Saremo capaci di governare l’intelligenza artificiale? La domanda, tornata in queste settimane al centro del dibattito pubblico, dentro le imprese ha smesso da tempo di essere una questione filosofica. Ha assunto la forma molto concreta di un calendario affollato di progetti pilota, di proof of concept affidati per qualche mese a società di consulenza e system integrator, di strumenti generativi adottati dai singoli reparti prima che qualcuno ne abbia definito il perimetro, le regole d’uso e il responsabile. È una stagione di sperimentazione intensa e per molti versi necessaria, perché nessuna organizzazione può permettersi di osservare dall’esterno una tecnologia che sta ridisegnando il modo di produrre, di vendere e di decidere.
I risultati economici, tuttavia, tardano a manifestarsi con la chiarezza che le aspettative lasciavano intravedere. La domanda che proprietà e consigli di amministrazione si trovano ad affrontare si è quindi spostata: la scelta di adottare l’intelligenza artificiale è ormai compiuta nella maggior parte delle medie e grandi imprese, e ora conta il modo di dirigerne l’ingresso, perché i benefici, quando arriveranno, restino all’impresa e si traducano in margini, processi più efficienti e decisioni migliori. È una questione di regia manageriale prima ancora che di tecnologia, ed è su questo terreno che si giocherà la differenza tra le imprese che raccoglieranno i frutti della trasformazione e quelle che si limiteranno a finanziarla.
Dopo grandi e medie aziende, si presume, ma lo è già visibile, il fenomeno sbarcherà nelle PMI dove sarà necessaria maggiore concretezza rispetto a quella si n qui registrata
Una stagione di sperimentazioni che corre veloce
I numeri descrivono un’accelerazione che il mercato digitale italiano non conosceva da tempo. Secondo il rapporto «Il Digitale in Italia 2026» di Anitec-Assinform, la spesa in tecnologie di intelligenza artificiale ha raggiunto 1,38 miliardi di euro nel 2025, con una crescita del 47,6% in un solo anno, mentre il mercato digitale nel suo complesso è cresciuto del 3,4%. È il segmento più dinamico dell’intero comparto, con un ritmo di espansione che nessun’altra tecnologia ha eguagliato nello stesso periodo. L’indagine Invind della Banca d’Italia sulle imprese con almeno 20 addetti conferma la stessa dinamica dal lato della domanda. La quota di aziende che usano strumenti di IA, raddoppiata nel 2025 al 27%, è salita al 32% all’inizio del 2026. Quella che dichiara un’integrazione intensiva nei processi si ferma però al 5%: l’intelligenza artificiale è entrata in circa un’impresa su tre, ma ha trasformato in profondità il modo di lavorare di una su venti.
Il quadro internazionale è analogo e aiuta a capire la direzione del movimento. L’ultima edizione dello State of AI di McKinsey, costruita su 1.719 interviste raccolte tra maggio e giugno 2026, registra che il 44% delle organizzazioni ha avviato l’estensione dell’IA a tutta l’impresa, sei punti in più rispetto a un anno prima. Le grandi organizzazioni guidano il passaggio: tra quelle con oltre un miliardo di dollari di fatturato, la quota che estende gli agenti di IA su scala sale al 40% dal 27% dell’anno precedente, mentre tra le più piccole resta ferma al 22%. Il rapporto di Deloitte sullo stato dell’IA nelle imprese, pubblicato a gennaio 2026, rilevava che appena un quarto delle aziende aveva portato in produzione almeno il 40% delle proprie sperimentazioni. Oltre la metà, però, contava di raggiungere quella soglia entro tre-sei mesi, e lo stesso rapporto metteva in guardia dalla «stanchezza da pilota» che si genera quando le prove si moltiplicano senza una strategia che le orienti. Molte imprese si trovano esattamente in questo passaggio: hanno un portafoglio di prove avviate e devono decidere quali meritano di diventare processi stabili, quali vanno ripensate e quali conviene chiudere prima che assorbano ulteriori risorse.
