In questi giorni di Olimpiadi, il linguaggio della performance è ovunque: tempi, margini, frazioni di secondo, ma anche cicli di preparazione e gestione della pressione. E non è un dettaglio “da cronaca sportiva”. Perché lo sport ad alto livello, quello che vediamo in gara, è solo la punta dell’iceberg: il risultato nasce molto prima, da un programma ripetibile di allenamento, dalla capacità di misurare i progressi e di correggere la tecnica, dalla disciplina di alternare intensità e recupero.
È esattamente l’idea da cui parte McKinsey nell’articolo “The athlete’s mindset for digital and AI transformation”: portare nella trasformazione digitale e nell’adozione dell’AI la mentalità dell’atleta, cioè un approccio fatto di obiettivi misurabili, preparazione, allenamento continuo e cicli di miglioramento. In una fase in cui AI, genAI e agentic AI “alzano la posta” e spingono le aziende a correre più forte, McKinsey invita a non confondere la velocità con la direzione: senza un metodo, l’energia si disperde e l’innovazione resta confinata a esperimenti.
Indice degli argomenti
La trasformazione non si vince “una volta”: si regge nel tempo
McKinsey richiama un dato che molte aziende conoscono, anche se spesso lo rimuovono: secondo ricerche citate nell’articolo, solo circa il 30% delle trasformazioni può dirsi davvero riuscito, intendendo per successo il miglioramento delle performance operative e la capacità di sostenere quel miglioramento nel tempo. Questo “nel tempo” è la parola che avvicina di più imprese e sport: non basta un picco, conta la continuità.
La genAI, poi, rende la questione ancora più pressante. McKinsey riporta i risultati della propria State of AI survey: quasi nove organizzazioni su dieci dichiarano di utilizzare la genAI in almeno una funzione, ma solo il 7% dice di aver scalato pienamente l’AI a livello enterprise. E oltre il 60% dei rispondenti afferma di non vedere ancora un effetto materiale sull’Ebit. È un quadro che racconta bene lo scarto tra sperimentazione e impatto: “si usa”, ma non necessariamente “trasforma”.
Qui la metafora olimpica diventa utile: molte aziende stanno vivendo una fase simile a quella di un atleta che prova un nuovo gesto tecnico. All’inizio si sperimenta, si aggiusta, si cerca “il feeling”. Ma se non si passa a un programma di allenamento—ripetibile, misurabile, sostenibile—quel gesto resta confinato a una prova. E la trasformazione resta un insieme di piloti.
L’“athlete mindset” secondo McKinsey: l’interval training applicato al digitale
La proposta McKinsey è concreta: adottare un athlete mindset, e applicare alla trasformazione i principi dell’interval training, l’allenamento a intervalli in cui fasi di alta intensità si alternano a momenti di recupero e adattamento.
Questo punto è importante perché molte trasformazioni falliscono per due estremi opposti: o si corre troppo, tutto insieme, senza recupero (e l’organizzazione va in sovraccarico), oppure si procede a strappi, con lunghi periodi di stallo (e l’entusiasmo si spegne). L’interval training presuppone invece una cadenza: sprint mirati, pause “intelligenti”, correzione tecnica, e poi di nuovo sprint. McKinsey lo propone come modello di gestione della trasformazione digitale e AI: non un progetto lineare, ma un processo che alterna accelerazione e consolidamento.
Tre principi per rendere “allenabile” la trasformazione
Nell’articolo McKinsey, l’athlete mindset viene sintetizzato in tre principi.
Il primo è la definizione di obiettivi e metriche: una “true north” chiara e condivisa, che riduca ambiguità e conflitti di priorità. In contesti AI questo diventa cruciale, perché la novità tecnologica e la complessità aumentano l’incertezza: senza una direzione misurabile, è facile accumulare casi d’uso senza convergere su un risultato verificabile.
Il secondo principio è preparare e pianificare come un atleta farebbe con il proprio programma: definire tappe, risorse e ruoli di guida, ma soprattutto mettere in conto gli ostacoli e preparare risposte. Non perché si debba prevedere tutto, ma perché la trasformazione non è un percorso “pulito”: è, per definizione, un cambio di abitudini.
Il terzo principio è eseguire con equilibrio e costanza: alternare momenti di intensità a pause di aggiustamento, senza perdere coerenza. McKinsey collega questa necessità alla rapida evoluzione dell’AI e cita esplicitamente “l’ascesa degli agentic AI”: quando il contesto cambia così in fretta, non si può “scrivere un piano e basta”. Serve un sistema che sappia adattarsi, senza ricominciare da zero ogni volta.
