AI leadership: come i CEO guidano le aziende nella transizione all’AI

Eric Kutcher, senior partner e North America chair di McKinsey, ha iniziato una serie di conversazioni con amministratori delegati di settori diversi intorno a una domanda sola: come si guida un’azienda mentre l’AI cambia il modo in cui si opera, si decide e si cresce. È un materiale che in Italia vale doppio, perché arriva in un mercato dove l’AI è cresciuta del 50% in un anno ma dove, secondo la ripresa AIPIA dei dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, il 76% delle PMI non ha investito né prevede di farlo. Il tema ha un nome ormai riconoscibile: AI leadership aziende, cioè quella parte del lavoro sull’AI che nessuno può fare al posto di chi guida. E i numeri dicono che è la variabile che pesa più di ogni altra, tecnologia compresa.

In questo articolo scoprirai:

• Cosa raccontano i CEO che sono già dentro la transizione
• Perché il CEO che si occupa di persona di governance AI ottiene più risultati
• Ridisegnare i processi invece di appoggiare l’AI sul lavoro di ieri
• Il divario italiano: 1,8 miliardi di mercato e tre quarti delle PMI fermi
• Le tre domande da portare al prossimo comitato di direzione

Cosa raccontano i CEO che sono già dentro la transizione

Il primo caso è Invesco. Andrew Schlossberg, President e CEO, ha scelto di muoversi su due direzioni insieme: strumenti AI in mano a tutti i dipendenti e, contemporaneamente, una regia dall’alto. La sua formulazione è la più utile della serie, la traduzione è nostra: «bisogna resistere alla tentazione di rendere tutto completamente calato dall’alto e controllato, e allo stesso tempo resistere alla tentazione di renderlo completamente dal basso e imprenditoriale». La conversazione è nell’episodio Earning and sustaining trust in the age of AI del McKinsey Podcast, pubblicato il 20 agosto, dove Kutcher e Schlossberg parlano anche di «rallentare per accelerare».

Snowflake e la AI leadership che ridistribuisce le persone

Il secondo caso è Snowflake. Sridhar Ramaswamy sposta l’attenzione da quanto velocemente si scrive software a chi lo può scrivere: «molte più persone saranno in grado di scrivere software». La conseguenza non è tecnica, è organizzativa: se cambia chi produce, cambia dove metti le persone, è la tesi che McKinsey riassume dicendo che l’AI sta trasformando ogni azienda in un’azienda di software. Altrove Ramaswamy ha aggiunto il consiglio più pragmatico di tutti, l’errore più grande è «pensare all’AI come a un tutto o nulla», e la ricetta è essere «molto incrementali». Nessuno dei due sta descrivendo un big bang: stanno descrivendo un lavoro di direzione fatto ogni settimana. È la stessa ragione per cui in azienda serve una disciplina di change management prima degli agenti AI, e non dopo.

AI leadership: perché il CEO che segue di persona la governance ottiene più risultati

Qui la survey globale State of AI di McKinsey dice una cosa netta: la supervisione della governance AI da parte del CEO è l’elemento più correlato all’impatto sul bottom line attribuito alla gen AI, e l’effetto è più forte nelle aziende grandi. Non è una questione di sensibilità personale: è che le decisioni che sbloccano valore, quali processi si toccano, chi risponde di cosa, quali rischi si accettano, non sono delegabili a una funzione. Il problema è la diffusione: solo il 28% dichiara che il CEO supervisiona la governance AI, e appena il 17% la affida al consiglio di amministrazione.

Il contrasto con i numeri di adozione è brutale. L’88% delle organizzazioni usa regolarmente l’AI in almeno una funzione, ma solo il 39% dichiara un qualche impatto sull’EBIT attribuibile all’AI, e nella maggior parte dei casi sotto il 5%. Gli «AI high performers», chi attribuisce all’AI più del 5% dell’EBIT, sono il 6%, secondo la stessa survey State of AI. Tradotto per un comitato di direzione italiano: l’adozione è quasi universale, il ritorno è concentrato in una minoranza, e la differenza non passa dal modello scelto, è il motivo per cui, in un agente AI enterprise, il servizio conta più del modello. È lo stesso meccanismo dietro il tasso di fallimento dei progetti AI: si compra la tecnologia, non si cambia chi decide.

