All’inizio di quest’anno, il MIT ha fatto notizia perché, in un rapporto [in inglese], ha rilevato che il 95% delle aziende non sta ottenendo alcun ritorno dall’intelligenza artificiale, nonostante investimenti sostanziosi. Ma perché così tante iniziative di intelligenza artificiale non riescono a garantire un ROI positivo? Perché spesso mancano di un chiaro collegamento al valore aziendale, afferma Neal Ramasamy, CIO globale di Cognizant, una società di consulenza IT.
“Questo porta a progetti tecnicamente impressionanti, ma che non risolvono un’esigenza reale né creano un vantaggio tangibile”, aggiunge. I tecnologi spesso seguono l’entusiasmo del momento, immergendosi a capofitto nei test sull’intelligenza artificiale senza considerare i risultati aziendali. “Molti iniziano con modelli e progetti pilota piuttosto che partire da ciò che vogliono ottenere”, osserva Saket Srivastava, CIO di Asana, un’applicazione per il project management.
“I team eseguono demo in modo isolato, senza riprogettare il flusso di lavoro sottostante o assegnare un responsabile dei profitti e delle perdite”.
La combinazione di una mancanza di pensiero iniziale sul prodotto, pratiche di dati sottostanti inadeguate, governance inesistente e incentivi culturali minimi all’adozione dell’AI può produrre risultati negativi. Quindi, per evitare esiti scadenti, molte delle tecniche si riducono a una migliore gestione del cambiamento. “Senza una revisione dei processi, l’intelligenza artificiale accelera le inefficienze odierne”, aggiunge spiega.
Qui di seguito esaminiamo cinque modi per il change management all’interno di un’azienda che i CIO possono mettere in pratica oggi stesso. Seguendo questa checklist, le imprese dovrebbero iniziare a invertire la tendenza del ROI negativo dell’AI, imparare dagli anti-modelli e scoprire quali tipi di metriche convalidano le iniziative di intelligenza artificiale di successo a livello aziendale.
1. Allineare la leadership in anticipo comunicando gli obiettivi aziendali e guidando l’iniziativa di AI
Le iniziative di intelligenza artificiale richiedono il sostegno dei dirigenti e una visione chiara di come possono migliorare il business. “Una leadership forte è essenziale per tradurre gli investimenti nell’AI in risultati”, dichiara Adam Lopez, presidente e leadvCIO del managed IT support provider CMIT Solutions. “Il sostegno dei dirigenti e la supervisione dei programmi di intelligenza artificiale, idealmente a livello di CEO o di consiglio di amministrazione, sono correlati a un ROI più elevato”.
Per esempio, nella società di servizi IT e consulenza Xebia, un sottogruppo di dirigenti guida le attività interne di AI. Presieduto dal CIO globale Smit Shanker, il team comprende il CFO globale e i responsabili dell’intelligenza artificiale, dell’automazione, dell’infrastruttura IT, della sicurezza e delle operation aziendali.
Una volta costituita la leadership di livello più alto, la responsabilità diventa fondamentale. “Iniziate assegnando la titolarità dell’attività”, consiglia Srivastava.
“Ogni caso d’uso dell’AI necessita di un leader responsabile con un obiettivo legato a traguardi e risultati chiave”. Raccomanda, poi, di istituire un PMO [in inglese] interfunzionale per definire casi d’uso di riferimento, fissare obiettivi di successo, applicare misure di sicurezza e comunicare regolarmente i progressi compiuti.
Tuttavia, anche con una leadership in atto, molti dipendenti avranno bisogno di una guida pratica per applicare l’intelligenza artificiale nel loro lavoro quotidiano. “Per la maggior parte delle persone, anche se si forniscono loro gli strumenti, non sanno da dove iniziare”, commenta Orla Daly, CIO di Skillsoft, un sistema di gestione dell’apprendimento. Il manager raccomanda di identificare chi, in azienda, può far emergere casi d’uso significativi e condividere consigli pratici, come ottenere il massimo da strumenti come Copilot. Coloro che hanno curiosità e volontà di imparare faranno i progressi maggiori, sostiene.
