La sfida più difficile dell’IA aziendale è stabilire le priorità, non innovare

La maggior parte delle organizzazioni ha molte idee sull’IA. Ma come può trasformarle con successo in soluzioni che incidano davvero sul ROI?

Per i responsabili aziendali e tecnologici, la domanda sembra semplice, ma è sorprendentemente difficile: individuare, valutare e stabilire le priorità delle opportunità legate all’IA che creeranno effettivamente valore richiede molto lavoro.

Anche quando la tecnologia è pronta e non mancano le idee, la maggior parte delle iniziative di IA tende a fallire prima ancora di arrivare alla fase di implementazione. Il divario tra sperimentazione ed esecuzione è evidente: S&P Global ha rilevato che le organizzazioni hanno abbandonato, in media, il 46% dei loro progetti di proof of concept sull’IA prima che arrivassero in produzione. Ciò accade perché le organizzazioni valutano le idee sull’IA prima di aver definito appieno il problema che intendono risolvere.

Molte organizzazioni hanno ormai superato la fase di sperimentazione, in cui cercano di capire su quali iniziative di IA puntare e in quale ordine. Tuttavia, l’adozione non si traduce necessariamente in un impatto sul business: l’indagine 2026 sullo stato dell’IA di McKinsey ha rilevato che, sebbene il 44% delle organizzazioni dichiari oggi di estendere l’IA a tutta l’azienda, solo il 37% segnala un impatto misurabile dell’IA sugli utili operativi. Queste organizzazioni hanno bisogno di un sistema decisionale ripetibile che distingua le vittorie rapide, le opportunità strategiche, i prerequisiti e i problemi che non riguardano l’IA prima di impegnare le risorse.

Il problema nasce dal modo in cui vengono presentate le idee

Nei gruppi dirigenti, le idee sull’IA non si presentano sotto forma di opportunità ben definite e separate. Spesso arrivano in blocco: proposte ambiziose, ricche ma confuse, come «l’IA serve per aiutarci nelle comunicazioni, nella reportistica, nelle riunioni, nel trasferimento delle conoscenze, nella gestione delle prestazioni e magari anche per affidare a agenti IA la gestione dei nostri progetti».

Un problema del genere non richiede una sola idea, ma almeno sei, ciascuna con un ambito, una complessità, requisiti di governance e un valore atteso fondamentalmente diversi.

Dietro a una singola affermazione come «ci serve l’IA per la reportistica» potrebbero celarsi:

• Un’attività ripetitiva che può essere automatizzata in poche settimane
• Un processo da riprogettare prima che l’IA possa essere d’aiuto
• Una capacità davvero nuova, resa possibile per la prima volta dall’IA
• Un problema relativo ai dati o ai sistemi che l’IA, da sola, non può risolvere

Trattare tutte queste opportunità allo stesso modo, applicando gli stessi criteri di valutazione, le stesse tempistiche e lo stesso metodo per calcolare il ROI, porta a stabilire male le priorità e a sprecare risorse. Le vittorie rapide finiscono sepolte sotto procedure di governance pensate per iniziative di vasta portata. Le idee rivoluzionarie non ottengono mai il sostegno di cui hanno bisogno. E quelle che non riguardano affatto l’IA assorbono risorse che dovrebbero essere destinate altrove.

Un quadro di riferimento per stabilire le priorità delle opportunità legate all’IA

Le organizzazioni hanno bisogno di un insieme standardizzato di principi che le aiuti a individuare le opportunità più adatte alle soluzioni di IA. Propongo quanto segue:

