Le imprese discutono delle domande sbagliate sull’IA

Bill Gates chiede misure di salvaguardia per l’IA, perché, se lasciata senza controllo, potrebbe causare «un miliardo di morti». La dichiarazione arriva dopo che un ricercatore senior di Anthropic ha affermato di credere che ci sia una probabilità superiore al 10% che l’IA «possa uccidere tutti gli esseri umani» nel prossimo decennio. Mentre governi, filosofi e i pochi principali sviluppatori di IA discutono delle misure di sicurezza, per le imprese che usano l’IA è fondamentale riconoscere che concentrarsi su ciò che campeggia nei titoli dei giornali può distogliere l’attenzione dai rischi più importanti che le aziende affrontano davvero nell’era dell’IA.

Oltre al timore che i bot possano sopraffare gli esseri umani, gran parte del dibattito sull’IA aziendale ruota attorno a questioni come i pericoli degli agenti fuori controllo, i costi esorbitanti dei token, i relativamente autonomi modelli di IA di frontiera e l’IA non sovrana.

Minacce di questo tipo monopolizzano gran parte del dibattito sulle preoccupazioni legate all’IA, ma concentrarsi su queste tendenze anziché sui rischi concreti per le imprese può portare a risultati negativi che si sarebbero potuti evitare. Ho visto decine di aziende ridurre sensibilmente i rischi legati all’IA concentrandosi molto più da vicino sui risultati aziendali che sugli aspetti tecnologici. Ecco come possono farlo e perché dovrebbero.

Concentrarsi sul caso aziendale, non sul modello di IA

Le imprese devono capire che non hanno davvero bisogno di usare i modelli di IA più recenti, né di pagare costi astronomici per i token allo scopo di trasformare ogni dipendente in uno sviluppatore cittadino, per migliorare sensibilmente il ritorno sull’investimento.

Devono invece esaminare attentamente gli ambiti specifici in cui è possibile ridurre le spese economiche o il tempo impiegato e definire un piano per affrontare il problema concreto con tutti gli strumenti disponibili: non solo l’IA agentica, ma anche l’IA generativa, i risolutori, l’apprendimento automatico e persino i programmi basati su regole. In questo modo potranno scegliere lo strumento giusto per ogni attività.

Per esempio, secondo McKinsey, i modelli previsionali basati sull’IA possono raggiungere un’accuratezza superiore al 90 per cento nel prevedere il fabbisogno di personale. Di recente ne ho avuto esperienza con un’azienda di sicurezza che invia decine di migliaia di guardie in migliaia di sedi per colossi globali come Nike e Amazon. Come molte altre imprese ad alta intensità di manodopera e con turni di lavoro, quando la domanda registrava picchi si trovava ad affrontare costi in rapida crescita sotto forma di straordinari e subappalti onerosi.

Per aumentare il ritorno sull’investimento di questa azienda non servivano modelli di frontiera, né era necessario vincolarsi a uno specifico fornitore o a una determinata tecnologia di IA. L’azienda di sicurezza è invece partita dalla soluzione di uno dei maggiori problemi aziendali che si trovava ad affrontare e ha scelto gli strumenti in base alla loro capacità di risolvere quella specifica difficoltà. Risolutori intelligenti possono assegnare i team in modo ottimale, riducendo i costi degli straordinari ed evitando subappalti onerosi grazie a previsioni più accurate del fabbisogno di personale. In questo caso, l’IA generativa, combinata con altri strumenti, ha ridotto il ricambio del personale, migliorato la pianificazione e contribuito a creare turni più adatti sia ai clienti sia ai dipendenti: per esempio, suggerendo come ridurre il numero di turni che comportavano lunghi spostamenti e come distribuire equamente i fine settimana liberi. L’attuazione di raccomandazioni di questo tipo ha ridotto del 30 per cento i costi degli straordinari e contenuto le spese per i subappalti, riducendo al contempo il tempo necessario per elaborare i piani del personale e migliorandone la qualità e la durata nel tempo. Quando l’azienda di sicurezza ha messo in pratica le raccomandazioni dell’IA, l’EBITDA è aumentato di 200 punti base: un risultato notevole in un settore noto per i margini notoriamente esigui. Il fatto che un problema aziendale sia rilevante non significa che la soluzione basata sull’IA debba essere rischiosa.

Molte sfide aziendali concrete — come migliorare l’allocazione delle scorte, ottimizzare la riconciliazione degli incassi, accelerare le riconciliazioni bancarie, aumentare l’accuratezza delle previsioni, automatizzare l’abbinamento delle fatture e consultare i cataloghi per rispondere alle domande dei consumatori — vengono affrontate con strumenti di IA poco invasivi. Ciò incrementa sensibilmente i profitti senza correre il rischio di distruggere l’umanità e senza nemmeno dover ricorrere a modelli di frontiera o ad agenti senza controllo.

Attenzione: allontanarsi dal ROI può comportare una tassa sull’hype dell’IA

Oltre a ridurre il rischio che l’IA sfugga al controllo, attenersi a obiettivi aziendali concreti può anche proteggere le imprese dal pagare la tassa sull’hype dell’IA individuata dalla mia azienda analizzando l’andamento dei prezzi azionari e le relazioni annuali di 275 società quotate a livello globale.

Il Barometro dell’IA 2026 ha rilevato una forte correlazione tra gli ingenti investimenti nell’IA e un andamento più favorevole dei prezzi azionari delle maggiori imprese quotate a livello globale. Tale correlazione, tuttavia, si riscontrava solo quando le imprese comunicavano azioni concrete e obiettivi precisi. Dall’analisi dei prezzi azionari emerge che la lezione principale è che dichiarazioni generiche sulle trasformazioni legate all’IA non bastano a convincere gli investitori.

Allora, che cosa ha funzionato? Il rapporto ha rilevato un ampio divario nella sovraperformance azionaria a favore delle aziende che avevano indicato con precisione le azioni concrete che avrebbero intrapreso per implementare l’IA e i conseguenti miglioramenti in termini di efficienza o ricavi. L’anno successivo, queste aziende hanno registrato risultati superiori di 14 punti percentuali rispetto a quelle che nei propri rapporti finanziari avevano menzionato l’IA in modo vago.

Ho constatato in prima persona che, puntando su obiettivi concreti di fatturato e produttività da raggiungere con gli strumenti di IA più efficienti e a basso rischio — spesso utilizzati come piccole applicazioni integrate nell’infrastruttura IT — invece che sui modelli di IA più nuovi e appariscenti, le aziende possono in gran parte evitare gli scenari catastrofici che fanno notizia e, al contrario, promuovere risultati aziendali che aumentano i profitti.