Infine, i dirigenti devono investire in infrastrutture, talenti e formazione. “I leader devono promuovere una cultura basata sui dati e una visione chiara di come l’AI risolverà i problemi aziendali”, afferma Ramasamy di Cognizant. Ciò richiede una stretta collaborazione tra la prima linea del management, i data scientist e l’IT per eseguire e misurare i progetti pilota prima di passare alla fase di scalabilità.
2. Evolversi modificando il quadro dei talenti e investendo nell’aggiornamento delle competenze
Le imprese devono essere aperte a modificare il loro quadro dei talenti e a riprogettare i ruoli. “I CIO dovrebbero adattare le loro strategie di gestione dei talenti per garantire il successo dell’adozione dell’AI e del ROI”, afferma Ramasamy. “Ciò potrebbe comportare la creazione di nuove figure e percorsi di carriera per i professionisti che si occupano di AI, come i data scientist e i prompt engineer, aggiornando, al contempo, le competenze dei dipendenti esistenti”.
I CIO dovrebbero anche considerare il talento come una pietra miliare di qualsiasi strategia di AI, aggiunge Lopez di CMIT. “Investendo nelle persone attraverso la formazione, la comunicazione e nuovi ruoli specialistici, i CIO possono essere certi che i dipendenti adotteranno gli strumenti di intelligenza artificiale e ne determineranno il successo”. Aggiunge che gli hackathon interni e le sessioni di formazione spesso producono notevoli miglioramenti nelle competenze e nella fiducia.
L’aggiornamento delle competenze, per esempio, dovrebbe soddisfare le esigenze dei dipendenti, quindi Srivastava di Asana raccomanda percorsi a più livelli: tutto il personale ha bisogno di una formazione di base sulla prompt literacy e sulla sicurezza, mentre gli utenti esperti richiedono una conoscenza più approfondita della progettazione del flusso di lavoro e della creazione di agenti. “Abbiamo adottato l’approccio di sondare la forza lavoro, puntare sull’abilitazione e rimisurare per confermare che la maturità si muovesse nella giusta direzione”, sottolinea.
Tuttavia, la valutazione dell’attuale struttura dei talenti va oltre le competenze umane. Significa anche rivalutare il lavoro da svolgere e i compiti di ciascuno al suo interno. “È essenziale rivedere i processi aziendali per individuare opportunità di rifattorizzazione, date le nuove capacità offerte dall’AI”, dichiara Scott Wheeler, responsabile delle attività cloud della società di consulenza Asperitas Consulting.
Per Daly di Skillsoft, l’era dell’AI odierna richiede un quadro di gestione dei talenti moderno che bilanci abilmente le quattro B: build, buy, borrow e bots [in inglese]. In altre parole, i leader dovrebbero considerare la loro azienda come un insieme di competenze e applicare il giusto mix di personale interno, software, partner o automazione in base alle necessità. “Ciò richiede di suddividere le attività in lavori o compiti da svolgere e di considerare l’attività di tutti in modo più frammentato”, rileva Daly.
Per esempio, il suo team ha utilizzato GitHub Copilot per codificare rapidamente un portale di apprendimento per un determinato cliente. Il progetto ha evidenziato come l’abbinamento di sviluppatori umani con assistenti AI possa accelerare notevolmente la consegna, sollevando nuove domande sulle competenze necessarie agli altri sviluppatori per essere altrettanto produttivi ed efficienti.
Tuttavia, poiché gli agenti AI assumono sempre più compiti di routine, i leader devono dissipare i timori che l’intelligenza artificiale sostituisca completamente i posti di lavoro. “Comunicare il motivo alla base delle iniziative di AI può alleviare i timori e dimostrare come questi strumenti possano potenziare i ruoli umani”, fa notare Ramasamy. Srivastava è d’accordo. “Il filo conduttore è la fiducia”, afferma, “Mostrate alle persone come l’AI elimina la fatica e aumenta l’impatto; mantenete gli esseri umani nel ciclo decisionale e l’adozione seguirà”.
