Mentre le aziende si affrettano ad adottare l'AI generativa, gli agenti autonomi e una nuova generazione di strumenti dati, i leader si trovano davanti a una domanda più difficile del semplice scegliere se abbracciare la tecnologia: come trasformarla in valore misurabile senza generare nuovi costi, rischi e confusione organizzativa.

Questa sfida ha segnato il Fortune AIQ Summit, tenutosi alla Borsa di New York, dove dirigenti dei settori tecnologia, finanza, operazioni industriali, viaggi e risorse umane hanno esaminato cosa distingue una vera trasformazione AI da progetti pilota frammentari. È emerso uno schema costante: le aziende più solide non si limitano a distribuire strumenti AI. Riprogettano i flussi di lavoro, sviluppano i talenti, rafforzano la governance e costruiscono la disciplina dei dati e operativa necessaria per crescere in modo responsabile. L'evento ha riflettuto un momento più ampio per la tecnologia aziendale: i team dirigenziali sono sotto pressione per dimostrare ritorni su impegni AI che hanno superato la fase delle sperimentazioni su piccola scala, una tensione che ha attraversato gran parte della discussione.

Le discussioni al summit si sono concentrate su cinque tendenze chiave:

• Passare dalla sperimentazione alla trasformazione aziendale
• Costruire una workforce pronta per l'AI
• Gestire governance, fiducia e rischio
• Applicare l'AI in ambienti fisici e regolamentati
• Misurare il ROI, controllare i costi e creare crescita

Dall'adozione dell'AI alla trasformazione

La domanda più importante sull'AI non è se un'azienda ha distribuito strumenti, ma se ha cambiato il modo in cui il lavoro viene svolto.

I relatori hanno ripetutamente messo in guardia dal fatto che un accesso diffuso all'AI non si traduce automaticamente in produttività, valore aziendale o maturità organizzativa.

Diana David, director of futures di ServiceNow, ha detto che le aziende leader si distinguono per l'impegno verso le persone e la disciplina operativa, non solo per la tecnologia. L'Enterprise AI Maturity Index di ServiceNow ha rilevato che il 57% dei "pacesetter" investe nella formazione AI continua, contro appena il 4% delle altre organizzazioni. Il divario più marcato riguarda l'attrazione, l'assunzione e la ritenzione di talenti AI: lo fa il 68% dei pacesetter, contro il 10% delle altre aziende.

"Investimento nei talenti. È stato il divario più grande", ha detto David.

Ha messo in guardia dal considerare l'accesso diffuso dei dipendenti all'AI come prova di successo. "Il 95% di tutti ha X, Y, Z", ha detto. "Ma non si traduce in produttività, e spesso non c'è formazione, e questo non equivale a maturità." A suo avviso, il vero lavoro inizia con la leadership, unae chiara, sistemi trasparenti, le giuste fondamenta dei dati e la riprogettazione iterativa di flussi di lavoro specifici.

Paul Fipps, presidente delle operazioni clienti globali di ServiceNow, ha fatto un'osservazione collegata: i guadagni maggiori non verranno dall'eseguire i vecchi processi più velocemente, ma dal ricostruirli attorno a nuove capacità. "Se mi limito ad automatizzare o a far guidare gli agenti autonomi sui processi attuali che ho, è una scelta che potrebbe dare una spinta alla produttività", ha detto Fipps. "Ma coloro che stanno davvero ripensando e reimmaginando i processi aziendali … sono quelli che fanno davvero la differenza."

Fipps ha sostenuto che le aziende dovrebbero distribuire l'AI in orizzontale—attraverso le funzioni a contatto con i dipendenti come HR, legale e tecnologia—invece di confinarla in un unico dipartimento. Ha citato Standard Chartered, dove l'AI ha contribuito a deviare il 77% delle richieste dei dipendenti. "Se ottieni una deviazione del 25% al 30% in quei casi d'uso, è rivoluzionario", ha detto. "Se arrivi al 75% o all'80%, cambia la vita."

