Gli strumenti sono gli stessi per tutti. Il margine in più lo trova chi sceglie il processo giusto da cui partire.

Quasi nove aziende su dieci usano già l'AI, ma solo il 6% ne ricava almeno il 5% dell'EBIT (McKinsey, 2026). Il resto ha gli strumenti, non ancora il margine. Per chi si muove con metodo, l'opportunità è concreta: individuare i pochi processi in cui una decisione ripetuta pesa su margine, cassa e tempi, e dove il miglioramento si può misurare fin dall'inizio. È lì che l'AI smette di far risparmiare minuti e comincia a far recuperare margine.

L'AI in azienda è ormai inevitabile?

Sì, e i numeri lasciano poco margine all'attesa. Secondo McKinsey (The state of AI in 2026, 1.719 rispondenti in 97 paesi, agosto 2026), quasi nove rispondenti su dieci usano l'AI con regolarità in almeno una funzione, il 44% la sta scalando a livello di intera azienda (era il 38% nel 2025) e il 56% la usa in tre o più funzioni (51% un anno prima). Il 60% prevede di aumentare gli investimenti nel prossimo anno. Le direzioni di lavoro per il 2026 sono raccolte in le 10 tendenze dell'AI nelle aziende.

In Italia la direzione è la stessa. L'Osservatorio Artificial Intelligence del Politecnico di Milano stima per il 2025 un mercato da 1,8 miliardi di euro, in crescita del 50% sul 2024. Il 71% delle grandi imprese ha almeno un progetto di AI (era il 59% nel 2024) e l'84% ha già licenze di AI generativa.

L'AI è entrata nella spesa e nel lavoro ordinari. Chi non la introduce non resta fermo: accumula ritardo su tempi, costi e qualità rispetto a concorrenti, fornitori e clienti che stanno già rivedendo i propri processi.

Quanto lavoro fa risparmiare l'AI su un singolo compito?

Molto, secondo la ricerca di Anthropic. Su 100.000 conversazioni reali con Claude, un compito che richiederebbe circa 90 minuti senza AI viene completato con una riduzione del tempo di circa l'80% (Estimating AI productivity gains from Claude conversations, novembre 2025). L'Anthropic Economic Index di gennaio 2026 indica che i compiti di livello universitario sono svolti in media 12 volte più in fretta, quelli di livello diploma 9 volte.

Sommando questi guadagni, gli autori stimano 1,8 punti in più di crescita annua della produttività negli Stati Uniti per dieci anni, precisando che non è una previsione e che la stima non include il tempo di verifica degli output. Lo stesso report stima che Claude porti a termine con successo il 67% dei compiti su Claude.ai e il 49% via API, con un tasso che scende all'aumentare della durata del compito.

Questo vantaggio, però, è misurato sul compito, e un compito non è un processo: per diventare valore per l'azienda, il tempo risparmiato deve tradursi in una decisione presa prima, in un costo evitato o in un margine recuperato.

Perché adottare l'AI non basta a generare valore?

Perché l'adozione misura quanto l'AI si usa, non quanto rende. Nella stessa ricerca McKinsey, l'80% dei rispondenti riporta un miglioramento della produttività personale, ma solo il 37% attribuisce all'AI almeno un impatto positivo sull'EBIT a livello aziendale. Gli high performer, cioè le aziende che dall'AI ricavano almeno il 5% dell'EBIT con un impatto definito significativo, sono circa il 6%, una quota invariata rispetto al 2025.

Tra l'80% e il 6% resta da fare il lavoro sul processo: le persone lavorano meglio, ma ciò che hanno intorno non cambia. Un'analisi prodotta più in fretta non genera margine se l'approvazione, la responsabilità e i dati restano come prima. Lo approfondiamo in AI genera valore: un framework per le imprese italiane.

Perché è così difficile dimostrare il ritorno sull'investimento?

Perché la maggior parte delle aziende misura dopo, e poco. Secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano, il 54% delle grandi aziende tenta di misurare il beneficio dell'AI generativa, ma solo l'11% ha un monitoraggio periodico e strutturato. Circa 1 azienda su 3 con progetti di AI fatica a stimare in anticipo il rapporto tra costi e benefici, e solo il 9% delle grandi imprese ha una governance dell'AI strutturata.

La percezione, intanto, corre più dei numeri. Su 81.000 interviste raccolte da Anthropic a dicembre 2025, l'86% riferisce guadagni di velocità e l'82% di portata del lavoro, mentre i risparmi di costo sono indicati dal 27% (dato auto-dichiarato). La velocità si sente subito. Il risparmio di costo, quello che un CFO deve difendere davanti al board, richiede una misura definita prima di iniziare.

Il caso italiano: grandi imprese avanti, PMI ancora ferme

Il divario dimensionale è il dato italiano più netto. Il 71% delle grandi imprese ha un progetto di AI, contro l'8% delle PMI (Osservatorio Artificial Intelligence, dati 2025). La Ricerca 2025-2026 dell'Osservatorio Innovazione Digitale nelle PMI aggiunge che il 76% delle PMI non ha investito né prevede di investire in AI e che solo il 7% ha avviato programmi strutturati di formazione.

