L’AI entra in azienda. Ma quando diventa produttività?

La diffusione dell’intelligenza artificiale cresce, ma introdurre uno strumento e ottenere risultati sono due passaggi diversi. Un working paper europeo aiuta a capire dove emergono i segnali più interessanti e perché il ruolo del management diventa decisivo.

Nel precedente articolo sulle 14.840 imprese AI italiane avevo posto una domanda: dove si crea il valore? La ricerca di InfoCamere e Università di Padova descriveva un ecosistema giovane, in espansione e molto frammentato. Un’offerta tecnologica che cresce rapidamente, ma che deve ancora dimostrare quanto riuscirà a consolidarsi e a contribuire alla competitività delle imprese clienti.

Il working paper The effects of AI on Europe’s productivity, elaborato dal gruppo Chief Economists di Eurochambres, permette di guardare l’altra parte della relazione: le aziende che l’intelligenza artificiale la utilizzano.

Il passaggio è importante. Il numero dei fornitori racconta la vitalità di un mercato. Per capire se quella vitalità produce sviluppo occorre osservare che cosa cambia nei processi, nei risultati e nella capacità delle imprese di competere.

L’adozione cresce, ma le distanze rimangono

Secondo i dati Eurostat riportati nel documento, la quota di imprese che utilizza AI nell’Unione europea passa dal 7,65% del 2021 al 19,95% del 2025.

La crescita è significativa, ma procede a velocità diverse. Restano divari tra Paesi e settori, mentre le piccole e medie imprese risultano sistematicamente più indietro rispetto alle aziende maggiori.

Questa distanza merita attenzione perché la disponibilità degli strumenti, da sola, non garantisce la capacità di utilizzarli. Anche una PMI può acquistare una licenza e iniziare a sperimentare. Integrare quella tecnologia nel lavoro quotidiano richiede però tempo, dati utilizzabili, competenze e qualcuno che si assuma la responsabilità del progetto.

È qui che molte iniziative incontrano la prima difficoltà. La sperimentazione viene affidata alla persona più interessata alla tecnologia, mentre rimangono poco chiari il problema da risolvere e il risultato atteso.

Dopo qualche mese l’azienda ha accumulato esperienza con lo strumento, ma fatica ancora a spiegare che cosa sia migliorato.

Dove emergono i segnali più interessanti

L’analisi europea rileva un’associazione positiva tra diffusione dell’AI e produttività del lavoro. Tra le tecnologie considerate, riconoscimento delle immagini e automazione dei processi presentano associazioni positive statisticamente significative. Tra gli ambiti applicativi, marketing e vendite mostrano il legame positivo più evidente.

È un risultato interessante per chi si occupa di trasformazione aziendale. Richiama l’attenzione su attività nelle quali la tecnologia può entrare in un processo riconoscibile, con un obiettivo e indicatori verificabili.

Penso, per esempio, alla gestione delle richieste commerciali, alla classificazione dei contatti, all’aggiornamento del CRM o alla riduzione dei passaggi manuali tra marketing e vendite. Sono possibili applicazioni manageriali, non risultati specificamente dimostrati dal rapporto.

In questi casi il valore va cercato lungo l’intero processo. Produrre più messaggi commerciali può aumentare l’attività senza migliorare le vendite. Ridurre il tempo di risposta a una richiesta qualificata, invece, può incidere su un problema concreto, purché l’azienda sappia misurare ciò che succede dopo.

Per questo un progetto AI dovrebbe partire anche da una domanda molto semplice: quale indicatore ci permetterà di capire se abbiamo fatto un investimento utile?

Una relazione positiva non è ancora una prova di causalità

La ricerca richiede una lettura attenta.

Gli autori precisano che l’analisi individua associazioni e non dimostra effetti causali. I tassi di adozione dell’AI sono misurati a livello aggregato per Paese e settore e collegati ai dati economici delle imprese. Non si tratta quindi di una misurazione diretta del ritorno ottenuto dalla singola azienda che introduce una determinata soluzione.

