L’IA è già usata nelle imprese, ma integrazione e risultati restano disomogenei

L’intelligenza artificiale occupa uno spazio crescente nelle agende di investimento delle imprese, ma questo non dimostra di per sé che il modo di lavorare sia cambiato. Accesso, uso frequente e integrazione nei processi sono fasi distinte: mettere gli strumenti a disposizione del personale non significa incorporarli nelle attività operative e nei processi decisionali.

Lo studio globale di Deloitte State of AI in the Enterprise 2026, basato su oltre 3.200 responsabili aziendali e tecnologici di 24 Paesi, rispecchia questa differenza: circa il 60% dei lavoratori ha accesso a soluzioni di IA approvate dalla propria organizzazione, ma meno di sei dipendenti su dieci tra quelli che vi accedono le usano ogni giorno. Inoltre, solo un’organizzazione su quattro ha portato in produzione almeno il 40% delle proprie iniziative di IA. La disponibilità degli strumenti non equivale a un uso costante né alla messa in produzione.

Ogni percentuale va letta considerando la definizione e la popolazione a cui si riferisce. “Usare l’IA” può indicare pratiche diverse, mentre una previsione di spesa esprime un’intenzione futura, non un investimento già realizzato. Perciò i tassi di adozione e i risultati delle indagini aziendali non vanno considerati misure dirette della produttività dell’intera economia. Accesso, investimento e impatto sono indicatori diversi.

Nella presentazione spagnola dello studio, Deloitte afferma che l’85% delle imprese intervistate prevede di aumentare gli investimenti nell’IA nel prossimo esercizio fiscale; quasi un terzo anticipa incrementi superiori al 20%. Il rapporto rileva inoltre che il 68% indica efficienza e produttività come il principale beneficio ottenuto. Il primo dato esprime un’aspettativa di spesa; il secondo un beneficio dichiarato, non una misurazione della produttività complessiva delle imprese spagnole.

Il risultato di Deloitte deriva dalla sua indagine aziendale, non da un censimento di tutte le imprese del Paese. Altre misurazioni possono adottare definizioni e campioni diversi, perciò i rispettivi tassi di adozione non sono necessariamente confrontabili in modo diretto. CaixaBank Research descrive l’adozione dell’IA nelle imprese spagnole come rapida, ma ancora limitata e disomogenea. Considerati insieme, i dati indicano progressi con differenze tra le imprese, non una trasformazione uniforme.

Per una direzione aziendale, il dato nazionale non sostituisce un’analisi interna. È più utile stabilire se l’organizzazione offre accesso, se il personale usa regolarmente gli strumenti e se questi sono stati incorporati in processi specifici. La maturità emerge dal lavoro che viene effettivamente svolto con l’IA, non soltanto dalle licenze o dai budget annunciati.

Deloitte riferisce che solo un’organizzazione su quattro ha portato in produzione almeno il 40% delle proprie iniziative di IA. Il dato descrive l’avanzamento dei progetti nel campione globale: non significa che le altre organizzazioni non abbiano alcun sistema in produzione. Indica però che passare dalla sperimentazione di una soluzione alla sua implementazione operativa è ancora una sfida per molte delle organizzazioni considerate. Un progetto pilota e un sistema in produzione sono fasi diverse.

Il rapporto segnala anche che l’84% delle organizzazioni non ha riprogettato i ruoli lavorativi né i flussi operativi per integrare l’IA. Il dato aiuta a inquadrare il divario tra la disponibilità degli strumenti e il cambiamento delle attività aziendali: se l’adozione si limita ad aggiungere tecnologia ai processi esistenti, l’integrazione organizzativa resta da realizzare. La riprogettazione del lavoro rimane un tema rilevante, insieme all’adozione tecnologica.

La Banca interamericana di sviluppo offre un confronto regionale, non una stima applicabile alla Spagna o all’Europa: in America Latina e nei Caraibi, la sua analisi distingue l’uso degli strumenti dai benefici economici dichiarati e dall’integrazione nelle attività centrali. Il confronto serve a separare i concetti, non a equiparare i risultati tra regioni. La diffusione di una tecnologia e la capacità di ricavarne valore vanno valutate separatamente.

