La domanda arriva sempre nella stessa forma. Qualcuno in azienda — il figlio, il responsabile IT, a volte il commercialista — dice che bisogna fare qualcosa con l’intelligenza artificiale. Nel frattempo ogni fornitore che incontri ha aperto una divisione AI, LinkedIn è pieno di gente che spiega come cambierà tutto, e a un convegno hai sentito un imprenditore del tuo settore raccontare che loro ci sono già dentro.
Poi torni in ufficio, guardi l’azienda vera, e la domanda si riduce a tre parole: da dove parto?
La risposta che nessuno ti dà è scomoda: non parti dall’intelligenza artificiale. E non per prudenza o per scetticismo — per una ragione economica precisa, che vale la pena capire prima di firmare qualsiasi cosa.
Comprare l’AI non ti darà un vantaggio competitivo
Questa è la parte che il tuo fornitore non ti dirà, perché dirla significherebbe smontare la propria vendita.
L’intelligenza artificiale che puoi acquistare è la stessa che possono acquistare i tuoi concorrenti. Gli stessi modelli, gli stessi strumenti, spesso gli stessi fornitori, a prezzi che stanno scendendo rapidamente. Quando una tecnologia è accessibile a tutti allo stesso modo, il guadagno di efficienza che produce non resta in azienda: si trasferisce al cliente sotto forma di prezzo, perché basta che un concorrente decida di usarlo per fare la guerra sul prezzo e tutti gli altri devono seguirlo.
Due economisti del Boston Consulting Group hanno dato a questo fenomeno un nome che rende bene l’idea: la maledizione del vincitore. La loro tesi, pubblicata su Harvard Business Review nel luglio 2026, è che i settori che meglio converiranno l’AI in produttività saranno anche quelli che vedranno l’erosione di margine più violenta. Il paradosso è che una forte crescita di produttività può tradursi in profitti più bassi, non più alti.
Non è teoria. È già successo: l’industria dell’auto ha avuto margini intorno al trenta per cento per decenni, e oggi li ha ridotti al lumicino; l’agricoltura impiegava quasi metà dei lavoratori e il cibo pesava oltre il quaranta per cento dei bilanci familiari, oggi è l’uno per cento della forza lavoro e il tredici per cento della spesa. La produttività è arrivata. Il premio è andato ai consumatori.
Se lavori in subfornitura industriale — e in Italia è larga parte del tessuto della tua fascia di fatturato — c’è un corollario che quell’articolo non scrive ma che discende direttamente dalla sua tesi: la deflazione arriverà dal tuo cliente prima che dal tuo concorrente. Nel momento in cui chi sta a valle cattura efficienza grazie all’AI, quell’efficienza la userà per premere sul tuo prezzo.
Attenzione, però, a non trarne la conclusione sbagliata. Gli stessi autori sono espliciti su un punto: restare fuori non è un’opzione, e il motivo è che il rischio è asimmetrico. Se l’intelligenza artificiale è davvero trasformativa, non muoversi è esistenziale; se invece deluderà le attese, aver investito sarà stato doloroso ma competitivamente neutro, perché avranno sbagliato tutti insieme. Non è un invito a stare fermi: è un invito a smettere di chiedersi se muoversi e iniziare a chiedersi dove il movimento produce un vantaggio che rimane tuo.
Dove sta il vantaggio, allora
Se il modello è una merce, il vantaggio deve stare altrove. E sta in tre cose, nessuna delle quali si compra.
I tuoi dati. Non i dati in generale: i tuoi. Storici di vendita, resi, tempi di consegna, comportamenti dei clienti, interventi di assistenza, scarti di produzione. È materiale che nessun concorrente può acquistare, perché è il residuo di quello che hai fatto negli ultimi vent’anni. Anche un’azienda da trenta milioni ne ha una quantità che sottovaluta — e che, con gli strumenti di oggi, per la prima volta diventa utilizzabile per decidere invece che solo per archiviare.
I tuoi processi. Il modo specifico in cui incastri l’AI nel funzionamento dell’azienda è difficile da copiare quanto è facile copiare lo strumento. Uno studio condotto in Procter & Gamble su 776 professionisti ha misurato una cosa istruttiva: chi usava l’AI da solo raggiungeva la qualità media di un team di due persone senza AI, e i team che la usavano erano circa il dodici per cento più veloci. Il guadagno non veniva dal modello — veniva da come era stato inserito nel lavoro.
La velocità con cui rifai il giro. Felipe Csaszar, che insegna strategia alla Ross School of Business, ha usato un paragone che vale la pena tenere a mente: siamo nella posizione in cui era internet nel 1995. Chi allora trattò internet come un servizio da comprare si commoditizzò; chi lo trattò come una piattaforma su cui costruire si è tenuto un vantaggio per vent’anni. La differenza non stava nella tecnologia, che era la stessa per tutti.