3. Adattare i processi organizzativi per sfruttare appieno i vantaggi dell’intelligenza artificiale
Cambiare l’organico è solo l’inizio: le aziende devono anche riprogettare i processi fondamentali. “Sfruttare appieno il valore dell’intelligenza artificiale richiede, spesso, una riprogettazione del funzionamento dell’azienda”, dichiara Lopez di CMIT, che esorta a integrare l’AI nelle operazioni quotidiane e a supportarla con una sperimentazione continua, piuttosto che trattarla come un’aggiunta statica.
A tal fine, un adattamento necessario è quello che consiste nel trattare i flussi di lavoro interni basati sull’intelligenza artificiale come prodotti e codificare i modelli in tutta l’azienda, afferma Srivastava. “Stabilire un rigoroso sistema di gestione dei prodotti per l’acquisizione, la definizione delle priorità e la pianificazione dei casi d’uso dell’AI, con responsabili chiari, descrizioni dei problemi e ipotesi di valore”, sottolinea.
In Xebia, un comitato di governance supervisiona questo rigore attraverso un processo in tre fasi che consiste nell’identificare e misurare il valore, garantire l’accettazione da parte dell’azienda e poi passare all’IT per il monitoraggio e il supporto. “Un gruppo centrale è responsabile della semplificazione organizzativa e funzionale di ogni caso d’uso”, spiega Shanker. “Ciò incoraggia i processi interfunzionali e aiuta ad abbattere i silos”.
Allo stesso modo, per Ramasamy, l’ostacolo più grande è la resistenza organizzativa. “Molte aziende sottovalutano la gestione del cambiamento necessaria per un’adozione di successo”, dice. “Il cambiamento più critico è il passaggio da un processo decisionale compartimentato a un approccio incentrato sui dati. I processi aziendali dovrebbero integrare perfettamente i risultati dell’AI, automatizzando le attività e fornendo ai dipendenti informazioni basate sui dati”.
Identificare le aree giuste da automatizzare dipende anche dalla visibilità. “È qui che la maggior parte delle aziende fallisce perché non dispone di processi validi e documentati”, afferma Daly di Skillsoft, che raccomanda di coinvolgere esperti in materia di tutte le linee di business per esaminare i flussi di lavoro e ottimizzarli. “È importante nominare persone all’interno dell’azienda che si occupino di capire come integrare l’intelligenza artificiale nel flusso di lavoro”, precisa.
Una volta identificate le unità di lavoro comuni a tutte le funzioni che l’AI può semplificare, il passo successivo è renderle visibili e standardizzarne l’applicazione. Skillsoft sta facendo questo attraverso un registro degli agenti che documenta le loro capacità, le misure di sicurezza e i processi di gestione dei dati. “Stiamo formalizzando un framework di AI aziendale in cui l’etica e la governance fanno parte del modo in cui gestiamo il portafoglio di casi d’uso”, aggiunge.
Le imprese dovrebbero quindi anticipare gli ostacoli e creare strutture di supporto per aiutare gli utenti. “Una strategia per raggiungere questo obiettivo è quella di disporre di team SWAT di intelligenza artificiale, il cui scopo è facilitare l’adozione e rimuovere gli ostacoli”, osserva Wheeler di Asperitas.
4. Misurare i progressi per convalidare il ritorno sull’investimento
Per valutare il ROI, i CIO devono stabilire una linea di base pre-AI e fissare in anticipo dei parametri di riferimento. I leader raccomandano di assegnare la responsabilità di metriche quali il time-to-value, i risparmi sui costi, i risparmi di tempo, il lavoro gestito dagli agenti umani e le nuove opportunità di guadagno generate.
“Le misurazioni di riferimento dovrebbero essere stabilite prima di avviare i progetti di intelligenza artificiale”, argomenta Wheeler, che consiglia di integrare gli indicatori predittivi delle singole unità aziendali nelle regolari revisioni delle prestazioni da parte della leadership. Un errore comune, afferma, è quello di misurare solo i KPI tecnici come l’accuratezza del modello, la latenza o la precisione, senza collegarli ai risultati aziendali, come i risparmi, i ricavi o la riduzione dei rischi.
