Il legame imprescindibile tra la preparazione all’IA e il ritorno sull’investimento nell’IA

Senza queste risposte, gli investimenti nell’IA rischiano di essere guidati da ciò che è tecnicamente possibile, anziché da ciò che ha un reale valore strategico. Ed è un approccio tipico nelle fasi iniziali della maggior parte dei programmi di IA. Tutti si concentrano sull’adozione di nuovi modelli, sull’introduzione dell’automazione e sulla sperimentazione con gli agenti, invece di collegare le azioni agli obiettivi di business. Forse, a ragione. Spesso non sappiamo ciò che non sappiamo finché non abbiamo fatto un po’ di sperimentazione. Ma poi serve un piano per passare dalla sperimentazione alla generazione di valore.

È importante ricordare che una capacità tecnica non si traduce automaticamente in un risultato di business. Automatizzare un flusso di lavoro può sembrare un modo per ridurre il tempo dedicato a un’attività, ma se le persone devono verificare gli output dell’IA e correggerne gli errori (un po’ come farebbero con il lavoro di un collega junior) quel guadagno potrebbe non essere così significativo come si pensa; potrebbe persino tradursi in una perdita di produttività.

Una baseline offre un punto di riferimento rispetto al quale definire aspettative realistiche, stabilire le priorità di investimento e misurare se l’IA sta migliorando i risultati che contano davvero per il business.

Molti dei punti sopra elencati corrispondono a domande che un team di ingegneria si porrebbe per qualsiasi software sviluppato all’interno di un normale ciclo di vita del prodotto. Creare valore con l’IA non è diverso: dovremmo continuare a porci le stesse domande. L’uso dell’IA non consente di aggirare questi interrogativi cruciali per il business. Questi costi non compaiono necessariamente nel business case dell’investimento, ma possono determinare se un’iniziativa di IA generi un reale aumento di produttività o si limiti semplicemente a spostare il lavoro altrove.

La nostra ricerca su “Comprendere il costo umano della trasformazione guidata dall’IA” mette in evidenza proprio questo aspetto. Molte organizzazioni danno per scontato che l’IA faccia risparmiare tempo in modo automatico, ma la nostra ricerca suggerisce il contrario. In particolare, ha rilevato che:

L’IA può redistribuire lo sforzo dall’esecuzione alla verifica, creando un onere operativo e psicologico nascosto (ciò che definiamo “verification tax”) quando l’adozione non è progettata intorno al modo in cui le persone lavorano davvero. E questo ha un impatto diretto sul ROI.

La tecnologia IA diventa un vero abilitatore quando è supportata da formazione, processi e cultura organizzativa adeguati. Significa aiutare le persone a capire come integrarla nel proprio lavoro, quando possono fidarsi dei suoi risultati, quando devono verificarli e come restare responsabili degli esiti.

Una ricerca dell’iniziativa NANDA del MIT ha rilevato che il 95% delle organizzazioni non ottiene alcun ritorno dai propri investimenti nell’IA generativa, nonostante gli ingenti stanziamenti e la diffusione della sperimentazione.

Il motivo è che molte organizzazioni si affrettano a implementare l’IA mentre numerosi dipendenti stanno ancora affrontando le difficoltà umane lasciate dalle precedenti ondate di trasformazione digitale. La nostra ricerca dimostra che, sebbene l’IA sia stata pensata per semplificare il lavoro, in alcuni casi sta generando stress, sovraccarico informativo, continui cambi di contesto e una crescente sensazione di distacco dal significato del proprio lavoro.

Se l’IA viene introdotta nell’ambito di un cambiamento pianificato di flussi di lavoro, ruoli, competenze e modalità operative, ha molte più probabilità di ridurre le inefficienze e generare valore concreto.

Per questo crediamo che un migliore ROI dell’IA parta da una comprensione più chiara del livello di maturità attuale, da una valutazione onesta dei vincoli che potrebbero limitarne il valore e da un piano mirato per colmare intenzionalmente le lacune più rilevanti. Il tutto facendo leva su un approccio collaudato di change management organizzativo per l’IA, in sinergia con un programma strategico di IA coerente e integrato, proprio come avviene in qualsiasi altro grande programma di trasformazione digitale.