1. Scomporre prima di stabilire le priorità. La qualità delle decisioni sull’IA dipende interamente dalla qualità delle idee che entrano nel processo. Scomporre le richieste generiche in opportunità distinte, ciascuna con un risultato definito, un unico responsabile e un ambito realistico, è il passaggio più importante. Valutando in questo modo le idee generiche, una manciata di proposte iniziali può trasformarsi in diverse opportunità distinte, a cui assegnare un punteggio. Alcune possono essere avviate subito come progetti pilota. Per altre può essere necessario risolvere prima alcuni prerequisiti. Altre ancora potrebbero non riguardare affatto l’IA.
2. La tipologia determina la governance. Il punteggio determina la sequenza. Il tipo di implementazione dell’IA necessario per affrontare una sfida aziendale e il relativo punteggio (o potenziale di creazione di valore) sono due questioni completamente diverse, che la maggior parte dei processi di definizione delle priorità confonde. Di che tipo di opportunità si tratta? L’idea riguarda l’automazione di un’attività, la riprogettazione di un processo, una capacità di IA completamente nuova o qualcos’altro? La risposta determina come gestirla: l’iter di approvazione, le tempistiche e il modo in cui misurare il valore. Il confronto con le altre opportunità determina quando perseguirla. Sia una rapida automazione sia una capacità di IA tattica possono essere preziose. Non dovrebbero mai seguire lo stesso percorso di governance.
3. Definire il problema prima di scegliere la tecnologia. Una delle trappole più facili in cui cadere con l’IA è passare troppo in fretta a discutere di modelli, piattaforme o fornitori. È meglio partire dalla comprensione del problema: chi lo subisce, che cosa crea difficoltà e quale risultato deve migliorare? Questa distinzione è importante perché le organizzazioni possono essere sicure della propria strategia di IA senza disporre ancora delle capacità necessarie per attuarla: un’indagine UST 2026 ha rilevato che il 44% dei dirigenti aziendali ha indicato la qualità dei dati come un ostacolo all’adozione dell’IA. Se si comincia a parlare di tecnologia prima di aver trovato un accordo su questi aspetti fondamentali, di solito è troppo presto. Mantenere le prime conversazioni incentrate sul problema può rendere molto più chiare le successive decisioni tecnologiche.
4. Rendere visibili gli ostacoli con la stessa chiarezza delle opportunità. Un punteggio elevato, da solo, non è sufficiente. Un’idea con un forte impatto e il sostegno della dirigenza, ma frenata da un ostacolo insormontabile alla fattibilità, come la mancanza di dati, una dipendenza irrisolta da un altro sistema o un vincolo di conformità, dovrebbe comparire nella roadmap, ma non essere avviata finché l’ostacolo non viene rimosso. Governance e conformità sono già tra i principali ostacoli alla diffusione dell’IA: un sondaggio di Moody’s del 2025 ha rilevato che il 33% degli intervistati indicava l’incertezza normativa o il rischio di non conformità come una difficoltà nell’adozione dell’IA su vasta scala, mentre il 30% citava le difficoltà di integrazione dell’IA con i sistemi legacy. Per esempio, un’opportunità potrebbe ottenere un punteggio elevato in tutte le dimensioni tranne la fattibilità, perché dipende dalla risoluzione di una lacuna nei dati da parte di un altro team. L’opportunità può restare chiaramente segnalata nella roadmap e pronta a procedere non appena la dipendenza sarà risolta.
5. Mantenere flessibile la roadmap. Le capacità tecnologiche evolvono, le priorità aziendali cambiano e le dipendenze si modificano nel tempo. Un portafoglio solido dovrebbe consentire di rivalutare facilmente le singole opportunità al mutare delle condizioni, senza dover ricostruire l’intero piano. I cicli di pianificazione annuali sono spesso troppo rigidi per un ambito che evolve così rapidamente.

Come passare alla pratica

È significativo che la stessa IA possa contribuire a rendere operativo questo framework. Le organizzazioni possono usare strumenti come competenze di IA progettate per scopi specifici e applicazioni leggere per la gestione delle roadmap, così da guidare i dirigenti nell’acquisizione, nella scomposizione, nella classificazione, nella valutazione e nella definizione delle priorità delle opportunità. Invece di affidarsi interamente a workshop e facilitazione manuale, l’IA può esaminare idee non strutturate, individuare opportunità distinte, porre domande di chiarimento, mettere in discussione le ipotesi e generare valutazioni strutturate delle opportunità da sottoporre a revisione.

Queste valutazioni possono poi confluire in una roadmap centralizzata, in cui opportunità, dipendenze, ostacoli e priorità vengono gestiti in modo coerente in tutta l’organizzazione. I dirigenti possono così vedere quali opportunità esistono, quali sono pronte per passare alla fase successiva e quali richiedono prerequisiti o ulteriori valutazioni. La conversazione passa così da “quali idee abbiamo?” a “su cosa dovremmo concentrarci per prima cosa?”

Questo può rendere le sessioni di definizione delle priorità molto più produttive. I dirigenti vi partecipano dopo aver già affrontato le questioni fondamentali, così la discussione può concentrarsi sull’allineamento delle priorità e sulle decisioni, invece di partire da zero.

Invece di gestire le idee sull’IA con fogli di calcolo e riunioni scollegati tra loro, le organizzazioni possono creare un sistema decisionale ripetibile che valuti e definisca costantemente le priorità delle opportunità, seguendo l’evoluzione delle esigenze aziendali e delle capacità tecnologiche.

Cosa significa per l’IA aziendale

Le organizzazioni che creeranno valore duraturo grazie all’IA non saranno necessariamente quelle con i modelli più sofisticati o i budget più ingenti. Saranno quelle che svilupperanno la capacità organizzativa di valutare rigorosamente le opportunità legate all’IA prima di impegnare risorse. La sfida riguarda sempre più la disciplina negli investimenti: la ricerca di Deloitte del 2025 sul ROI dell’IA ha rilevato che la maggior parte delle organizzazioni ha dichiarato di aver ottenuto un ROI soddisfacente da un caso d’uso tipico dell’IA entro due-quattro anni, a fronte di un periodo di recupero previsto da sette a 12 mesi per gli investimenti tecnologici.

Ciò significa aiutare i dirigenti aziendali a scomporre le idee generali in opportunità ben definite prima di procedere, lasciando al contempo ai team tecnici lo spazio per verificare le ipotesi e individuare tempestivamente le potenziali difficoltà. Significa anche mantenere una roadmap che tenga conto degli ostacoli, delle dipendenze e delle opportunità che potrebbero rivelarsi più adatte in un secondo momento.

In definitiva, creare valore con l’IA aziendale dipende da più fattori dei modelli o degli agenti adottati da un’organizzazione. Dipende dalle decisioni ponderate su dove, quando e perché usarli.