IA e efficienza delle assunzioni: cosa dovrebbero sapere gli investitori

L’intelligenza artificiale è spesso presentata come un modo per fare più lavoro con meno dipendenti. Questa impostazione trascura un’altra opportunità: aiutare le aziende a impiegare il numero giusto di persone in base alle variazioni della domanda. Assumere in modo troppo aggressivo può gonfiare i costi. Assumere in modo troppo cauto può far attendere i clienti, ritardare lo sviluppo del prodotto e cedere la crescita ai concorrenti.

Uno studio di Kai Xing e colleghi, Intelligenza artificiale ed efficienza degli investimenti nella forza lavoro: evidenze dalle imprese statunitensi, esamina questa dimensione meno visibile del valore dell’IA per le imprese.¹ Pubblicato come versione preliminare di un articolo nel Journal of International Money and Finance, rileva che le aziende legate all’IA tendono a presentare scostamenti minori tra le assunzioni effettive e quelle previste dalle loro condizioni economiche.

Per gli investitori, l’implicazione va oltre il risparmio sulla retribuzione. La spesa in IA potrebbe meritare un’analisi più approfondita come investimento nella reattività organizzativa. L’opportunità risiede nel collegare informazioni migliori a decisioni migliori, riconoscendo al contempo che l’adozione della tecnologia e la realizzazione dei suoi benefici sono risultati distinti.

Cosa misura realmente l’efficienza delle assunzioni con IA

I ricercatori analizzano 36,078 osservazioni azienda-anno relative a 5,843 società quotate negli Stati Uniti dal 2004 al 2020. Le società finanziarie e le utility sono escluse perché i loro ambienti normativi e le strutture contabili differiscono da quelle delle altre imprese.

Lo studio stima le assunzioni nette attese utilizzando i fondamentali aziendali, tra cui la crescita delle vendite, la redditività, i rendimenti azionari, la dimensione dell’azienda e la liquidità. Successivamente misura quanto le assunzioni effettive si discostano da quel riferimento. Scostamenti più piccoli indicano una maggiore efficienza negli investimenti in lavoro.

Questa distinzione è importante. L’efficienza non significa automaticamente ridurre il numero di dipendenti. Un’azienda che necessita di ingegneri per sostenere una domanda in crescita potrebbe migliorare la sua efficienza misurata assumendo di più. Un’altra azienda che recluta in anticipo rispetto a una crescita delle vendite sostenibile potrebbe migliorare rallentando le assunzioni.

Il indicatore non stabilisce direttamente la produttività dei dipendenti, la soddisfazione dei clienti o la qualità del lavoro. Descrive quanto le assunzioni nette si avvicinano a una stima statistica. Tale stima offre un confronto utile tra le aziende, ma non può cogliere ogni ragione strategica per cui un’impresa potrebbe mantenere temporaneamente una capacità in eccesso.

Ad esempio, assumere specialisti prima del lancio di un prodotto può apparire eccessivo rispetto alle vendite attuali, pur essendo commercialmente sensato. Gli investitori dovrebbero quindi considerare i risultati come evidenza dell’allineamento del personale, piuttosto che come una formula per la forza lavoro ideale.

Cosa scopre lo studio sull’IA e il personale

L’analisi principale identifica le aziende legate all’IA attraverso l’appartenenza a fondi negoziati in borsa a tema IA. Gli autori interpretano ciò come un’esposizione all’IA riconosciuta dal mercato, piuttosto che una misurazione diretta dell’implementazione all’interno di ogni azienda. Test aggiuntivi utilizzano indicatori relativi alla forza lavoro e ai brevetti legati all’IA.

Attraverso questi approcci, i risultati supportano generalmente un’associazione positiva tra l’esposizione all’IA e l’efficienza degli investimenti in lavoro. La relazione copre sia l’overstaffing che l’understaffing, suggerendo che il beneficio rilevante riguarda l’allineamento piuttosto che una preferenza uniforme per forze lavoro più piccole.

Gli autori riscontrano inoltre associazioni positive con la redditività e la valutazione di mercato. Questi risultati rafforzano la rilevanza del documento per gli investitori, sebbene non dimostrino che l’IA da sola abbia causato tali risultati.

