AI Pulse Survey 2025: Risultati Chiave Della Ricerca

AI Pulse Survey: Risultati Chiave Della Ricerca

8 min read

Scarica

Nel 2025, le organizzazioni si trovano a un punto di svolta. La pressione per dimostrare l’efficacia degli investimenti in intelligenza artificiale (AI) è in forte crescita, mentre la maggior parte delle aziende fatica ancora a scalare oltre la fase di sperimentazione. Le evidenze emerse dalle AI Pulse Survey indicano chiaramente che le organizzazioni che riescono a portare lo sviluppo di sistemi di intelligenza artificiale a livello enterprise hanno una probabilità fino a tre volte superiore di superare le aspettative di return-on-investment (ROI).

Il nodo centrale non risiede tanto nella tecnologia, quanto nella capacità organizzativa di integrare l’AI nei processi core, ripensare i modelli operativi e sviluppare nuove competenze. Molte aziende restano intrappolate in una “fase pilota” perpetua, incapaci di integrare l’AI nei processi principali e di generare valore effettivo e sistemico.

Questo whitepaper analizza le principali dinamiche emerse dalla ricerca, offrendo una lettura strutturata del percorso di maturità dell’Intelligenza Artificiale, delle nuove modalità di misurazione del valore e delle sfide principali che le organizzazioni devono affrontare per passare dalla sperimentazione alla vera trasformazione.

Scarica

Dalla sperimentazione alla trasformazione: il divario di maturità

Protiviti ha proposto un framework di valutazione dei livelli di maturità, applicabile cross-solution e ad ogni dimensione di impresa, riportato nell’immagine seguente: quello che emerge è che, nonostante l’attenzione crescente verso l’intelligenza artificiale, la maggior parte delle organizzazioni si colloca ancora nella cosiddetta Fase 2 – Sperimentazione, caratterizzata da progetti pilota limitati, spesso isolati e non integrati nei processi aziendali critici.

Questa fase rappresenta un passaggio naturale nel percorso di adozione dell’AI, perché consente alle aziende di testare le tecnologie, comprenderne il potenziale e ridurre l’incertezza iniziale. Tuttavia, i dati evidenziano come la permanenza prolungata in questa fase costituisca uno dei principali fattori di fallimento nel generare valore. Le organizzazioni che rimangono in fase sperimentale risultano significativamente più esposte al rischio di ottenere ritorni inferiori alle aspettative e meno capaci di attivare benefici complessivi.

Il vero punto di discontinuità si trova nel passaggio verso le fasi 4 (Ottimizzazione) e 5 (Trasformazione), dove l’AI viene progressivamente integrata nei workflow core e diventa parte integrante del modello operativo, dove il valore non deriva più da singole iniziative, ma da un effetto cumulativo generato dall’automazione, dalla disponibilità dei dati e dalla capacità di orchestrare processi in modo intelligente.

Questo passaggio richiede un cambiamento strutturale: non si tratta semplicemente di “adottare”

Trend principali in cinque fasi di maturità

l’AI, ma di ripensare l’organizzazione, i processi e i ruoli intorno all’AI. Le aziende più mature sono quelle che riescono a trasformare l’AI da centro di costo a leva di crescita, integrandola in modo trasversale nelle funzioni aziendali e nei processi decisionali.

Le organizzazioni che hanno raggiunto le Fasi 4–5 (Ottimizzazione e Trasformazione) riportano infatti performance nettamente superiori: sono fino a tre volte più propense a superare le aspettative di ROI. La chiave è la capacità di scalare: l’adozione estesa dell’AI nei workflow aziendali genera efficienze cumulative, automazione evoluta e modelli decisionali più intelligenti.

Ripensare il concetto di ROI: Da metrica finanziaria a valore multidimensionale

Uno degli elementi più rilevanti emersi dalla ricerca riguarda la necessità di ridefinire il concetto stesso di ritorno sugli investimenti dell’AI. Le metriche tradizionali, basate prevalentemente su riduzioni di costo ed efficienza operativa, risultano sempre più inadeguate a catturare la complessità e l’ampiezza del valore generato dall’intelligenza artificiale.

L’AI non si limita ad automatizzare attività esistenti, ma contribuisce a trasformare i processi, migliorare la qualità delle decisioni e abilitare nuovi modelli di business. Di conseguenza, le organizzazioni più avanzate adottano un approccio multidimensionale alla misurazione del ROI, includendo indicatori quali la crescita dei ricavi, l’aumento della produttività, il miglioramento della customer experience e la velocità di innovazione.

Posizionamento lungo la scala di maturità dell'Al a cinque livelli

In particolare, emerge una differenza significativa tra le aziende che ottengono risultati superiori alle aspettative e quelle che faticano a generare valore. Le prime tendono a valutare l’AI come un abilitatore strategico, integrando le metriche economiche con indicatori legati alla trasformazione organizzativa, alla resilienza e alla capacità di innovare. Le seconde, invece, rimangono ancorate a logiche di efficienza e riduzione dei costi, limitando il potenziale trasformativo dell’AI e quindi lo spazio di intervento e conseguentemente di crescita.

Questo cambiamento di prospettiva implica una sfida metodologica: le organizzazioni devono sviluppare nuovi modelli di misurazione in grado di collegare gli impatti dell’AI a risultati di business concreti, andando oltre le metriche tradizionali e includendo dimensioni qualitative e di lungo periodo.

Trend di soddisfazione ROI per survey (aspettative)

Le principali sfide all’ottimizzazione

Il percorso verso la maturità AI è caratterizzato da una serie di sfide che non solo persistono nel tempo, ma tendono a evolvere e intensificarsi con l’aumentare della complessità organizzativa.

