L’intelligenza artificiale accelera il lavoro. Siamo pronti a ripensarlo?

Il nuovo report Deloitte sullo stato dell’AI nelle imprese racconta un’adozione ormai concreta. La questione che mi sembra più interessante riguarda ciò che accade intorno alla tecnologia: come cambiano le decisioni, le responsabilità e il lavoro delle persone.

Immaginiamo un gruppo di lavoro che, grazie all’intelligenza artificiale, riesca a individuare in pochi minuti la causa di un problema per un cliente. Ha tutte le informazioni necessarie, ma per intervenire deve ancora attraversare i consueti passaggi autorizzativi e attendere che la decisione risalga la gerarchia. Il tempo guadagnato nell’analisi si disperde lungo il percorso che separa la conoscenza dall’azione.

È una situazione che aiuta a leggere The State of AI in the Enterprise, il report pubblicato da Deloitte nell’ottobre 2026. La ricerca si basa sulle risposte di 3.500 leader in 25 Paesi, appartenenti a organizzazioni che hanno già almeno un’applicazione di AI utilizzata nelle attività quotidiane, ed è integrata da 15 interviste. Il documento attraversa 7 temi: agilità, costi, ritorni economici, ridisegno del lavoro, governance, AI fisica e sovranità tecnologica.

I risultati mostrano quanto rapidamente l’AI stia entrando nelle imprese. Mostrano anche quanto sia impegnativo adattare le organizzazioni alle possibilità che questa tecnologia apre. Come si legge nel report:

«The constraint is no longer whether AI can accelerate work. It’s whether the organization is prepared to redesign the work it accelerates.»

A mio avviso, è questa la chiave di lettura dell’intera ricerca. Possiamo ottenere risposte più rapide e processi più efficienti; il loro valore dipenderà anche da chi può usare quelle risposte, da come si svolge il lavoro e da quali responsabilità siamo disposti a ridefinire.

La velocità incontra il disegno dell’organizzazione

L’81% delle organizzazioni intervistate afferma che l’AI ha migliorato la velocità delle decisioni e dell’esecuzione. Il 25% dichiara di utilizzarla per una trasformazione profonda, attraverso nuovi prodotti o servizi, la revisione dei processi fondamentali o un cambiamento sostanziale del modello di business.

Il divario tra queste percentuali merita attenzione. Risparmiare tempo nelle attività quotidiane produce benefici reali: libera capacità, rende più accessibili le informazioni, permette di affrontare problemi che prima rimanevano sullo sfondo. Per comprendere fin dove arrivino questi benefici, però, occorre osservare l’intero percorso del lavoro. Se un’analisi diventa immediata mentre la decisione continua a dipendere dagli stessi passaggi, il miglioramento si concentra in un tratto del processo.

Mi sembra che qui emerga una domanda familiare a chi si occupa di trasformazione organizzativa: che cosa possiamo cambiare nel modo di lavorare, ora che alcune attività richiedono meno tempo? La risposta può riguardare gli snodi tra funzioni, la relazione con il cliente, il livello a cui si prendono certe decisioni. In qualche caso può aprire la strada a prodotti e servizi che, prima, l’organizzazione non avrebbe avuto le risorse per sviluppare.

I costi dell’AI vanno letti dentro le attività

Il report dedica un capitolo all’economia dell’intelligenza artificiale. Il 71% delle organizzazioni monitora la spesa complessiva per l’utilizzo dei modelli e delle interfacce applicative; il 51% rileva il volume dei token e il 44% il costo unitario delle elaborazioni.

Conoscere la spesa totale è indispensabile, ma dice poco su come si forma. Un’attività apparentemente semplice può richiedere molte chiamate ai modelli, l’uso di strumenti diversi e diversi tentativi prima di arrivare a un risultato. Questo aspetto diventa ancora più importante quando più agenti collaborano all’interno dello stesso processo.

Servono quindi misure che permettano di collegare il costo all’attività svolta e alla qualità del risultato. Per alcune decisioni può essere ragionevole impiegare risorse maggiori; per altre, una soluzione più semplice può funzionare altrettanto bene. Chi è responsabile del processo deve poter vedere queste differenze e intervenire. Anche l’economia dell’AI, in definitiva, dipende dalla chiarezza con cui attribuiamo la responsabilità del lavoro.

Come prendono forma i ritorni economici

Il 28% delle imprese intervistate riferisce incrementi dei ricavi legati all’AI, rispetto al 20% riportato nell’edizione di gennaio. Sono più diffuse le segnalazioni di miglioramenti nell’efficienza e nella produttività (74%), nella qualità delle decisioni e nell’uso dei dati (60%) e nella riduzione dei costi (45%).

