intelligenza artificiale nelle aziende, AWS: il vero ostacolo è l’organizzazione
L’intelligenza artificiale consente di sviluppare software in poche ore, automatizzare attività ripetitive e aumentare la produttività dei dipendenti. Eppure, quando si passa dai risultati operativi a quelli economici, molte aziende scoprono che i benefici sono inferiori alle aspettative. Il motivo, spesso, ha poco a che vedere con la tecnologia. Sono le strutture organizzative, i processi decisionali e i sistemi di governance a impedire che la maggiore efficienza si traduca in valore. È quanto emerge da “Reimagine: Turning AI into Value”, il report pubblicato da Amazon Web Services (AWS), basato su 154 interviste a dirigenti di oltre 120 organizzazioni, distribuite in quattro continenti e 23 settori industriali. La ricerca, condotta tra novembre 2025 e luglio 2026, è stata realizzata dal team AWS Executives in Residence, composto da ex dirigenti di Capital One, McDonald’s e NASA Jet Propulsion Laboratory, con il contributo di Will Venters, professore associato alla London School of Economics e Amazon Scholar. Tra gli intervistati figurano anche oltre 20 dirigenti Amazon.
L’AI accelera il lavoro, la governance lo rallenta
Oltre due terzi dei dirigenti intervistati individuano nella progettazione del lavoro il principale ostacolo alla creazione di valore attraverso l’intelligenza artificiale. I sistemi AI permettono di ridurre drasticamente i tempi di esecuzione, mentre procedure di approvazione, allocazione dei budget e controlli interni continuano a seguire cicli operativi tradizionali. Il caso di Best Buy descrive bene questa contraddizione: una funzionalità software, inizialmente stimata in 14 settimane di sviluppo, è stata realizzata in un solo giorno. La governance, però, ha assorbito il 91% del budget complessivo del progetto. In S&P Global, i guadagni di produttività individuale compresi tra il 10% e il 15%, registrati su 4.500 ingegneri, sono stati assorbiti da processi approvativi rimasti invariati. Il risultato è che la capacità di esecuzione cresce, ma il tempo necessario per trasformarla in un risultato aziendale resta sostanzialmente lo stesso.
Il tasso di adozione non misura il valore dell’intelligenza artificiale
Uno dei passaggi più interessanti del report riguarda i KPI utilizzati dalle imprese per valutare gli investimenti in AI. La diffusione degli strumenti tra i dipendenti viene spesso considerata una prova del successo dei programmi aziendali. I dati raccolti da AWS invitano a rivedere questa impostazione. In un’organizzazione analizzata, il tasso di adozione aveva raggiunto l’88%, ma meno di una sessione su 5.000 produceva un lavoro effettivamente migliore. Utilizzare frequentemente una piattaforma AI, dunque, dice poco sulla qualità dei risultati. Il report suggerisce di collegare ogni caso d’uso a un obiettivo economico misurabile prima di procedere con il finanziamento. AT&T, secondo quanto riportato nella ricerca, genera oltre cinque dollari di free cash flow per ogni dollaro investito in intelligenza artificiale. Le organizzazioni che riescono a raggiungere risultati simili affidano direttamente alle funzioni di business la responsabilità degli investimenti, anziché delegarla esclusivamente all’IT.
Perché risparmiare tempo non significa generare crescita
AWS distingue tre livelli di beneficio economico derivanti dall’intelligenza artificiale. Il primo è l’efficienza, cioè svolgere le stesse attività a costi inferiori. Il secondo è la produttività, che permette di produrre di più utilizzando le risorse disponibili. Il terzo riguarda il valore effettivamente creato per i clienti e per il conto economico. La maggior parte dei programmi aziendali si concentra sul primo livello, mentre il passaggio ai risultati economici rimane più difficile. C’è poi una questione che raramente trova spazio nei business case dedicati all’AI: cosa succede al tempo risparmiato? Secondo il report, quasi nessuna organizzazione intervistata è riuscita a spiegare con precisione come abbia impiegato la capacità operativa liberata dall’automazione. Senza una destinazione definita, quel tempo viene riassorbito nelle attività quotidiane. I dipendenti riescono a svolgere più rapidamente lo stesso lavoro, ma l’azienda non sviluppa necessariamente nuovi prodotti, servizi o opportunità commerciali.
Le competenze umane cambiano con l’automazione
La trasformazione interessa anche il mercato del lavoro e i percorsi di crescita professionale. I sistemi AI stanno progressivamente assorbendo attività ripetitive che, tradizionalmente, venivano affidate ai dipendenti junior. Erano proprio queste mansioni a consentire ai professionisti meno esperti di acquisire conoscenze operative e sviluppare capacità decisionali. La loro automazione obbliga le aziende a ripensare i modelli di formazione. AWS individua cinque competenze sulle quali concentrare recruiting e sviluppo professionale: agilità nell’apprendimento, capacità di definire i problemi, giudizio, familiarità con sistemi complessi e curiosità. Il tema riguarda anche la continuità delle competenze aziendali: se l’AI esegue le attività di base, occorre individuare percorsi alternativi attraverso i quali le nuove generazioni possano maturare esperienza.
Il vantaggio competitivo dipende dai dati proprietari
Quando più aziende utilizzano gli stessi modelli AI, a costi comparabili, la differenziazione passa soprattutto dalle informazioni che ciascuna organizzazione riesce a mettere a disposizione della tecnologia. Il report distingue due categorie particolarmente interessanti. La prima comprende i cosiddetti “dati umani”, cioè conoscenze e intuizioni conservate in conversazioni, e-mail e riunioni. La seconda riguarda il “livello contestuale”, costituito da documentazione di prodotto, policy interne e guide procedurali che spesso non sono ancora state organizzate per essere utilizzate dai sistemi AI. Per le aziende, quindi, il lavoro sui dati proprietari diventa parte integrante della strategia di intelligenza artificiale. Il report indica anche una direzione sul piano operativo: associare gli investimenti a risultati verificabili, assegnare responsabilità alle funzioni aziendali e ridurre i cicli decisionali da trimestri a settimane. Per startup e imprese innovative, la questione è concreta. La disponibilità di modelli avanzati è soltanto il punto di partenza. La differenza economica dipende da come vengono utilizzati all’interno dell’organizzazione e da quanto rapidamente i benefici tecnologici riescono a raggiungere il business.