CEO o consiglio di amministrazione: a chi affidare la governance AI

La risposta pratica è: al CEO l’indirizzo e le priorità, al CdA il controllo dei rischi e la verifica che le priorità siano coerenti con il piano. Se la governance AI resta un punto all’ordine del giorno del solo IT, il segnale all’organizzazione è che l’AI è un tema di strumenti, e allora l’organizzazione la usa come uno strumento. Chi deve tradurre questa divisione in un percorso operativo, chi firma cosa, in quale ordine, con quali partner, la trova nel nostro framework in 5 fasi per l’adozione dell’AI in azienda. Qui parliamo dell’indirizzo del vertice; lì della sequenza delle fasi e delle firme.

Ridisegnare i processi invece di appoggiare l’AI sul lavoro di ieri

Fra i venticinque attributi testati da McKinsey, quello con l’effetto maggiore sull’impatto EBIT è il ridisegno dei flussi di lavoro. Ed è esattamente quello che quasi nessuno fa: solo il 21% dichiara di aver ridisegnato in modo sostanziale almeno alcuni workflow. Gli high performers, invece, ci sono passati in massa, 2,8 volte più probabile il ridisegno fondamentale dei processi, 55% contro il 20% degli altri. La quasi totalità del mercato sta facendo la cosa più comoda: mettere un copilota sopra un processo pensato quando l’AI non c’era, ed è così che nasce un’organizzazione che si attrezza senza cambiare forma.

Da qui si capisce anche perché la scala non arriva. Sempre nella stessa survey, quasi due terzi delle organizzazioni non hanno ancora cominciato a scalare l’AI a livello aziendale, mentre il 62% sta almeno sperimentando con agenti e il 23% li sta scalando da qualche parte. Le letture della survey convergono su questo punto: la spesa record in AI non sta muovendo gli utili, e il ROI enterprise resta concentrato in pochi. Il ridisegno dei processi è la porta d’ingresso della scala, non un esercizio successivo: senza toccare il flusso, un agente resta un pilota elegante. È il punto in cui la domanda «l’AI sostituisce le persone?» smette di essere retorica e diventa operativa, la trattiamo per esteso in questa analisi su cosa l’AI può e non può sostituire del lavoro umano, ed è la stessa domanda che Ramaswamy si fa quando parla di ridistribuire le persone. Per chi deve decidere dove mettere i soldi nei prossimi dodici mesi, il criterio è quello: prima i processi, poi gli strumenti. Le priorità di investimento dell’AI agentica seguono lo stesso ordine.

Il divario italiano: 1,8 miliardi di mercato e tre quarti delle PMI fermi

I numeri di casa nostra raccontano un paese a due velocità. L’Osservatorio Artificial Intelligence del Politecnico di Milano misura il mercato AI italiano a 1,8 miliardi di euro nel 2025, +50% sull’anno precedente, con il 71% delle grandi imprese che ha progetti AI ma solo una su cinque che la usa in modo pervasivo; l’84% delle grandi aziende ha licenze di gen AI, mentre fra le PMI sperimenta il 15% delle medie e il 7% delle piccole. L’ISTAT conferma dall’altro lato: le imprese con almeno 10 addetti che usano AI sono passate dall’8,2% al 16,4% in un anno, con le grandi al 53,1% e le PMI al 15,7%, un divario cresciuto a 37 punti percentuali.

