L’intelligenza artificiale è entrata nella fase in cui sono i CEO a dover decidere confini operativi, responsabilità e criteri per valutare i risultati. Gli agenti AI non sono più soltanto strumenti per scrivere testi, cercare informazioni o assistere singoli lavoratori: iniziano a pianificare attività, interrogare sistemi aziendali, proporre azioni e, in alcuni casi, arrivare a eseguirle dentro regole definite.
La pressione arriva da tre fronti.
Il primo è tecnologico: secondo il Capgemini Research Institute, nel report “Rise of agentic AI” basato su 1.500 senior executive in 14 Paesi, solo il 2% delle organizzazioni ha già scalato pienamente gli agenti AI, ma il 23% ha avviato piloti e il 61% ne sta esplorando l’adozione.
Il secondo è economico: la Global Survey 2025 di McKinsey rileva che l’88% delle organizzazioni usa AI in almeno una funzione, ma solo il 39% dichiara un impatto sull’ebit a livello aziendale.
Il terzo è regolatorio: dal 2 agosto 2026 sono entrate in vigore le regole di trasparenza dell’AI Act e parte l’enforcement per le norme già applicabili, mentre gli obblighi su diversi sistemi ad alto rischio slittano al 2 dicembre 2027 dopo l’AI Omnibus.
Indice degli argomenti
Le cinque domande che i CEO dovrebbero farsi
Per l’Italia il punto di partenza è migliorato, ma resta disomogeneo. Nel report “Imprese e ICT | Anno 2025”, pubblicato il 15 dicembre 2025, Istat indica che il 16,4% delle imprese con almeno 10 addetti usa almeno una tecnologia di IA, quasi il doppio rispetto all’8,2% del 2024. La distanza tra grandi imprese e PMI si è però ampliata fino a 37 punti percentuali. Lo stesso report segnala che la mancanza di competenze adeguate frena quasi il 60% delle aziende che hanno valutato investimenti in IA senza realizzarli.
Ecco le cinque domande che i CEO dovrebbero farsi adesso.
1. Dove gli agenti AI possono prendere decisioni operative?
La prima domanda per un ceo riguarda il perimetro della delega. Gli agenti AI possono prendere decisioni operative quando la decisione è frequente, misurabile, reversibile e governata da regole esplicite. È il caso di aggiornamenti di prezzo entro soglie approvate, prioritizzazione di ticket, allocazione di scorte, instradamento di consegne, raccomandazioni commerciali, controllo anomalie, risposta a incidenti IT di primo livello.
Il confine si sposta quando la decisione produce effetti legali, reputazionali, etici o patrimoniali rilevanti. In quei casi l’agente può preparare opzioni, raccogliere evidenze, simulare scenari e proporre una linea d’azione; la responsabilità deve restare assegnata a una persona o a un organo aziendale.
Il 2026 CEO Study di IBM Institute for Business Value, realizzato con Oxford Economics su 2.000 CEO e senior leader in 33 geografie e 21 settori tra febbraio e aprile 2026, fotografa bene il passaggio: i ceo intervistati stimano che oggi il 25% delle decisioni operative sia già preso dall’AI senza intervento umano e prevedono che la quota salga al 48% entro il 2030. Lo stesso studio precisa che il terreno più adatto è quello delle decisioni in cui coerenza e guardrail possono essere codificati.
La governance, quindi, non coincide con un comitato che approva ogni uso dell’AI. Serve una mappa delle decisioni: quali può eseguire l’agente, quali deve soltanto raccomandare, quali sono escluse dall’automazione. Senza questa mappa, l’azienda accumula assistenti digitali; con questa mappa, comincia a costruire capacità operativa.
2. Quali processi devono essere ridisegnati?
L’errore più costoso è inserire agenti AI dentro processi pensati per persone, email, fogli di calcolo e approvazioni seriali. In quel caso l’AI comprime qualche passaggio, ma lascia intatti colli di bottiglia, eccezioni opache e responsabilità distribuite male.
La ricerca McKinsey mostra che gli “AI high performer”, circa il 6% del campione che attribuisce all’AI almeno il 5% di impatto sull’EBIT, sono quasi tre volte più propensi degli altri a ridisegnare in modo sostanziale i workflow individuali. Il dato spiega perché molti programmi AI restano piloti: manca il lavoro organizzativo attorno alla tecnologia.
I processi da ripensare per primi sono quelli ad alto volume, con dati accessibili, esiti misurabili e molte eccezioni ripetitive: customer service, supply chain, finance operations, procurement, gestione documentale, marketing operations, assistenza tecnica, sviluppo software, cybersecurity operations. L’obiettivo non è sostituire ogni passaggio umano, ma separare meglio attività, decisioni e responsabilità.
Un processo ridisegnato per gli agenti AI contiene almeno cinque elementi: dati affidabili e accessibili, regole di autorizzazione, tracciabilità delle azioni, punti di intervento umano, indicatori di qualità. Quando uno di questi elementi manca, l’agente diventa un acceleratore di frammentazione.
3. Come misuriamo la produttività generata dall’AI?
La produttività generata dall’AI non si misura contando licenze attive, prompt inviati o ore dichiarate come risparmiate. Quei numeri servono al controllo dell’adozione, ma non provano valore aziendale. La misura deve partire dall’unità economica del processo: ticket risolti per ora, tempo di ciclo, costo per pratica, conversione commerciale, errori evitati, rilavorazioni, qualità percepita dal cliente, riduzione del tempo di inserimento per i nuovi assunti.
