Dai team di AI all'AI ovunque: perché ora ogni dipartimento deve dimostrare il proprio ROI sull'AI

Agli albori di internet, la maggior parte delle grandi aziende aveva un "team internet" dedicato. Un piccolo gruppo di specialisti creava il sito web, gestiva la strategia dei contenuti e prendeva le decisioni tecnologiche. All'epoca sembrava logico: internet era una novità, era complesso e richiedeva una gestione attenta.

Quel modello non è durato. Nel giro di un decennio, ogni dipartimento ha iniziato a gestire i propri programmi digitali. Il marketing gestiva campagne e traffico. Le risorse umane assumevano tramite piattaforme digitali. L'amministrazione monitorava le performance attraverso dashboard online. Internet è diventato un'infrastruttura condivisa e il "team internet" si è trasformato in IT governance.

L'IA sta seguendo lo stesso percorso, ma si muove molto più velocemente.

Il cambiamento è già in atto

L'88% delle organizzazioni utilizza attualmente l'IA in almeno una funzione aziendale, rispetto al 78% di un anno fa. Nella maggior parte di queste organizzazioni, l'IA è partita dove è partito internet: centralizzata, gestita da specialisti, controllata attentamente. Un team IA centrale sceglieva i modelli, gestiva le integrazioni e monitorava le performance tecniche. Questo aveva senso nelle prime fasi: la tecnologia non era familiare, i rischi erano reali e tenere tutto in un unico posto riduceva i margini di errore. (Medium)

Tuttavia, i casi d'uso hanno continuato ad aumentare. Nel 2025, le aziende hanno speso 7,3 miliardi di dollari in IA dipartimentale, con un incremento di 4,1 volte rispetto all'anno precedente, distribuito tra l'area coding, l'IT, il marketing, il customer success, il design e le risorse umane. I team di marketing hanno creato agenti per i contenuti. Le risorse umane hanno implementato assistenti per l'onboarding. Il team legale ha iniziato a usare Claude per la revisione dei contratti. Il reparto vendite ha adottato l'IA per l'analisi e la qualificazione dei lead. Le operations hanno creato agenti personalizzati su dati di processo proprietari. (McKinsey & Company)

L'IA non è rimasta confinata nel team IA. Non lo fa mai.

Un'unica organizzazione, molti agenti IA

Il risultato è che la maggior parte delle grandi imprese oggi gestisce un portafoglio di agenti IA nei vari dipartimenti, ciascuno scelto dal team che lo utilizza, ciascuno misurato in base a standard diversi e ciascuno rispondente a stakeholder differenti.

Il team legale ha scelto Claude per la sua precisione nell'analisi dei contratti. Il marketing usa ChatGPT per la generazione di contenuti. Le risorse umane utilizzano Copilot perché si integra con Microsoft 365. Il team di assistenza clienti ha creato un agente personalizzato basato sui propri dati di ticketing. Ogni decisione, se presa singolarmente, è perfettamente sensata.

Il problema sorge quando si guarda al quadro generale.

Quando l'IA era responsabilità di un solo team, era possibile monitorarla in un unico posto. Quando è presente in ogni dipartimento, ti trovi di fronte a un problema di gestione del portafoglio. Il team legale non sa dirti se l'implementazione dell'IA stia effettivamente facendo risparmiare tempo. Il marketing non è in grado di quantificare il reale valore dell'agente per i contenuti. Le risorse umane non hanno idea se l'assistente per l'onboarding abbia portato a miglioramenti misurabili. Ogni team ha una sensazione. Nessuno ha un dato concreto.

Solo il 39% delle organizzazioni segnala un impatto finanziario a livello aziendale derivante dall'IA, a fronte di un'implementazione ormai quasi universale. La crescita dei ricavi grazie all'IA rimane in gran parte un'aspirazione: il 74% delle organizzazioni desidera aumentare i ricavi grazie all'IA, ma solo il 20% ci sta già riuscendo. Il divario tra "abbiamo l'IA" e "possiamo dimostrare quanto vale" è il punto in cui la maggior parte delle aziende si blocca. (MediumVena)

Il parallelismo con la Web Analytics

Questo momento storico ha un precedente chiaro. Quando ogni dipartimento ha ottenuto un sito web, è emerso un nuovo problema: come fare a sapere quali siti funzionano davvero? La risposta è stata la web analytics. Un livello di misurazione condiviso utilizzabile da ogni dipartimento per capire cosa stesse effettivamente producendo la propria presenza digitale.

La stessa logica si applica all'IA. Quando ogni dipartimento gestisce un agente IA, serve un livello di misurazione condiviso che risponda alla stessa domanda per tutti: sta funzionando davvero e quanto valore sta portando?

Senza di esso, ti trovi esattamente nella stessa posizione in cui si trovavano le aziende prima della nascita della web analytics. Sai che i siti web sono attivi, ma non hai idea di quali stiano generando valore reale.

Cosa significa "funzionare" per ciascun dipartimento

La sfida della misurazione sta nel fatto che dipartimenti diversi devono dimostrare il valore in modi diversi. Un framework unificato per il ROI dell'IA deve essere in grado di gestirli tutti.