Perché una migliore gestione del personale potrebbe generare valore aziendale

Consideriamo un’ipotetica impresa di servizi che affronta una domanda imprevedibile. Senza informazioni affidabili, i manager possono alternare tra assunzioni tardive e mantenimento di capacità dopo che la domanda è diminuita. I clienti subiscono ritardi durante i periodi di alta affluenza, mentre i periodi più tranquilli lasciano l’azienda con costi evitabili.

L’IA potrebbe aiutare a prevedere il lavoro in arrivo, identificare i colli di bottiglia ricorrenti e distinguere gli aumenti temporanei dalla crescita sostenuta. I manager potrebbero così adeguare i programmi, riassegnare i dipendenti o reclutare competenze specifiche prima che il servizio peggiori.

Questa è un’interpretazione operativa dei risultati, piuttosto che un meccanismo dimostrato dallo studio. Il suo valore è che amplia la questione di investimento. Invece di chiedersi solo quante posizioni l’automazione elimina, gli investitori possono chiedersi se l’azienda risponde più efficacemente alle condizioni mutevoli.

La stessa logica si applica oltre i flussi di lavoro d’ufficio. La recente copertura di Securities.io su i guadagni di produttività dell’IA in agricoltura esplora come una migliore allocazione delle risorse possa creare valore nei settori fisici. Il lavoro è un’altra risorsa il cui tempismo e impiego influenzano i risultati commerciali.

L’interruzione della forza lavoro può indebolire i ritorni dell’IA

L’implementazione della tecnologia introduce i propri costi di adeguamento. I dipendenti devono apprendere nuovi sistemi, le responsabilità possono cambiare e i manager devono decidere quando le raccomandazioni automatizzate richiedono una revisione umana. La produttività può risentire mentre tali cambiamenti sono in corso.

Lo studio rileva un modello compensatorio associato alla variabile di turnover della forza lavoro. Tuttavia, tale proxy misura le variazioni dell’occupazione rispetto alle dimensioni della forza lavoro. Non dovrebbe essere interpretato come una misurazione diretta di dimissioni, ritenzione o insoddisfazione dei dipendenti.

Anche con questa limitazione, il risultato solleva una domanda gestionale utile: quanta interruzione accompagna la transizione? Un’azienda potrebbe automatizzare con successo le attività di routine perdendo al contempo preziose conoscenze istituzionali a causa di una ristrutturazione mal pianificata.

Questa preoccupazione è collegata all’esame di Securities.io su fiducia dei dipendenti e ROI dell’automazione. Una strategia di implementazione credibile richiede che i dipendenti comprendano le responsabilità modificate e forniscano informazioni su dove i sistemi falliscono.

Il riqualificazione influisce anche sul fatto che la capacità liberata diventi capacità utile. Far risparmiare ai dipendenti diverse ore non genera automaticamente ulteriori ricavi. Le imprese hanno bisogno di un piano pratico per reindirizzare quel tempo verso il servizio clienti, lo sviluppo di prodotti o altri lavori di valore.

Perché la flessibilità finanziaria è importante per l’adozione dell’IA

L’associazione tra IA ed efficienza del personale è più forte nelle aziende con maggiore capacità innovativa e flessibilità finanziaria. Ciò suggerisce che le risorse complementari meritano attenzione insieme alla tecnologia stessa.

Le implementazioni possono richiedere pulizia dei dati, integrazione, formazione e riprogettazione dei processi prima che emergano i benefici. Le aziende con una posizione di liquidità più solida possono essere più in grado di finanziare quella transizione senza abbandonarla durante un trimestre difficile.

Lo studio segnala anche un’associazione più forte tra IA ed efficienza in condizioni finanziarie internazionali più restrittive e con una maggiore domanda estera di asset statunitensi. Si tratta di relazioni storiche, piuttosto che di previsioni su come si svilupperà il prossimo ciclo di finanziamento.

Un’interpretazione pratica è che gli investitori dovrebbero valutare se un’azienda può sostenere la spesa per l’implementazione durante l’incertezza. Acquistare software è più semplice che finanziare i cambiamenti organizzativi necessari a renderlo efficace.