Amy Webb, fondatrice e CEO di Future Today Strategy Group, è stata più diretta sul divario tra ambizione e preparazione. "Siiamo onesti, le aziende Fortune 500 sono arrivate piuttosto tardi alla festa", ha detto. "L'intelligenza artificiale non è apparsa solo un paio di anni fa." Webb ha avvertito che le aziende stanno impegnando capitali consistenti in progetti pilota senza strategia, leadership o pianificazione adeguate—producendo progetti isolati che non generano mai valore duraturo.

Costruire una workforce pronta per l'AI

La trasformazione AI è, nella sua essenza, una trasformazione della forza lavoro.

Il summit ha chiarito che le organizzazioni hanno bisogno di più di un nuovo software: necessitano di dipendenti e leader disposti a ripensare i processi consolidati, apprendere nuove competenze e fare spazio a nuovi modi di lavorare.

Stacy Dillow, executive vice president e chief people officer di HPE, ha detto che le aziende devono resistere alla tentazione di limitarsi a inserire l'AI nei sistemi esistenti. "Dobbiamo costringererci a pensare in modo diverso, perché se non proviamo a cambiare il modo in cui lavoriamo, stiamo solo cercando di adattare e inserire l'AI in un processo che non ci darà una risposta diversa", ha detto. Per i dirigenti senior, ha aggiunto, l'adozione e la trasformazione AI sono diventate responsabilità gestionali centrali.

In Palo Alto Networks, l'AI sta già ridisegnando l'esperienza dei dipendenti, secondo la chief people officer Danielle Gonzalez. Un agente AI personalizzato ha ridotto del 83% i ticket IT e ora supporta i flussi di lavoro in HR, finanza e legale. Anzi che rivolgersi a un referente HR umano o a un contatto aziendale, i dipendenti si rivolgono sempre più spesso a un agente per risposte legate al loro ruolo e alla loro sede.

Gonzalez ha detto che le aziende dovrebbero assumere e sviluppare persone capaci di adattarsi rapidamente—non solo acquisire nuove competenze, ma mettere in discussione presupposti che non reggono più. "Cerchiamo curiosità", ha detto. "Cerchiamo iniziativa, e cerchiamo quelle persone che non solo possono imparare qualcosa a un ritmo veloce … ma anche disimparare ciò che credevano vero, per poter fare spazio per andare avanti."

Drew Holler, chief human resources officer del costruttore di case Lennar, ha sottolineato che la responsabilità è condivisa. "Ti daremo tutti gli strumenti, ma è tua responsabilità formarti anche tu", ha detto. "Ti daremo formazione, ma tu, come individuo, devi migliorare le tue competenze."

Le implicazioni sulla forza lavoro vanno oltre la riqualificazione. Francis Shanahan, chief technology officer di oton, ha avvertito che la creazione abilitata dall'AI porta con sé una propria sfida. I dipendenti sono "ora sommersi perché possono letteralmente costruire qualsiasi cosa", ha detto, e il "burnout" sta diventando un problema sempre più rilevante.

Michelle Kwon, chief operating officer di Runway, ha esortato i leader a non scambiare il volume per produttività. "Il solo fatto di usare [l'AI] non è un indicatore della tua produttività o del fatto che fai bene il tuo lavoro", ha detto. L'AI, ha sostenuto, dovrebbe migliorare il modo in cui le persone lavorano senza generare lavoro aggiuntivo per i colleghi o sommergerli di output non adeguatamente valutato e sintetizzato.

Governance, fiducia e controllo

L'argomento a favore dell'AI deve essere accompagnato da un argomento a favore del controllo.

Nei settori regolamentati e nelle applicazioni ad alto rischio, i leader hanno sottolineato che il successo del deployment dipende dalla scelta della tecnologia giusta, dalla comprensione del rischio e dal mantenere il giudizio umano dove conta di più.

Hari Gopalkrishnan, chief technology and information officer di Bank of America, ha messo in guardia le aziende dal ricorrere all'AI in modo riflessivo. "Uno dei più grandi errori che vediamo fare a noi stessi e ad altri è correre all'AI come soluzione, quando i modelli deterministici fanno un ottimo lavoro", ha detto. La banca parte dalle esigenze dei clienti e da un inventario dettagliato del processo in questione; a volte, una funzione mobile convenzionale o una regola decisionale in tempo reale è lo strumento migliore.