C’è poi un rischio che quasi nessuno nomina, e che riguarda proprio chi si muove per imitazione. Una ricerca condotta alla Northeastern University ha osservato che i gruppi che ricevono suggerimenti da uno stesso sistema di intelligenza artificiale tendono a convergere: adottano la stessa terminologia, restringono la varietà delle ipotesi che considerano, e finiscono per somigliarsi. La chiamano monocoltura algoritmica. Tradotta nel tuo settore: se tutti i tuoi concorrenti si fanno consigliare dallo stesso modello, la differenziazione strategica evapora — e l’unico che resta diverso è chi ci ha messo qualcosa di proprio.
Le tre condizioni da verificare prima di investire
Prima di qualunque progetto, ci sono tre condizioni. Se ne manca anche una sola, il progetto fallirà a prescindere da quanto è bravo il fornitore e da quanto è potente il modello.
Prima: una fonte dei dati che sia la verità. Nella maggior parte delle aziende familiari lo stesso numero esiste in tre versioni — quella del gestionale, quella del commerciale e quella di un foglio di calcolo tenuto da una persona sola. Un sistema di intelligenza artificiale non sa quale credere, quindi ne sceglie una, oppure le media. In entrambi i casi il risultato è sbagliato in modo convincente, che è la forma di errore più pericolosa. Ne ho scritto in modo più esteso in Perché il tuo progetto AI è destinato a fallire: se devi leggere un solo altro pezzo, leggi quello.
Seconda: un processo che qualcuno ha scritto. L’AI si innesta su un processo; se il processo esiste solo nella testa delle persone e cambia a seconda di chi è in turno, non c’è niente su cui innestarla. È anche la ragione per cui molti progetti si fermano dopo la fase pilota: il pilota funziona perché lo segue una persona brava, e quella persona compensa a mano tutto ciò che il processo non dice.
Terza: qualcuno che governi il dopo. Un progetto di intelligenza artificiale non finisce quando va in produzione: è lì che comincia a richiedere decisioni — cosa fare quando sbaglia, chi controlla, quando ci si fida e quando no. Se non c’è nessuno il cui mestiere sia prendere quelle decisioni, il sistema viene aggirato nel giro di qualche mese e resta acceso solo nel bilancio.
Su quest’ultimo punto c’è una ricerca che mi ha colpito perché ribalta l’istinto comune. Gli autori di uno studio pubblicato su HBR nel settembre 2026 hanno osservato che le persone sviluppano verso l’intelligenza artificiale una fiducia generica — si fidano sempre, oppure non si fidano mai — invece di calibrarla sulla singola situazione. E hanno misurato che la performance migliora quando si insegna alle persone a intervenire solo nei casi in cui possiedono un’informazione che il sistema non può avere. La domanda giusta da fare a chi usa l’AI, quindi, non è sei d’accordo? ma so qualcosa che la macchina non può vedere?
Dove rende, e dove è un giocattolo costoso
Le proposte che ti arrivano sono quasi tutte tecnicamente valide. La differenza fra quelle che producono un ritorno e quelle che restano un costo raramente sta nella tecnologia.
| Dove ti viene proposta | Rende se | Resta un costo se |
|---|---|---|
| Assistenza clienti | Hai uno storico di richieste ricorrenti e risposte già codificate | Ogni caso è diverso e la conoscenza sta in due persone |
| Previsione della domanda | I dati storici sono puliti e la domanda ha una struttura | Il tuo mercato è guidato da poche commesse grandi e irregolari |
| Preventivazione e configuratori | Le regole di prezzo sono scritte e stabili | Il prezzo lo decide il titolare caso per caso |
| Marketing e contenuti | Il posizionamento è deciso e chiaro | Non hai ancora deciso cosa dici e a chi |
| Ricerca nei documenti interni | Hai anni di capitolati, procedure, corrispondenza | La documentazione non esiste o è tutta su carta |
| Controllo qualità in produzione | Il difetto è visivo e ripetibile | Il criterio di scarto cambia con l’operatore |
| Analisi dei dati aziendali | Esiste una fonte unica e affidabile | I numeri non tornano fra due sistemi |
Guarda la colonna di destra: quasi nessuna di quelle condizioni è un problema di intelligenza artificiale. Sono problemi di dati, di processo e di decisioni non prese. È per questo che il primo investimento sensato, in nove casi su dieci, non è un progetto di AI — è mettere in ordine ciò che le sta sotto. E la buona notizia è che quel lavoro ha valore comunque, anche se l’intelligenza artificiale non arrivasse mai.
Da dove si parte, concretamente
Se dovessi ridurre tutto a una sequenza, sarebbe questa.
Si parte da una decisione, non da una tecnologia. Scegli una decisione che in azienda prendete spesso, che costa quando la sbagliate, e che oggi prendete con informazioni incomplete. Quanto produrre, a chi dare priorità, che prezzo fare, quando intervenire su un impianto. È quella la porta.
