto dell’AI. Nel report il 59% continua a definirsi ottimista e l’84% dei manager afferma che la propria opinione sulla tecnologia è migliorata nell’ultimo anno, almeno un po’. Cresce piuttosto la consapevolezza dei problemi operativi: verificare i risultati, difendere le competenze e giustificare gli investimenti quando i progetti escono dalla fase sperimentale.

Il 7% che supera le tre prove della trasformazione

Wharton prova a separare il semplice impiego dell’AI dalla capacità di ricavarne un vantaggio organizzativo. La prima prova, dimostrare valore, richiede che il reparto misuri formalmente i ritorni e ne segnali di fortemente positivi. La seconda, trasformare il lavoro, combina AI integrata completamente nei processi centrali, impiego di agenti e cambiamenti significativi dei flussi operativi. La terza misura l’allineamento interno: formazione, strategia comprensibile, libertà operativa per i dipendenti e assenza di ostacoli o resistenze prevalenti.

I singoli progressi non mancano: il 73% dei dirigenti dichiara modifiche significative ai processi, il 67% segnala l’impiego di agenti e il 28% ritiene l’AI pienamente integrata nelle attività centrali del reparto. Ma solo il 20% soddisfa tutti e tre i requisiti operativi della trasformazione. Quando si aggiungono anche risultati economici e allineamento interno, la quota che supera l’intero insieme di condizioni scende al 7%. È questo il significato del dato, non la percentuale di aziende che “perdono soldi” con l’AI.

Perché il ROI è più forte dove si misura anche la crescita

L’80% dei manager e dirigenti intervistati indica un ROI positivo degli investimenti in AI del proprio reparto, ma solo il 28% lo giudica fortemente positivo. La misura è dichiarata dai rispondenti sulla base delle procedure aziendali, non ricavata dagli studiosi dai bilanci: una distinzione essenziale, perché il 60% non è pienamente sicuro che l’impresa riesca a conteggiare tutte le spese AI, comprese quelle inglobate in software e servizi cloud.

La variabile che differenzia le valutazioni è anche ciò che l’impresa decide di misurare. Fra chi monitora soltanto efficienza e risparmi, il 13% segnala un ritorno fortemente positivo; tra chi usa almeno un indicatore di crescita la quota sale al 35%. Il report considera fra questi nuovi ricavi da prodotti basati sull’AI, conversioni commerciali, quantità di output e soddisfazione dei clienti. È un’associazione, non la prova che basti aggiungere una metrica per aumentare la redditività.

La distanza fra intenzioni e misurazione è visibile nelle metriche scelte. Il 40% usa le ore risparmiate per dipendente come indicatore, il 37% guarda alla riduzione degli errori e il 34% al contenimento dei costi o dei tempi di completamento. Solo il 27% misura i nuovi ricavi direttamente generati da prodotti, servizi o funzionalità AI. I rispondenti potevano indicare fino a tre KPI, dunque le quote non sommano a 100.

Il punto non è contrapporre la produttività alla crescita. Le ore liberate possono avere un valore, ma non diventano automaticamente un ricavo o un risparmio monetario: occorre dimostrare come vengano reimpiegate, quali attività aggiuntive rendano possibili e quanto costi ottenere quel risultato. Non a caso il 52% dei manager continua a indicare produttività e riduzione dei costi come priorità principale dell’AI nei successivi 12–24 mesi; solo il 22% mette al primo posto la crescita tramite nuovi prodotti, ricavi o esperienza dei clienti.

Cambiare l’organizzazione conta più che ridurre il personale

L’associazione fra rendimento e trasformazione è visibile nella gestione quotidiana. Nei reparti dove i dirigenti riferiscono un ROI fortemente positivo, l’84% dichiara cambiamenti significativi nei flussi di lavoro, contro il 69% degli altri. Il 64% ha modificato la struttura manageriale, rispetto al 47%; il 92% controlla l’impiego dell’AI, contro il 74%. Si aggiungono differenze nell’uso dell’AI nelle valutazioni del personale e nella formazione.

È importante non edulcorare l’effetto sull’occupazione: il 37% dei manager riferisce riduzioni di personale legate all’AI e il 33% rallentamenti o blocchi delle assunzioni. Il dato meno intuitivo è che i reparti con ritorni elevati non dichiarano questi interventi più frequentemente degli altri. Il report suggerisce quindi che gli esiti economici migliori non coincidano automaticamente con una maggiore propensione a tagliare organici.

Pratiche più diffuse nei reparti che dichiarano un ROI AI elevato

Fonte: Wharton–GBK, The Adaptive Advantage, 2026, p. 15. Quote rilevate fra manager e dirigenti; associazioni, non effetti causali.

Il quadro coincide con una difficoltà di governo della tecnologia, non soltanto tecnica. Il 58% dei rispondenti nelle organizzazioni con un Chief AI Officer creato appositamente riferisce un ROI fortemente positivo; la quota è del 24% quando l’incarico è stato aggiunto a un dirigente che aveva già altre responsabilità e dell’8% dove quel ruolo non esiste e non è previsto. Quest’ultimo campione è piccolo. La presenza di una figura dedicata può favorire il coordinamento, ma può anche segnalare che l’impresa aveva già risorse e cultura più mature.