Ma non è possibile generalizzare. Lo studio accademico “Generative AI at Work” di Erik Brynjolfsson, Danielle Li e Lindsey Raymond, pubblicato su The Quarterly Journal of Economics nel maggio 2025, analizza l’introduzione progressiva di un assistente conversazionale basato su AI generativa presso 5.172 operatori di customer support. L’accesso allo strumento aumenta del 15% la produttività media, misurata come problemi risolti per ora, con benefici più forti per lavoratori meno esperti e più deboli per i profili già più performanti.
La produttività, dunque, non è uniforme. Può aumentare la velocità dei meno esperti, ridurre il tempo di formazione, migliorare la qualità media e insieme abbassare il contributo distintivo dei migliori se l’organizzazione non protegge autonomia, competenza e capacità critica.
Un altro segnale arriva dal field experiment “The Cybernetic Teammate”, pubblicato online da Organization Science nel giugno 2026: Fabrizio Dell’Acqua, Edward McFowland III, Ethan Mollick, Hila Lifshitz-Assaf, Katherine Kellogg, Saran Rajendran, Lisa Krayer e Karim Lakhani hanno coinvolto 791 professionisti di Procter & Gamble su sfide reali di innovazione di prodotto. I partecipanti con AI hanno raggiunto performance comparabili a quelle dei team senza AI e hanno prodotto soluzioni più bilanciate tra competenze tecniche e commerciali.
Per un CEO la lezione è operativa: ogni progetto AI deve partire con una baseline, un gruppo di confronto quando possibile, una metrica di qualità e una metrica economica. Il ritorno va cercato nel processo, non nell’entusiasmo d’uso.
4. Quali competenze diventano realmente strategiche?
Nel secondo semestre 2026 la competenza scarsa non è saper usare una chat. È saper trasformare un obiettivo aziendale in una catena di decisioni, dati, controlli e responsabilità che un sistema AI possa supportare senza generare rischio non governato.
Il World Economic Forum, nel “Future of Jobs Report 2025” basato su oltre 1.000 grandi datori di lavoro che rappresentano più di 14 milioni di lavoratori in 22 cluster industriali e 55 economie, stima che il 39% delle competenze chiave cambierà entro il 2030. AI e big data sono tra le competenze in più rapida crescita, ma il pensiero analitico resta la competenza core più richiesta: sette aziende su dieci la considerano essenziale nel 2025. Il 63% dei datori di lavoro indica inoltre il gap di competenze come principale barriera alla trasformazione del business.
Il dato italiano va nella stessa direzione. Istat collega il mancato investimento in IA soprattutto a competenze insufficienti e incertezza legale. La competenza strategica, quindi, combina quattro piani: conoscenza del dominio, alfabetizzazione AI, capacità di ridisegnare processi e familiarità con rischi, privacy, sicurezza e compliance.
IBM aggiunge un elemento di leadership: nel CEO Study 2026 l’85% dei CEO intervistati afferma che tutti i responsabili funzionali devono diventare esperti di tecnologia nel proprio dominio. Questo cambia la distribuzione della responsabilità. L’AI non può restare confinata in IT o nell’innovation team, perché le decisioni da automatizzare appartengono a vendite, operation, finanza, risorse umane, legale, prodotto, customer care.
Le competenze da presidiare al vertice sono quindi meno specialistiche di quanto spesso si pensi: formulare problemi, valutare qualità dei dati, definire criteri di accettazione, leggere metriche, riconoscere bias ed errori, decidere quando fermare un’automazione. La capacità tecnica pura resta importante, ma il vantaggio nasce quando manager e tecnologi condividono lo stesso linguaggio operativo.
5. L’innovazione è ancora un dipartimento o è il modo in cui funziona l’azienda?
La quinta domanda è la più scomoda. Se l’innovazione resta un dipartimento, gli agenti AI produrranno dimostrazioni, prototipi e casi d’uso isolati. Se diventa modo di funzionare dell’azienda, cambia budget, governance, responsabilità manageriale e velocità di apprendimento.
Il tema è evidente anche nei dati europei. Eurostat, nella pagina “Towards Digital Decade targets for Europe”, indica che nel 2025 il 20% delle imprese UE usa tecnologie AI, il 47% servizi cloud di livello intermedio o sofisticato e il 40% analisi dei dati; considerando almeno una tra AI, cloud e data analytics, la quota arriva al 63%, ancora 12 punti sotto il target europeo del 75% al 2030. L’Italia, secondo la stessa fonte, è tra i Paesi che hanno superato il target su almeno una delle tre tecnologie, grazie soprattutto a cloud e analytics, ma l’adozione AI resta più bassa e polarizzata per dimensione d’impresa.
Questo scenario chiede un modello di innovazione più distribuito. Il dipartimento innovazione può restare utile come centro di metodo, scouting, governance e accelerazione. La responsabilità del valore, però, deve stare nelle linee operative. Un agente AI che riduce il tempo di risposta nel customer service appartiene al customer service. Un sistema che migliora la previsione della domanda appartiene alla supply chain. Un copilota per le chiusure contabili appartiene alla funzione finance.
La conseguenza per i CEO è una scelta di architettura aziendale. Le imprese che scaleranno l’AI nel 2026 e nel 2027 non saranno necessariamente quelle con più sperimentazioni, ma quelle capaci di trasformare ogni progetto in una nuova disciplina gestionale: decisioni classificate, dati governati, processi ridisegnati, competenze misurate, responsabilità assegnate.
Gli agenti AI possono diventare una leva di crescita soltanto quando l’azienda sa dire dove devono agire, quali processi modificano, quale produttività generano, quali competenze richiedono e chi risponde delle loro decisioni. Per i CEO, il secondo semestre 2026 è il momento in cui l’AI smette di essere una promessa di efficienza e diventa una prova di management.
Partecipa alla community