I risultati latitano, per ora
Il ritorno economico procede a un ritmo sensibilmente diverso da quello dell’adozione. Nel sondaggio McKinsey l’80% degli intervistati riferisce che l’intelligenza artificiale ha migliorato la propria produttività individuale, e la metà dichiara che lo aiuta a prendere decisioni migliori. La quota di chi le attribuisce un contributo al margine operativo aziendale resta però ferma al 37%, sostanzialmente invariata rispetto al 2025, nonostante la crescita delle organizzazioni che ne hanno esteso l’uso. Le imprese che ne ricavano almeno il 5% dell’EBIT, con un valore giudicato significativo, rimangono intorno al 6% del campione. In Italia la Banca d’Italia registra un andamento coerente: il 70% delle imprese che utilizzano l’IA dichiara di non averne ancora visto effetti sulla produttività del lavoro, mentre la metà si attende un impatto positivo nel prossimo triennio.
Chi legge questi dati con la prospettiva lunga dell’esperienza industriale vi riconosce un andamento già osservato. Gli economisti della Banca d’Italia richiamano la cosiddetta curva a J delle tecnologie di uso generale. Nella fase iniziale i costi di integrazione e riorganizzazione precedono i benefici, e gli investimenti complementari in competenze, processi e organizzazione frenano o mascherano i guadagni nelle statistiche finché non giungono a maturazione. L’esperienza dell’ICT, che negli anni Ottanta diede origine al celebre paradosso secondo cui i computer si vedevano ovunque tranne che nelle statistiche della produttività, insegna che i guadagni arrivano con un’adozione profonda e con il ridisegno dei processi e delle pratiche organizzative. È dunque ragionevole scommettere che i risultati arriveranno. La vera incognita riguarda quali imprese saranno pronte a raccoglierli.
Il profilo di chi li sta già ottenendo offre indicazioni piuttosto nette. Tra le organizzazioni che McKinsey considera più avanzate, quasi tre su quattro hanno ridisegnato a fondo i flussi di lavoro in funzione dell’IA, una quota salita dal 55% dell’anno precedente, contro appena un quarto delle altre. Le stesse organizzazioni hanno il doppio delle probabilità di contare su vertici che esercitano una titolarità effettiva delle iniziative e di disporre di processi definiti per misurarne l’impatto. Tra le pratiche che le distinguono figura anche una struttura di trasformazione dotata dell’autorità necessaria per accelerare l’estensione delle soluzioni e rimuovere i colli di bottiglia. A fare la differenza, in altre parole, è il modo in cui la tecnologia viene diretta, ancor prima dell’entità del budget che le viene destinato.
Il caso italiano: un’adozione a due velocità
Per le imprese italiane la questione presenta tratti specifici, che rendono ancora più rilevante il tema della regia. Secondo la Banca d’Italia, nel 2025 il tasso di adozione dell’IA tra le imprese con almeno 10 addetti era inferiore di quattro punti alla media dell’Unione europea, attestata al 20%, e di quasi dieci punti rispetto alla Germania. All’interno del sistema produttivo nazionale, inoltre, la distanza tra grandi e piccole imprese si sta allargando invece di ridursi. L’Istat rileva che nel 2025 l’IA è utilizzata dal 53,1% delle imprese con almeno 250 addetti e dal 15,7% delle PMI, con un divario salito a 37 punti percentuali dai circa 20 del 2023: un’eccezione rispetto alle altre tecnologie digitali, per le quali il divario dimensionale tende invece a ridursi.
Le cause indicate dalle imprese convergono su un punto preciso. Tra le aziende che hanno valutato un investimento in IA senza poi realizzarlo, la mancanza di competenze adeguate ha pesato in quasi sei casi su dieci. La Banca d’Italia aggiunge una preparazione tecnologica e organizzativa complessivamente insufficiente, una scarsa integrazione dei dati e l’incertezza sul quadro normativo. Soprattutto, gli economisti dell’istituto richiamano la debolezza delle pratiche manageriali, che la letteratura associa a una minore capacità di adottare e sfruttare le tecnologie avanzate. Il passaggio più eloquente riguarda il ritardo dell’Europa meridionale nella stagione dell’ICT: gli esercizi citati indicano che né i sussidi all’adozione né quelli all’istruzione sarebbero bastati a colmare il divario, e che risultano efficaci soltanto gli interventi che agiscono direttamente sulle inefficienze manageriali. È un’indicazione che conviene tenere presente, perché sposta il baricentro del problema dalla disponibilità della tecnologia alla qualità di chi ne governa l’ingresso.
