Valore dell’AI nelle aziende italiane: perché i business case vanno rifatti

QuantumBlack, la unit di McKinsey dedicata all’intelligenza artificiale, ha pubblicato il 14 ottobre 2026 The AI value curve, uno studio che calcola dove l’AI costa meno del lavoro che affianca o sostituisce, a parità di qualità del risultato. La premessa è che molte organizzazioni misurano ancora l’adozione invece del valore, contando utenti e token consumati, numeri che dicono quanto l’AI viene usata e niente su quanto rende, e la conseguenza per chi decide in Italia sta in un passaggio che finora ha avuto poca attenzione: il valore dell’AI dipende dal costo del lavoro locale, e un business case costruito su benchmark americani tende a sovrastimare il ritorno nelle aziende italiane.

Il quadro italiano rende la questione concreta. A febbraio 2026 l’Osservatorio Artificial Intelligence del Politecnico di Milano ha rilevato che il 71% delle grandi imprese ha almeno un progetto AI attivo, contro il 59% dell’anno precedente, e che solo il 9% ha una governance strutturata. Buona parte di quei progetti arriverà nei prossimi mesi alla prima revisione di budget, con domande sul rendimento a cui le metriche di adozione non rispondono.

Il metodo della curva del valore

La curva confronta, compito per compito, il costo pieno del lavoro umano (salario lordo e contributi a carico dell’azienda) con il costo pieno dello stesso compito svolto con l’AI. Nel costo dell’AI gli autori mettono i token e ci mettono anche il tempo delle persone che rivedono e correggono l’output, un dettaglio che manca in molti dei business case che circolano nelle aziende. Il modello incrocia 831 occupazioni della classificazione statunitense SOC con settori e aree geografiche, e usa le stime 2026 del McKinsey Global Institute sulla quota di ore che l’AI generativa rende automatizzabili.

Il risultato aggregato vale 2.520 miliardi di dollari l’anno a livello globale. Gli autori lo presentano come una mappa direzionale da ricalibrare sui dati della singola azienda, e nel documento elencano con precisione quello che il calcolo lascia fuori: gli investimenti una tantum per catturare il valore (infrastruttura, piattaforme, formazione, change management) e i vincoli organizzativi e normativi, compresi diritto del lavoro e contrattazione collettiva. Per un’azienda italiana quest’ultima esclusione pesa più che per una americana.

La distribuzione per settore ha qualche sorpresa. Servizi finanziari, a 530 miliardi, e comparto TMT, a 360, hanno il vantaggio di costo orario più alto, mentre istruzione (410 miliardi) e sanità (310) arrivano a cifre simili per un motivo diverso, il volume, perché anche un guadagno piccolo per ora, moltiplicato su forze lavoro molto grandi e ad alta intensità di servizio, produce un valore complessivo alto.

Professioni qualificate e costo della revisione

Il risultato più citato riguarda i ruoli ad alto salario. Secondo la curva l’AI genera il valore orario più alto quando affianca professionisti costosi (legali, professioni sanitarie, management, sviluppo software) togliendo loro il lavoro di preparazione: riunioni, email, sintesi di documenti, materiali per il consiglio di amministrazione. Il beneficio, scrivono gli autori, dipende dall’uso che si fa delle ore liberate, da spostare sulle decisioni e sulle relazioni che non si delegano.

Il ragionamento economico torna, con una precisazione che nel report sta in una nota a piè di pagina e che meriterebbe il testo principale. La “qualità accettabile” su cui si basa tutto il calcolo coincide con gli stessi criteri di accettazione che si applicherebbero a un lavoro umano, e per una sintesi clinica, l’esempio è degli autori, include soglie di sicurezza e regolatorie. Chi fissa quella soglia e chi verifica che venga rispettata sono decisioni di governance, e nei ruoli ad alto salario hanno un costo che cresce, perché a rivedere l’output dell’AI deve essere spesso proprio il professionista di cui si voleva liberare il tempo.

La stessa logica, applicata ai singoli agenti, è descritta in un altro articolo di McKinsey Quarterly sul rapporto tra costo e valore: un agente crea valore quando la sua probabilità di successo supera il rapporto tra il tempo necessario a verificarne il lavoro e il tempo che servirebbe a una persona per farlo direttamente. Il Regolamento europeo sull’AI rende il tema esplicito per i sistemi ad alto rischio dell’Allegato III, dalla selezione del personale alla valutazione del merito creditizio, i cui obblighi il Digital Omnibus ha spostato al 2 dicembre 2027: la supervisione umana diventa un requisito documentato, e il suo costo entra nella curva anche quando il business case non lo prevede.

Salari italiani e soglia di convenienza

Il passaggio dello studio che riguarda più da vicino le aziende italiane è quello sull’economia locale. Il costo dell’AI è più o meno lo stesso in tutti i mercati, perché i modelli si pagano a listino, mentre il costo del lavoro cambia molto da un paese all’altro, e così lo stesso caso d’uso può superare la soglia di convenienza in un mercato e mancarla in un altro. Gli autori portano l’esempio degli sviluppatori software, per i quali il valore orario generato dall’AI negli Stati Uniti è di un ordine di grandezza superiore alla media globale, e quello delle attività commerciali e di supporto amministrativo, convenienti con i costi americani e non ancora dove i salari sono più bassi.

Per l’Italia la distanza è ampia. Secondo l’OCSE, nel 2024 il salario medio annuo a parità di potere d’acquisto era di circa 51mila dollari in Italia contro circa 83mila negli Stati Uniti; ai tassi di cambio di mercato, che sono quelli con cui si pagano licenze e token, la forbice si allarga, con una retribuzione lorda mensile media di circa 2.990 dollari in Italia e 6.910 negli Stati Uniti nelle statistiche UNECE dello stesso anno. Un’ora di lavoro italiana costa meno della metà di un’ora americana, il token costa uguale.

Ecco perché un business case costruito su benchmark americani, o sui casi studio pubblicati dai fornitori (quasi sempre statunitensi), tende a sovrastimare il ritorno in Italia, e dei 2.520 miliardi globali ben 960 si concentrano negli Stati Uniti. Secondo l’ISTAT nel 2025 il 16,4% delle imprese italiane con almeno dieci addetti usava almeno una tecnologia di AI, il doppio dell’anno prima: la diffusione ancora limitata si legge di solito come una questione di competenze e cultura, e la curva suggerisce che una parte potrebbe avere anche una componente economica, che nessuno ha ancora misurato con precisione.

Volatilità dei costi e stress test

Lo studio insiste sulla volatilità del costo dell’AI, che i piani di adozione di solito considerano in una sola direzione, quella della discesa. Con un aumento del 30% del costo effettivo il valore potenziale negli Stati Uniti scende da 960 a 640 miliardi, e quello globale da 2.520 a 1.670 miliardi, un calo del 34%. Gli autori ricordano che la spesa aziendale in modelli linguistici, secondo una loro stima, è triplicata nei dodici mesi chiusi a fine 2025, perché l’uso cresce più in fretta di quanto scendano i prezzi unitari, e che la domanda di chip e il costo dell’energia per i data center potrebbero invertire la tendenza al ribasso su cui si basa quasi ogni business case.

In Italia la sensibilità è maggiore, per una ragione aritmetica: se il margine orario tra lavoro umano e AI è più sottile, lo stesso aumento di costo spinge in territorio negativo una quota più ampia di casi d’uso. Le contromisure suggerite nello studio sono flussi ibridi tra persone e AI che possano spostare il lavoro quando cambiano i costi, protezioni contrattuali sul prezzo, competenze interne mantenute nei ruoli vicini alla soglia.

A queste si aggiunge una scelta di architettura, cioè progettare i processi in modo che il modello sotto un flusso si possa sostituire, compresi modelli open-weight eseguiti in casa per i compiti ad alto volume, perché la dipendenza da un solo fornitore è un rischio di costo prima ancora che tecnologico.

La riallocazione del tempo liberato

L’ultima delle indicazioni rivolte ai leader è anche quella che si salta più spesso: pianificare la riallocazione delle persone prima di introdurre l’AI. Se il tempo liberato non viene assegnato a lavoro di valore più alto, scrivono gli autori, la produttività si disperde in minore utilizzo e in capacità inattiva che nessuno misura. Le ore risparmiate entrano nel business case, ma finché non diventano lavoro con un valore misurabile sul conto economico non compaiono.

È una decisione organizzativa, e nelle aziende italiane passa dalle risorse umane e spesso dalle relazioni sindacali, cioè proprio dai vincoli che il modello dichiara di non considerare. Nei progetti che seguo con ZeroFive.AI è il punto in cui si ferma la maggior parte delle iniziative, ben prima dei limiti dei modelli: la fiducia di vertici e persone nell’AI deve bastare a cambiare il modo in cui si distribuisce il tempo, e quella fiducia si costruisce con regole chiare su chi rivede cosa.

Gli elementi di un business case per l’Italia

Lo studio chiude con cinque indicazioni operative: mappare le attività compito per compito, ordinare i casi d’uso per valore, gestire i costi insieme all’adozione, sottoporre ogni business case a uno stress test, pianificare la riallocazione. A queste ne va anteposta una che il report dà per acquisita, la capacità dell’azienda di catturare il valore che la curva calcola, perché un caso d’uso con un valore positivo, in un’organizzazione senza dati utilizzabili né un responsabile dei rischi, rimane sulla carta. La maturità si misura prima, il valore dei singoli casi d’uso dopo.

Con queste premesse, un business case AI per un’azienda italiana dovrebbe contenere almeno questi elementi:

• il costo del lavoro reale dell’azienda, al posto dei benchmark americani o dei casi studio dei fornitori;
• il costo della revisione umana, stimato sul profilo di chi rivede davvero l’output;
• un’analisi di sensitività con il costo dell’AI più alto e più basso del 30%;
• l’alternativa senza AI, valutata e scartata per ragioni esplicite;
• il piano di riallocazione del tempo liberato, con un responsabile e una data.

Nei prossimi mesi la conversazione nei consigli di amministrazione si sposterà dall’adozione al rendimento, e riguarderà quanti dei progetti avviati superano la soglia di convenienza con i salari italiani e con i costi dell’AI di oggi. Le aziende che arriveranno a quella revisione con il calcolo già fatto potranno scegliere quali progetti fermare, le altre lo scopriranno dal conto economico.