I benefici seguono percorsi diversi. Il tempo risparmiato in un’attività può essere osservato abbastanza presto; la crescita dei ricavi richiede spesso che quell’attività cambi una scelta commerciale o l’esperienza di un cliente. Il 67% degli intervistati si aspetta una crescita futura dei ricavi grazie all’AI. Per valutare questa aspettativa, chiederei a ogni iniziativa di rendere esplicito il proprio contributo: quale decisione migliorerà? Chi potrà prenderla? In che modo il cliente se ne accorgerà?

Sono domande utili anche per riconoscere i risultati che meritano di essere sviluppati ulteriormente. Un incremento della produttività può creare le condizioni per un nuovo servizio, una maggiore attenzione ai clienti o una migliore capacità di risposta al mercato. Affinché questo accada, qualcuno deve progettare il passaggio dal tempo guadagnato al valore creato.

Ridisegnare il lavoro significa parlare di autonomia

È nella sezione dedicata al lavoro che la ricerca, a mio avviso, tocca il suo punto più delicato. Il 60% degli intervistati afferma che la propria organizzazione ha ridisegnato le mansioni intorno alle capacità dell’AI almeno in misura moderata. Il 15% descrive questo cambiamento come esteso o completo. Sempre il 15% riferisce uno spostamento significativo o fondamentale dell’autorità decisionale.

Le attività, dunque, stanno cambiando più rapidamente dello spazio d’azione riconosciuto alle persone. Chi lavora può disporre di analisi migliori e ricevere più informazioni, continuando però a dipendere dalle autorizzazioni di sempre. Il report esprime con chiarezza questa tensione:

«Employees are being asked to work differently without being given the power to act differently.»

In questa frase ritrovo molte delle difficoltà che accompagnano i cambiamenti organizzativi. Introduciamo una nuova possibilità tecnica e chiediamo alle persone di adattarsi, ma dedichiamo meno attenzione alle condizioni che consentirebbero loro di utilizzarla con efficacia. Se l’AI rende più rapida la preparazione di un’analisi, possiamo forse avvicinare alcune decisioni a chi conosce direttamente il cliente o il problema. Dobbiamo allora chiarire quali decisioni siano, quali competenze richiedano e quando sia opportuno coinvolgere altri.

C’è poi una questione di apprendimento. Molte attività preparatorie, oggi affidabili all’AI, sono state per anni il modo in cui si imparava un mestiere: osservando casi, confrontando alternative, facendo esperienza sotto la guida di colleghi più esperti. Quando cambiamo quelle attività, dobbiamo progettare anche nuovi modi per sviluppare giudizio professionale.

Il report racconta, per esempio, il caso di un rivenditore che ha introdotto uno strumento di AI per la progettazione degli ambienti e ha riqualificato i propri designer, orientandone diversamente il contributo. È un esempio circoscritto, ma aiuta a formulare la domanda giusta: quale parte del lavoro delle persone vogliamo rendere più ricca, e quali condizioni servono perché possano svolgerla?

Una governance che accompagni le decisioni

Il ridisegno del lavoro conduce direttamente al tema della governance. Il 40% delle aziende intervistate consente all’AI di eseguire decisioni o azioni senza approvazione umana almeno in misura moderata. Tra le organizzazioni che utilizzano più agenti nello stesso processo — un gruppo specifico all’interno del campione — il 9% dichiara di averne una governance completa; secondo il report, circa la metà dispone di una supervisione di base o non ha una governance formale. Il 23% degli intervistati afferma che, quando un sistema di AI produce un esito negativo, la responsabilità non è chiara.

Questi dati chiedono di guardare alla governance nel luogo in cui il lavoro avviene. Un sistema che mette informazioni a disposizione di una persona ha un ruolo diverso da uno che suggerisce una scelta o che può eseguirla autonomamente entro certi limiti. Permessi, controlli, modalità di escalation e attribuzione delle responsabilità devono tenere conto di queste differenze e delle conseguenze possibili.

Come si legge nel report:

«In that sense, governance becomes part of the company’s operating model, not a review added after the work is complete.»

È un passaggio importante anche per la qualità dell’autonomia umana. Quando i confini sono chiari, un team sa quali decisioni può prendere e in quali casi deve chiedere un confronto. Quando sono vaghi, persino scelte ordinarie tendono a risalire l’organizzazione, oppure vengono prese senza che sia chiaro chi ne risponderà. Per questo considero governance e ridisegno del lavoro parti dello stesso progetto: entrambi definiscono come si distribuiscono il giudizio, l’azione e la responsabilità.