Due dati meritano il tavolo del vertice più degli altri. Il primo: il 41% dei lavoratori dichiara di svolgere con l’AI attività che altrimenti non riuscirebbe a fare. Il secondo: solo il 19% usa esclusivamente strumenti approvati dall’azienda. Significa che l’AI è già dentro i processi, ma senza governance, cioè nella condizione peggiore possibile per chi risponde di rischi e dati. E il mercato del lavoro lo sta già scontando: le richieste di competenze AI negli annunci sono cresciute del 93% in un anno, e il 76% dei ruoli dirigenziali qualificati ne richiede almeno una. Su come cambia la domanda di profili abbiamo un pezzo dedicato: l’AI ridefinisce competenze e lavori.

Da dove parte una PMI italiana che non ha ancora investito in AI

Non dalla tecnologia. Secondo l’indagine ISTAT su imprese e ICT, l’ostacolo dichiarato numero uno dalle imprese che hanno valutato l’AI senza adottarla è la mancanza di competenze, al 58,6%, davanti a incertezza normativa (47,3%) e qualità dei dati (45,2%); i costi elevati arrivano al 43,0%, cioè non sono il primo problema. E la leva è scoperta: fra le PMI, solo il 7% ha avviato programmi strutturati di formazione sull’AI. Prima di comprare licenze conviene costruire competenza interna: è l’investimento con il ritorno più immediato e il rischio più basso.

Le tre domande da portare al prossimo comitato di direzione

Primo: quale processo stiamo ridisegnando, con nome e cognome del responsabile. Non «dove usiamo l’AI», ma quale flusso cambia forma. L’ISTAT dice che le aziende italiane si concentrano su marketing e vendite (33,1%) e processi amministrativi (25,7%): sono ottimi punti di partenza proprio perché il flusso è misurabile e il costo dell’errore è contenuto.

AI leadership: chi controlla l’output e con quale metrica

Secondo: chi controlla l’output e con quale procedura. Fra gli high performers, il 65% ha processi di validazione con supervisione umana (human in the loop) definiti, contro il 23% degli altri. Non è burocrazia: è la condizione per poter mettere un agente su un processo che vale soldi. Terzo: quale numero ci dirà entro novanta giorni se stiamo sbagliando. Non l’EBIT, troppo lento e troppo aggregato, ma il tempo di ciclo del processo toccato, il tasso di rilavorazione, il costo per pratica. Se un pilota non ha una metrica di uscita, non è un pilota: è un acquisto. Sul perché il ritorno mancante quasi mai dipenda dal modello, e quasi sempre dal contorno, abbiamo scritto se l’AI generativa non genera ROI il problema non è la tecnologia; e se la direzione è quella degli agenti, conviene capire prima come si costruisce un agente AI su misura per la propria azienda.

La lettura di Schlossberg e Ramaswamy converge su un punto che i dati confermano: l’AI rende quando il vertice se ne occupa di persona e accetta di cambiare il lavoro, non solo di attrezzarlo. Per le aziende italiane, con il 76% delle PMI ancora fuori secondo la ripresa AIPIA dei dati dell’Osservatorio del Politecnico di Milano, questo non è un ritardo da rimpiangere: è una finestra che è ancora aperta, e che si chiude nel momento in cui i concorrenti smettono di sperimentare e cominciano a ridisegnare.

Fonti:

• McKinsey, How CEOs are leading through the AI shift: la serie di conversazioni di Eric Kutcher con i CEO
• McKinsey QuantumBlack, The State of AI: la survey globale su adozione, governance e impatto
• McKinsey, AI is turning every company into a software company
• McKinsey Podcast, Earning and sustaining trust in the age of AI, con Andrew Schlossberg (Invesco), 20 agosto
• Yahoo Finance, Sridhar Ramaswamy (Snowflake): l’errore più grande è pensare all’AI come a un tutto o nulla
• CX Today, L’88% usa l’AI in almeno una funzione, solo il 39% dichiara un impatto sull’EBIT: lo scaling gap
• Lovex, Il redesign gap: gli AI high performers sopra il 5% di EBIT sono il 6%
• TechTimes, La spesa record in AI non muove gli utili nella grande maggioranza delle imprese
• Osservatorio Artificial Intelligence, Politecnico di Milano, Mercato AI italiano a 1,8 miliardi di euro nel 2025, +50%