Perché il ROI a lungo termine non è sufficiente: assicurarsi il valore in ogni fase dell’implementazione dell’AI

Le aziende sentono ripetere una cosa sola: muoversi più velocemente sull’AI e mostrare risultati, adesso. L’adozione sta accelerando, con 78% delle organizzazioni che già utilizzano l’AI in almeno una funzione aziendale entro il 2024 – in aumento dal 55% di solo un anno fa.

Ma ecco la cosa: la pressione per dimostrare il valore aziendale sta aumentando proprio come la velocità di adozione.

Questo è un ordine difficile da eseguire quando i mandati dei CDO sono breve, e il ruolo di Chief AI Officer (CAIO) è ancora in evoluzione. Con così tanta volatilità di leadership in alto, i programmi di AI spesso si bloccano prima di poter dimostrare un reale valore.

La sfida chiave è chiara: le aziende devono smettere di costruire strategie di AI che inseguono la promessa di “trasformazione futura” e iniziare a concentrarsi sulla creazione di fondamenta solide che forniscono valore oggi – mentre si preparano per il futuro.

Il problema delle strategie “solo future”

I dirigenti stanno versando denaro nell’AI. In effetti, il 92% sta aumentando i propri budget nei prossimi tre anni, con oltre la metà che punta a un aumento del 10%. Inoltre, istituzioni finanziarie come Morgan Stanley stanno prevedendo ritorni significativi, come ~920 miliardi di dollari di beneficio netto annuo per l’S&P 500.

Questo trend macro alimenta ciò che io chiamo “programmi di AI del big-bang-ma-più-tardi”, che sembrano impressionanti sulla carta ma lasciano il valore troppo lontano nel futuro per avere un impatto oggi.

La dura realtà è che pochissime organizzazioni hanno dati pronti per l’AI. Con la governance e la qualità dei dati come i principali ostacoli, solo il 12% delle aziende segna che i propri dati sono sufficienti per un’efficace distribuzione dell’AI. E come Gartner sottolinea, una cattiva governance causerà il 60% delle organizzazioni a mancare i propri obiettivi di AI entro il 2027 – anche se adottano l’AI adesso.

In breve, i programmi di AI che si affidano solo a promesse future sono condannati a bloccarsi, a rimanere in una sorta di limbo o a perdere la fiducia degli stakeholder molto prima che il previsto ROI arrivi.

Ridefinire il valore dell’AI

Per colmare il divario tra il potenziale futuro e il valore presente, le organizzazioni devono ridefinire come vedono il valore dell’AI. Ci sono due tipi distinti:

• Valore immediato: si tratta di miglioramenti misurabili e a breve termine – come un 23% più veloce tempo medio di risposta dopo la distribuzione di un assistente di supporto GenAI. Questi sono i successi che mostrano agli stakeholder che l’AI non è solo una mossa a lungo termine.
• Valore fondamentale: si tratta di costruire le infrastrutture sottostanti – pipeline di dati, governance e piattaforme scalabili – che faranno funzionare l’AI in modo efficace oggi e nel futuro. Come nota il rapporto State of AI di McKinsey, la gestione del rischio e la governance sono critiche per il successo a lungo termine.

Una volta definiti entrambi i flussi di valore, la sfida è bilanciarli: come è possibile guidare vittorie immediate mentre si assicura che si traducano in capacità ripetibili e governate? Coloro che ottengono questo equilibrio giusto vedranno ritorni reali.

Trovare l’equilibrio giusto: valore ora e poi

Uno dei più grandi errori che vedo è che le aziende trascurano di progettare piattaforme di AI con i developer in mente. Entro il 2025, 84% dei developer useranno strumenti di AI, e il 51% di loro li userà quotidianamente. Se le piattaforme di AI non si integrano con i flussi di lavoro esistenti, l’adozione sarà lenta, indipendentemente da quanto potenti siano i modelli. Il successo dipende dall’integrazione, dalla selezione delle attività e dalla formazione continua.

Altrettanto critici sono la governance e la sicurezza. Se queste non sono prioritarie, indipendentemente da quanto sofisticata sia l’AI, gli utenti non si fidano. Gartner ha segnalato che le questioni di fiducia, la sicurezza di accesso e la governance sono barriere significative all’adozione, e che le violazioni legate all’uso improprio di GenAI sono probabili aumentare man mano che l’innovazione accelera. La governance dovrebbe essere una priorità fin dal primo giorno, soprattutto con la crescente pressione regolamentare.

Le organizzazioni più di successo sono quelle che creano strumenti di AI che forniscono valore immediato – perché le vittorie rapide acquistano capitale politico. In effetti, le aziende che vedono il miglior ROI sull’AI sono quelle con un CAIO dedicato. Questi leader concentrano le proprie risorse su “adesso” (casi d’uso misurabili) e “prossimo” (rafforzamento dei dati e della piattaforma), assicurando un progresso costante mentre gettano le basi per guadagni futuri.

Ciò significa anche stabilire KPI che mettono in evidenza il valore iniziale – le operazioni di supporto, le vendite, il marketing e l’ingegneria sono punti di partenza ideali. Definire KPI chiari – come lead-to-win, churn e punteggi di rischio del modello – insieme a piani di baseline e verifica assicurerà che le iniziative di AI non siano solo teoriche ma producano risultati tangibili.

La chiave è identificare modelli di successo e replicarli. Il passaggio dall’esperimentazione all’esecuzione avviene quando le aziende adattano i propri processi, non solo gli strumenti.

Rafforzare le fondamenta dei dati: un processo continuo

Troppo spesso i programmi di AI falliscono perché i dati non sono attendibili. La mancanza di governance dei dati è una delle barriere più grandi al successo. È per questo che la qualità, la provenienza e l’accessibilità dei dati dovrebbero essere trattate con la stessa importanza degli strumenti rivolti agli utenti. Le solide fondamenta dei dati sono il fondamento di qualsiasi iniziativa di AI di successo.

Rendere l’AI un’imperativa aziendale, oggi e domani

Le aspettative sono chiare: mostrare vittorie immediate e misurabili mentre si costruisce una piattaforma e un patrimonio di dati che si pagheranno a lungo termine. Con i budget di AI in aumento e la pressione che si intensifica, non riuscire a soddisfare entrambi i fronti rischia di azzerare i programmi.

I leader che possono fornire valore adesso mentre costruiscono per il futuro trasformeranno l’AI da una serie di piloti isolati in un motore sostenibile per il fatturato e la produttività.