Il nodo dell’interlocutore
Qui emerge il punto più delicato della stagione in corso. Le sperimentazioni vengono spesso impostate da grandi società di consulenza e system integrator, che portano metodo, piattaforme, casi applicativi e capacità di esecuzione e che, per la natura stessa del loro incarico, lavorano sul perimetro del progetto affidato e ne rispondono nei termini del contratto. Dal lato dell’impresa l’interlocutore diventa con frequenza la direzione IT. È una funzione preparatissima su infrastruttura, sicurezza e integrazione dei sistemi, ma raramente titolare di un mandato che abbracci insieme processi operativi, organizzazione del lavoro, conto economico e gestione del rischio. Ne deriva una somma di progetti tecnicamente riusciti che faticano a comporsi in una trasformazione. Manca chi ne tenga la visione d’insieme e disponga dell’autorità per decidere quali prove fermare, quali estendere e come ripensare i processi che ne vengono toccati.
Le tre prospettive sono complementari, e nessuna delle tre è superflua. Ciò che cambia è il mandato con cui ciascuna si presenta al tavolo, come sintetizza il confronto seguente.
| Società di consulenza e system integrator | Direzione IT | Temporary Manager | |
|---|---|---|---|
| Mandato | Progetto con perimetro definito dal contratto | Infrastruttura, sicurezza, integrazione dei sistemi | Trasformazione con obiettivi di business |
| Orizzonte | Durata dell’incarico, spesso pochi mesi | Continuità dei sistemi nel tempo | Mandato definito, in genere da sei a diciotto mesi |
| Metro di valutazione | Consegna della soluzione nei tempi concordati | Affidabilità, sicurezza e compatibilità tecnica | Impatto su margini, processi e organizzazione |
| Punto di forza | Metodo, piattaforme e capacità di esecuzione | Conoscenza profonda dell’architettura aziendale | Visione d’insieme e autorità decisionale |
| Esito atteso | Soluzione realizzata e consegnata | Sistemi integrati e protetti | Governance funzionante e team interno autonomo |
È una dinamica che la stessa consulenza ha iniziato a mettere a fuoco con franchezza. Nel commento alla propria indagine, McKinsey osserva che fino a poco tempo fa molti leader ritenevano l’IA fuori dalla portata dei propri team e identificavano la rapidità con la scelta del partner esterno giusto. Oggi le organizzazioni più avanzate si rapportano ai partner da una posizione di autonomia: stabiliscono con deliberazione cosa acquistare, cosa costruire in casa e quali competenze interne sviluppare per integrare e far crescere ciò che funziona. Il riequilibrio è già visibile nei numeri. Quasi un terzo delle organizzazioni intervistate, il 32%, ha rinunciato ad acquistare almeno un prodotto software perché in grado di svilupparlo internamente con gli strumenti di programmazione assistita dall’IA. Nello stesso documento si legge che la sfida, per tutte le imprese, è evitare di accumulare strumenti e progetti pilota e costruire una capacità ripetibile di trasformarli in nuovi modi di lavorare. Il vincolo principale, osservano gli autori, risiede sempre più nella capacità dell’organizzazione di assorbire il cambiamento, e superarlo richiede a chi guida il business di ripensare i processi da un capo all’altro.
