In Breve

Qual è la percentuale di knowledge worker nel Regno Unito che utilizza strumenti di AI?

L'81% dei knowledge worker nel Regno Unito utilizza strumenti di AI settimanalmente.

Quali sono le principali sfide legate all'adozione dell'AI?

Le principali sfide includono la mancanza di governance, l'uso di strumenti non approvati e risultati misurabili limitati.

Qual è l'importanza di misurare i risultati concreti dell'AI?

È fondamentale misurare esiti concreti come tempi di risoluzione e decisioni più rapide, piuttosto che metriche fuorvianti.

L’Intelligenza Artificiale nel Regno Unito: Adozione Diffusa ma Risultati Limitati

Negli ultimi anni, l’adozione dell’intelligenza artificiale (AI) ha raggiunto livelli significativi nel Regno Unito, con l’81% dei knowledge worker che utilizza strumenti di AI settimanalmente. Tuttavia, questa diffusione non si è tradotta in una trasformazione organizzativa tangibile né in benefici operativi chiari per le aziende.

Secondo un rapporto di TechRadar, molte imprese hanno integrato l’AI in processi già frammentati e sistemi inefficienti, aggravando problemi preesistenti invece di risolverli. Il 58% dei responsabili IT ha segnalato un’elevata adozione di strumenti AI, ma con guadagni di produttività misurabili limitati. Inoltre, l’82% di questi professionisti ha dovuto affrontare aumenti di costo inattesi legati all’implementazione dell’AI.

Un altro aspetto preoccupante è la gestione della responsabilità. Quasi due terzi dei leader IT si dichiarano interamente responsabili degli esiti derivanti dall’uso dell’AI, mentre le implementazioni si diffondono tra i vari reparti, spesso al di fuori di percorsi di governance strutturati. Questo ha portato a una situazione di responsabilità senza adeguata visibilità.

Il fenomeno della “shadow AI” è particolarmente rilevante: uno su quattro lavoratori utilizza strumenti di AI non approvati, creando attrito con gli strumenti ufficiali e complicando ulteriormente la gestione delle risorse tecnologiche.

La mancanza di un contesto organizzativo chiaro rappresenta un altro ostacolo significativo. Quasi la metà dei leader IT ha indicato che i progetti di AI si arenano perché i modelli non dispongono delle informazioni necessarie riguardo alla struttura, priorità e diritti decisionali, rendendo difficile produrre output utilizzabili senza correzioni onerose.

Inoltre, le metriche attualmente adottate per valutare l’efficacia dell’AI sono spesso fuorvianti. Misurare semplicemente il numero di licenze, i prompt inviati o le ore teoricamente risparmiate non fornisce un quadro reale del valore aggiunto. È fondamentale concentrare l’attenzione su esiti concreti, come i tempi di risoluzione dei clienti, la riduzione del tempo necessario per la ricerca delle informazioni e la rapidità nelle decisioni.

Un esempio operativo positivo è rappresentato dalla costruzione di un assistente di vendita AI, dove l’impatto sul processo commerciale è misurato attraverso tassi di risposta e nuovi incontri generati. Con l’arrivo di agenti autonomi che agiranno per conto delle persone, le organizzazioni dovranno monitorare attentamente quali agenti esistono, chi li ha creati, a cosa hanno accesso e come viene misurata la loro performance.

In conclusione, le imprese che desiderano trarre vantaggio dall’AI non saranno quelle che semplicemente ne fanno un uso massiccio, ma quelle che la collegano a responsabilità chiare, governance proporzionata e flussi di lavoro ben definiti. L’adozione dell’AI rappresenta solo il primo passo; il vero obiettivo rimane il valore misurabile che essa può generare.