Non conta quanta IA utilizzi. Conta quanto valore produce.
Dalla tecnologia ai risultati: produttività, margini, organizzazione e persone. Quando l’Intelligenza Artificiale entra nel conto economico dell’impresa.
Contenuto elaborato con il supporto di strumenti di Intelligenza Artificiale e sottoposto a revisione editoriale umana.
Un’impresa che utilizza dieci strumenti di Intelligenza Artificiale è necessariamente più innovativa di un’impresa che ne utilizza due?
Probabilmente no.
La domanda più interessante è un’altra:
quanto valore riesce a produrre attraverso l’Intelligenza Artificiale?
È una differenza tutt’altro che semantica.
Con la rapida diffusione dell’AI generativa, infatti, per le imprese sta diventando relativamente semplice acquistare strumenti, attivare licenze, sperimentare applicazioni e introdurre assistenti digitali nelle diverse funzioni aziendali.
Più difficile è capire se tutto questo stia realmente migliorando l’impresa.
Perché utilizzare l’AI non significa automaticamente creare valore.
Non contiamo gli strumenti. Misuriamo i risultati
Immaginiamo di voler valutare l’efficienza di uno stabilimento industriale.
Avrebbe poco senso limitarsi a contare il numero delle macchine installate. Vorremmo sapere quanto producono, con quali tempi, con quali costi, con quale qualità e con quale contributo alla marginalità dell’impresa.
Con l’Intelligenza Artificiale dovrebbe valere lo stesso principio.
Il numero di strumenti utilizzati può dirci qualcosa sul livello di adozione tecnologica, ma molto meno sulla capacità dell’organizzazione di trasformare quella tecnologia in risultati.
Un vero AI Assessment manageriale dovrebbe quindi partire non soltanto dalla tecnologia adottata, ma dagli effetti che questa produce su processi, persone e performance economiche.
In altre parole, occorre passare dalla domanda:
“Quale AI utilizziamo?”
a una domanda molto più impegnativa:
“Che cosa è migliorato nella nostra impresa grazie all’AI?”
Quando l’AI entra nel conto economico
Un segnale interessante arriva dalle strategie dei grandi gruppi internazionali.
Société Générale, uno dei principali gruppi bancari e finanziari europei, nel piano strategico al 2029 ha inserito l’accelerazione progressiva e responsabile dell’Intelligenza Artificiale tra le leve attraverso cui perseguire semplificazione, efficienza operativa, trasformazione tecnologica e riduzione strutturale dei costi.
Il punto interessante non è replicare nelle PMI strategie e investimenti di un grande gruppo internazionale.
È il principio manageriale che ne sta alla base.
L’AI comincia a entrare nei piani industriali e, attraverso produttività, ricavi, costi e investimenti, nel conto economico delle imprese.
Ed è probabilmente questo uno dei passaggi più importanti che ci attendono: passare dall’AI raccontata all’AI misurata.
Dall’efficienza teorica al valore reale
Facciamo un esempio.
Un’impresa introduce un sistema di Intelligenza Artificiale nell’area amministrativa.
Prima dell’intervento, un determinato processo richiede complessivamente 100 ore di lavoro al mese.
Dopo la revisione del processo e l’introduzione dell’AI ne richiede 65.
Possiamo affermare di avere liberato 35 ore.
Ma non possiamo ancora affermare di avere creato valore.
La domanda successiva è decisiva:
che cosa accade a quelle 35 ore?
Se vengono semplicemente assorbite da altre attività prive di particolare valore aggiunto, abbiamo ottenuto soprattutto un’efficienza teorica.
Se invece consentono alle stesse persone di gestire un maggiore volume di attività, ridurre gli errori, accelerare gli incassi, migliorare il servizio al cliente oppure dedicare più tempo ad attività di analisi e supporto alle decisioni, allora quella maggiore efficienza comincia a trasformarsi in valore economico e organizzativo.
È qui che dovrebbe arrivare un assessment manageriale dell’Intelligenza Artificiale.
La catena del valore dell’AI
L’approccio di GIA Management Hub parte da una relazione semplice:
AI → Processo → Produttività → Risultato → Valore
La tecnologia è soltanto il primo anello della catena.
Per ogni progetto occorre individuare il processo interessato, definire la situazione iniziale, stabilire gli indicatori da monitorare e verificare successivamente gli effetti prodotti.
Se, per esempio, introduciamo strumenti AI nell’attività commerciale, possiamo misurare il tempo necessario alla preparazione di un’offerta, il numero di opportunità gestite per addetto, il tasso di conversione, il fatturato per risorsa e la marginalità generata.
In amministrazione possiamo osservare ore di lavoro per pratica, costo per transazione, tasso di errore, tempi di elaborazione, tempi di incasso o qualità del reporting.
Nel customer service possiamo misurare tempi di risposta, richieste gestite per addetto, percentuale di problemi risolti al primo contatto, livello di servizio e costo medio per richiesta.
Nelle attività manageriali possiamo valutare un elemento meno immediato, ma altrettanto importante: quanto tempo viene sottratto alla ricerca e all’elaborazione delle informazioni e restituito all’analisi, al confronto e alla decisione.
Il KPI, quindi, non deve misurare quanto utilizziamo l’AI.
Deve aiutarci a comprendere che cosa cambia nell’impresa perché utilizziamo l’AI.
Misurare prima, durante e dopo
C’è un principio che riteniamo particolarmente importante.
Un risultato può essere misurato soltanto se sappiamo da dove siamo partiti.
Per questo l’introduzione dell’AI dovrebbe essere accompagnata dalla definizione di una baseline: la fotografia iniziale del processo e delle sue performance.
Quanto tempo impieghiamo oggi?
Quanto costa il processo?
