L’AI è già dentro le aziende, adesso va governata

Settembre si chiude con un appello che arriva dall’interno del settore tech: Dario Amodei, amministratore delegato di Anthropic, ha chiesto ai laboratori di frontiera di rallentare volontariamente il ritmo con cui i modelli migliorano le proprie capacità. Nel giro di poche ore Sam Altman ed Elon Musk hanno detto di essere d’accordo. Il dibattito che ne è seguito riguarda soprattutto i grandi laboratori americani, i loro bilanci e la corsa ai chip. Ma la maggior parte delle aziende italiane non lavora con quei modelli direttamente. Li adotta, li integra, prova a farli funzionare dentro processi che restano largamente umani. Lorenzo Maternini guida Perspective AI, società di advisory sull’intelligenza artificiale nata nel 2024, e siede nel comitato per l’AI della Presidenza del Consiglio dal 2023. Con lui, una lettura di cosa succede quando l’intelligenza artificiale esce dagli annunci ed entra nei processi di un’azienda.

Perspective AI nasce nel 2024 come società di advisory sull’intelligenza artificiale. Cosa vi ha convinto che le aziende avessero bisogno di questo tipo di accompagnamento, e non di un fornitore di tecnologia?

Perché l’intelligenza artificiale somiglia più a un sistema nervoso che a un prodotto da installare. Si innesta sui processi di un’organizzazione e per funzionare deve conoscere tre cose: quali processi contano davvero, quali persone li governano e su quali sistemi informativi poggiano. Un fornitore di tecnologia risponde, legittimamente, a una domanda diversa: quale strumento usare. Noi siamo partiti dall’osservazione che quasi nessuno stava affrontando la domanda a monte, cioè su quali processi installare l’AI e con quale mappa decisionale. Il costo di questa lacuna è già visibile. Nell’agosto 2025 IDC ha interrogato 700 organizzazioni europee: quasi tutte avevano sperimentato strumenti di AI e molte avevano avviato progetti pilota, ma poche erano riuscite a ridisegnare i processi centrali per usarla su larga scala. Quando la mappatura manca, il risultato è prevedibile: si automatizzano attività che non andavano automatizzate, oppure si collocano agenti nel punto sbagliato del flusso, dove il valore generato è minimo e il controllo umano resta comunque necessario. L’accompagnamento serve esattamente a questo: prima di scegliere la tecnologia, capire dove l’organizzazione prende decisioni, dove perde tempo e dove l’errore costa di più. La tecnologia arriva dopo, ed è quasi sempre la parte più semplice.

Nel suo lavoro quotidiano, qual è la differenza più netta tra come le aziende italiane parlano di intelligenza artificiale e come poi, in pratica, la usano?

La differenza più netta nasce dal modo in cui l’AI è entrata nelle aziende, che non ha precedenti nella storia dell’informatica aziendale. Le tecnologie ICT tradizionali, dall’ERP al CRM, erano sistemi deterministici: imponevano le proprie regole ai processi ed erano calate dall’alto, scelte dalla direzione, implementate dall’IT, adottate per disposizione. L’intelligenza artificiale generativa ha seguito il percorso inverso. È arrivata dal basso, per iniziativa delle persone, spesso attraverso account personali, prima ancora che qualcuno ai vertici ne decidesse l’adozione. Da qui lo scarto. Nei consigli di amministrazione se ne parla come di un progetto strategico da pianificare, con un budget e una roadmap. Nella pratica è già ovunque, ma in modo frammentato: ciascuno la usa a modo suo, senza regole comuni, senza misurazione dei risultati e spesso senza che l’azienda sappia quali dati stiano uscendo dal proprio perimetro. Le aziende parlano di AI come di qualcosa da introdurre; in realtà devono governare qualcosa che è già dentro. Alla dirigenza oggi spetta un compito diverso: trasformare un uso individuale e spontaneo in una capacità organizzativa.

Molte aziende hanno adottato strumenti di AI generativa senza aver ripensato i processi che li circondano. Cosa succede, in genere, dopo i primi mesi di entusiasmo?

Si apre un problema di adozione, che si manifesta in due forme. Nella prima, lo strumento semplicemente non serve: è stato scelto perché disponibile o ben promosso, non perché rispondesse a un bisogno preciso, e dopo qualche settimana l’utilizzo crolla. Nella seconda, più insidiosa, lo strumento viene usato ma dentro processi rimasti identici. Le persone generano un testo, un’analisi, una sintesi, e poi la ricontrollano integralmente, perché nessuno ha ridefinito responsabilità, soglie di fiducia e passaggi di verifica. Il lavoro si sposta a valle, e a volte cresce. C’è poi un terzo effetto, che emerge sul piano dei costi. Molti strumenti si presentano come pronti all’uso, ma l’integrazione con i sistemi e i processi esistenti richiede ore di configurazione, adattamento e formazione che nessuno aveva messo a budget. A quel punto l’entusiasmo iniziale si trasforma in scetticismo, e se ne trae la conclusione sbagliata che l’AI non mantenga le promesse. In realtà a non mantenerle è stata un’implementazione che ha saltato il passaggio decisivo: ripensare il processo prima di introdurre lo strumento.

