Studio NBER: 6.000 manager svelano perché l’IA non (ancora) accende la produttività

L’Intelligenza Artificiale è entrata nelle aziende, ma non ancora nelle statistiche di produttività. È la fotografia che emerge da un’indagine condotta dal National Bureau of Economic Research (NBER) su un campione di oltre 6.000 dirigenti europei e statunitensi. I dati, pubblicati all’inizio di giugno, mostrano un divario crescente fra diffusione tecnologica e impatto misurabile sul lavoro quotidiano.

Alta adozione, bassa resa: il paradosso dell’IA

Secondo lo studio, il 70 % delle imprese ha già implementato almeno una soluzione di IA, ma più dell’80 % dichiara di non aver registrato miglioramenti concreti di produttività né variazioni significative del numero di dipendenti. “Non è un fallimento della tecnologia – spiegano gli autori del rapporto – quanto una conferma che l’implementazione è ancora superficiale.”

L’uso “minimo vitale”: 1,5 ore settimanali di IA

Il dato più sorprendente non è chi usa l’IA, ma come la usa. Circa un terzo dei manager intervistati ha ammesso di ricorrere a strumenti di IA, ma la media di utilizzo si ferma a 1,5 ore a settimana. Un quarto dichiara addirittura di non averla mai toccata. “In pratica – osserva il NBER – la IA finisce per essere un assistente occasionale: riassume report, corregge e-mail, genera bozze, ma non ridisegna i processi.”

Le 5 frizioni che frenano la produttività

• Uso frammentato: strumenti introdotti per iniziativa personale senza una strategia aziendale.
• Processi intatti: le fasi di validazione e approvazione restano manuali, creando colli di bottiglia.
• Dati disordinati: senza dataset interni puliti, l’IA resta “generica” e poco efficace.
• Rischi normativi: banche, assicurazioni e sanità frenano l’utilizzo per cautela normativa.
• Resistenza culturale: mancano formazione continua e un cambio di mindset.

La “paradosso di Solow” 2.0: quando la tecnologia corre più veloce delle organizzazioni

Gli economisti richiamano la classica “paradox of productivity” formulata da Robert Solow negli anni ’80: “vedi l’era del computer ovunque tranne che nelle statistiche di produttività.” L’allora rivoluzione informatica impiegò un decennio per trasformarsi in guadagni misurabili perché le aziende dovettero ridefinire ruoli, competenze e workflow. Con l’IA la lezione è identica: il potenziale è enorme, ma il ritorno dipende da riprogettazione dei processi e investimenti in capitale umano.

Implicazioni strategiche per manager, dipendenti e investitori

1. Per i C-Level la domanda chiave diventa: “Quale processo end-to-end abbiamo ridisegnato con l’IA e quale KPI dimostra il miglioramento?”
2. Per i lavoratori lo scenario attuale è più di augmented work che di job displacement: l’IA supporta, ma non sostituisce.
3. Per vendor e system integrator il valore non è nella licenza, ma nella consulenza di change management, data governance e metriche di impatto.
4. Per gli investitori è un monito alla prudenza: l’adozione può essere rapida, ma i benefici aggregati richiedono tempo e capitale organizzativo.

Come ottenere davvero benefici di produttività con l’IA: la checklist operativa

Le best practice emerse dai casi più virtuosi indicano quattro passaggi fondamentali:

1. Selezione focalizzata: partire da 1-2 processi ad alto impatto (es. customer onboarding, pricing dinamico).
2. Integrazione dati: collegare l’IA ai sistemi ERP/CRM aziendali per sfruttare dati proprietari.
3. Metriche chiare: definire prima del lancio obiettivi su tempo, qualità, costi e customer satisfaction.
4. Governance e formazione: creare policy di sicurezza, training continuo, audit periodici.

FAQ: le domande più frequenti sull’indagine NBER

Perché l’80 % delle aziende non vede ancora benefici di produttività?

Perché l’IA è spesso usata in modo puntuale e non come leva di riprogettazione end-to-end dei processi. Inoltre, molte imprese non hanno indicatori fini per misurare l’effetto reale.

Che significa “1,5 ore a settimana” di utilizzo?

Significa che i manager ricorrono all’IA saltuariamente, senza integrarla nel flusso operativo quotidiano.

L’IA causerà disoccupazione di massa?

Secondo lo studio, nessuna azienda ha rilevato tagli importanti a oggi. Le aspettative di riduzione del personale sono moderate e a medio termine.

Cosa fare per ottenere risultati concreti?

Scegliere processi chiave, integrare dati interni, fissare KPI trasparenti, formare le persone e implementare una governance chiara.

Fonte: studio NBER, giugno 2024, basato su 6.000 interviste a C-Level e senior manager in Europa e Stati Uniti.