Per gli strumenti di produttività interna, le metriche rilevanti sono le ore risparmiate per dipendente, il tasso di completamento delle attività e il livello di competenza sull'IA nel tempo. Un agente IA legale interno che fa risparmiare a ogni avvocato 45 minuti al giorno nella revisione dei documenti ha un valore calcolabile. Un assistente HR per l'onboarding che riduce il tempo necessario per rendere produttivi i nuovi assunti ha un impatto misurabile. Questi sono i numeri che giustificano l'investimento agli occhi di un CFO.

Per gli agenti IA rivolti ai clienti, le metriche rilevanti si spostano verso i segnali di business: quante interazioni con i clienti vengono risolte senza escalation, quali ricavi sono influenzati dalle conversazioni assistite dall'IA e dove la soddisfazione sta calando in un modo che preannuncia l'abbandono (churn). Gli utenti aziendali dell'IA riferiscono di risparmiare da 40 a 60 minuti al giorno e i dati aziendali di OpenAI dimostrano che l'IA contribuisce a risultati misurabili, tra cui la crescita dei ricavi e una migliore esperienza utente. Ma questi numeri diventano visibili solo se si effettua la misurazione a livello di singola interazione, non solo di sistema. (Substack)

Per la leadership, la domanda fondamentale riguarda l'intero ecosistema: quali agenti IA stanno generando un ritorno reale, quali vengono semplicemente tollerati e dove dovrebbe essere indirizzato il prossimo investimento.

Cosa non puoi vedere dalle dashboard dei vendor

Ogni vendor di IA fornisce una dashboard. Queste dashboard misurano le prestazioni del sistema del vendor: tempo di risposta, consumo di token, tasso di errore, uptime. Sono dati utili per il team di ingegneria che gestisce l'infrastruttura, ma non servono al capo dipartimento che deve giustificare la voce di budget.

Un agente di assistenza clienti può gestire migliaia di richieste a settimana con metriche tecniche eccellenti, ma fallire nella risoluzione della maggior parte di esse. Uno strumento di produttività interna può mostrare un numero elevato di sessioni, ma i dipendenti potrebbero usarlo solo per compiti di poco conto, evitandolo per qualsiasi attività cruciale. Le dashboard di sistema segnaleranno entrambi i casi come implementazioni di successo.

Quello che queste dashboard non possono dirti è se gli utenti hanno ottenuto ciò che cercavano, se sono ritornati, se l'IA viene utilizzata per compiti che generano un reale valore aziendale o se l'agente di un dipartimento sta superando nettamente quello di un altro, e perché.

Questa visibilità si ottiene solo misurando il comportamento degli utenti e i risultati di ogni agente nel portafoglio, utilizzando una metodologia coerente che consenta il confronto.

La questione della governance

L'IA decentralizzata crea anche un'esposizione in termini di governance che la maggior parte delle organizzazioni non ha ancora affrontato pienamente. Solo una azienda su cinque dispone di un modello di governance maturo per gli agenti IA autonomi. Quando ogni dipartimento gestisce i propri agenti, il team IA centrale o il team di gestione del rischio perde visibilità su come vengono utilizzati i dati, quali categorie di query raggiungono domini sensibili e se i singoli agenti producono risposte che creano rischi di conformità. (Vena)

Questo ha conseguenze particolarmente rilevanti nei settori regolamentati. I servizi finanziari, il settore sanitario e le aziende manifatturiere gestiscono dati soggetti a requisiti di trattamento rigorosi. Sapere non solo che un sistema è stato eseguito, ma cosa hanno chiesto i dipendenti e come ha risposto l'agente, è la base di una governance dell'IA che soddisfi i requisiti normativi e di audit. Le dashboard dei singoli vendor vedono solo il proprio sistema. Una visione a livello di portafoglio mostra ciò che conta davvero per la conformità.

Misurare il ROI dell'IA in tutta l'organizzazione

Le organizzazioni che stanno colmando il divario tra l'adozione dell'IA e l'impatto aziendale misurabile non stanno necessariamente usando modelli migliori: stanno misurando in modo più mirato.

Definiscono il successo in modo diverso per ogni caso d'uso: ore risparmiate per gli strumenti interni, ricavi influenzati per gli agenti rivolti ai clienti, crescita delle competenze per i programmi di formazione e abilitazione. Monitorano queste metriche in modo coerente per ogni agente IA, non solo per quelli più visibili. E presentano report a livello aziendale, in modo che la leadership possa vedere il ritorno totale, quali agenti meritano il proprio posto e dove indirizzare il prossimo investimento.

Questo è ciò che trasforma l'IA da un centro di costo con ritorni incerti a un programma con un business case solido e difendibile. Non la tecnologia in sé, ma il livello di misurazione che vi si applica sopra.

Nebuly

Nebuly è la piattaforma per il calcolo del ROI dell'IA aziendale. Si connette agli agenti IA su cui si basa il tuo business, agli assistenti con cui interagiscono i tuoi clienti e agli strumenti che i tuoi dipendenti usano ogni giorno, inclusi Claude, ChatGPT e Copilot, traducendo queste attività in valore aziendale. Quanto tempo viene risparmiato nei vari team. Quali ricavi sono influenzati dalla tua IA. Come si presentano in pratica l'adozione e le competenze di IA tra i dipartimenti e le aree geografiche. Tutto aggregato a livello aziendale, mai associato ai singoli individui.

Se hai bisogno di chiarezza su cosa stia effettivamente producendo il tuo investimento nell'IA, prenota una demo.