Genpact e HFS Research Report: 18 trilioni di dollari di valore aziendale intrappolati a causa delle lacune di prontezza per l’intelligenza artificiale

L’intelligenza artificiale è diventata il fulcro della strategia aziendale, con organizzazioni di tutto il mondo che investono miliardi di dollari in iniziative di intelligenza artificiale, sistemi agentic e programmi di trasformazione digitale. Tuttavia, secondo The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future, un nuovo rapporto di Genpact in partnership con HFS Research, la maggior parte delle imprese sta lottando per trasformare gli investimenti in intelligenza artificiale in valore aziendale misurabile. La ragione, sostiene il rapporto, non è la mancanza di tecnologia di intelligenza artificiale. Invece, le organizzazioni sono ostacolate da quattro forme interconnesse di debito aziendale: debito di processo, debito di dati, debito tecnologico e debito di talento. Insieme, questi passivi nascosti intrappolano un valore aziendale stimato di 17,9 trilioni di dollari.

L’ambizione per l’intelligenza artificiale è alta, ma la prontezza aziendale rimane bassa

Il rapporto si basa su un sondaggio condotto su 2.002 dirigenti aziendali di 16 settori e 14 funzioni aziendali. I risultati rivelano una netta disconnessione tra le ambizioni per l’intelligenza artificiale e la prontezza organizzativa. Mentre il 92% dei dirigenti senior delle aziende Global 2000 ritiene che l’intelligenza artificiale agentic cambierà radicalmente il modo in cui il lavoro viene eseguito, solo il 13% riferisce che l’intelligenza artificiale agentic è già integrata nelle loro operazioni.

Questo divario è diventato sempre più importante poiché le aziende passano dalla sperimentazione alla distribuzione. Secondo il CEO di Genpact, Balkrishan “BK” Kalra, le aziende stanno passando da un mondo in cui il lavoro viene elaborato e convalidato dagli esseri umani a uno sempre più guidato da flussi di lavoro elaborati dalle macchine con supervisione umana. Tuttavia, semplicemente sovrapporre l’intelligenza artificiale ai sistemi esistenti non è sufficiente. Le organizzazioni devono prima affrontare le fondamenta sottostanti che determinano se l’intelligenza artificiale ha successo o fallisce.

Il rapporto descrive questa sfida come un “divario di velocità dell’intelligenza artificiale”, la differenza tra ciò che i dipendenti possono raggiungere con l’intelligenza artificiale individualmente e ciò che l’intera azienda può realizzare attraverso la distribuzione strutturata.

I quattro debiti aziendali che minano la trasformazione

La ricerca identifica quattro categorie di debito che collettivamente impediscono alle organizzazioni di realizzare il valore dell’intelligenza artificiale.

Il debito tecnologico rimane la sfida più familiare. Più della metà dei dirigenti classifica il debito tecnologico come grave, dovuto a sistemi core obsoleti, complessità di integrazione, concentrazione dei fornitori e oneri infrastrutturali. Il sistema core aziendale medio ha circa dieci anni, mentre i team di sviluppo spendono più del 40% del loro tempo mantenendo la tecnologia esistente anziché costruire nuove capacità.

Il debito di dati è emerso come il principale ostacolo all’intelligenza artificiale. Più della metà dei dati aziendali sono considerati di bassa qualità, solo il 33% è considerato pronto per l’intelligenza artificiale, e i dipendenti spendono fino al 40% del loro tempo riconciliando, correggendo o preparando i dati. Il rapporto stima che i fallimenti nella qualità dei dati contribuiscono al 42% degli sforzi di analisi e intelligenza artificiale che vengono ritardati, sottoperformano o falliscono completamente.

Il debito di processo riflette la realtà che molte organizzazioni continuano a fare affidamento su flussi di lavoro manuali, frammentati e scarsamente governati. Quasi la metà dei processi aziendali richiede ancora un intervento manuale, mentre meno della metà sono formalmente documentati e governati. I processi inefficienti consumano circa il 40% del tempo di lavoro dei dipendenti e creano significative barriere all’automazione e alla distribuzione dell’intelligenza artificiale.

