I dipendenti usano l'IA per scrivere e-mail, tradurre, riordinare report, e la loro produttività individuale cresce davvero; eppure i risultati dell'azienda spesso non migliorano di pari passo. Saper usare l'IA è una competenza personale; la capacità aziendale in materia di IA è invece un sistema fatto di dati, processi, regole e organizzazione, e la prima non si trasforma automaticamente nella seconda.
L'entusiasmo dei dipendenti c'è già: la questione è se l'azienda sia in grado di raccoglierlo. Partiamo da alcuni dati di indagine per analizzare da dove nasce il divario tra capacità individuale e capacità aziendale, da quali elementi è composta la capacità aziendale in materia di IA e come trasformare gli usi dell'IA sparsi tra i dipendenti in una capacità propria dell'organizzazione.
I dipendenti usano l'IA: perché i risultati aziendali non migliorano?
I benefici dell'IA a livello individuale sono già evidenti, ma restano in gran parte nelle mani dei singoli. I dipendenti sono andati più veloci del management, e l'azienda non ha saputo raccogliere questi usi.
Tre indagini lo mostrano da angolazioni diverse:
- Le persone accelerano, l'azienda resta ferma. L'indagine McKinsey «The state of AI in 2026», condotta su 1.719 intervistati in tutto il mondo, rileva che l'80% ritiene che l'IA abbia migliorato la propria efficienza e circa la metà dichiara che l'IA ha aiutato a prendere decisioni migliori; ma solo il 37% ritiene che l'IA abbia contribuito all'utile operativo (EBIT) dell'azienda, una quota sostanzialmente invariata rispetto all'anno precedente. Il rapporto afferma senza giri di parole che i benefici a livello individuale non si sono ancora tradotti in impatto finanziario per l'azienda (fonte).
- La «shadow AI» è diffusa. Il rapporto 2025 del progetto NANDA del MIT, «The GenAI Divide», mostra che solo circa il 40% delle aziende ha acquistato abbonamenti ufficiali a modelli linguistici di grandi dimensioni, ma in oltre il 90% delle aziende i dipendenti usano strumenti di IA personali per lavorare; allo stesso tempo, il 95% delle aziende non ha ottenuto dall'IA generativa alcun ritorno economico misurabile (fonte). Lo studio si basa su un campione limitato e i numeri specifici sono oggetto di discussione, ma il fenomeno che descrive è molto comune.
- Il rischio si è già concretizzato. Secondo l'indagine commissionata da PagerDuty a Wakefield Research nell'aprile 2026, su 1.250 dipendenti d'ufficio di grandi aziende in Stati Uniti, Regno Unito, Giappone e Australia, tra chi ha già usato l'IA il 66% l'ha fatto almeno una volta in un modo che riteneva non consentito dall'azienda; il 34% ha inserito dati dei clienti in strumenti di IA pubblici e il 31% informazioni finanziarie o documenti riservati dell'azienda (fonte).
Prendiamo una società di commercio all'ingrosso con una trentina di dipendenti, quasi tutti ormai utenti dell'IA: gli acquisti la usano per tradurre i listini in lingua straniera, i commerciali per scrivere le risposte ai clienti, la contabilità per leggere le lettere del fisco. Ma al bilancio di fine anno le giacenze di magazzino, i tempi di incasso e la perdita di clienti sono quasi identici a quelli dell'anno prima; nessuno sa dire in quali strumenti siano finiti i preventivi e i dati dei clienti; e il metodo efficace messo a punto da una venditrice scompare con le sue dimissioni. Tutti sanno usare l'IA, ma l'azienda non per questo ha una capacità in materia di IA.
«Io lavoro più in fretta» e «l'azienda lavora meglio»: dove sta la differenza?
La capacità individuale in materia di IA è la competenza di una persona che usa l'IA per svolgere più velocemente e meglio il proprio lavoro; la capacità aziendale è la capacità dell'impresa di inserire l'IA in modo stabile nei processi e di generare risultati economici in modo continuativo. La prima è la base della seconda, ma le due differiscono radicalmente per ambito di azione, replicabilità e gestione del rischio.
| Dimensione | Capacità individuale in materia di IA | Capacità aziendale in materia di IA |
|---|---|---|
| Ambito di azione | Una singola attività di una persona | Un processo di business che attraversa più reparti |
| Dati utilizzati | Frammenti incollati al volo nella finestra di chat | Dati di business collegati ai sistemi e con definizioni uniformi |
| Dove resta l'esperienza | Nelle abitudini e nei prompt del singolo dipendente | In processi, modelli e sistemi, utilizzabili anche se cambia la persona |
| Replicabilità | Varia da persona a persona, risultati instabili | Standard uniformi, estendibili a tutta l'azienda |
| Chi gestisce il rischio | Spesso nessuno | Ci sono regole, permessi e un responsabile |
| Come si misura | «Mi sembra più veloce» | Indicatori di business: tempi, costi, tasso di errore, ricavi |
La tabella si può leggere anche al contrario: su ogni riga in cui l'azienda è ancora ferma alla colonna di sinistra, c'è un tipo di capacità che non è ancora passato dall'individuo all'organizzazione.
