L’adozione dell’intelligenza artificiale nelle aziende è ormai uscita dalla fase sperimentale, ma il valore generato non sempre cresce alla stessa velocità. È il punto centrale che emerge da una nuova ricerca di Harvard Business Review Analytic Services, sponsorizzata da Appian: molte organizzazioni hanno già portato l’AI in produzione, ma continuano a usarla soprattutto per produttività ed efficienza, mentre l’impatto su ricavi, ROI e nuovi modelli di crescita resta più limitato.
Appian e il divario tra adozione AI e valore di business
Il dato di partenza fotografa un mercato maturo solo in apparenza. Il 59% delle organizzazioni dichiara di avere l’intelligenza artificiale in produzione, segno che l’AI non è più confinata a test isolati o sperimentazioni marginali. Tuttavia, la maggior parte delle aziende sta ottenendo benefici soprattutto incrementali, concentrati su attività di efficientamento e miglioramento della produttività.
Secondo la ricerca, il 64% delle organizzazioni registra un impatto positivo sulla produttività e il 58% sull’efficienza operativa. I parametri più direttamente collegati alla crescita, invece, restano più deboli: solo il 30% segnala miglioramenti nei nuovi flussi di ricavi e il 35% nel ROI. È qui che si apre quello che Appian definisce, di fatto, un divario di successo dell’AI: le imprese adottano la tecnologia, ma non sempre riescono a trasformarla in risultati aziendali più ampi.
Il problema non è l’interesse per l’AI. Le aspettative restano alte: l’86% degli intervistati concorda sul fatto che la propria organizzazione punti a ottenere maggiore valore aziendale dall’uso dell’intelligenza artificiale. Il nodo è un altro: portare l’AI dentro i processi reali, dove il lavoro viene eseguito, governato e misurato.
L’AI resta spesso accanto al lavoro, non dentro i workflow
Uno dei passaggi più rilevanti della ricerca riguarda il modo in cui le organizzazioni utilizzano l’AI. Solo il 18% degli intervistati afferma che l’intelligenza artificiale è principalmente incorporata nei flussi di lavoro. Una quota molto più ampia, pari al 34%, continua a usarla come strumento autonomo accanto ai processi esistenti. Un altro 34% adotta un approccio misto, mentre il 12% non la utilizza ancora nei workflow.
Questa distinzione è decisiva. Un conto è usare l’AI per accelerare singole attività; un altro è integrarla nei processi che determinano risultati di business, tempi operativi, qualità delle decisioni, compliance e capacità di scalare. Quando l’AI resta separata dal modo in cui il lavoro viene svolto, il suo impatto tende a fermarsi a miglioramenti locali. Può aiutare una persona o un team, ma fatica a modificare il funzionamento complessivo dell’organizzazione.
“Le imprese si trovano a un punto di svolta. Invece di usare l’IA per aumentare la produttività, le organizzazioni devono evolversi per concentrarsi sulla crescita del business. È qui che entra in gioco Appian”, ha dichiarato Matt Calkins, CEO di Appian. “Il vero potenziale dell’IA può essere realizzato solo quando passa da strumento autonomo a lavoratore integrato che genera ricavi. Per arrivarci, i leader devono dare priorità all’orchestrazione fondamentale e ai guardrail basati su regole necessari per applicare l’IA in modo sicuro a lavori ad alto impatto.”
La visione è netta: l’AI non deve restare un assistente laterale, ma diventare parte del lavoro operativo, con regole, orchestrazione, controllo e misurazione.
Modernizzazione e integrazione dei dati diventano condizioni essenziali
Il valore dell’intelligenza artificiale cresce quando l’AI è integrata nei flussi di lavoro e collegata alle attività operative. La ricerca mostra che il 71% delle organizzazioni che integrano l’AI nei processi registra un valore sostanziale o moderato da questi sforzi. Non è un dettaglio: indica che la differenza non sta solo nella tecnologia adottata, ma nel livello di integrazione con sistemi, dati e processi.
I ritorni più forti sono associati a tre aree: modernizzazione dell’infrastruttura, integrazione delle fonti di dati e orchestrazione dei workflow tra sistemi. Il 76% degli intervistati segnala ritorni rilevanti dalla modernizzazione dell’infrastruttura, il 75% dall’integrazione dei dati e il 73% dall’orchestrazione dei flussi di lavoro.
Il messaggio è chiaro. L’AI non può produrre pieno valore se viene innestata su architetture frammentate, sistemi scollegati e processi non standardizzati. La qualità dell’infrastruttura e la capacità di mettere in comunicazione applicazioni, dati e decisioni diventano elementi determinanti per passare da un’AI utile a livello individuale a un’AI capace di incidere sulle performance aziendali.
I sistemi legacy frenano la scalabilità dell’AI
Il peso dei sistemi legacy resta uno degli ostacoli più concreti. Quasi sette intervistati su dieci, il 69%, affermano che le piattaforme esistenti limitano la capacità di scalare l’AI nell’intera organizzazione. È una conferma del fatto che la trasformazione AI non può essere trattata come un progetto isolato, separato dalla modernizzazione applicativa e dall’integrazione dei processi.