Il debito di talento può essere il meno visibile, ma forse il più conseguente. Solo il 32% della forza lavoro è considerato pronto per l’intelligenza artificiale, mentre fino alla metà dei lavoratori della conoscenza riferiscono frustrazione e disimpegno causati da inefficienze operative. La carenza di talenti, le lacune nelle competenze e la bassa prontezza per l’intelligenza artificiale aggravano ogni altra categoria di debito, rallentando l’adozione e limitando l’agilità organizzativa.

Il debito aziendale sta costando alle aziende più di quanto si rendano conto

Quasi il 90% dei leader aziendali riconosce che il debito aziendale sta già influenzando le prestazioni aziendali. Le conseguenze si estendono ben oltre i dipartimenti IT.

Il rapporto ha scoperto che il debito aziendale aumenta i costi operativi di una media del 34%, ritarda i lanci di prodotti di circa otto mesi, causa circa il 34% delle iniziative di trasformazione a non raggiungere i risultati attesi e limita la realizzazione del valore dell’intelligenza artificiale per l’85% delle organizzazioni intervistate.

È importante notare che questi debiti non operano in modo indipendente. Il debito tecnologico può degradare la qualità dei dati. Una governance debole può creare inefficienze di processo e sfide di talento contemporaneamente. I flussi di lavoro manuali spesso generano sia debito di processo che debito di dati allo stesso tempo. Il rapporto sostiene che le organizzazioni falliscono frequentemente perché cercano di risolvere una categoria alla volta anziché trattare il debito aziendale come un problema a livello di sistema.

Quantificare l’opportunità di 18 trilioni di dollari

Una delle scoperte più interessanti del rapporto è la stima che la risoluzione del debito aziendale potrebbe sbloccare quasi 17,9 trilioni di dollari di valore attraverso le aziende Global 2000. Le più grandi opportunità provengono dal debito di processo e dal debito di dati, ciascuno rappresentante circa 7,7 trilioni di dollari di valore recuperabile. Il debito tecnologico rappresenta 1,5 trilioni di dollari, mentre il debito di talento rappresenta circa 1 trilione di dollari.

I ricercatori hanno calcolato questi numeri utilizzando le stime dei dirigenti sui potenziali aumenti di entrate e riduzioni dei costi derivanti dalla risoluzione del debito. Sulla base delle risposte al sondaggio, la risoluzione del debito aziendale potrebbe produrre circa l’8% di crescita annuale delle entrate e una riduzione annuale dei costi del 16% attraverso le grandi aziende.

Forse più notevolmente, il rapporto conclude che i risparmi sui costi non raccontano tutta la storia. La risoluzione del debito crea opportunità per lanci di prodotti più rapidi, cicli di vendita più brevi, processi decisionali migliorati, esperienze clienti migliori e distribuzioni di intelligenza artificiale più efficaci. In altre parole, le organizzazioni guadagnano sia efficienza che crescita contemporaneamente.

Perché le iniziative di intelligenza artificiale si bloccano

Nonostante gli investimenti crescenti, molte iniziative di intelligenza artificiale lottano per andare oltre i programmi pilota.

Secondo il sondaggio, il debito di dati è il principale motivo per cui le organizzazioni non riescono a realizzare il valore dell’intelligenza artificiale, citato dal 33% dei rispondenti. Il debito tecnologico segue al 28%, il debito di processo al 23% e il debito di talento al 16%.

Le conseguenze differiscono a seconda del tipo di debito. Il debito di dati intrappola le iniziative di intelligenza artificiale nelle fasi di prova del concetto. Il debito tecnologico aumenta i costi di distribuzione e complica la scalabilità. Il debito di processo crea risultati inaffidabili quando gli agenti di intelligenza artificiale operano all’interno di flussi di lavoro incoerenti. Il debito di talento rallenta l’adozione e limita la supervisione umana necessaria per i sistemi agentic di successo.

Il rapporto sottolinea ripetutamente che l’intelligenza artificiale non può compensare le fondamenta rotte indefinitamente. Le organizzazioni che cercano di automatizzare processi difettosi o distribuire l’intelligenza artificiale su dati di bassa qualità rischiano di scalare inefficienze anziché risolverle.

