L’AI non è per tagliare costi, è per crescere

Harvard Business Review ha pubblicato un’analisi che ribalta il senso comune sul ritorno degli investimenti in AI. La maggior parte delle aziende oggi adotta l’intelligenza artificiale per tagliare costi, automatizzare task ripetitivi, ridurre il personale dedicato a operazioni manuali. Le aziende che ottengono i risultati migliori, invece, la usano per crescere: lanciare nuovi prodotti, entrare in nuovi mercati, costruire esperienze cliente che prima non erano economicamente sostenibili. La differenza tra le due strategie produce un divario di valore che si misura in punti di EBITDA, non in decimali di efficienza.

L’analisi pubblicata da Harvard Business Review parte da un dato che dovrebbe far riflettere chi sta firmando contratti pluriennali con vendor AI: il taglio costi ha un tetto naturale. Una volta automatizzata una funzione, la stessa funzione non si automatizza una seconda volta. Il ROI da efficienza è quindi una tantum, e si esaurisce nel giro di un ciclo di budget. La crescita, al contrario, apre superfici di mercato nuove, e ogni superficie nuova diventa la base per la successiva. L’effetto cumulativo del ROI da crescita è strutturale, e in questo sta la vera asimmetria competitiva.

Le aziende che stanno usando l’AI per innovare in modo aggressivo sono ancora una minoranza, e di solito sono quelle che avevano già una cultura di prodotto forte. Le aziende che invece la usano per efficienza sono quasi sempre quelle che leggono l’AI come l’ennesimo strumento di ottimizzazione, una specie di Lean Six Sigma con i tensor. Il problema è che la promessa dei consulenti che vendono progetti AI per il taglio costi resta seducente per i CFO sotto pressione, e la pressione di breve termine vince spesso contro la visione di medio.

L’illusione che la produttività si traduca in profitti

Il discorso pubblico delle Big Tech sul tema è esattamente quello che fanno i CFO che credono nella narrativa del taglio costi. McKinsey, BCG, Deloitte hanno pubblicato decine di report con stime di risparmio percentuale per funzione aziendale, raccolte anche da analisi di settore, e ogni CEO che ne legge uno arriva alla riunione del board con il foglio Excel della propria azienda colorato di rosso sui costi fissi. La logica è semplice: se il consulente dice che il 30% del lavoro del customer support si automatizza, il CFO calcola lo stipendio dei customer support, applica la percentuale, scrive il numero a bilancio.

Il problema è che quel numero non arriva quasi mai. Le ragioni sono tre, e tutte e tre vengono regolarmente sottovalutate. La prima è che l’AI non automatizza il 30% del lavoro di una persona, automatizza una percentuale variabile di task specifici, e ridurre il personale del 30% costringe il restante 70% a fare lavoro che prima faceva il 30%. La produttività individuale non si traduce automaticamente in riduzione di organico senza ridisegno dei processi. La seconda è il costo di integrazione: portare un agente AI dentro un workflow esistente costa più di quanto le slide del vendor mostrano, e i tempi sono il doppio. La terza è che il personale rimanente sviluppa resistenze, attriti, perdita di engagement, e il costo nascosto della demotivazione si paga in turnover e in qualità del lavoro residuo.

C’è poi la questione del confronto competitivo. Se tutti i concorrenti adottano AI per efficienza nello stesso settore e nello stesso momento, il vantaggio competitivo si annulla nel giro di sei-dodici mesi. Il risparmio resta, ma viene trasferito al cliente sotto forma di prezzi più bassi, perché la concorrenza costringe a girare l’efficienza in sconto. Le aziende che invece usano l’AI per costruire prodotti che il concorrente non sa ancora replicare mantengono il vantaggio per il tempo necessario a sviluppare il successivo. Questo è il vero campo di gioco, e il dibattito aziendale fatica a metterlo a fuoco.