Poi si guarda che cosa serve per prenderla meglio. Quasi sempre emerge che i dati servono e ci sono, ma vivono in posti diversi e nessuno li ha mai messi insieme. Questo è il vero primo progetto, ed è anche quello che nessun fornitore proporrà spontaneamente, perché non è vendibile come innovazione.
Poi si fa una cosa sola, piccola, con un criterio di successo deciso prima. Non un pilota che “esploriamo le potenzialità”: un caso preciso, con un numero che dice se ha funzionato, e una data in cui si decide se proseguire o fermarsi.
E si decide chi presidia il dopo. Prima di partire, non dopo.
Chi deve decidere tutto questo
Qui arriviamo al punto che di solito resta implicito e che determina l’esito più di qualunque scelta tecnica.
Uno studio del 2023 su migliaia di dirigenti di livello board ha misurato quanti dichiarassero una conoscenza concettuale sostanziale dell’intelligenza artificiale — non tecnica: sapere cosa può fare e cosa no. Erano l’8%. Due anni dopo, un’indagine Gartner su 456 amministratori delegati ha rilevato che solo il 44% considera competente in materia il proprio responsabile IT.
Ma il dato interessante è il corollario che ne traggono gli autori: quando chi guida non possiede una comprensione reale di ciò che la tecnologia può fare, succede una di due cose. O si delega a un tecnico che non ha il contesto di business. O si decide su presupposti sbagliati.
Nelle imprese familiari italiane quelle due derive hanno un nome preciso: il fornitore, e l’imprenditore che fa un altro mestiere e lo fa benissimo. Non è una critica — è la descrizione di un vuoto strutturale. Nelle aziende grandi esiste una figura il cui mestiere è esattamente prendere queste decisioni; nella tua non è mai esistita, perché a questa dimensione non è mai stata sostenibile. Ne ho scritto per esteso in La sedia vuota.
E allora, per chiudere dove siamo partiti: l’intelligenza artificiale funziona. Funziona molto meglio di come funzionava due anni fa, e fra due anni non sarà più una scelta. Ma funziona a condizione che prima si sistemi ciò che le sta sotto — e decidere cosa sistemare, in che ordine e con quali soldi non è una decisione tecnologica.
È una decisione di business. Ed è quella che, in azienda tua, oggi non è di nessuno.
Domande frequenti
Da dove si parte con l’intelligenza artificiale in azienda? Da una decisione che prendete spesso, che costa quando la sbagliate e che oggi prendete con informazioni incomplete — non da una tecnologia. Individuata quella, si guarda quali dati servono per prenderla meglio: quasi sempre esistono già ma vivono in sistemi diversi, e metterli insieme è il vero primo progetto.
L’intelligenza artificiale conviene a un’azienda familiare da 5-50 milioni? Sì, ma raramente nella forma in cui viene proposta. Il ritorno non arriva dall’acquisto dello strumento — che possono comprare tutti — ma da come lo si incastra nei propri processi e dal valore dei propri dati storici. Per la maggior parte di queste aziende il primo investimento sensato è mettere ordine nei dati, che ha valore anche a prescindere.
Quanto costa un progetto di intelligenza artificiale? La domanda porta fuori strada, perché la voce che determina il costo finale non è la tecnologia: è lo stato dei dati e il tempo delle persone interne. Progetti tecnicamente identici hanno costi molto diversi a seconda di quanto lavoro di riordino richiedono prima di partire.
Perché il mio progetto di AI si è fermato dopo il pilota? Nella maggior parte dei casi perché il pilota funzionava grazie a una persona brava che compensava a mano ciò che il processo non definiva, e quella compensazione non scala. Le altre due cause ricorrenti sono dati non affidabili e l’assenza di qualcuno che governi il sistema dopo il lancio.
L’AI sostituirà le persone in azienda? I dati disponibili oggi suggeriscono cautela: in una indagine su oltre mille executive, solo il 2% aveva ridotto l’organico sulla base di implementazioni reali, mentre il 60% dichiarava un nesso con l’AI per scelte prese per altri motivi. E fra chi ha tagliato motivando con l’intelligenza artificiale, solo l’8,4% dice che rifarebbe lo stesso. La domanda utile non è quante persone toglie, ma quali decisioni permette di prendere meglio.
Fonti dei dati citati: Carlsson-Szlezak e Swartz, «AI and the Looming Competition for Margin», Harvard Business Review, luglio 2026 · Csaszar, «AI Is Revolutionizing Strategic Decision-Making», HBR, settembre 2026 · Ferreira e Tong, «How AI Agents Orchestrate Work Across Silos», HBR, settembre 2026 · Riedl, «How to Use AI to Build Your Company’s Collective Intelligence», HBR, ottobre 2024 · Hoque, Davenport e Scade, «AI Transformation Requires Redesigning Work, Not Cutting Roles», HBR, agosto 2026.
Se stai valutando dove muoverti sull’intelligenza artificiale e vuoi che quella decisione la prenda qualcuno dalla tua parte del tavolo, è il lavoro che faccio: Metodo Belli.