Quante attività vengono gestite?
Qual è il tasso di errore?
Qual è il livello di servizio?
Quale margine viene generato?
Solo successivamente ha senso introdurre uno strumento, modificare un processo e confrontare i nuovi risultati con quelli iniziali.
Altrimenti rischiamo un paradosso sempre più frequente: investire nell’AI senza riuscire a dimostrare se l’investimento abbia effettivamente prodotto un ritorno.
Il valore dell’AI non significa soltanto riduzione dei costi
Misurare il valore economico dell’Intelligenza Artificiale non significa, però, ridurre tutto alla diminuzione del personale.
È una lettura troppo limitata.
Supponiamo che attraverso l’AI un’impresa riesca ad aumentare del 20% la produttività di una determinata funzione.
Quel 20% può trasformarsi in modi molto diversi.
Può diventare minore costo.
Ma può anche diventare maggiore capacità produttiva, più clienti gestiti, migliore qualità del servizio, riduzione degli errori, maggiore velocità decisionale o possibilità di dedicare le persone ad attività a maggiore valore aggiunto.
Un’impresa che riesce a produrre il 20% in più con le stesse persone non è necessariamente un’impresa con il 20% di personale in eccesso.
Può essere un’impresa che dispone finalmente del 20% di capacità in più per crescere.
La distinzione è fondamentale.
L’AI può essere utilizzata come una forbice con cui tagliare costi oppure come una leva con cui aumentare la capacità dell’organizzazione.
La tecnologia può essere la stessa. È il modello manageriale a fare la differenza.
Quattro dimensioni per misurare il valore
In questa prospettiva, GIA Management Hub ritiene che un assessment manageriale dell’AI debba collegare l’adozione tecnologica almeno a quattro dimensioni.
Produttività. Quanto tempo viene liberato? Quanto aumenta l’output? Quanto cresce la capacità operativa a parità di risorse?
Economics. Quali effetti vengono prodotti su costi, ricavi, marginalità, capitale circolante e ritorno sull’investimento?
Organizzazione. Come cambiano processi, responsabilità, tempi decisionali, qualità delle informazioni e modalità di coordinamento?
Persone e competenze. Quanto lavoro ripetitivo viene ridotto? Quali nuove competenze diventano necessarie? Quanto tempo può essere destinato ad attività professionali a maggiore valore? L’aumento di produttività crea le condizioni per sostenere crescita, occupazione qualificata e, nel tempo, maggiore valore del lavoro?
Queste dimensioni permettono di leggere l’AI non come un progetto informatico isolato, ma come una componente della strategia e dell’organizzazione aziendale.
Anche i servizi di consulenza devono essere misurabili
Lo stesso principio riguarda chi affianca l’impresa.
Se chiediamo alle aziende di misurare il valore prodotto dall’Intelligenza Artificiale, dobbiamo applicare lo stesso criterio anche ai servizi manageriali che proponiamo.
Per questo GIA Management Hub cerca di associare ai propri interventi obiettivi, KPI e risultati attesi, individuati in funzione della specifica situazione aziendale.
Un intervento sul controllo di gestione potrà essere valutato attraverso qualità e tempestività delle informazioni, capacità di analizzare marginalità e scostamenti o riduzione dei tempi di reporting.
Un progetto organizzativo attraverso tempi di attraversamento dei processi, sovrapposizioni di responsabilità, colli di bottiglia e produttività.
Un intervento commerciale attraverso conversion rate, pipeline, marginalità, fatturato per cliente o produttività della rete.
Un progetto di introduzione dell’AI attraverso il confronto tra la baseline iniziale e i risultati successivamente ottenuti.
Non tutti gli effetti sono immediatamente traducibili in euro.
Ma ciò che può essere misurato dovrebbe essere misurato; ciò che non può esserlo direttamente dovrebbe almeno essere reso osservabile attraverso indicatori coerenti.
Perché la consulenza, come la tecnologia, produce valore quando contribuisce a modificare concretamente i risultati dell’impresa.
Dal Proof of Concept al Proof of Value
Negli ultimi anni abbiamo imparato a parlare di Proof of Concept: sperimentare una tecnologia per verificare se funziona.
Con l’Intelligenza Artificiale questo non sarà più sufficiente.
Una soluzione può funzionare tecnicamente ed essere perfettamente inutile dal punto di vista economico.
La sfida per le imprese sarà quindi passare dal Proof of Concept al Proof of Value.
Non soltanto:
“L’AI riesce a fare questa attività?”
Ma:
“Quanto valore genera per l’impresa facendola?”
È una domanda molto più manageriale che tecnologica.
Ed è anche la domanda dalla quale dovrebbe partire ogni progetto serio di introduzione dell’Intelligenza Artificiale.
L’AI è uno strumento. Il risultato rimane il punto di arrivo
L’Intelligenza Artificiale sta aumentando rapidamente la capacità delle imprese di elaborare informazioni, automatizzare attività, analizzare scenari e supportare le decisioni.
Ma disporre di una tecnologia più potente non garantisce automaticamente risultati migliori.
Una Formula 1 nel parcheggio rimane un’automobile molto sofisticata che non sta andando da nessuna parte.
Servono una destinazione, una pista, indicatori, competenze e qualcuno capace di leggere ciò che accade mentre si corre.
Per GIA Management Hub il principio è quindi semplice:
non misurare quanta Intelligenza Artificiale entra nell’impresa. Misurare quanto valore ne esce.
È qui che tecnologia, management e misurazione dei risultati devono incontrarsi.
Ed è probabilmente su questo terreno che nei prossimi anni si distingueranno le imprese che avranno semplicemente adottato l’AI da quelle che saranno realmente riuscite a trasformarla in un vantaggio competitivo.