Bank of America valuta i progetti AI attraverso 16 pilastri di rischio, tra cui privacy, bias, impatto sulla forza lavoro e proprietà intellettuale. Procede inoltre con cautela sui sistemi autonomi. "C'è così tanto da estrarre in questo momento dagli agenti assistivi che lavorano davvero con gli esseri umani nel ciclo", ha detto Gopalkrishnan. Per banche e altre istituzioni regolamentate, framework come questi sono diventati il cancello tra la costruzione di agenti AI e la loro messa in produzione.

Sally Moore, chief client officer e co-head of market intelligence, Kensho data and platforms, di S&P Global, ha sottolineato che l'utilità dell'AI poggia su dati affidabili. "I dati sono la valuta dell'AI", ha detto, notando che i clienti nei flussi di lavoro regolamentati richiedono accuratezza, citazioni, verificabilità e tracciabilità fino alla fonte. Il suo punto più ampio: le aziende dovrebbero partire dal problema da risolvere, non dalla tecnologia che vogliono distribuire. "Cosa sto cercando di risolvere qui? E dove può portarmi questa tecnologia?", ha detto.

Fipps ha sostenuto che la governance non dovrebbe essere presentata come un ostacolo all'innovazione. "Vedo la governance e la fiducia come fattori che accelerano", ha detto. Ha citato l'esempio di una banca regolamentata che aveva costruito decine di agenti ma non poteva distribuirli perché i suoi leader non avevano fiducia nei controlli—una viva illustrazione del costo di una supervisione debole.

Webb ha inoltre sollecitato i dirigenti ad adottare un approccio pratico a responsabilità e rischio. I leader devono "smettere di antropomorfizzare" l'AI, ha detto: i fallimenti derivano tipicamente non da una tecnologia diventata indipendentemente senziente, ma da persone che distribuiscono sistemi mal progettati senza adeguate misure di salvaguardia.

L'AI nel mondo reale

Gli ambienti fisici e regolamentati richiedono uno standard diverso per il deployment dell'AI.

Negli edifici, nelle fabbriche, nei sistemi idrici e nei servizi finanziari, affidabilità, sicurezza, costi, latenza e sovità dei dati definiscono ciò che le aziende possono responsabilmente mettere in produzione.

Suresh Venkatarayalu, chief technology officer di Honeywell Technologies, ha detto che i clienti industriali "richiedono davvero il 99,9999%" di affidabilità, mentre i modelli frontier "potrebbero essere all'85%." Questo divario rende il deployment in contesti critici per la sicurezza e la missione fondamentalmente diverso dall'inserire un assistente AI in un flusso di lavoro desktop.

Venkatarayalu ha descritto la direzione a breve termine come "un mondo semiautonomo" anziché completamente autonomo. "Anche l'autonomia non significa rimuovere le persone", ha detto. Negli edifici commerciali e negli impianti industriali, gli operatori devono rimanere coinvolti, perché i tempi di fermo e gli errori di sistema hanno conseguenze operative immediate. "Non puoi permetterti di avere un edificio chiuso per un'ora e mezza", ha detto.

AJ Wijesinghe, chief AI officer di Ecolab, ha presentato l'argomento economico a favore di un approccio più selettivo. Quando l'azienda ha usato "il miglior modello disponibile" per attività ad alto volume, "la tokenomics va alle stelle", ha detto. "A volte costa più che avere degli esseri umani." Ecolab ha risposto ottimizzando l'uso dei modelli e riducendo i costi dei token di circa il 70-80%.

Le aziende non sempre hanno bisogno del modello più avanzato disponibile, ha detto Wijesinghe: "A volte non devi avere l'auto più veloce." Ha sostenuto un approccio di "human in the lead" per l'AI agentica e ha argomentato che i risultati dipendono dal mantenere in equilibrio fondamenta dei dati, prontezza dei processi e disciplina dei costi. "Se uno pesa più dell'altro, allora non ottieni il valore", ha detto.