Perché le capacità individuali non si sommano in capacità organizzativa?
Trenta dipendenti che sanno usare l'IA non fanno un'azienda con capacità in materia di IA. Tra l'individuo e l'organizzazione ci sono almeno quattro ostacoli: esperienza, dati, processi e rischio.
L'esperienza non si deposita. Un prompt efficace o un uso già verificato esistono soltanto nella cronologia delle chat di un dipendente. Gli altri non lo sanno e non possono impararlo, e quando la persona lascia l'azienda tutto sparisce con lei. È lo stesso problema dell'era dei fogli di calcolo, quando «i dati se ne andavano con le persone»; solo che questa volta se ne vanno i metodi e l'esperienza.
I dati non sono collegati. Ciò che un dipendente può dare all'IA è solo un piccolo frammento di informazioni copiato e incollato. L'IA non vede il quadro completo di magazzino, ordini e incassi, e quindi non può rispondere alle domande che incidono davvero sul business, come «quali articoli conviene ordinare in minore quantità» o «quale cliente è il caso di sollecitare». Anche il rapporto del MIT osserva che la maggior parte dei sistemi di IA generativa non conserva il feedback, non si adatta al contesto e non migliora nel tempo: è proprio per questo che è difficile fidarsene nel lavoro importante.
Il processo non è stato ripensato. Il dipendente con l'IA completa più in fretta il proprio passaggio, ma a monte e a valle non cambia nulla. Per quanto rapidamente si scriva un preventivo, bisogna comunque aspettare l'approvazione del titolare il giorno dopo; per quanto rapida sia la risposta dell'assistenza, l'ordine va comunque inserito a mano nel sistema. L'efficienza si blocca nei punti di passaggio. L'indagine McKinsey rileva che quasi tre quarti delle aziende con le migliori performance in ambito IA hanno riprogettato in modo radicale i flussi di lavoro attorno all'IA, mentre nelle altre aziende lo ha fatto solo circa un quarto.
Nessuno gestisce il rischio. In quali strumenti sono finiti i dati dei clienti, i preventivi, i contratti? Qualcuno verifica i contenuti generati dall'IA? Se qualcosa va storto, chi risponde? Non ci sono risposte. Per le aziende che operano nell'Unione europea, i dati personali dei clienti sono soggetti al Regolamento generale sulla protezione dei dati (GDPR): non è solo una questione gestionale, ma anche di conformità.
I quattro pilastri della capacità aziendale in materia di IA
Se la capacità dei singoli dipendenti di usare l'IA è le fondamenta, la capacità aziendale richiede di costruirvi sopra quattro pilastri: dati, processi, regole, persone e organizzazione. Corrispondono esattamente ai quattro ostacoli descritti sopra.
- Dati: far vedere all'IA il quadro completo. I dati di business sono collegati ai sistemi, con definizioni uniformi, e l'IA può utilizzarli entro i limiti autorizzati. Se magazzino, ordini e incassi sono ancora sparsi tra fogli di calcolo e software diversi, per quanto intelligente l'IA può solo tirare a indovinare partendo da frammenti.
- Processi: evitare che l'efficienza si blocchi nei passaggi. Non si tratta di infilare l'IA in un singolo passaggio del processo esistente, ma di riprogettare l'intero processo attorno all'IA: quali fasi affidare all'IA, quali devono essere confermate da una persona, come collegare i punti di passaggio.
- Regole: far usare l'IA con serenità. Stabilire quali strumenti di IA si possono usare, quali dati non possono essere inseriti in strumenti esterni, in quali casi serve una verifica umana e chi risponde in caso di problemi. Le regole non servono a limitare i dipendenti, ma a far sì che non debbano più usare l'IA di nascosto.
- Persone e organizzazione: far restare l'esperienza in azienda. Trasformare i metodi efficaci messi a punto dai dipendenti in modelli e processi standard, in modo che i nuovi arrivati possano usarli dal primo giorno; designare un responsabile che promuova le applicazioni di IA; misurare i risultati con indicatori di business e non con la sensazione di «essere più veloci».