Pertanto, il passo successivo è definire obiettivi chiari e misurabili che dimostrino un valore tangibile. “Incorporare la misurazione nei progetti fin dal primo giorno”, dichiara Lopez di CMIT. “I CIO dovrebbero definire una serie di KPI rilevanti per ogni iniziativa di intelligenza artificiale. Per esempio, un tempo di elaborazione più veloce del 20% o un aumento del 15% della soddisfazione dei clienti”. Iniziare con piccoli progetti pilota che producono risultati rapidi e quantificabili, aggiunge.
Una misura chiara è il risparmio di tempo.
Per esempio, Eamonn O’Neill, CTO di Lemongrass, un fornitore di servizi basati su software, racconta di aver visto clienti documentare manualmente lo sviluppo SAP, un processo che può richiedere molto tempo. “L’utilizzo dell’IA generativa per creare questa documentazione comporta una chiara riduzione dello sforzo umano, che può essere misurato e tradotto in un ROI in modo abbastanza semplice”, commenta. La riduzione del lavoro umano per attività è un altro segnale chiave.
“Se l’obiettivo è ridurre il numero di chiamate al servizio di assistenza gestite da operatori umani, i leader dovrebbero stabilire una metrica chiara e monitorarla in tempo reale”, illustra Ram Palaniappan, CTO di TEKsystems, fornitore di servizi tecnologici full-stack. Aggiunge, inoltre, che l’adozione dell’AI può anche far emergere nuove opportunità di guadagno.
Alcuni CIO monitorano più KPI granulari nei singoli casi d’uso e adeguano le strategie in base ai risultati. Srivastava di Asana, per esempio, monitora l’efficienza ingegneristica controllando i tempi di ciclo, la produttività, la qualità, il costo per transazione e gli eventi di rischio. Misura anche la percentuale di esecuzioni assistite da agenti, gli utenti attivi, l’accettazione da parte degli esseri umani e le escalation delle eccezioni. L’analisi di questi dati, spiega, aiuta a mettere a punto i prompt e le misure di sicurezza in tempo reale.
Il punto fondamentale è stabilire le metriche fin dall’inizio e non cadere nell’errore di non monitorare i segnali o il valore ottenuto. “Spesso la misurazione viene aggiunta in un secondo momento, quindi i leader non sono in grado di dimostrare il valore o decidere cosa scalare”, dichiara Srivastava. “La soluzione è iniziare con una metrica di missione specifica, stabilirne la linea di base e integrare l’AI direttamente nel flusso di lavoro, in modo che le persone possano concentrarsi su giudizi di valore più elevato”.
5. Governare la cultura dell’AI per evitare violazioni e instabilità
Gli strumenti di AI generativa sono ormai comuni, ma molti dipendenti non hanno ancora ricevuto una formazione adeguata per utilizzarli in modo sicuro. Per esempio, secondo uno studio del 2025 di SmallPDF [in inglese], quasi un dipendente su cinque negli Stati Uniti ha inserito le proprie credenziali di accesso in strumenti di AI. “Una buona leadership implica la creazione di governance e guardrail”, afferma Lopez. Ciò include la definizione di politiche per impedire che dati sensibili e riservati vengano inseriti in strumenti come ChatGPT.
Un uso intensivo dell’intelligenza artificiale amplia anche la superficie di attacco dell’azienda. La leadership deve ora considerare seriamente aspetti quali le vulnerabilità di sicurezza nei browser basati sull’AI, l’AI shadow e le hallucination [in inglese] LLM. Man mano che l’AI agentica diventa sempre più coinvolta nei processi critici per il business [in inglese], un’adeguata autorizzazione e controlli di accesso sono essenziali per prevenire l’esposizione di dati sensibili o l’ingresso dannoso nei sistemi IT.