L’integrazione nelle imprese pone anche questioni di competenze e gestione. Deloitte rileva che in Spagna il 59% delle organizzazioni sta formando il personale in generale per migliorarne le conoscenze pratiche sull’IA e che il 54% ha avviato iniziative di riqualificazione. Queste percentuali descrivono misure dichiarate dalle organizzazioni intervistate; da sole non indicano la portata né i risultati di ciascun programma. La formazione è una delle risposte aziendali all’introduzione dell’IA.

Lo stesso rapporto afferma che il 70% delle organizzazioni spagnole intervistate esprime una preoccupazione elevata o molto elevata per l’uso dei propri dati proprietari e che il 49% identifica regolamentazione e governance tra i principali ostacoli all’adozione dell’IA generativa. Sono percezioni raccolte nell’indagine, non una misura degli incidenti né una graduatoria dei rischi. La gestione dei dati e la governance rientrano nel dibattito sull’adozione.

In una decisione concreta, questi temi diventano domande sull’uso e sulla supervisione degli strumenti: quali informazioni vengono coinvolte, chi è responsabile del processo e come se ne controlla l’impiego. Le risposte necessarie dipendono dall’uso aziendale e dai dati in questione. Valutare ogni caso singolarmente evita di trattare tutte le applicazioni come se avessero gli stessi requisiti.

Prima di introdurre una soluzione, un’impresa può stabilire un valore di riferimento per il processo che intende modificare. In base all’obiettivo, può osservare il tempo per attività, il volume gestito, gli errori o i tempi di risposta. Poi dovrebbe confrontare lo stesso indicatore e considerare i costi pertinenti di integrazione, licenze, formazione e gestione operativa. Senza una misurazione iniziale è difficile attribuire il cambiamento all’iniziativa.

È utile anche distinguere un miglioramento operativo da un risultato finanziario. Svolgere un’attività più rapidamente può essere un risultato significativo, ma il suo valore economico dipende dagli effetti sul lavoro e sui costi dell’impresa. Il rendimento non si ricava da una previsione di investimento né dalla percezione generale che l’IA aumenti la produttività. La metrica deve corrispondere allo scopo specifico del progetto.

Per decidere se proseguire o ampliare un progetto pilota, la direzione può individuare chi risponde del processo, quale risultato si aspetta e con quali criteri valuterà i progressi. I dati di Deloitte sulle iniziative in produzione mostrano perché è utile distinguere la sperimentazione dall’implementazione. La decisione di estendere il progetto richiede informazioni sul caso specifico, non soltanto un interesse generale per la tecnologia.

Le differenze tra organizzazioni non dipendono soltanto dal budget: introdurre l’IA implica anche cambiamenti nei processi, nella formazione e nella governance, aspetti presenti nell’analisi di Deloitte. I dati citati, tuttavia, non consentono di attribuire i risultati a un singolo fattore né di concludere che le dimensioni di un’impresa determinino la sua capacità di ottenere benefici. È meglio evitare spiegazioni universali basate su un’indagine.

Prima di ampliare un’iniziativa, la direzione può verificare quattro aspetti:

• Processo: quale attività si intende modificare.
• Indicatore: quale risultato verrà osservato e qual è il punto di partenza.
• Responsabilità: chi seguirà l’implementazione e i suoi risultati.
• Costi: quali risorse servono oltre allo strumento.

Queste domande non garantiscono un rendimento: aiutano a precisare che cosa si sta valutando e a distinguere una prova da un’applicazione operativa.

Nel 2026, i dati di Deloitte e CaixaBank Research descrivono investimenti attivi e un’adozione disomogenea, non una misura definitiva dell’effetto dell’IA sulla produttività dell’intera economia spagnola. Per ogni impresa, la decisione utile è verificare se una specifica applicazione entra nel processo previsto e quali risultati produce. Le prove di uso e integrazione sono più informative di un’aspettativa di spesa, anche se l’impatto economico deve essere misurato separatamente.