Cosa fanno le aziende che crescono con l’AI

Le case study citate nel pezzo HBR convergono su tre modalità di utilizzo per la crescita. La prima è il rilascio di nuove categorie di prodotto rese economicamente sostenibili dall’AI: prodotti che richiedevano costi di personalizzazione troppo alti per essere venduti a singoli clienti diventano scalabili quando un sistema AI fa la personalizzazione in automatico. Si pensi all’editoria educativa, alla consulenza fiscale per microimprese, alla diagnostica veterinaria. Settori dove il costo del professionista impediva il modello a basso prezzo, e dove ora l’AI apre una fascia di mercato che prima non esisteva.

La seconda è l’ingresso in nuovi mercati geografici senza investire in nuove strutture. La traduzione automatica di livello professionale, il customer support multilingua basato su LLM, l’adattamento culturale dei contenuti per mercati emergenti diventano leve di espansione che prima richiedevano filiali, partner locali, anni di apprendimento. Le imprese che hanno tradizionalmente faticato a internazionalizzarsi per costi e complessità trovano in questo paradigma un’opportunità concreta, e per il tessuto produttivo italiano la leva diventa significativa. Per chi gestisce export, le piattaforme di localizzazione AI-driven abbattono la barriera di ingresso a una frazione del costo storico.

La terza è la riprogettazione dell’esperienza cliente. Le aziende che usano l’AI per analizzare in tempo reale il comportamento dei clienti, anticipare bisogni, personalizzare offerte costruiscono un asset di dati e di intelligenza che il concorrente non può replicare velocemente. Amazon, Netflix, Spotify hanno costruito imperi su questo principio prima ancora che l’AI fosse un tema mainstream. Oggi qualsiasi azienda con un livello sufficiente di digitalizzazione può iniziare lo stesso percorso, ma serve una decisione strategica del top management, non un’iniziativa di un team operations.

La cornice strutturale italiana e il rischio di rimanere indietro

Per l’Italia il quadro è specificamente complicato. La spesa IT su PIL resta sotto la media europea, la cultura aziendale è prevalentemente conservativa, i CFO tendono a leggere l’AI come strumento di efficienza più che di crescita. Il rischio è che il mercato italiano si polarizzi: poche aziende che usano l’AI per innovare con criterio guadagnino quote rapide, la maggioranza si limiti a tagli che il concorrente replica nello stesso trimestre. Il Politecnico di Milano nelle sue osservazioni annuali sull’AI ha mostrato un divario di adozione tra grandi imprese e PMI che sta crescendo, non riducendosi.

Il taglio costi resta una leva legittima quando l’azienda è in crisi di margine e deve liberare risorse per investire altrove. Se l’AI serve a chiudere un buco di bilancio nell’immediato, va usata per quello, con la consapevolezza che è una mossa difensiva, non una strategia. Il vero salto è quando le risorse liberate dall’efficienza diventano il carburante per i progetti di crescita, non quando si limitano a finire nel margine operativo del trimestre successivo. Il management che riesce a fare questa transizione difficile, dall’AI come costo da risparmiare all’AI come prodotto da vendere, è quello che costruisce il vantaggio dei prossimi cinque anni.

Una variabile pragmatica per chi deve decidere oggi: investire in AI per la crescita richiede una tolleranza al rischio che molti board non hanno. I progetti di nuovo prodotto AI-based hanno tempi più lunghi, esiti meno prevedibili, ROI difficile da quantificare in anticipo. Per il CEO che deve giustificare ogni euro al board, il pilot di efficienza è la scelta più facile da difendere. Chi però costruisce un caso solido per la crescita, e chi accetta che il primo progetto possa non ripagarsi nel trimestre, costruisce il portafoglio di opzioni che alla fine farà la differenza. Anticipare l’obiezione che la crescita sia un lusso da grandi gruppi è doveroso, ma anche le PMI possono entrare con progetti AI mirati e budget contenuti, se sanno cosa cercano.

La verità inconveniente del dibattito attuale è che il taglio costi è la strada per il management che vuole sopravvivere, la crescita è la strada per quello che vuole vincere. Le due opzioni non sono mai equivalenti, e il management che le presenta come tali sta semplicemente nascondendo al board la propria mancanza di visione. L’AI non risolve i problemi di chi non sa cosa fare con la propria azienda. Li amplifica.