Le difficoltà più citate sono coerenti con questo quadro. Il 34% indica le sfide legate ai dati, il 31% la mancanza di integrazione tra i sistemi e il 30% le lacune nelle competenze AI. Tre ostacoli diversi, ma collegati tra loro. I dati devono essere accessibili, affidabili e utilizzabili. I sistemi devono dialogare. Le persone devono avere le competenze per progettare, governare e misurare l’uso dell’AI.
Senza queste condizioni, l’AI rischia di restare confinata a casi d’uso tattici. Può automatizzare attività circoscritte, accelerare documenti, supportare analisi o generare contenuti, ma non riesce a trasformare processi complessi e trasversali. Per Appian, la questione riguarda quindi la progettazione stessa del lavoro aziendale: regole, flussi, dati, integrazione e governance devono essere pensati insieme.
Gli agenti AI avanzano, ma non ancora nei processi più critici
La ricerca mette in evidenza anche il tema degli agenti AI. Le organizzazioni li stanno adottando soprattutto in aree dove la sperimentazione è più immediata o dove l’automazione può produrre benefici rapidi. Le percentuali più alte riguardano lo sviluppo software, con il 35%, le operazioni IT, con il 31%, il marketing e le vendite, con il 26%, e il servizio clienti, con il 25%.
La diffusione è invece più limitata nelle aree operative principali e più sensibili: rischio e conformità si fermano al 15%, la supply chain all’11% e l’approvvigionamento al 9%. Non sorprende. Sono ambiti in cui i processi sono più complessi, le conseguenze degli errori più rilevanti e la necessità di controllo più alta. Proprio per questo, l’adozione degli agenti AI in questi contesti richiede una struttura di governance più solida.
Il potenziale degli agenti è significativo, ma non può essere separato dal tema dei guardrail. Il 92% degli intervistati concorda sul fatto che gli agenti AI abbiano bisogno di regole basate su criteri chiari per operare in modo sicuro ed efficace. Eppure, meno della metà, il 48%, afferma che la propria organizzazione dispone già di tali regole.
Il divario è evidente: le imprese riconoscono la necessità di controllo, ma non sempre hanno predisposto le condizioni per applicarlo. Questo diventa ancora più importante man mano che i sistemi agentici evolvono. Oggi il 25% delle organizzazioni utilizza già agenti AI avanzati, mentre il 62% li sta considerando. Senza guardrail chiari, questi sistemi possono agire in modo imprevedibile tra applicazioni e dati, aumentando il rischio di risultati indesiderati.
Appian mette al centro orchestrazione, regole e processi
La risposta proposta da Appian si concentra su un concetto preciso: l’AI genera più valore quando viene orchestrata dentro i workflow e governata da regole. Non basta aggiungere strumenti intelligenti sopra processi esistenti. Bisogna ripensare come il lavoro viene strutturato, automatizzato, controllato e misurato.
La ricerca mostra che le organizzazioni stanno già andando in questa direzione. Il 50% si sta concentrando sulla definizione di regole aziendali più chiare, il 49% sulla standardizzazione dei flussi di lavoro e il 47% sul miglioramento del coordinamento interfunzionale. Sono interventi meno appariscenti rispetto al lancio di nuovi tool AI, ma spesso più importanti per trasformare l’adozione in valore stabile.
“Le organizzazioni stanno adottando l’IA, ma molte non l’hanno integrata nei processi principali che guidano i risultati aziendali”, ha dichiarato Alex Clemente, managing director di analytic services presso Harvard Business Review. “Quelle che riusciranno a integrare efficacemente l’IA nei flussi di lavoro saranno meglio posizionate per realizzare un valore concreto.”
Il punto, quindi, non è rallentare l’adozione dell’intelligenza artificiale, ma renderla più strutturale. L’AI deve entrare nei processi con un disegno preciso: dati integrati, sistemi connessi, regole verificabili, responsabilità definite e metriche di impatto coerenti con gli obiettivi aziendali.
L’AI aziendale entra nella fase della maturità operativa
La ricerca condotta da Harvard Business Review Analytic Services su 384 responsabili aziendali coinvolti nella strategia, implementazione o decisione sull’AI conferma una tendenza ormai chiara: l’adozione, da sola, non basta più. La nuova metrica sarà la capacità di trasformare l’AI in valore misurabile, scalabile e collegato alla crescita.
Per molte organizzazioni, il primo ciclo dell’AI enterprise è stato dominato dalla produttività: ridurre tempi, automatizzare attività, supportare i team, migliorare efficienza. Il secondo ciclo richiederà qualcosa di più complesso: integrare l’AI nei workflow che generano ricavi, gestiscono rischi, coordinano funzioni e determinano la qualità dell’operatività aziendale.
È qui che l’approccio di Appian trova il suo spazio. La piattaforma dell’azienda è orientata all’automazione dei processi complessi in grandi organizzazioni e pubbliche amministrazioni, con un focus su affidabilità, scalabilità e orchestrazione. In un mercato in cui l’AI rischia di restare frammentata tra strumenti isolati, il tema della connessione tra AI, processi, dati e governance diventa centrale.
Il messaggio finale è pragmatico: le aziende hanno ormai superato la fase in cui bastava dimostrare di usare l’intelligenza artificiale. La sfida è dimostrare che l’AI produce valore reale. E questo valore non nasce dall’uso sporadico di strumenti autonomi, ma dalla capacità di integrarli nel modo in cui l’organizzazione lavora, decide e cresce.
