Perché l’adozione dell’AI non si traduce ancora in risultati economici

L’intelligenza artificiale può aiutare una persona a completare un’attività più velocemente senza modificare costi, ricavi o utili dell’azienda. Questa distinzione aiuta a leggere il divario rilevato dal sondaggio McKinsey 2026: l’80% degli intervistati afferma che l’AI ha migliorato la propria produttività, mentre il 37% le attribuisce almeno una parte dell’impatto sull’EBIT, cioè il risultato prima di interessi e imposte. Circa il 6% rientra nella definizione McKinsey di «high performer»: intervistati che attribuiscono all’AI almeno il 5% dell’EBIT e ne descrivono l’impatto come significativo. Sono valutazioni riportate dai partecipanti, non prove che una singola pratica produca risultati economici. 68

Perché una maggiore produttività può non vedersi nei conti

Un’attività svolta più in fretta è solo un passaggio di un processo aziendale. Se approvazioni, passaggi di consegne, sistemi e responsabilità decisionali restano invariati, il tempo risparmiato potrebbe non ridurre i costi né aumentare i ricavi. Nel sondaggio McKinsey 2026, risultati più solidi sono associati alla riprogettazione dei flussi di lavoro; una ricerca precedente della società aveva rilevato che, tra i fattori analizzati, proprio la riprogettazione mostrava la relazione più forte con l’impatto sull’EBIT. È un’associazione indicativa, non una prova di causalità. 514

La distinzione conta anche quando si misurano i risultati. Accesso agli strumenti, frequenza d’uso e tempo risparmiato possono indicare che l’AI viene utilizzata; da soli, però, non dicono se l’azienda guadagna di più o spende di meno. Il divario riportato tra produttività individuale e impatto sull’EBIT rende importante monitorare entrambe le dimensioni. 68

Come passare dai progetti pilota al valore per l’azienda

Partire da un risultato aziendale preciso

Scegliere un processo in cui una persona responsabile possa definire il problema e il risultato da verificare. L’obiettivo potrebbe essere ridurre il costo di un servizio o migliorare le conversioni, ma deve rispondere alle esigenze dell’attività: non basta contare quante volte si usa l’AI. Prima di modificare il processo, è utile fissare un valore di riferimento con cui confrontare i risultati.

Conviene mantenere la prima sperimentazione abbastanza circoscritta da poter essere valutata. Un processo e un obiettivo ben definiti aiutano a capire dove l’AI è utile, quando è necessario l’intervento umano e se il cambiamento merita di essere esteso.

Considerare qualità e responsabilità dei dati

Durante una sessione sul commercio a DMEXCO 2026 è stato descritto un problema concreto: i dati di prodotto dei fornitori arrivano in formati diversi, con denominazioni incoerenti e informazioni mancanti. Senza uno standard condiviso, queste criticità possono propagarsi nei feed di prodotto e richiedere correzioni manuali. 25

È importante assegnare responsabilità chiare per i dati, il risultato aziendale e le decisioni su quando verificare le risposte dell’AI. Nel commercio, anche informazioni sui prodotti coerenti e complete — compresi prezzi accurati, quando pertinenti — sono importanti, mentre la scoperta si estende ad assistenti AI, social e marketplace. 273334

Riprogettare il flusso di lavoro, non solo il singolo compito

Occorre osservare l’intera sequenza: che cosa entra nel processo, quali attività svolge l’AI, dove serve un’approvazione e chi agisce sulla base del risultato. Quando opportuno, si possono eliminare o modificare passaggi superflui, mantenendo però le persone responsabili del giudizio, delle eccezioni e delle decisioni che comportano rischi per l’attività.

Non si tratta semplicemente di aggiungere un nuovo strumento a un processo esistente, ma di ripensare il modo in cui si lavora. La ricerca McKinsey associa la riprogettazione dei flussi di lavoro a un maggiore impatto economico dichiarato; il sondaggio 2026 non dimostra che la riprogettazione, da sola, produca quei risultati. 514

Misurare i risultati con indicatori economici

È utile verificare se il cambiamento incide su ricavi, costi, margini o EBIT, non soltanto su adozione, volume di output o tempo risparmiato. La valutazione dovrebbe includere i costi di implementazione e di revisione umana e confrontare i risultati con il valore di riferimento iniziale. È un modo pratico per capire se il miglioramento di produttività arriva davvero ai conti dell’azienda.

In sintesi

Il sondaggio non offre una formula garantita per ottenere ritorni dall’AI. Mostra però perché adozione e produttività, da sole, non bastano per misurare il successo: gli intervistati hanno segnalato miglioramenti della produttività personale molto più spesso di un impatto positivo sull’EBIT. Le aziende possono colmare il divario scegliendo casi d’uso mirati, curando la qualità dei dati, assegnando responsabilità chiare, riprogettando i processi e misurando i risultati economici, mantenendo alle persone il compito di guidare e valutare le decisioni. 6814