Uno dei principali ostacoli riguarda l’integrazione dell’AI nei sistemi legacy. Molte organizzazioni operano su architetture tecnologiche stratificate, spesso non progettate per supportare modelli avanzati di automazione e analisi dei dati. Questo rende difficile integrare le soluzioni AI nei processi esistenti, limitando la possibilità di scalare le iniziative.

Parallelamente, la data readiness emerge come fattore abilitante critico. La qualità, l’accessibilità e la governance dei dati rappresentano la base su cui costruire sistemi AI affidabili. Le evidenze mostrano chiaramente che le organizzazioni con elevati livelli di qualità dei propri dati, e quindi di fiducia, sono significativamente più propense a superare le aspettative di ROI. Tuttavia, i problemi legati ai dati non diminuiscono con la maturità: al contrario, l’adozione di sistemi più avanzati tende ad amplificarli.

A queste sfide si aggiungono la mancanza di chiarezza sui casi d’uso, le crescenti pressioni legate alla sicurezza e alla compliance e il persistente gap di competenze. Lo sviluppo di soluzioni AI più avanzate, come i sistemi agentic, richiede competenze specialistiche ancora poco diffuse sul mercato.

Nel complesso, emerge come la scalabilità dell’AI non sia un problema tecnologico isolato, ma una sfida sistemica che coinvolge architettura IT, dati, governance e capitale umano.

L’ascesa dell’AI agentica e la necessità di governance

Un ulteriore elemento di discontinuità nel panorama AI è rappresentato dall’evoluzione verso modelli agentici. Il 2025 ha segnato il passaggio da assistenti AI singoli a team multi agente in grado di coordinare attività end to end. Le aziende più mature stanno già implementando architetture di agenti modulare e riutilizzabile.

Questa evoluzione apre nuove opportunità in termini di efficienza operativa e automazione avanzata, ma introduce anche un livello di complessità senza precedenti. Le organizzazioni devono gestire ecosistemi di agenti interconnessi, garantendo coerenza, sicurezza e allineamento con gli obiettivi aziendali.

Per rispondere a queste esigenze, molte aziende stanno introducendo modelli di governance dedicati, come l’AI Agent Governance Board (AGB), con il compito di supervisionare l’intero ciclo di vita degli agenti. Questo include la catalogazione degli agenti, la gestione delle dipendenze, il monitoraggio delle performance e la definizione delle priorità di sviluppo.

Parallelamente, si osserva l’emergere di nuovi ruoli professionali orientati alla gestione degli agenti e alla loro integrazione nei processi aziendali. Questo conferma come il futuro dell’AI sarà sempre più caratterizzato da modelli human-in-the-loop, in cui la tecnologia supporta, ma non sostituisce, il processo decisionale umano.

Regolamentazione e fiducia come fattori abilitanti

Infine, la dimensione normativa rappresenta uno degli elementi più critici nel percorso di adozione dell’AI. L’incertezza regolatoria, unita alla frammentazione delle normative a livello globale, crea un contesto complesso per le organizzazioni, che temono di rallentare l’innovazione o di incorrere in rischi di ogni tipo, dal legale al reputazionale.

Tuttavia, le aziende più mature stanno adottando un approccio proattivo, trasformando la governance e la compliance da vincolo a leva strategica. In particolare, emerge il concetto di “governance-by-design”, che prevede l’integrazione di controlli, auditabilità e policy direttamente nei sistemi AI.

Questo approccio consente non solo di garantire conformità normativa, ma anche di costruire fiducia all’interno dell’organizzazione e verso gli stakeholder esterni. In un contesto in cui l’AI diventa sempre più pervasiva, la fiducia rappresenta infatti un elemento fondamentale per abilitare la scalabilità e sostenere l’adozione nel lungo periodo.

In definitiva, saper governare con intelligenza la complessità regolatoria e progettare sistemi di AI realmente affidabili e trasparenti non sarà solo un requisito di conformità, ma una scelta strategica: il vero discrimine tra le organizzazioni destinate a guidare il cambiamento e quelle destinate a inseguirlo.

In conclusione, e verso il futuro

L’intelligenza artificiale ha superato la fase delle promesse ed è oggi una componente strutturale della trasformazione delle organizzazioni. Come emerge chiaramente dagli indicatori analizzati, il suo valore non si esaurisce nella potenza tecnologica, ma si esprime soprattutto nella capacità di essere governata con metodo, responsabilità e visione. Strategia, qualità dei dati, competenze, processi e presidi di controllo diventano elementi inseparabili di un percorso di maturazione che punta a risultati concreti, misurabili e sostenibili nel tempo.

Le organizzazioni più evolute sono quelle che hanno saputo andare oltre iniziative isolate, costruendo un approccio organico che mette al centro la fiducia, la trasparenza e l’uso consapevole dell’AI a supporto delle decisioni. Nei prossimi tre anni, questa differenza diventerà sempre più evidente. La regolamentazione non sarà un freno, ma una guida; la governance non un vincolo, ma un abilitatore; la responsabilità non un costo, ma un fattore di credibilità e valore.

L’intelligenza artificiale sarà progressivamente integrata nei processi chiave, trasformando il modo di lavorare, di decidere e di innovare. In questo scenario, vinceranno le organizzazioni capaci di trasformare l’AI in una vera competenza aziendale, coltivando cultura, capacità e fiducia. Non si tratterà solo di adottare nuove tecnologie, ma di guidare un cambiamento profondo, con consapevolezza e ambizione, verso un futuro più efficace, resiliente e sostenibile.