Alcuni settori affrontano opportunità più grandi di altri

L’opportunità di risoluzione del debito non è distribuita uniformemente attraverso i settori.

La produzione guida la lista, con un’opportunità stimata di 4,8 trilioni di dollari che combina crescita delle entrate e risparmi sui costi. Sanità e scienze della vita seguono con circa 3,3 trilioni di dollari, mentre il retail e i beni di consumo rappresentano altri 2,7 trilioni di dollari. Energia, tecnologia, banche, trasporti e assicurazioni rappresentano anche opportunità significative.

La natura del debito varia per settore. Le organizzazioni di servizi finanziari tendono a lottare di più con il debito di dati a causa di decenni di fusioni, acquisizioni e requisiti normativi. La produzione, il retail e la sanità sperimentano il maggiore debito di processo a causa di flussi di lavoro lunghi e multi-parti. Le aziende di scienze della vita e hardware tecnologico spesso affrontano il più alto debito tecnologico a causa di sistemi software incorporati e vincoli normativi.

A livello funzionale, gli team di ingegneria, sviluppo di prodotti e IT offrono le più grandi opportunità di creazione di valore. Queste aree si trovano più vicine agli stack tecnologici, alle infrastrutture e ai flussi di lavoro che determinano se l’intelligenza artificiale aziendale può scalare con successo.

Il 6% che ha capito

Una delle scoperte più rivelatrici del rapporto è che solo il 6% delle aziende si qualifica come “risolutori di debito provati”. Queste organizzazioni hanno stabilito, eseguito e misurato programmi di risoluzione del debito di successo. Un altro 43% sta attivamente lavorando sulla risoluzione del debito, mentre il 51% non ha un piano, un piano non approvato o non ha ancora iniziato.

Secondo la ricerca, le organizzazioni di successo condividono diverse caratteristiche. Trattano la risoluzione del debito come un mandato a livello di CEO anziché un’iniziativa IT. Perseguono una strategia a doppia velocità che bilancia il lavoro fondamentale a lungo termine con miglioramenti operativi a breve termine. Investono pesantemente in capacità come sviluppo del talento, governance, prontezza per l’intelligenza artificiale e piattaforme di dati. Utilizzano anche l’intelligenza artificiale stessa per accelerare la riduzione del debito attraverso la mineria dei processi, l’analisi dei flussi di lavoro, il miglioramento della qualità dei dati e la formazione della forza lavoro.

Forse più importante, queste organizzazioni agiscono anziché pianificare all’infinito. Il rapporto conclude che il divario tra aziende di successo e non di successo non è principalmente tecnologico. È una differenza di esecuzione.

La vera sfida dell’intelligenza artificiale potrebbe non essere l’intelligenza artificiale

Uno dei temi più forti in tutto il rapporto è che il debito aziendale è fondamentalmente una sfida di leadership anziché una sfida tecnologica. Mentre le organizzazioni continuano ad aumentare la spesa per l’intelligenza artificiale, molte stanno fallendo nell’affrontare le questioni operative, culturali e strutturali che determinano se quegli investimenti producono valore.

Come The $18 Trillion Opportunity: Four Enterprise Debts Will Make or Break Your AI Future rende chiaro, la trasformazione dell’intelligenza artificiale e la risoluzione del debito non sono più iniziative separate. Stanno diventando sempre più lo stesso programma visto da angoli diversi. Le organizzazioni che affrontano il debito di processo, dati, tecnologia e talento insieme possono sbloccare guadagni significativi di efficienza e crescita. Quelle che continuano a costruire l’intelligenza artificiale su fondamenta instabili rischiano di spendere di più mentre raggiungono meno.

Per i leader aziendali, il messaggio centrale del rapporto è semplice: conoscere dove si trova il debito, capire cosa sta costando e iniziare a risolverlo prima che i concorrenti allarghino il divario. Le organizzazioni che vinceranno l’era dell’intelligenza artificiale potrebbero non essere quelle che spendono di più in intelligenza artificiale, ma quelle che costruiscono per prime le fondamenta operative necessarie per il successo dell’intelligenza artificiale.