Dagli assistenti agli agenti: la governance diventa operativa
Il tema assume un rilievo ulteriore con la diffusione degli agenti di IA, sistemi che non si limitano a rispondere a una richiesta ma ricevono un obiettivo, dispongono di accesso a strumenti e dati e compiono in sequenza le azioni necessarie a raggiungerlo. Finché la macchina produce una risposta, la decisione resta interamente umana. Quando la macchina sceglie il percorso, il confine tra esecuzione e decisione si assottiglia, e con esso la chiarezza su chi risponde degli esiti. Gartner prevede che entro il 2027 il 40% delle imprese dovrà declassare o dismettere agenti autonomi per lacune di governance emerse soltanto dopo incidenti in produzione. La causa principale è la tendenza a trattare il governo degli agenti come una scelta binaria tra blocco totale e fiducia incondizionata. La proposta della società di analisi è una classificazione per livelli di autonomia, a ciascuno dei quali corrispondono controlli proporzionati.
| Livello | Cosa può fare l’agente | Controlli indicati |
|---|---|---|
| 1. Osservare | Consulta in sola lettura fonti di dati definite; i risultati sono visibili solo a chi li richiede | Accessi circoscritti, autenticazione degli utenti, registrazione degli utilizzi, test funzionali e di sicurezza di base |
| 2. Consigliare | Produce raccomandazioni, bozze e proposte; le azioni restano in capo alle persone | Controlli del livello 1, test su accuratezza e allucinazioni, valutazioni di qualità specifiche per dominio, formazione sul corretto affidamento ai risultati |
| 3. Agire con approvazione | Scrive dati, invia comunicazioni o modifica configurazioni solo dopo un’approvazione esplicita per ogni azione | Test di sicurezza, flussi di approvazione tracciati, procedure di risposta agli incidenti dedicate agli agenti |
| 4. Agire in autonomia | Esegue azioni entro limiti prefissati; le persone esaminano eccezioni, registri ed esiti aggregati | Monitoraggio continuo, limiti vincolanti, ripristino rapido, arresto automatico al superamento di soglie, titolarità chiara del comportamento dell’agente |
Due osservazioni di Gartner meritano attenzione da parte di chi governa un’impresa. La prima riguarda il livello consultivo: anche quando la decisione resta umana, le raccomandazioni di un sistema possono ancorare il giudizio e generare rischi quando output inesatti vengono accolti per eccesso di fiducia nell’automazione. La seconda riguarda il livello intermedio: l’approvazione umana resta un controllo efficace solo finché conserva un significato, e sotto pressione dei tempi o per affaticamento può degradare fino a creare un falso senso di sicurezza. Stabilire quale livello di autonomia concedere a ciascun sistema, su quali processi, con quali soglie di intervento e con quale responsabile designato è una decisione di governo dell’impresa, prima ancora che una questione di competenze informatiche.
Il quadro regolatorio concede tempo, la tecnologia no
Sul fronte normativo, il calendario europeo è stato rivisto. Con l’adozione definitiva del Digital Omnibus sull’IA da parte del Consiglio dell’Unione, il 29 giugno 2026, gli obblighi previsti dall’AI Act per i sistemi ad alto rischio elencati nell’Allegato III si applicheranno dal 2 dicembre 2027 invece che dal 2 agosto 2026. Tra questi rientrano quelli impiegati nella selezione e nella gestione del personale, nell’accesso a servizi essenziali e nella valutazione del merito creditizio. Per i sistemi integrati in prodotti già regolati da normative settoriali, la scadenza slitta al 2 agosto 2028. Restano invece applicabili gli obblighi già in vigore, dai divieti relativi alle pratiche inaccettabili alle misure di alfabetizzazione del personale, fino agli obblighi di trasparenza sui contenuti generati artificialmente.
Il rinvio concede alle imprese più tempo per gli adempimenti formali, ma non rallenta l’evoluzione della tecnologia, che nello stesso intervallo continuerà a moltiplicare applicazioni e livelli di autonomia. L’intervallo va quindi colmato con regole interne. Occorre stabilire chi autorizza l’introduzione di un nuovo strumento, quali dati può trattare, quali processi può modificare, chi ne risponde quando qualcosa va storto e come si documentano le scelte compiute. Le imprese che affronteranno le scadenze del 2027 con un sistema di governo già rodato vivranno la conformità come una verifica. Le altre si troveranno a ricostruire a ritroso decisioni prese senza un disegno, con costi e rischi decisamente superiori.