Valore, costi e crescita

La prossima prova per l'AI sarà se genera rendimenti misurabili.

I leader finanziari e operativi del summit hanno concordato che le aziende devono perseguire produttività e crescita mantenendo disciplina sui costi dei modelli, sull'infrastruttura dati e sulla qualità dei risultati.

Ewout Steenbergen, executive vice president e CFO di Booking Holdings, ha detto che l'incertezza sui rendimenti dell'AI è diffusa—anche tra i più grandi investitori tecnologici. "Penso persino che gli hyperscaler che spendono centinaia di miliardi nello sviluppo dei loro modelli linguistici di grandi dimensioni non sappiano davvero quale sarà il ROI", ha detto. "Forse hanno alcune ipotesi e some assunzioni, ma il punto è: non vuoi restare indietro."

Per Booking, la strada verso il valore non passa da spese indiscriminate ma dalla riprogettazione dei processi "da un foglio bianco". Steenbergen ha detto che i costi dell'assistenza clienti dell'azienda sono leggermente diminuiti mentre le prenotazioni crescono a un ritmo a una cifra alta, e la soddisfazione dei clienti è aumentata. Ha aggiunto che i circa 9.000 ingegneri di Booking mettono in produzione circa il 30% di codice in più, conteggiando le merge request che superano gli standard di testing e controllo qualità dell'azienda.

"I rendimenti ci saranno per quei processi che vengono riprogettati end to end", ha detto Steenbergen, "ma devi anche assicurarti che quei costi, dall'altra parte, non vadano fuori controllo." Booking gestisce questa tensione attraverso "effective model cost routing", assegnando modelli a costo più basso ai compiti più semplici e riservando modelli più costosi ai lavori che richiedono capacità di ragionamento più profonde. L'approccio offre uno sguardo concreto su come i costi dei modelli basati sull'uso—una voce di spesa che cresce con l'adozione anziché comportarsi come una licenza software fissa—vengano gestiti all'interno di una grande società quotata.

Steenbergen ha suggerito che il potenziale maggiore dell'AI possa risiedere nella crescita dei clienti. La tecnologia non cambierà la natura fondamentale dei viaggi—"l'hotel resta lhotel, la compagnia aerea resta la compagnia aerea e l'auto a noleggio resta l'auto a noleggio"—ma può rendere più facili per i viaggiatori pianificazione, prenotazione e gestione delle interruzioni. Collegando le parti di un viaggio e anticipando le esigenze del cliente, ha detto, l'AI può contribuire a creare "più fedeltà, più fiducia e più valore di marca."

Il quadro finale

Il Fortune AIQ Summit ha chiarito che la leadership nell'AI non è definita da quanti strumenti un'azienda ha acquistato, dalle dimensioni del suo programma pilota o dal volume di contenuti che può generare. Le organizzazioni che stanno prendendo il vantaggio abbinano ambizione tecnologica a sviluppo umano, riprogettazione dei processi, disciplina finanziaria, dati affidabili e governance responsabile. I dati dello stesso summit forniscono indicatori per monitorare questo cambiamento: se i divari di talento e formazione emersi dall'indice di maturità di ServiceNow si riducono, se i deployment industriali colmano la distanza tra l'affidabilità dei modelli frontier e la continuità quasi perfetta richiesta dalle operazioni fisiche, e se la chiarezza sul ROI migliora per gli hyperscaler che spendono centinaia di miliardi per costruire i modelli sottostanti. Man mano che l'AI penetra più a fondo nell'impresa, i leader che avranno successo saranno quelli che la useranno non semplicemente per automatizzare il lavoro esistente, ma per costruire aziende più resilienti, produttive e reattive.

L'AI generativa è stata utilizzata per l'assistenza alla ricerca e/o la trascrizione di questo articolo. Il giornalista ha riportato e verificato in modo indipendente le affermazioni fattuali di questo articolo, e un editor umano l'ha revisionato prima della pubblicazione.

Questa storia è stata originariamente pubblicata su Fortune.com.