L'evidenza: tre stime, una sola direzione
Goldman Sachs, McKinsey e i ricercatori del MIT hanno misurato lo stesso fenomeno con metodi diversi. Le tre stime divergono in modo netto.
Un paper di Goldman Sachs del 2023 prevede un incremento della productivity pari a 1,5 punti percentuali nel decennio successivo. McKinsey colloca i guadagni fino a 3,4 punti percentuali entro il 2040. I ricercatori del MIT restano più cauti, con un aumento dello 0,53% entro il 2034, come riporta CNBC.
La distanza tra 0,53% e 3,4% è lo spazio dove vive la sfida di leadership. Quella forbice dipende dalle condizioni che le organizzazioni costruiscono, prima che dagli strumenti che acquistano.
Queste cifre descrivono scenari, prima che certezze. Le organizzazioni che leggono l'intervallo come un margine di azione, invece che come una previsione fissa, guadagnano una posizione di vantaggio.
La fase infrastrutturale spiega il ritardo
Il boom dell'AI, misurato dal lancio di ChatGPT nel novembre 2022, ha quasi quattro anni. Resta in gran parte una fase di hardware e capacità infrastrutturale.
Ben Snider, chief U.S. equity strategist di Goldman, scrive che l'impatto sugli utili dell'adozione AI diventerà più chiaro nei prossimi trimestri. Gli investitori hanno premiato le società coinvolte nella costruzione dell'infrastruttura, per via dell'impatto visibile sugli utili di breve termine.
Gli investitori preferiscono evitare speculazioni su quali società implementeranno l'AI con maggiore efficacia. Questa cautela lascia spazio a chi costruisce capability prima che il mercato la prezzi.
I guadagni di productivity a livello enterprise tardano ad arrivare in forza. Questo ritardo ha una causa organizzativa, oltre che tecnologica.
Il collo di bottiglia è la readiness della leadership
Il vero vincolo dell'adozione AI enterprise risiede in chi commissiona, governa e valuta i deployment. I dati disponibili indicano che circa il 7% dei leader si dichiara pronto a guidare questi programmi.
Questo numero è un dato da portare in consiglio. Riguarda gli executive, prima delle persone che usano gli strumenti ogni giorno.
Un'organizzazione con ottimi strumenti AI e leadership impreparata ottiene risultati peggiori di un'organizzazione con strumenti mediocri e leadership alfabetizzata. Il gap tra il 7% di leader pronti e la platea che adotta gli strumenti descrive due popolazioni distinte, con sovrapposizione limitata.
Il Board deve leggere questa cifra come un segnale strutturale. Una workforce che assorbe strumenti AI più velocemente della leadership che li governa produce attrito, spreco e rischio di conformità.
Il premio salariale del 56% è il dato più azionabile
Il mercato del lavoro prezza già le competenze AI. Il premio salariale documentato per queste skill si aggira intorno al 56%.
Questa è una misura presente, prima che una previsione sul futuro. Le organizzazioni che rimandano la costruzione di capability interna accumulano un debito di competenze. Quel debito diventa un costo di acquisizione entro diciotto mesi.
Per il CFO, la lettura è diretta: l'investimento in sviluppo delle persone ha un ROI documentato dal prezzo che il mercato attribuisce a queste competenze. Ritardare l'investimento sposta il costo dal budget di formazione al budget di recruiting, con un moltiplicatore.
Convertire il talento interno batte il recruiting esterno
I dati di adozione mostrano un pattern coerente. Morgan Stanley riporta un tasso di adozione del 98%, JPMorgan un opt-in di circa 200.000 persone.
Le persone già dentro l'organizzazione portano contesto, relazioni e conoscenza dei processi. Adottano gli strumenti e performano meglio dei nuovi assunti AI-specialized inseriti in isolamento.
Convertire il talento esistente, invece di competere in via esclusiva sul mercato esterno, produce risultati più rapidi. Questa scelta riduce anche l'esposizione al premio salariale del 56%.
Per il CHRO, la priorità di L&D diventa evidente. Costruire percorsi interni di apprendimento AI attiva un bacino che il mercato esterno valuta a premio, e trattiene la conoscenza dei processi dentro l'organizzazione.
Il botsitting è un problema di design
Alcune organizzazioni registrano circa 6,4 ore a settimana di supervisione passiva dell'output AI. Le persone controllano ciò che il sistema produce, con interazione attiva scarsa.
Questo fenomeno, il botsitting, segnala un workflow progettato male. L'AI è stata inserita nel processo, mentre il processo è rimasto invariato.
Il rimedio appartiene al change management, prima che alla tecnologia. Ridisegnare il flusso di lavoro trasforma la supervisione passiva in collaborazione produttiva, e libera le ore che oggi vanno perse.
Le persone si adattano quando i leader creano le condizioni. La supervisione passiva racconta una condizione mancata, prima che una resistenza individuale.
Le eccezioni che indicano la strada
Alcune società hanno già trasformato l'adozione in guadagni misurabili. Le azioni della piattaforma medica Doximity sono salite dopo che il CEO Jeffrey Tangney ha dichiarato ricavi per ricerca pari a dieci volte il costo dello strumento.
Goldman individua i beneficiari della productivity nel Russell 1000. La metodologia incrocia l'intensità di lavoro con la sensibilità all'AI, e include società come CoStar Group, Dollar Tree ed eBay.
I settori con la più alta intensità di lavoro e sensibilità all'AI comprendono software, servizi professionali, finanza e biotech. Questi sono i comparti dove le condizioni organizzative pesano di più sul risultato.
L'economista Daron Acemoglu del MIT avverte che la concentrazione degli strumenti AI in poche società potrebbe rallentarne l'adozione da parte delle piccole e medie imprese. Il potenziale dipende quindi anche dalla struttura del mercato.
La design question per chi guida
La domanda per CEO e CHRO è concreta. Quale conversazione sulla readiness organizzativa arriva al board questo trimestre?
Il Talent & Compensation Committee dispone di una metrica chiara da monitorare: la quota di leader pronti a governare i deployment AI. Quella percentuale predice il ritorno sugli investimenti tecnologici meglio del numero di licenze software attivate.
Le organizzazioni che colmano il gap agiscono su tre leve: ridisegno dei processi, conversione del talento interno e alfabetizzazione della leadership. L'evidenza indica che queste condizioni, costruite deliberatamente, spostano il guadagno dal territorio della promessa a quello del risultato.
Il percorso di risposta esiste, ed è documentato. Le condizioni progettate battono la fortuna tecnologica in modo sistematico.
Questo articolo è stato redatto da un autore editoriale AI con supervisione umana, in conformità agli obblighi di trasparenza del Regolamento (UE) 2024/1689 (AI Act, Art. 50). Le fonti sono linkate nel testo.
Article by VERA