Per una PMI il rischio è doppio: partire tardi e partire senza un criterio. Con budget e persone limitati, ogni progetto sbagliato pesa di più. Per questo la scelta del primo processo è la decisione più importante, come discusso in AI e PMI italiane.

Da quali processi partire per generare valore?

Dai processi in cui una decisione ripetuta incide su margine o cassa e in cui il miglioramento si può misurare. Quattro condizioni permettono di ordinare i candidati:

• Impatto sulla metrica chiave: il processo pesa su margine, EBITDA, circolante o copertura, e il suo miglioramento si esprime come percentuale su quella metrica.
• Dati disponibili e collegati: si sa dove stanno i dati, come sono collegati e quanto lavoro manuale assorbono.
• Una misura prima e dopo: esiste un indicatore che permette di confrontare la situazione di partenza con il risultato.
• Un responsabile: qualcuno ha l'autorità di cambiare il processo, non solo di provare lo strumento.

Un processo con dati sparsi e molto lavoro manuale non va scartato, ma va preparato prima. È il terreno della Decision Intelligence, la categoria che mette dati, modelli e decisioni sullo stesso piano e rende ogni scelta tracciabile e confrontabile. Il costo dell'inazione resta esplicito: ogni settimana in cui il processo sbagliato è quello che si automatizza, o nessuno viene toccato, ha un prezzo sul margine.

Come capire dove l'AI porta più valore: l'AI Navigator

A questo serve l'AI Navigator di Vedrai: un self-assessment di circa 8 minuti, tutto a scelta, senza numeri da inserire. Parte da dati, sistemi e processi, la base su cui innestare l'AI, e restituisce la tua AI Value Map: lo stato di 8 processi decisionali, quanto potrebbero migliorare e da dove partire. Il percorso ha tre passaggi:

• Chi sei: settore, fatturato e ruolo, per avere i riferimenti giusti.
• Quanto sei pronto: dove stanno i dati, come sono collegati, quanto lavoro manuale assorbono e a che punto è l'AI.
• Come decidi: una domanda per ciascuno degli 8 processi, dagli investimenti al workforce planning.

Il risultato è un elenco ordinato di processi, con criticità e prontezza di ciascuno e il primo passo concreto. Inizia l'assessment e scopri dove l'AI potrebbe portare più valore nella tua azienda.

Punti chiave

• L'adozione è diffusa: quasi 9 aziende su 10 usano l'AI (McKinsey, 2026) e il 71% delle grandi imprese italiane ha un progetto (Osservatorio PoliMi, 2025). Rimandare ha un costo.
• Il valore è concentrato: il 37% vede un impatto positivo sull'EBIT, circa il 6% ne ricava almeno il 5%.
• Il guadagno nasce sul compito (circa 80% di tempo in meno secondo Anthropic) e diventa margine solo se cambia il processo.
• Il ritorno si dimostra se si misura prima: solo l'11% delle grandi imprese italiane monitora l'AI in modo strutturato.
• Per scegliere da dove partire serve una mappa dei processi: l'AI Navigator la produce in circa 8 minuti.

Domande frequenti

Perché introdurre l'AI in azienda è ormai inevitabile?

Perché l'AI è già entrata nella spesa ordinaria: secondo McKinsey (2026) quasi nove aziende su dieci la usano e il 60% prevede di investire di più. Chi non la introduce non resta fermo, ma accumula ritardo su tempi, costi e qualità rispetto a concorrenti e fornitori che l'hanno già adottata.

Qual è il ritorno sull'investimento dell'AI in azienda?

Dipende dal processo. Secondo McKinsey (2026) il 37% delle aziende attribuisce all'AI almeno un impatto positivo sull'EBIT e circa il 6% ne ricava almeno il 5%. Il dato più utile è quello interno: serve stimare prima, su una metrica chiave, quanto il processo può migliorare.

Da quali processi conviene partire con l'AI?

Dalle decisioni ripetute che pesano su margine o cassa, dove i dati esistono e sono collegati e dove un indicatore misurabile permette di confrontare il prima e il dopo. Un processo con dati sparsi e molto lavoro manuale richiede di sistemare prima le basi.

Che cos'è l'AI Navigator di Vedrai?

È un self-assessment di circa 8 minuti, a risposte chiuse e senza numeri da inserire. Parte da dati, sistemi e processi e restituisce la AI Value Map: lo stato di 8 processi decisionali, quanto potrebbero migliorare e da dove partire. Si avvia da ai-navigator.vedrai.com.

Le PMI italiane devono investire in AI?

Il divario è già aperto: secondo l'Osservatorio del Politecnico di Milano il 71% delle grandi imprese ha un progetto di AI contro l'8% delle PMI. Per una PMI, con risorse limitate, conta scegliere bene il primo processo prima di moltiplicare gli strumenti.

Scopri dove l'AI crea più valore nella tua azienda

Avvia l'AI Navigator: in circa 5 minuti ottieni la tua AI Value Map con i processi ordinati per valore potenziale e il primo passo concreto.