Inoltre, la produttività è calcolata attraverso i ricavi operativi per occupato, una misura diversa dal valore aggiunto per occupato utilizzato nella ricerca italiana discussa nel precedente articolo. I risultati dei due lavori non vanno sovrapposti.

La distinzione ha una conseguenza pratica: nessun coefficiente contenuto nel rapporto può diventare una promessa commerciale sul rendimento di un progetto aziendale.

I dati offrono indicazioni utili per scegliere dove approfondire. La verifica dell’investimento rimane un compito dell’impresa.

In Italia cresce l’interesse, ma molte scelte sono ancora aperte

Il documento comprende anche i risultati di un’indagine dell’Istituto Guglielmo Tagliacarne–Unioncamere su 4.500 imprese italiane con 5–499 addetti.

Il 16,1% dichiara di utilizzare stabilmente strumenti AI, mentre un ulteriore 33,2% prevede di introdurli entro tre anni. Sono percentuali riferite a questo specifico campione e non direttamente confrontabili con quelle di rilevazioni che adottano perimetri differenti.

Un dato particolarmente significativo riguarda le scelte tecnologiche: tra utilizzatori attuali e potenziali, il 24,8% non ha ancora individuato quale tipo di soluzione implementare.

È uno spazio nel quale la capacità di orientamento conta molto. Prima di selezionare il fornitore occorre capire quali attività assorbono risorse, dove si generano errori e quali informazioni sono effettivamente disponibili.

L’indagine rileva inoltre che le imprese che usano soluzioni personalizzate o una combinazione di strumenti standard e personalizzati presentano una probabilità superiore di 5,1 punti percentuali di attendersi un aumento del fatturato rispetto a chi utilizza soltanto strumenti standard.

Si parla di aspettative, non di crescita già realizzata. Il dato non dimostra nemmeno che sviluppare una soluzione su misura sia sempre la scelta migliore. Suggerisce però di approfondire quanto la capacità di adattare la tecnologia alle esigenze aziendali si accompagni a una maggiore fiducia nelle prospettive di sviluppo.

I controlli fanno parte del progetto

Tra i rischi percepiti dalle imprese italiane intervistate, cybersecurity e privacy sono indicati dal 47,5%, mentre il 33% segnala informazioni inaccurate o inaffidabili.

Quest’ultimo punto riguarda direttamente l’organizzazione del lavoro. Una risposta può essere chiara, convincente e sbagliata. Se viene trasferita in un’offerta, in una comunicazione al cliente o in una decisione interna senza verifiche adeguate, la maggiore velocità può amplificare il costo dell’errore.

Definire chi controlla, quali fonti utilizzare e quando richiedere una valutazione competente è quindi parte dell’implementazione.

Anche il tempo necessario alle verifiche deve entrare nella valutazione economica. Se un’attività viene eseguita più rapidamente ma richiede molte correzioni, il beneficio effettivo può essere inferiore a quello percepito durante una dimostrazione.

La domanda successiva riguarda la durata del valore

Nei commenti al precedente articolo è emersa un’osservazione corretta: quanto del valore creato oggi durerà nel tempo?

Questo working paper aggiunge evidenze interessanti sulla relazione tra diffusione dell’AI e produttività, ma non risolve la questione della durata del vantaggio competitivo.

Per un’impresa, la verifica deve continuare dopo il progetto pilota. Occorre osservare se il beneficio rimane quando aumentano i volumi, cambiano le persone e vengono aggiornati gli strumenti. Bisogna capire se il tempo liberato viene impiegato meglio e se il miglioramento arriva anche al cliente.

Il ruolo del management si misura qui: scegliere un problema rilevante, organizzare l’intervento e verificare i risultati con continuità.

L’AI può contribuire alla produttività. Trasformare quel potenziale in un vantaggio duraturo richiede un’impresa capace di governarne l’utilizzo.

Fonte: Eurochambres Chief Economists Group, “The effects of AI on Europe’s productivity”. Working paper per ricerca e discussione, che non costituisce una posizione ufficiale di Eurochambres. Dati e risultati vanno letti secondo i rispettivi campioni e periodi di osservazione.