Il rischio più grande per le imprese non è investire troppo poco in AI. È investire senza sapere quale valore si vuole ottenere.

La pressione a “fare qualcosa” è forte. I concorrenti sperimentano, i fornitori propongono nuove soluzioni, i dipendenti usano già strumenti generativi, il mercato premia chi comunica innovazione. In questo contesto, molte aziende finiscono per muoversi rapidamente ma senza una direzione abbastanza chiara. Acquistano licenze, lanciano progetti, aprono cantieri, avviano formazione. Poi faticano a rispondere alla domanda più semplice: che cosa è migliorato davvero?

L’AI crea valore sostenibile solo quando è collegata a obiettivi, metriche, responsabilità e rischi governati. Altrimenti resta una spesa tecnologica con un racconto molto convincente intorno.

La prospettiva Global IT Governance presentata al convegno “Financial Controlling & AI Data Governance Avanzata” del 4 giugno 2026 ha espresso questo punto con una tesi molto netta: il vantaggio competitivo non deriva dall’accesso alla tecnologia, ma dalla capacità di governare dati, persone, processi e AI per trasformare la complessità in valore. È una formulazione utile perché sposta il baricentro: non più “quanta AI adottiamo”, ma “quale valore produciamo e con quali presidi”.

Il rischio non è investire poco. È investire male

Molte imprese oggi vivono una pressione crescente. Vedono concorrenti che sperimentano, fornitori che propongono nuove soluzioni, consulenti che promettono accelerazioni, dipendenti che utilizzano strumenti generativi in autonomia. La reazione più immediata è investire: acquistare licenze, avviare progetti, fare formazione, introdurre automazioni.

Il problema è che investire rapidamente non significa investire bene. Il rischio più insidioso non è restare completamente fermi, ma muoversi senza una chiara ipotesi di valore. Un progetto AI dovrebbe nascere da domande molto concrete: quale processo migliora, quale decisione supporta, quale rischio riduce, quale metrica modifica, quale comportamento organizzativo abilita.

Quando queste domande mancano, l’AI diventa una voce di costo travestita da innovazione. E spesso è una voce di costo molto ben raccontata.

ROI, ROO e metriche di valore

Il valore sostenibile dell’AI deve essere misurato. Non necessariamente solo in termini di ROI finanziario immediato, ma sempre attraverso indicatori osservabili. Il ROI resta importante: riduzione dei costi, aumento della produttività, miglioramento dei margini, ottimizzazione del capitale circolante, riduzione dei tempi di processo. Ma in molti casi serve anche ragionare in termini di ROO, ritorno sugli obiettivi organizzativi.

Il ROO misura aspetti meno immediatamente finanziari ma altrettanto rilevanti: qualità delle decisioni, tempestività delle informazioni, riduzione degli errori, maggiore collaborazione tra funzioni, affidabilità dei dati, adozione da parte degli utenti, tracciabilità dei processi, capacità di gestire rischi. In una trasformazione AI matura, ROI e ROO devono stare insieme. Il primo dice se l’investimento produce ritorno economico. Il secondo dice se l’organizzazione sta diventando più capace.

Ridurre tutto al ROI di breve periodo può portare a sottovalutare progetti fondamentali, come data governance, formazione o presidio dei rischi. Ignorare il ROI, però, è altrettanto pericoloso: significa trasformare l’AI in un’iniziativa culturale senza disciplina economica. Le imprese mature evitano entrambi gli estremi.

Compliance e fiducia: non solo difesa da sanzioni

Il tema della conformità sta diventando inevitabile. EU AI Act, privacy, cybersecurity, responsabilità, trasparenza, supervisione umana e standard di gestione dell’AI non sono più elementi laterali. Incidono direttamente sulla possibilità di adottare sistemi intelligenti in modo credibile e scalabile.

Molte imprese considerano la compliance come un vincolo. È comprensibile, ma limitante. Una governance solida può diventare un fattore competitivo, soprattutto quando clienti, banche, partner, investitori o grandi committenti iniziano a chiedere garanzie sull’uso responsabile dell’AI. In quel momento, poter dimostrare regole, controlli, registri, policy, formazione e responsabilità non è burocrazia. È reputazione.

La compliance difensiva arriva quando c’è già un rischio da contenere. La governance intelligente arriva prima e rende l’impresa più affidabile. La differenza si vede soprattutto quando l’AI entra in processi sensibili: gestione dati cliente, reporting, finanza, HR, contratti, customer service, credito, pianificazione, comunicazione esterna.

Non esiste l’AI migliore. Esiste l’AI coerente

Una delle idee più utili per le imprese è che non esiste un’unica AI valida per tutti. Esiste l’AI coerente con il contesto, i dati, le competenze, i processi e il profilo di rischio dell’organizzazione.

Una grande azienda strutturata può aver bisogno di piattaforme integrate, architetture complesse, modelli di controllo avanzati e team dedicati. Una PMI può generare valore partendo da casi d’uso più mirati: controllo dei costi, forecast di cassa, reportistica direzionale, automazione documentale, supporto commerciale, customer care, gestione delle informazioni interne, data quality o pianificazione.

Il problema nasce quando le imprese imitano modelli non adatti alla propria maturità. Adottare una soluzione sovradimensionata può essere dannoso quanto restare fermi. Genera complessità, costi, dipendenza da fornitori e bassa adozione. L’AI giusta è quella che risponde a un problema reale con un livello di sofisticazione sostenibile.

Detto in modo pungente: non tutte le aziende hanno bisogno di un “AI transformation program”. Alcune hanno bisogno, più modestamente e più urgentemente, di smettere di lavorare con dati dispersi, report manuali e decisioni prese su informazioni arrivate tardi.

Governance come acceleratore, non come freno

La governance viene spesso percepita come ciò che rallenta l’innovazione. In realtà, quando è ben progettata, produce l’effetto opposto. Chiarisce priorità, stabilisce regole, definisce responsabilità, protegge i dati, rende misurabili i risultati e permette alle persone di sapere cosa possono fare senza chiedere ogni volta autorizzazioni informali.

Senza governance, ogni nuovo caso d’uso diventa una negoziazione. Si discute quali dati usare, chi approva, quali strumenti sono ammessi, quali output vanno verificati, quali rischi esistono, chi paga, chi decide, chi risponde. Con governance, queste risposte esistono già almeno in forma di principio. Questo rende l’adozione più veloce e più sicura.

Per questo la governance AI non dovrebbe essere progettata come un manuale di divieti. Dovrebbe essere un sistema operativo manageriale: principi, ruoli, processi, metriche e controlli che permettono all’impresa di usare l’AI senza improvvisare.

Cosa fare lunedì mattina

Prima di investire in una nuova iniziativa AI, il management dovrebbe rispondere a cinque domande. Quale valore vogliamo ottenere e come lo misureremo? Il beneficio atteso è economico, organizzativo, di rischio o reputazionale? I dati necessari sono affidabili e utilizzabili in modo sicuro? Le persone coinvolte hanno competenze sufficienti per usare e controllare l’AI? Esiste una governance minima che definisca ruoli, limiti, responsabilità e supervisione?

La risposta a queste domande non deve bloccare l’azione. Deve renderla più seria. L’AI non premia le imprese più entusiaste, ma quelle più capaci di collegare tecnologia, dati, processi e responsabilità. Le altre faranno comunque qualcosa. Probabilmente molte cose. Ma non necessariamente valore.