Quando l’AI opera nel mondo fisico

L’indagine guarda anche all’AI fisica, applicata a sistemi che interagiscono con ambienti, sensori, macchinari e dispositivi. Oggi il 25% delle aziende intervistate ne segnala un utilizzo almeno moderato; gli intervistati si aspettano che la quota raggiunga il 48% entro 2 anni. È una previsione, mentre il 19% valuta già elevata o molto elevata la propria competenza in questo ambito.

La distanza tra adozione attesa e competenze dichiarate suggerisce prudenza nella progettazione. Un sistema fisico deve integrarsi con apparecchiature e procedure esistenti e mantenere nel tempo livelli adeguati di affidabilità e sicurezza. Le conseguenze di un errore dipendono dall’ambiente in cui opera e dalle persone che possono esserne coinvolte. Occorrono quindi competenze tecniche, operative e di sicurezza capaci di lavorare insieme fin dalle prime scelte di impiego.

Sovranità tecnologica e capacità di scegliere

Infine, il 74% degli intervistati considera almeno moderatamente importanti la residenza dei dati e la disponibilità di capacità di calcolo nella propria regione. Il 62% esprime almeno una moderata preoccupazione per la dipendenza da tecnologie e infrastrutture di AI di proprietà straniera.

La sovranità tecnologica riguarda la possibilità di conoscere e governare dipendenze che diventano sempre più rilevanti. Dati, fornitori, modelli e infrastrutture presentano compromessi diversi in termini di prestazioni, costi, velocità e resilienza; le esigenze possono cambiare anche da un’attività all’altra.

Per questo una strategia utile identifica dove il controllo è particolarmente importante e quali alternative siano realmente percorribili. Poi torna periodicamente su quelle scelte. Le architetture evolvono, così come le condizioni normative e di mercato: conservare margini di manovra richiede attenzione nel tempo.

Le decisioni da prendere adesso

Nelle pagine finali, il report propone 6 priorità. Mi sembra utile leggerle come decisioni congiunte sul funzionamento dell’impresa, perché ciascuna influenza le altre.

• Scegliere quali attività ridisegnare dall’inizio alla fine. Conviene partire dai processi in cui l’AI sta già producendo un miglioramento visibile e seguirli fino al risultato per il cliente o per l’organizzazione. In questo percorso si possono distinguere i passaggi che aggiungono competenza e controllo da quelli che introducono attese superflue. La decisione riguarda anche il contributo umano che vogliamo valorizzare.
• Attribuire alle persone un’autorità coerente con il lavoro che chiediamo loro di svolgere. Per ogni ruolo ripensato occorre stabilire quali indicazioni dell’AI siano di supporto, quali decisioni possano essere prese direttamente e quando serva un’approvazione. Responsabilità e possibilità di agire devono evolvere insieme.
• Collegare i costi alle singole attività. La spesa complessiva va ricondotta ai processi, ai modelli utilizzati, alle chiamate effettuate e ai token consumati. Solo così chi guida un’attività può confrontare costo, qualità e utilità dei risultati e correggere le scelte tecniche quando serve.
• Rendere esplicito il percorso che porta ai ricavi. Per le iniziative con ambizioni commerciali bisogna chiarire quale decisione o esperienza cambierà: il prezzo, la comprensione della domanda, la relazione con il cliente, la capacità di proporre un servizio nuovo. È importante assegnare un responsabile che possa agire su quel cambiamento e verificarne gli effetti.
• Dare a ogni sistema una governance commisurata alla sua autonomia. Informare, raccomandare ed eseguire comportano livelli diversi di responsabilità. Permessi, approvazioni, monitoraggio ed escalation dovrebbero essere definiti prima della messa in esercizio, insieme al nome di chi risponde degli esiti.
• Preparare le competenze e custodire le opzioni future. Nel caso dell’AI fisica, significa investire per tempo nell’integrazione, nell’affidabilità, nella sicurezza e nella conoscenza delle operazioni. Nel caso della sovranità, significa comprendere le dipendenze critiche e riesaminare periodicamente l’equilibrio tra controllo, capacità tecnologica, costi e resilienza.

Nessuna di queste scelte può essere risolta soltanto acquistando una tecnologia più capace. Richiedono che funzioni aziendali diverse discutano insieme di processi, persone, investimenti e responsabilità. È un lavoro meno immediato dell’introduzione di un nuovo strumento, ma è il lavoro che permette di utilizzare ciò che lo strumento rende possibile.

La domanda che mi porterei via dalla lettura del report è questa: se oggi abbiamo più capacità di analizzare e agire, quale organizzazione vogliamo costruire intorno a quella capacità? Dalla risposta dipenderanno sia il valore prodotto dall’AI sia la qualità del lavoro delle persone che continueranno a darle una direzione.