Il Temporary Manager come regista dell’ingresso dell’IA
È in questo spazio che il temporary management trova la sua collocazione naturale. Un Temporary Manager con un mandato esplicito sulla trasformazione si colloca dal lato del committente e ne rappresenta l’interesse complessivo. Può essere inserito come Temporary COO quando il baricentro dell’intervento è nei processi operativi, oppure come figura dedicata alla regia dei programmi di intelligenza artificiale, con riporto diretto alla direzione generale o al consiglio. Il suo compito consiste nel tradurre le ambizioni della proprietà in priorità misurabili e nel valutare il portafoglio delle sperimentazioni con il metro del conto economico. Negozia inoltre con i consulenti obiettivi e indicatori legati ai risultati di business e ricompone attorno allo stesso tavolo direzione IT, operations, finanza e risorse umane. Quando necessario corregge la rotta dei progetti che rispondono a una logica esclusivamente tecnologica, senza un’adeguata ricaduta sui processi. Il lavoro si articola, di norma, in quattro fasi.
Censire e classificare
Il primo passo consiste nel costruire una mappa completa degli usi dell’IA già presenti in azienda: i progetti ufficiali, quelli avviati dai singoli reparti e gli strumenti adottati spontaneamente dai collaboratori. A ciascuno vanno associati i dati trattati, i processi coinvolti, il livello di autonomia e i rischi, anche alla luce delle categorie previste dall’AI Act. È un esercizio che raramente viene svolto con sistematicità, perché nessuna funzione ne detiene naturalmente la responsabilità, e che costituisce la base di ogni decisione successiva.
Selezionare con il metro del conto economico
Sulla base della mappa, il portafoglio delle sperimentazioni viene valutato con criteri espliciti: il valore atteso su ricavi, costi e qualità del servizio, la fattibilità in termini di dati e integrazione, il rischio operativo e regolatorio. Le prove con un percorso credibile verso la produzione vengono rafforzate, quelle prive di un caso economico solido vengono chiuse, liberando risorse e attenzione. È il momento in cui il rapporto con i partner esterni si riorienta: agli incarichi vengono associati indicatori di risultato che vanno oltre la consegna della soluzione.
Ridisegnare i processi e governare i costi
Le soluzioni selezionate vengono integrate ridisegnando i flussi di lavoro che le accolgono, con ricadute dirette sui ruoli, sulle competenze e sul dimensionamento dell’organico. Parallelamente vanno governati i costi di esercizio, una voce che sta acquisendo peso: secondo McKinsey, un’organizzazione su cinque ha già dovuto limitare l’uso dell’IA per i costi operativi, mentre il 28% destina all’intelligenza artificiale oltre il 10% del budget complessivo per le tecnologie dell’informazione. Quando il nodo è la misurazione del ritorno degli investimenti, la competenza di un Temporary CFO completa il presidio.
Trasferire e uscire
L’ultima fase è la più rilevante per la durata dei risultati. Regole, metodo, strumenti di misurazione e rapporti con i partner vengono consegnati a una struttura interna in grado di proseguire in autonomia, con responsabilità chiaramente attribuite e un sistema di governo documentato. L’uscita del manager è programmata fin dall’inizio del mandato e ne costituisce il naturale compimento: l’organizzazione resta con una capacità che prima non aveva, invece che con una dipendenza nuova.
La formula a tempo risponde con precisione alla natura di questa fase. Il fabbisogno più intenso si concentra nei mesi in cui le sperimentazioni devono essere selezionate, industrializzate o chiuse. Richiede una seniority che raramente si trova già disponibile in organico e che, in questa fase, difficilmente giustifica un inserimento stabile. Beneficia inoltre di un’esperienza maturata in trasformazioni analoghe in contesti diversi e di un giudizio indipendente dalle logiche commerciali dei singoli fornitori. Per le medie e picocle imprese la versione fractional, con un impegno distribuito su alcune giornate a settimana, consente di disporre della stessa regia con un’intensità proporzionata alla dimensione e alla complessità dell’organizzazione.