Anche la politica sugli strumenti sembra rilevare: il 50% segnala ROI fortemente positivo quando l’azienda usa una sola piattaforma AI approvata, contro il 30% con più strumenti ammessi da una policy formale, il 19% con un hub centralizzato e il 9% fra chi sperimenta senza ancora una strategia. Non significa che una piattaforma unica sia sempre preferibile: il divario riguarda soprattutto la differenza fra un assetto deliberato, anche multi-tool, e una sperimentazione senza regole condivise.

Agenti AI: il collo di bottiglia è il modo in cui li si supervisiona

Il 67% dei reparti rappresentati nello studio impiega agenti AI in qualche forma, ma l’adozione nominale dice poco su ciò che possono fare. Nel 48% dei reparti l’agente esegue un’attività e una persona deve approvare ogni passaggio prima dell’esecuzione; nel 35% l’AI si limita a suggerire o preparare il lavoro, lasciando all’essere umano tutte le decisioni finali. L’autonomia effettiva riguarda il 17%: il 10% controlla un campione di risultati dopo l’azione e il 7% si affida a monitoraggio in tempo reale e regole automatiche.

Questa scelta ha un effetto organizzativo spesso trascurato: se il software produce il lavoro ma una persona deve autorizzare ogni azione, la verifica rischia di diventare un nuovo collo di bottiglia. Nel sondaggio, il 16% dei reparti che impongono l’approvazione preventiva soddisfa le condizioni di trasformazione dei processi, contro il 31% di quelli con sorveglianza automatica continua. Il secondo gruppo conta però solo 68 rispondenti e il risultato è associativo. La risposta non è eliminare i controlli: è decidere quali operazioni richiedano davvero autorizzazioni preventive e quali possano essere governate con limiti, tracciamento ed escalation.

E quando un agente commette un errore rilevante, l’attribuzione della responsabilità resta frammentata. Il 28% dei manager indica il team che presidia governance e rischio, il 26% il responsabile del dipendente che ha attivato l’agente, il 25% il dipendente stesso e appena il 9% il fornitore. Il 6% ritiene che non sia chiaramente responsabile nessuno e il 5% non sa rispondere. Il grafico distingue anche manager/direttori e vicepresidenti o livelli superiori.

Il divario più grande è nella formazione: 78% contro 56%

La rilevazione aggiunge nel 2026 una voce che prima mancava: quella dei dipendenti ai livelli iniziali e intermedi. Dal confronto emerge una distanza sistematica con il management. Il 78% dei dirigenti sostiene che i lavoratori ricevano una formazione AI adeguata, ma soltanto il 56% dei dipendenti più junior condivide la valutazione. Sui cambiamenti dei processi le risposte sono 73% contro 58%; sulla trasformazione delle strutture manageriali, 52% contro 36%.

Questa distanza non equivale a ostilità nei confronti della tecnologia. Il 73% dei dipendenti di livello iniziale o intermedio ne valuta positivamente l’effetto sul proprio ruolo, e l’84% di quanti la usano segnala un risparmio di tempo. Il problema è se l’organizzazione li accompagni abbastanza nel cambiamento e renda comprensibili regole, aspettative e competenze richieste.

La tensione appare anche nell’apprendimento: il 48% dei vicepresidenti o dirigenti superiori teme un impoverimento delle proprie capacità cognitive o professionali legato all’AI, contro il 32% dei manager e direttori e il 46% dei dipendenti meno senior. Nel frattempo l’82% dei manager ritiene che l’AI aiuti i neoassunti a contribuire più in fretta, mentre il 24% prevede meno assunzioni per posizioni iniziali nei prossimi due-cinque anni, contro il 14% per i ruoli executive. Un guadagno di produttività all’ingresso può quindi convivere con un restringimento delle opportunità di imparare il lavoro.

La domanda per le imprese: che cosa deve cambiare dopo il pilota?

Lo studio non fornisce una ricetta automaticamente trasferibile alle aziende italiane: riguarda grandi imprese statunitensi, raccoglie valutazioni soggettive e misura relazioni che possono riflettere anche differenze preesistenti di maturità digitale. Offre però un criterio concreto per giudicare i progetti AI oltre il numero di licenze attivate. Una valutazione credibile deve collegare ogni caso d’uso a un processo identificabile, ai costi complessivi, alle responsabilità operative e a risultati verificabili, sia di efficienza sia di crescita.

La seconda verifica deve avvenire dove il lavoro si svolge: non basta che il vertice dica di avere una strategia o un programma di formazione. Occorre sapere se i dipendenti ne conoscono le regole, se l’adozione sta modificando davvero le attività e se un agente è supervisionato in modo proporzionato ai rischi delle azioni che può compiere. In questo scarto fra piano dichiarato e organizzazione reale si concentra gran parte della sfida descritta da Wharton: rendere misurabile il valore dell’AI senza scambiare la sua diffusione per trasformazione.