2026: l’IA è entrata nei budget. Non è ancora entrata nei conti economici. Ho smesso di dirlo con delicatezza perché, in questo momento, la delicatezza è parte del problema. Negli ultimi mesi ho incontrato aziende che hanno investito cifre significative, fatto formazione, nominato un AI lead, aperto un competence center e prodotto roadmap molto ordinate. Le slide ci sono. I tavoli anche. Quando però chiedo di discutere un processo core ridisegnato e già in esercizio (non un pilot, non una demo, non un PoC che vive in una stanza protetta, ma un processo che gira davvero), il tono cambia. Qualche volta si fa silenzio.

Non perché manchino le iniziative. Al contrario, ce ne sono troppe. Manca il passaggio più difficile: trasformare l’attività sull’IA in nuova capacità produttiva. È lì che il racconto si interrompe.

Il 29esimo Global CEO Survey di PwC, pubblicato nel gennaio 2026 e costruito sulle risposte di 4.454 amministratori delegati in 95 Paesi e territori, registra un dato difficile da addolcire: il 56% dei CEO non ha visto né un aumento dei ricavi né una riduzione dei costi attribuibile all’IA negli ultimi dodici mesi. Solo il 12% dichiara entrambi i risultati. Sono le persone che hanno autorizzato gli investimenti e che, alla fine, devono ritrovarli nei numeri, non osservatori esterni.

McKinsey arriva allo stesso punto da un’altra direzione. Nel suo studio del 2025, più dell’80% degli intervistati afferma di non vedere ancora un impatto tangibile dell’IA generativa sull’EBIT dell’intera impresa. Il dato interessante, però, non è soltanto l’assenza di ritorno. Tra venticinque fattori analizzati, quello più associato all’impatto economico è il ridisegno dei workflow. E soltanto il 21% delle organizzazioni che usa GenAI dichiara di aver riprogettato in modo sostanziale almeno alcuni flussi di lavoro.

Anche il rapporto preliminare del progetto NANDA del MIT, spesso citato per il suo famoso 95%, merita di essere letto con precisione e non trasformato in uno slogan. La ricerca ha combinato interviste, survey e l’analisi di oltre 300 implementazioni. La conclusione non è che il 95% di qualunque cosa contenga IA sia destinato a fallire; è più circoscritta e, proprio per questo, più utile: soltanto una piccola quota degli strumenti enterprise personalizzati analizzati era arrivata a un’implementazione capace di produrre un impatto sostenuto sulla produttività o sul conto economico.

Questi numeri non sono sovrapponibili alla perfezione. Misurano popolazioni, periodi e risultati differenti. Non vanno sommati per costruire un cimitero di percentuali, ma indicano tutti la stessa frattura: l’adozione cresce molto più in fretta della trasformazione economica.

E allora? Dobbiamo concludere che l’IA sia stata un abbaglio collettivo? Non credo. Basta osservare quello che sta già facendo nel lavoro quotidiano. Scrive, traduce, programma, cerca, confronta, sintetizza, genera alternative. Per molte persone è già diventata una utility cognitiva, quasi invisibile quanto il wi-fi. Il punto è un altro: la produttività individuale non coincide in automatico con la produttività dell’organizzazione. Un dipendente più veloce dentro un processo lento produce spesso più output in attesa delle stesse approvazioni.

Stiamo affrontando l’IA con la grammatica con cui abbiamo gestito ogni tecnologia precedente: assessment, roadmap, implementazione, governance. Nessuno di questi strumenti è sbagliato in sé. Il problema nasce quando diventano una catena che aggiunge strutture senza mettere in discussione quelle esistenti.

L’IA, invece, ha una caratteristica industriale precisa: comprime. Comprime il tempo necessario per produrre un’informazione. Comprime il costo di una prima analisi. Comprime la distanza tra domanda e risposta. Comprime attività di coordinamento, traduzione, ricerca e controllo che per decenni hanno giustificato passaggi, ruoli e livelli organizzativi.

Noi stiamo provando a governare una tecnologia che comprime con un metodo che stratifica. Il risultato è abbastanza prevedibile: pilot ovunque, inventari di use case in continua crescita, comitati nuovi, tassonomie impeccabili e un impatto economico ancora marginale.

È qui che la trasformazione IA rischia di diventare consulenza travestita da innovazione. Non perché un consulente sia per forza inutile o in malafede, sarebbe una lettura comoda e infantile. Il problema è il pattern. E........

© SenzaFiltro