Prepararsi al momento in cui i risultati arriveranno
Alcune imprese affrontano oggi la stagione delle sperimentazioni con una regia chiara: un portafoglio di progetti governato con criteri espliciti, scelte legate al conto economico, consulenti ingaggiati da una posizione di autonomia, processi ridisegnati attorno alla tecnologia e regole interne già operative prima delle scadenze normative. Saranno queste a trasformare in margini i guadagni che oggi restano confinati alla produttività individuale. Le altre rischiano di accumulare strumenti, contratti e prototipi senza che il bilancio ne registri traccia, e di scoprire a posteriori, magari dopo un incidente, di aver delegato decisioni che spettavano al vertice. Dentro l’azienda, la domanda su chi governa l’intelligenza artificiale trova così una risposta molto pratica: qualcuno con l’esperienza, il mandato e il tempo per farlo.
Affianchiamo imprese medie e grandi con Temporary Manager e manager frazionali che hanno già guidato programmi di trasformazione di questa portata, dal lato del committente e accanto ai partner tecnologici. Quando il numero di sperimentazioni cresce più rapidamente della capacità di governarle, è il momento giusto per ragionarne insieme, partendo dai processi reali di ciascuna azienda.
Se in azienda le sperimentazioni sull’IA si moltiplicano e serve qualcuno che ne tenga la regia, parliamone.
Scarica gratis la Guida al Temporary Manager
Domande frequenti
Perché molti progetti di intelligenza artificiale non producono ancora risultati economici?
Nelle prime fasi di adozione i costi di integrazione e riorganizzazione precedono i benefici. I guadagni tendono a concentrarsi nelle imprese che ridisegnano i processi attorno alla tecnologia, coinvolgono attivamente i vertici e misurano l’impatto delle iniziative. L’inserimento di strumenti nei processi esistenti produce miglioramenti individuali, ma difficilmente incide sul margine operativo.
Qual è il ruolo di un Temporary Manager in un programma di IA affidato a società di consulenza?
Il Temporary Manager rappresenta l’impresa di fronte ai partner esterni. Definisce le priorità in base al conto economico, stabilisce gli indicatori di successo, coordina le funzioni coinvolte e decide quali sperimentazioni estendere e quali chiudere. In questo modo i progetti rispondono a una visione unitaria di business e le competenze vengono trasferite al team interno.
Quando si applicano gli obblighi dell’AI Act per i sistemi ad alto rischio?
Con il Digital Omnibus sull’IA, adottato dal Consiglio dell’Unione il 29 giugno 2026, gli obblighi per i sistemi ad alto rischio dell’Allegato III, tra cui quelli usati nella selezione e gestione del personale, si applicano dal 2 dicembre 2027. Per i sistemi integrati in prodotti già regolati la data è il 2 agosto 2028. I divieti, gli obblighi di trasparenza e le misure di alfabetizzazione del personale restano applicabili.
Quando conviene un manager frazionale per l’adozione dell’IA?
Il formato frazionale è adatto alle medie imprese che necessitano di una regia senior sulla trasformazione senza una presenza a tempo pieno. L’impegno di alcune giornate a settimana consente di governare il portafoglio delle sperimentazioni, impostare le regole interne e trasferire il metodo al team, con un’intensità commisurata alla dimensione dell’azienda.
Fonti
Anitec-Assinform, «Il Digitale in Italia 2026», luglio 2026.
Banca d’Italia, Questioni di Economia e Finanza n. 1009, «L’adozione dell’intelligenza artificiale: effetti su produttività e politiche a sostegno», giugno 2026.
Istat, «Imprese e ICT – Anno 2025», dicembre 2025.
McKinsey & Company, «The state of AI in 2026: On the road to ROI», agosto 2026.
Deloitte AI Institute, «State of AI in the Enterprise: The untapped edge», gennaio 2026.
Gartner, comunicato del 26 maggio 2026 sulla governance degli agenti di IA.
Consiglio dell’Unione europea, adozione del Digital Omnibus on AI, 29 giugno 2026.
Potrebbe interessarti