Come gli investitori possono valutare i benefici aziendali dell’IA

I risultati suggeriscono un quadro di valutazione più utile rispetto al semplice conteggio degli annunci IA o al confronto del numero di dipendenti prima e dopo l’implementazione. Gli investitori dovrebbero cercare prove che i miglioramenti operativi persistano oltre la fase dimostrativa.

• Il personale si adegua alla domanda mantenendo stabile la qualità del servizio?
• I benefici segnalati sono misurati dopo l’implementazione e i costi operativi?
• I dipendenti possono utilizzare la capacità liberata per lavori che migliorano i risultati aziendali?

Queste domande aiutano anche a distinguere le capacità del fornitore dai risultati del cliente. Un prodotto può funzionare bene in un flusso di lavoro controllato, offrendo però un valore limitato in un’azienda frammentata.

Le implementazioni moderne coinvolgono sempre più il coordinamento dei sistemi piuttosto che la generazione di risposte isolate. La discussione di ServiceNow di marzo 2026 sul benchmarking dell’IA aziendale descrive la valutazione dei modelli rispetto alle condizioni di business, includendo l’elaborazione di documenti e l’esecuzione dei flussi di lavoro. Tale test è rilevante perché il costo delle eccezioni e dell’intervento umano può determinare se l’efficienza apparente si traduca in valore economico.

ServiceNow offre esposizione all’automazione dei flussi di lavoro IA

Per gli investitori interessati alle aziende che sviluppano questa infrastruttura, ServiceNow fornisce un esempio pertinente. La sua piattaforma collega i flussi di lavoro aziendali, i dati e le azioni automatizzate, avvicinandola alle decisioni operative attraverso le quali l’IA potrebbe modificare i requisiti di lavoro.

Nel maggio 2026, l’azienda ha ampliato la sua Forza Lavoro Autonoma attraverso le funzioni aziendali, introducendo specialisti IA per IT, gestione delle relazioni con i clienti, servizi per i dipendenti e sicurezza e rischio. Queste offerte sono progettate per eseguire processi entro permessi e controlli di governance definiti.

Un annuncio di luglio che descrive Leidos’ espansione della distribuzione del flusso di lavoro AI offre un esempio contemporaneo della domanda aziendale. Gli obiettivi dichiarati includono il miglioramento dei servizi per i dipendenti, l’espansione dell’auto‑servizio IT e la centralizzazione della governance dell’IA. Si tratta di obiettivi di implementazione, piuttosto che di prove indipendenti verificate di risparmi realizzati.

Il collegamento con l’investimento è diretto: le imprese che cercano di coordinare il lavoro umano e quello automatizzato possono necessitare di piattaforme che integrino l’esecuzione con la supervisione. ServiceNow partecipa a questo mercato. La sua attrattiva come investimento dipende ancora dalla valutazione, dalla concorrenza, dai costi di implementazione e dal fatto se i clienti rinnovino e aumentino la loro spesa.

I benefici dell’IA nella gestione del personale necessitano di prove più solide

Il campione storico dello studio termina nel 2020, prima dell’attuale boom dell’IA generativa. Pertanto i suoi risultati non possono stabilire gli effetti degli attuali agenti IA né convalidare le affermazioni di alcun fornitore specifico.

Tuttavia, fornisce una direzione utile per valutare il ruolo economico dell’IA. Le imprese possono trarre valore quando la tecnologia le aiuta a evitare sia una capacità insufficiente sia espansioni inutili. Gli investitori dovrebbero cercare prove che decisioni di personale più efficaci si traducano in servizi duraturi, redditività e crescita, tenendo conto dei costi necessari per raggiungere tali risultati.

Riferimenti:

¹ Xing, K., Xiong, K., Xiao, F., e Zhang, H. (2026). L’intelligenza artificiale e l’efficienza degli investimenti in lavoro: evidenze dalle imprese statunitensi. Journal of International Money and Finance. Pubblicazione online anticipata. https://doi.org/10.1016/j.jimonfin.2026.103684