AWS ha pubblicato il report “Reimagine: Turning AI into Value”, una ricerca nata per capire cosa distingue le organizzazioni che trasformano l’AI in valore da quelle che non ci riescono.
Il report si basa su 154 interviste a dirigenti di oltre 120 organizzazioni di quattro continenti e 23 settori, condotte tra novembre 2025 e luglio 2026.
Il report è opera del team AWS Executives in Residence, composto da ex dirigenti di Capital One, McDonald’s e NASA Jet Propulsion Laboratory, con il contributo di Will Venters, professore associato alla London School of Economics e Amazon Scholar. Tra gli intervistati anche più di 20 dirigenti Amazon.
Ecco le principali conclusioni del report AWS:
L’ostacolo è di natura organizzativa, non tecnica – Più di due terzi degli intervistati indicano come principale ostacolo non la tecnologia, ma la progettazione del lavoro. La velocità introdotta dall’AI, infatti, si scontra spesso con processi di governance, budgeting e approvazione che non si sono evoluti allo stesso ritmo.
Il costo dell’inazione è misurabile. In Best Buy, ad esempio, una funzionalità per la quale erano state previste 14 settimane di sviluppo è stata realizzata in un solo giorno, ma la governance ha assorbito il 91% del budget complessivo del progetto. In S&P Global, guadagni di produttività individuale compresi tra il 10 e il 15%, relativi a 4.500 ingegneri, sono stati assorbiti da cicli approvativi rimasti invariati.
Le aziende che hanno fatto il salto di qualità non si sono limitate ad accelerare le approvazioni, ma hanno ripensato le strutture organizzative. Innanzitutto, collegando ogni caso d’uso a un risultato di business misurabile prima che venga finanziato: in questo modo, ad esempio, AT&T genera oltre cinque dollari di free cash flow per ogni dollaro investito in AI. Inoltre, affidando la responsabilità dei risultati al business anziché all’IT. Infine, accorciando i cicli decisionali da trimestri a settimane, attraverso modalità di sperimentazione e valutazione più rapide.
Misurare il valore, non solo l’adozione – Il valore dell’AI non dipende da quante persone la usano, ma dall’efficacia con cui la utilizzano. In un’azienda analizzata, ad esempio, il tasso di adozione raggiungeva l’88%, ma meno di una sessione su 5.000 produceva un lavoro effettivamente migliore. Il report individua quindi alcune “trappole metriche”, in particolare proprio la misurazione del tasso di adozione come indicatore sostitutivo del valore.
Dall’efficienza alla crescita – I guadagni di efficienza generati dall’AI sono reali, ma non si traducono automaticamente in nuovo valore. Il report distingue tre livelli:
· Efficienza: svolgere la stessa attività a un costo inferiore
· Produttività: produrre di più con le stesse risorse
· Valore: ottenere risultati rilevanti per i clienti e per il conto economico.
La maggior parte dei programmi di AI misura il primo livello, pochi raggiungono il terzo.
Quasi nessuna organizzazione ha saputo spiegare chiaramente come ha impiegato la capacità liberata dall’AI. Senza una struttura che definisca dove convogliarla, questa viene riassorbita: le persone svolgono più lavoro dello stesso tipo, non un lavoro diverso.
L’AI sta cambiando quali competenze contano di più – L’AI sta assorbendo le attività ripetitive e di base che da sempre hanno costituito il percorso tradizionale dei dipendenti junior per sviluppare esperienza e capacità di valutazione e decisione.
Il report individua cinque competenze durature che rimangono tipicamente umane e alle quali si dovrebbe dare priorità nelle assunzioni e nello sviluppo professionale: agilità nell’apprendimento, capacità di inquadrare i problemi, capacità di valutazione, dimestichezza con i sistemi complessi e curiosità.
Il vantaggio competitivo non risiede nel modello utilizzato, ma in ciò che il modello conosce dell’azienda – Dal momento che le organizzazioni utilizzano gli stessi modelli a costi simili, il report individua gli elementi di differenziazione duraturi nei dati che finora non potevano essere utilizzati su larga scala e nelle conoscenze aziendali che non sono ancora state rese accessibili all’AI. Tra i primi rientrano i “dati umani”, cioè le conoscenze e le intuizioni racchiuse in conversazioni, e-mail e riunioni; tra le seconde, il “livello contestuale”, la conoscenza proprietaria contenuta nella documentazione dei prodotti, nelle policy e nelle guide procedurali che le organizzazioni non hanno ancora codificato per consentirne l’utilizzo da parte dell’AI.
Il report non si limita a individuare gli ostacoli alla creazione di valore con l’AI, ma indica anche come affrontarli. Ognuno dei capitoli in cui è strutturato affianca infatti all’analisi del problema indicazioni concrete e azioni immediate che i leader possono mettere in pratica.