Dal punto di vista dello sviluppo software, il rischio di fuga di password, chiavi e token attraverso gli agenti di codifica AI è molto reale. Gli ingegneri hanno adottato i server MCP [in inglese] per consentire agli agenti di codifica AI di accedere a dati, strumenti e API esterni, ma una ricerca di Wallarm [in inglese] ha rilevato un aumento del 270% delle vulnerabilità legate agli MCP dal secondo al terzo trimestre del 2025, insieme a un aumento delle vulnerabilità delle API.
Trascurare l’identità degli agenti, le autorizzazioni e le tracce di audit è una trappola comune in cui spesso cadono i CIO con l’AI aziendale, afferma Srivastava. “Introdurre la gestione dell’identità e dell’accesso degli agenti in modo che questi ultimi ereditino le stesse autorizzazioni e la stessa verificabilità degli esseri umani, compresi la registrazione e le approvazioni”, dice.
Nonostante i rischi, la supervisione rimane debole. Un rapporto di AuditBoard ha rilevato che, mentre l’82% delle imprese sta implementando l’intelligenza artificiale, solo il 25% ha implementato programmi di governance completi. Con violazioni dei dati che ora costano in media quasi 4,5 milioni di dollari ciascuna, secondo IBM, e IDC che riferisce [in inglese] che le organizzazioni che sviluppano un’intelligenza artificiale affidabile hanno il 60% di probabilità in più di raddoppiare il ROI dei progetti basati su di essa, i vantaggi commerciali della governance dell’intelligenza artificiale [in inglese] sono evidenti. “Abbinate l’ambizione a solide misure di protezione: ciclo di vita dei dati e controlli di accesso chiari, valutazione e red teaming, e checkpoint con intervento umano nei casi in cui la posta in gioco è alta”, afferma Srivastava.
“Integrate la sicurezza, la privacy e la governance dei dati nell’SDLC in modo che la distribuzione e la sicurezza procedano di pari passo, senza scatole nere per la provenienza dei dati o il comportamento dei modelli”.
Non è magia
Secondo BCG [in inglese], solo il 22% delle aziende ha portato la propria AI oltre la fase di POC e solo il 4% sta creando un valore sostanziale. Tenendo presenti queste statistiche che fanno riflettere, i CIO non dovrebbero nutrire aspettative irrealistiche in termini di ritorno sull’investimento.
Ottenere un ROI dall’intelligenza artificiale richiederà uno sforzo iniziale significativo e necessiterà di cambiamenti fondamentali nei processi organizzativi. Come ha affermato George Maddaloni, CTO delle operazioni di Mastercard, in una recente intervista con Runtime, l’adozione delle app di GenAI riguarda, in gran parte, la gestione del cambiamento e l’adozione.
Le insidie dell’AI sono pressoché infinite ed è comune che le imprese inseguano l’hype piuttosto che il valore, lancino prodotti senza una chiara strategia sui dati, scalino troppo rapidamente e implementino la sicurezza come un ripensamento. Molti programmi di intelligenza artificiale semplicemente non dispongono del sostegno esecutivo o della governance necessari per raggiungere gli obiettivi prefissati. In alternativa, è facile credere all’hype dei fornitori sui guadagni in termini di produttività e spendere troppo, oppure sottovalutare la difficoltà di integrare le piattaforme di intelligenza artificiale con l’infrastruttura IT legacy.
Guardando al futuro, per massimizzare l’impatto dell’AI sul business, i leader raccomandano di investire nell’infrastruttura dati e nelle capacità della piattaforma necessarie per scalare, e di concentrarsi su uno o due casi d’uso ad alto impatto che possano eliminare il lavoro umano e aumentare chiaramente i ricavi o l’efficienza.
È necessario fondare l’entusiasmo per l’intelligenza artificiale su principi fondamentali e comprendere la strategia aziendale che si intende perseguire per avvicinarsi al ROI.
Senza una leadership solida e obiettivi chiari, infatti, l’AI è solo una tecnologia affascinante con un ritorno economico che rimane sempre fuori portata.