Un esempio concreto: dall’urgenza al metodo (300 progetti, 20%→70% adozione)
Per evitare che la metafora resti teoria, McKinsey racconta un caso: un’azienda del settore energy in cui un nuovo responsabile IT si trova davanti a un’urgenza operativa—migliorare la velocità di rilascio e la qualità del servizio. L’organizzazione ha adottato l’athlete mindset e i principi dell’interval training e, secondo McKinsey, ha ottenuto tre risultati quantitativi: ha prioritizzato 300 progetti, ha cambiato il modo di lavorare di oltre 100 persone e ha aumentato l’adozione tecnologica dal 20% al 70%. Inoltre, l’articolo riferisce un dimezzamento del tempo di sviluppo delle nuove versioni prodotto.
La parte interessante non è solo il “quanto”, ma il “dove” hanno agito. McKinsey descrive un reset iniziale che parte dall’identificazione dei freni principali: comunicazione lenta e frammentata tra business e team tecnologici, silos persistenti nell’IT e un ecosistema tecnologico datato con alto debito tecnico.
L’organizzazione ha poi valutato diversi operating model e ha scelto un modello ibrido, combinando un’impostazione “domain-led” con una digital factory. McKinsey evidenzia che sono state definite metriche di successo e obiettivi concreti, inclusi indicatori come la riduzione del time-to-market e l’aumento delle persone formate in AI, insieme alla crescita dell’adozione delle soluzioni AI.
KPI, prevedibilità e disciplina: perché la metrica non è “burocrazia”
Un passaggio del report è particolarmente rilevante per chi guida trasformazioni: McKinsey riporta l’evoluzione di un KPI operativo chiamato “predictability rate”, salito dal 67% al 93% in meno di tre mesi, insieme ad altri KPI migliorati. Il messaggio è chiaro: la trasformazione non è “innovazione creativa” slegata dalla misurazione. È un processo che deve produrre risultati osservabili.
Nello sport, chi corre i 1.500 metri non si allena “a sensazione”: misura tempi, volumi, recupero, risposta fisiologica. Allo stesso modo, McKinsey suggerisce che la trasformazione digitale e AI richiede indicatori che rendano visibile la traiettoria: non per controllare, ma per correggere. E per scegliere dove investire la prossima sessione di allenamento.
Debito tecnico: la “preparazione atletica” che non si può saltare
Se c’è un tema che McKinsey tratta in modo diretto è il debito tecnico. Nel racconto del caso, l’ecosistema IT datato è uno dei tre problemi critici. E la risposta proposta include un approccio in due fasi: un audit architetturale per mappare sistemi legacy e dipendenze, seguito da una roadmap di “repayment” monitorata con dashboard.
Per “inattaccabilità”, conta attenersi alle formulazioni del report: dove McKinsey parla di risultati “attesi”, va mantenuta la natura di stima/obiettivo. Nell’articolo vengono indicati una riduzione delle inefficienze operative del 10% in quattro mesi e un piano di adozione cloud con una diminuzione attesa dei costi di manutenzione del 25% in due anni.
La lezione, però, è molto “olimpica”: nessun atleta salta la preparazione di base perché “non si vede” in gara. Eppure è lì che si costruisce la prestazione. Il debito tecnico, nella trasformazione AI, è l’equivalente di quella preparazione invisibile: se non lo si affronta, ogni sprint costa di più, dura meno e produce meno impatto.
La parte umana dell’allenamento: competenze e ruoli
Nel report c’è anche un’attenzione esplicita alla componente di competenze. McKinsey descrive percorsi di training differenziati per ruoli, dalla familiarità con le capacità e i limiti dell’AI fino alle skill necessarie per costruire e governare casi d’uso. L’idea è coerente con l’athlete mindset: non basta “motivare”, bisogna mettere le persone nelle condizioni di eseguire bene, con strumenti e preparazione adeguati.
Nello sport, i team vincenti non sono fatti solo di atleti eccezionali, ma di contesto: allenatori, preparatori, analisti, fisioterapisti, routine. In azienda, il parallelo è la costruzione di capability diffuse: leadership che definisce la direzione, team che sanno mettere a terra, e una governance che impedisce alla trasformazione di diventare una somma di iniziative disallineate.
Perché questa metafora è utile proprio “in questi giorni di Olimpiadi”
L’aggancio olimpico non serve come cornice decorativa: serve a ricordare che la performance nasce da un metodo. L’articolo McKinsey è utile perché propone una metafora operativa—l’interval training—e la traduce in principi e in un caso con indicatori concreti.
Se c’è una lezione che le Olimpiadi rendono immediata, è che non si improvvisa un risultato quando la pressione è massima. La prestazione nasce prima: nei cicli, nei carichi, nei momenti di recupero, nella capacità di correggere la tecnica. La trasformazione digitale e AI, suggerisce McKinsey, funziona allo stesso modo: non è un evento, è un allenamento. E, come in ogni allenamento serio, conta soprattutto la disciplina di ripetere ciò che funziona, misurare ciò che accade e cambiare ciò che non regge.
