Le aziende raddoppiano la spesa in AI, ma solo il 12% dei CEO vede crescere i ricavi e calare i costi insieme. Il valore arriva quando si ridisegna il processo intero, a partire dalle eccezioni.
Perché l'AI velocizza i compiti e lascia fermo il processo?
Le aziende stanno raddoppiando l'investimento. Secondo il BCG AI Radar 2026, la spesa in intelligenza artificiale passerà in media dallo 0,8% all'1,7% dei ricavi. I ritorni restano concentrati: nella 29ª Global CEO Survey di PwC, su 4.454 amministratori delegati in 95 Paesi, solo il 12% ha ottenuto dall'AI sia più ricavi sia meno costi. Il 56% non registra ancora benefici finanziari significativi.
Masha Shunko (University of Washington) e Serguei Netessine (Wharton) danno una spiegazione operativa in un'analisi pubblicata da Harvard Business Review: molte aziende applicano l'AI a singole attività dentro procedure nate per un altro ritmo. Un agente prepara la bozza dell'offerta in pochi secondi. Se l'approvazione del credito, il controllo prezzi e la verifica del magazzino restano identici, la pratica si ferma al passaggio successivo. Il collo di bottiglia si sposta e il tempo ciclo dell'ordine resta quasi lo stesso.
Per chi guida le operazioni il punto è concreto. Un reparto che produce più pratiche sovraccarica quello a valle o lo costringe a ricontrollare tutto. L'efficienza locale si trasforma in coda.
Da dove partire? Dal caso che va storto
Le demo si costruiscono sul percorso lineare: dati completi, richiesta chiara, regola univoca. Il lavoro quotidiano di un COO è fatto d'altro: anagrafiche incomplete, ordini fuori standard, clienti oltre il fido, regole in conflitto.
L'HBR mette a confronto due casi. Deloitte Australia ha consegnato al Dipartimento del Lavoro australiano un rapporto preparato anche con AI generativa che conteneva citazioni inventate; la società ha rimborsato l'ultima rata di un contratto da 440.000 dollari australiani. La produzione del testo era stata accelerata, la verifica era rimasta quella di prima. Wayfair ha invece ridisegnato la gestione del catalogo prodotti: l'AI tratta i casi entro soglie di confidenza definite, l'incertezza passa a una persona e ogni decisione umana alimenta il miglioramento successivo.
Progettare le eccezioni prima del percorso standard vuol dire decidere quattro cose:
- Segnali. Quando il sistema deve riconoscere di non essere affidabile: confidenza sotto soglia, dato obbligatorio mancante, fonti in conflitto, richiesta fuori perimetro.
- Responsabile. Chi riceve il caso anomalo ed entro quali tempi. Senza un responsabile le eccezioni si accumulano in code parallele e assorbono il beneficio ottenuto sul flusso ordinario.
- Reversibilità. Come si annulla un'azione, soprattutto quando l'agente scrive su ERP e CRM.
- Apprendimento. Come le correzioni umane diventano regole, dati di feedback o aggiornamenti del modello.
Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027 per costi crescenti, valore poco chiaro e controlli del rischio inadeguati. La sua indicazione coincide con quella dell'HBR: ripensare i flussi da zero è la strada per far funzionare gli agenti AI.
Chi decide, in ogni passaggio?
Gli autori propongono quattro livelli di autorità tra persone e sistemi, le «4A»:
- Assist. L'AI suggerisce, la persona decide.
- Approve. L'AI prepara l'azione, la persona la autorizza.
- Audit. L'AI esegue, le persone controllano a campione o a posteriori.
- Automate. L'AI agisce da sola entro confini, soglie e meccanismi di arresto definiti.
La scelta dipende da due variabili: quanto è grave l'errore e quanto è facile annullarlo. Prendiamo l'approvazione del credito su un ordine. Un cliente storico con pagamenti regolari e importo entro il fido rientrerà in Automate. Un ordine sopra soglia passerà in Approve. Un cliente nuovo con dati incompleti resterà in Assist, con l'analista che decide.
Lo stesso processo combina più modalità. Il controllo umano diventa un insieme di punti verificabili: ruoli, permessi, audit trail delle decisioni, escalation. È il principio dello human-in-the-loop (HITL), la supervisione umana che si allenta solo dove i numeri lo giustificano.
Cosa misurare nell'automazione dei processi aziendali?
Minuti risparmiati e pratiche elaborate descrivono l'attività del sistema. Dicono poco su qualità dell'esito, fiducia del cliente, costi complessivi e rischio. McKinsey rileva che quasi otto organizzazioni su dieci usano l'AI generativa in almeno una funzione, mentre il 60% non vede ancora un impatto sull'EBIT a livello aziendale. La sua indicazione: definire il valore all'inizio e collegare le metriche, dalla prestazione tecnica all'adozione, dal cambiamento operativo all'impatto economico.
Per un progetto di automazione dei processi aziendali la catena di misura comprende tre livelli:
- Metriche tecniche. Accuratezza, latenza, costo per transazione.
- Metriche di flusso. Tasso di escalation, rilavorazioni, first-time-right, tempo ciclo complessivo.
- Metriche economiche. Costo totale, inclusi supervisione, gestione delle eccezioni e correzioni.
Il pilota cambia di conseguenza. La prova tecnica verifica se l'AI sa svolgere il compito. La prova operativa osserva il processo con volumi reali, anomalie e passaggi tra reparti. La prova economica stabilisce se il risultato vale più del costo totale. Si scala solo quando le tre convergono.
Conclusione
Prima di approvare il prossimo caso d'uso, chiedete al team sei risposte. Quale risultato aziendale migliorerà? Quale processo end-to-end verrà ridisegnato? Quale ruolo avrà l'AI? Quali decisioni resteranno alle persone? Come verranno gestite le eccezioni? Con quali metriche si misurerà il successo?
In Italia l'Osservatorio Artificial Intelligence del Politecnico di Milano rileva che solo una grande impresa su cinque usa l'AI in modo diffuso tra le funzioni. Il margine per chi ridisegna i flussi, invece di accelerarne i singoli passaggi, è ancora ampio.
Sapete dove e perché si fermano oggi i vostri ordini? Partite da Mappa della Complessità: mapperemo flussi manuali e automatizzati, colli di bottiglia ed eccezioni prima di attivare un solo agente.
Fonti
Spunto:
Fonti ufficiali verificate:
- Harvard Business Review — M. Shunko, S. Netessine, “Stop Automating Old Processes. Design New Ones Instead.” (14/09/2026)
- BCG — AI Radar 2026: spesa AI dallo 0,8% all'1,7% dei ricavi, 2.360 executive in 16 mercati (15/01/2026)
- PwC — 29th Global CEO Survey: 4.454 CEO in 95 Paesi, 12% con benefici su ricavi e costi (19/01/2026)
- McKinsey QuantumBlack — “From promise to impact: How companies can measure—and realize—the full value of AI” (24/04/2026)
- Gartner — oltre il 40% dei progetti di agentic AI cancellato entro fine 2027 (25/06/2025)
- TechRadar — caso Deloitte Australia: rimborso al DEWR per rapporto con citazioni inventate (ottobre 2025)
- Quotidiano Nazionale — dati Osservatorio Artificial Intelligence, Politecnico di Milano: 1 grande impresa su 5 usa l'AI in modo diffuso (05/04/2026)