Il paradosso

Adozione dell'AI in azienda: perché comprare licenze non basta?

La maggior parte delle aziende compra licenze di intelligenza artificiale. Adottare l'AI in chiave strategica è un'altra cosa ed è lì che si gioca davvero la partita. I dati dell'Osservatorio AI del Politecnico di Milano (si apre in una nuova scheda) (2026) fotografano bene la distanza tra i due piani: la stragrande maggioranza delle grandi imprese italiane ha già acquistato licenze di AI generativa, ma solo una minoranza la utilizza in modo pervasivo nelle proprie funzioni aziendali.

Quest'ultimo dato è quello che dovrebbe preoccupare di più i vertici aziendali: quando l'azienda non offre uno strumento AI governato, le persone non smettono di usare l'intelligenza artificiale, iniziano a usarla fuori controllo. È la cosiddetta Shadow AI: dati aziendali che escono dal perimetro di governance, senza che nessuno lo veda accadere.

La Shadow AI non è un problema di disciplina: è quasi sempre il segnale che la domanda interna esiste, ma l'offerta aziendale non c'è ancora. Vietare senza sostituire sposta il problema, non lo risolve. Per questo nell'Assessment la misuriamo in modo esplicito: quanto è diffuso l'uso di strumenti non aziendali, quanto serve a scopi di lavoro, quante persone lo usano per lavoro senza sapere quali dati possono caricare. La risposta che proponiamo corre su due binari insieme: regole d'uso chiare e uno strumento aziendale sicuro.

Il valore oltre l'efficienza non arriva con uno strumento in più, ma con un modo diverso di lavorare. È un tema di strategia, persone e processi, travestito da tema di tecnologia.

È un punto che vediamo confermato ogni volta che avviamo un percorso di Assessment: le aziende che restano bloccate non lo fanno per mancanza di tecnologia, ma perché affrontano l'AI come un acquisto invece che come una trasformazione da governare, con la strategia, le persone e i processi coinvolti quanto e più della piattaforma scelta.

Il framework

La Scala del Valore AI

Per orientare un percorso serve un criterio comune per parlarne. La Scala del Valore AI di binnova distingue cinque livelli di valore che l'intelligenza artificiale può generare in un'organizzazione, dal più immediato al più radicale, e permette di rispondere, con la stessa scala, a tre domande che ogni management dovrebbe porsi prima di partire: quale valore vogliamo creare con l'AI? Siamo pronti a farlo? Sappiamo dove ha senso iniziare?

1. 01

   Efficienza

   Fare le stesse cose più in fretta, liberando tempo dalle attività ripetitive: sintesi automatica di documenti e riunioni, prime bozze di testi e report, ricerca rapida di informazioni.

2. 02

   Efficacia e qualità

   Fare le stesse cose meglio: contenuti e comunicazioni più efficaci, controllo di coerenza e conformità dei documenti, rilevazione di errori e anomalie nei dati e nei processi.

3. 03

   Conoscenza e insight

   Sapere cose che prima non si sapevano: interrogare i propri dati in linguaggio naturale, individuare pattern e anomalie, analizzare le cause dietro problemi e risultati.

4. 04

   Nuove capacità e innovazione

   Fare cose prima impensabili: previsioni su domanda, rischi e comportamenti, simulazione di scenari alternativi, agenti che eseguono attività standard con supervisione.

5. 05

   Trasformazione

   Cambiare cosa si offre e come si lavora: nuovi prodotti e modelli di ricavo abilitati dai dati, processi ridisegnati attorno all'AI, non solo automatizzati.

Nella nostra esperienza, la maggior parte delle aziende concentra oggi l'uso dell'AI tra il primo e il secondo livello. Meno aziende arrivano a usarla per generare conoscenza davvero nuova, e ancora meno per trasformare il proprio modello di business.

I dati

Dove si fermano davvero le aziende

Il 95% delle organizzazioni non ottiene alcun ritorno dagli investimenti in AI generativa, secondo il report 2025 del MIT sul cosiddetto GenAI Divide (si apre in una nuova scheda), un lavoro preliminare, non pubblicato su rivista scientifica e basato su interviste, sondaggi e analisi di iniziative pubbliche. Non è un caso isolato. Nell'indagine McKinsey del 2026 (si apre in una nuova scheda) quasi nove rispondenti su dieci riportano un uso regolare dell'AI in almeno una funzione aziendale, ma solo il 37% le attribuisce almeno un impatto sull'EBIT, una quota rimasta sostanzialmente ferma rispetto all'anno precedente. Per BCG (si apre in una nuova scheda), il 60% delle organizzazioni non genera ancora valore materiale nonostante gli investimenti sostenuti.

Nella nostra esperienza il pattern si ripete dentro le singole aziende: l'uso si concentra sui primi due livelli, dove l'AI migliora il lavoro esistente senza toccare il processo di fondo, e cala subito dopo, quando si tratta di usarla per generare conoscenza e nuove capacità. Nell'Assessment lo leggiamo mettendo a confronto, livello per livello, l'adozione di oggi con l'ambizione a 12 mesi dichiarata dalle persone. Un livello si considera raggiunto solo sopra 3,5 su 5: l'adozione non si media, e un livello a 3,2 non vale "quasi raggiunto", vale non raggiunto.

In questo esempio illustrativo nessun livello è ancora raggiunto, e la distanza più ampia tra adozione e ambizione cade proprio al terzo livello, Conoscenza e insight. È la distanza che conta: la bussola delle priorità. Un gap alto indica una domanda interna che esiste già e che l'azienda non sta ancora servendo.

Il rischio silenzioso

Il costo cognitivo nascosto

C'è poi un costo che raramente entra nei business case, ma che ha un impatto diretto su quanto valore un'organizzazione riesce davvero a estrarre dall'AI: l'effetto sul pensiero critico di chi la usa senza criterio.

Il metodo in cinque fasi

AI Strategy Adoption

Sapere a che livello ci si trova non basta: serve un percorso per salire, con priorità chiare e verificabili. Il percorso AI Strategy Adoption di binnova si articola in cinque fasi che si parlano tra loro, lungo una roadmap tipica tra i 12 e i 24 mesi: ogni output alimenta la fase successiva.

Il percorso non si chiude con la Restituzione. Dopo l'implementazione, il monitoraggio dell'effetto reale, non delle licenze distribuite ma dell'uso che ne fa davvero chi lavora, richiude il ciclo e alimenta il giro successivo, un livello più in alto sulla Scala del Valore AI. L'adozione, in altre parole, si misura in continuo: non è un progetto con una fine, ma una capacità organizzativa da costruire.

L'AI crea valore quando incontra persone pronte a ridisegnare quello che conoscono.

È la sintesi di tutto il percorso: la tecnologia, da sola, non sposta la soglia di nessuno. La sposta un'organizzazione che decide, con metodo, fin dove vuole salire e si dà gli strumenti per arrivarci.