I quattro pilastri dipendono l'uno dall'altro. Senza regole, per esempio, l'azienda non osa collegare i dati all'IA; senza dati, un processo riprogettato non può funzionare. Per questo è opportuno costruirli contemporaneamente attorno a uno scenario di business concreto, anziché scomporli in quattro progetti indipendenti.
Non serve vietare la «shadow AI»: bisogna intercettarla
Di fronte all'uso autonomo dell'IA da parte dei dipendenti, un divieto generalizzato di solito si limita a spingerlo nell'ombra. L'approccio più efficace è prendere come punto di partenza gli usi già collaudati dai dipendenti e trasferirli dalle mani dei singoli ai dati, ai processi e alle regole dell'organizzazione. In concreto si può partire da cinque azioni.
Censire: capire come i dipendenti usano già l'IA. Indaga quali strumenti di IA vengono usati, in quali fasi del lavoro, dove finiscono i dati, e individua al tempo stesso i punti più critici tra ordini, acquisti, magazzino e incassi. In questa fase si scopre spesso che gli scenari di maggior valore sono nascosti proprio negli usi nati spontaneamente.
Regolare: offrire ai dipendenti un'alternativa che possano usare con tranquillità. In coerenza con il sistema dei permessi dell'azienda, definisci i confini dei dati e i requisiti di verifica umana e metti a disposizione uno strumento aziendale sicuro e pratico. Quando il canale ufficiale è più comodo dell'uso nascosto, la «shadow AI» diminuisce da sola.
Collegare: far usare all'IA i dati e le conoscenze dell'azienda. Integra i dati sparsi tra sistemi e fogli di calcolo, uniforma le definizioni degli indicatori, organizza le schede prodotto, le regole di quotazione e le domande frequenti in una knowledge base aziendale. L'IA non dovrà più dipendere dai frammenti che i dipendenti incollano al volo nella finestra di chat.
Consolidare: scrivere gli usi efficaci nei processi. Scegli uno scenario con regole chiare e risultati misurabili, per esempio l'inserimento degli ordini, la riconciliazione contabile o le richieste più frequenti dei clienti, e trasforma gli usi collaudati dai dipendenti in modelli, workflow intelligenti o agenti, che si fanno carico delle attività ripetitive di inserimento, verifica e smistamento, mentre le persone presidiano i passaggi chiave.
Misurare: decidere l'estensione in base agli indicatori di business. Prima del pilota, definisci indicatori come tempo di elaborazione, tasso di errore e tempi di incasso; una volta verificati i risultati, replica lo stesso metodo nello scenario successivo.
Questi cinque passi corrispondono uno a uno ai quattro ostacoli visti sopra:
| Perché la capacità individuale non diventa capacità organizzativa | Azione corrispondente |
|---|---|
| L'esperienza non si deposita | Consolidare: scrivere gli usi efficaci in processi e modelli |
| I dati non sono collegati | Collegare: uniformare le definizioni dei dati e costruire la knowledge base aziendale |
| Il processo non è stato ripensato | Censire + Consolidare: partire dagli scenari e ridisegnare la divisione dei compiti tra persone e IA |
| Nessuno gestisce il rischio | Regolare: permessi, confini dei dati e verifica umana |
Un principio attraversa tutto il percorso: la guida resta alle persone. L'IA aiuta a far avanzare il lavoro entro i limiti autorizzati; dove sono in gioco obiettivi, responsabilità e giudizi decisivi, a decidere è una persona.
Conclusioni: dal «io so usarla» al «l'azienda sa usarla»
Quando una persona sa usare l'IA, il suo lavoro diventa più veloce; quando un'azienda ha una capacità in materia di IA, l'intera impresa funziona meglio. Tra le due cose ci sono dati, processi, regole e organizzazione, e nulla di tutto questo compare da solo perché i dipendenti scrivono prompt sempre migliori.
L'entusiasmo dei dipendenti è il miglior punto di partenza per l'azienda, non un rischio da reprimere. Il passo successivo è far imparare l'uso dell'IA anche all'azienda.
Riferimenti
- The state of AI in 2026: On the road to ROI, McKinsey, agosto 2026
- MIT report finds most AI business investments fail, reveals "GenAI Divide", Virtualization Review, agosto 2025 (presenta «The GenAI Divide: State of AI in Business 2025» del MIT NANDA)
- PagerDuty 2026 Shadow AI Survey, PagerDuty, 2026