Le grandi aziende tecnologiche discutono oggi di debiti enormi per finanziare la prossima generazione di modelli. Cambia qualcosa, per chi decide di adottare questi strumenti, sapere che l’infrastruttura sottostante poggia su capitale preso a prestito prima ancora che l’attività lo ripaghi?

Credo che il rischio riguardi soprattutto chi ha investito, molto meno chi utilizza. È ragionevole attendersi un ridimensionamento delle valutazioni, perché una parte del capitale impegnato oggi sconta ricavi futuri che non tutti i laboratori riusciranno a generare. Ma è una questione che riguarda investitori e mercati finanziari, non le imprese che adottano la tecnologia. Per chi utilizza, anzi, lo scenario più probabile è favorevole: una pressione crescente verso modelli open source e modelli chiusi a basso costo, con prestazioni già oggi più che sufficienti per la grande maggioranza degli usi aziendali. Se alcuni operatori dovessero ridimensionarsi, il mercato offrirebbe comunque alternative, e a prezzi più bassi. L’accortezza che suggerisco alle aziende è un’altra: non legarsi in modo irreversibile a un unico fornitore e costruire architetture che permettano di cambiare modello senza riprogettare tutto. È questa la vera assicurazione contro l’instabilità del settore, molto più che il tentativo di prevedere quale laboratorio sopravviverà.

Il dibattito internazionale di questi mesi, dall’appello di Amodei a rallentare fino alle dimissioni di ricercatori che parlano di rischio esistenziale, sembra lontano dalle preoccupazioni quotidiane di una PMI italiana. È davvero così, o c’è un punto di contatto che non si vede subito?

Sono tra quelli che leggono una parte rilevante di questo dibattito in chiave di posizionamento, se non di marketing. Quando un’azienda si è fortemente indebitata per sviluppare la generazione successiva di modelli e deve al tempo stesso far rendere quelli esistenti, il racconto più efficace da offrire al mercato è che la tecnologia sia talmente potente da rappresentare un rischio per l’umanità. È una narrazione che rafforza la percezione di valore, giustifica gli investimenti e sposta l’attenzione da una difficoltà molto più prosaica: trasformare quei modelli in ricavi sostenibili. Non metto in dubbio la buona fede dei singoli ricercatori; dico che il dibattito pubblico, così come è costruito, serve anche interessi industriali precisi e va letto tenendone conto. Il punto di contatto con una PMI italiana, allora, è molto più concreto: chi risponde di un errore commesso da un sistema automatico, quali dati possono uscire dall’azienda, come si documenta una decisione presa con il supporto di un algoritmo. Sono i temi su cui interviene l’AI Act europeo e su cui le imprese saranno chiamate a dare risposte nei prossimi anni. Il rischio reale, per un’azienda media, non è che l’intelligenza artificiale diventi troppo intelligente; è che venga usata senza regole, senza responsabilità definite e senza la capacità di spiegarne gli esiti.

Se guarda ai prossimi due o tre anni, cosa cambierà per un’azienda media italiana che oggi non ha ancora integrato l’AI nei propri processi, e cosa rischia chi aspetta troppo?

Vedrà la concorrenza alzare i livelli di produttività e di efficienza, e a un certo punto non riuscirà più a competere sugli stessi margini e sugli stessi tempi di risposta. Ma c’è un secondo effetto, meno evidente e forse più importante. I sistemi agentici, cioè software capaci di eseguire compiti in autonomia e di interagire tra loro, obbligheranno le imprese a costruire e migliorare le proprie infrastrutture dati, perché siano operabili anche oltre i confini aziendali: tra clienti, fornitori, partner di filiera. Un agente funziona bene solo se i dati su cui opera sono ordinati, accessibili e affidabili. È una dinamica che la storia conosce. Le strade sono state costruite e asfaltate dopo che le automobili erano pronte, non prima. Oggi siamo esattamente in quel passaggio: le macchine ci sono, e cominciamo a costruire le strade. Chi aspetta rischia di trovarsi doppiamente fuori: senza la macchina, cioè senza competenze e strumenti, e fuori dalla rete stradale, cioè dagli scambi di dati che regoleranno le filiere di domani. Per un sistema produttivo come il nostro, fatto di distretti e di catene di fornitura integrate, questo secondo rischio è particolarmente serio.

C’è un’idea diffusa sull’intelligenza artificiale, tra chi la osserva da fuori, che secondo lei è semplicemente sbagliata?

L’idea che introdurre l’intelligenza artificiale significhi, in sostanza, ridurre il costo del personale e migliorare in modo incrementale qualche indicatore di efficienza. È una lettura comprensibile, perché è quella che si traduce più facilmente in un business case, ma coglie la parte meno interessante della trasformazione. Quello che vedo nelle aziende con cui lavoriamo è diverso. L’AI cambia i sistemi di controllo, cioè il modo in cui si verificano le attività e si prendono le decisioni, e questo porta a riorganizzare le strutture. Le persone assumeranno ruoli con una componente più ampia di giudizio e di decisione strategica, spesso su più aree contemporaneamente, invece di presidiare singole fasi operative. Non credo che avremo meno persone; credo che avremo bisogno di persone più preparate, o preparate in modo diverso. La vera sfida, per le imprese e per il Paese, sarà formare le competenze che questa riorganizzazione richiede. Ed è una sfida che si gioca adesso.