AI-first company

Strategia · Adottare

Preveda un budget per persone e processi, non solo per gli strumenti

Le licenze sono la parte piccola del costo. Destini la maggior parte del tempo e del denaro alla formazione, alla riprogettazione del lavoro e all’aiuto alle persone durante il cambiamento.

Autore
Ultima revisione
Correzioni
Segnala un errore
Quando Prima di tutto. Prima di iniziare con l’IA, o mentre inizia.
Impegno Basso (giorni, una persona)
Prove Preliminari

Tre indagini concordano: più della tecnologia, a frenare l’IA sono le persone e l’organizzazione. Tutte si basano su ciò che dicono gli intervistati. La ripartizione 10-20-70 è una regola empirica di una società di consulenza, non un risultato verificato.

Adatta a
Settori Tutti i settori
Nella guida Medio-grandi imprese

Di che cosa si tratta

Quando pianifica un progetto di IA, calcoli il costo dell’intero cambiamento: la formazione, il tempo perché il personale riprogetti il proprio lavoro, la comunicazione e le settimane più lente mentre le persone imparano. Non si fermi al prezzo del software.

Una regola empirica molto nota viene dalla società di consulenza BCG. Dice che in un programma di IA il 10% dell’impegno va negli algoritmi, il 20% nella tecnologia e nei dati e il 70% nel cambiamento delle persone e dei processi. Consideri le cifre esatte un’opinione. La direzione ha un sostegno.

Che cosa mostrano le prove

  • Le competenze sono l’ostacolo più forte. In un’indagine su 108 specialisti nei Paesi Bassi, la mancanza di personale qualificato frenava i progressi con l’IA più di ogni altra cosa. I sistemi informatici e i problemi dei dati non avevano un effetto diretto che non fosse dovuto al caso.
  • Formazione e consultazione vanno insieme a risultati migliori. Indagini dell’OECD in sette Paesi hanno trovato che i lavoratori stavano meglio dove i datori di lavoro li formavano e li consultavano sull’IA.
  • Gli ostacoli sono organizzativi. In un’indagine su 179 dirigenti in Polonia, gli ostacoli erano soprattutto organizzativi, non tecnici. Gestire il cambiamento era un problema sia per i dirigenti formati sia per quelli non formati.

Come si fa

  1. Prima di approvare uno strumento, elenchi i costi che non riguardano lo strumento: ore di formazione, incontri per riprogettare il lavoro, tempo per controllare i risultati, assistenza.
  2. Dia una cifra a ciascuno, in ore e in denaro.
  3. Preveda un calo della produzione mentre le persone imparano.
  4. Finanzi la formazione per chi usa lo strumento ogni giorno, non solo per gli specialisti.
  5. Dia ai responsabili il tempo per riprogettare il lavoro della propria squadra.
  6. Riveda la ripartizione dopo il primo progetto, e corregga il budget successivo.

Che cosa misurare

  • La quota del budget per l’IA spesa negli strumenti, e in tutto il resto.
  • Le ore di formazione per utente.
  • Quante persone lo usano: la quota degli utenti previsti che usa lo strumento ogni settimana dopo tre mesi.

Dove non funziona

  • Usare il 70% come obiettivo. La ripartizione giusta dipende dal progetto. Una semplice funzione già inclusa nel software richiede poco lavoro sul cambiamento. Un processo riprogettato ne richiede molto.
  • Formazione che non serve a nulla. Formare le persone mesi prima che ricevano lo strumento è uno spreco.
  • Ignorare la tecnologia. Anche la qualità dei dati e il collegamento con i sistemi esistenti sono ostacoli reali, soprattutto quando si estende l’uso oltre un progetto pilota.

Per dimensione dell’azienda

  • Medie imprese: lei acquista e configura gli strumenti; non li costruisce. Quindi quasi tutto il suo impegno va in persone e processi.
  • Medio-grandi imprese: si aspetti che la qualità dei dati e il collegamento tra sistemi pesino di più quando estende i progetti pilota.
  • Grandi imprese: il lavoro sul cambiamento riguarda molte unità. Lo metta a budget a livello centrale, altrimenti ogni unità lo finanzierà troppo poco.

Casi aziendali

Aziende che l’hanno fatto

Fonti

  1. van Veen, Zhu and Ravesteyn (2026). How AI Implementation Barriers Shape AI Maturity? The Interacting Roles of Skilled Employees, Technological Infrastructure and Data Quality. CONF-IRM 2026 Proceedings, 17. Cosa ha fatto e cosa ha trovato questo studio
  2. Lane, Williams and Broecke (2023). The impact of AI on the workplace: Main findings from the OECD AI surveys of employers and workers. OECD Social, Employment and Migration Working Papers, No. 288. Cosa ha fatto e cosa ha trovato questo studio
  3. Wojewodzic (2026). AI Transformation in Polish Organisations: The Gap Between Individual Adoption and Organisational Maturity. e-mentor, 2(114), 75–83. Cosa ha fatto e cosa ha trovato questo studio
  4. BCG (2022). 5 Rules for Fixing AI and Machine Learning for Your Business (the 10-20-70 rule). bcg.com

Affermazioni su questo tema, verificate con questi studi: