Dieci minuti risparmiati su una pratica non equivalgono ancora a dieci minuti in meno in fattura. Questa differenza, ben nota a ogni team che deve assorbire del lavoro, aiuta a comprendere il dibattito sulla redditività dell’intelligenza artificiale. Uno strumento può accelerare un’attività senza ridurre le spese; può anche migliorare un servizio senza che il miglioramento compaia immediatamente nei conti.
Il comunicato pubblicato da Gartner il 26 ottobre 2026 mette in luce questa tensione. Il titolo indica che il 3 % delle organizzazioni supera i propri obiettivi di risparmio grazie ai guadagni di produttività. Riferisce inoltre che il 77 % dei membri dei consigli di amministrazione si aspetta dall’IA aumenti della produttività e riduzioni dei costi. Questi indicatori descrivono aspettative e il loro conseguimento dichiarato, non una misura universale del valore di tutti gli strumenti.
Una percentuale va letta insieme al suo denominatore
«Superare il proprio obiettivo» è un criterio esigente e relativo: dipende dal livello dell’obiettivo iniziale. Un’organizzazione può ottenere un risultato e restare al di sotto di un’ambizione troppo elevata. Al contrario, superare un traguardo modesto non basta a dimostrare un risultato eccezionale.
Nel corpo del comunicato, Gartner usa una formulazione più ampia sui risparmi auspicati rispetto a quella del titolo. In prossimità del dato del 3 %, non specifica la dimensione del campione né il questionario corrispondente. Sarebbe quindi imprudente dedurne che il 97 % di tutte le aziende non tragga alcun beneficio dall’IA o che i loro investimenti rappresentino altrettanti insuccessi.
Questo limite non rende inutile il richiamo. Invita a porsi una domanda più precisa: quando un’azienda dichiara un guadagno, quale grandezza ha effettivamente misurato?
Uno studio rileva un’attività svolta più rapidamente
Uno studio pubblicato nel 2025 sul Quarterly Journal of Economics offre un altro tipo di prova. Erik Brynjolfsson, Danielle Li e Lindsey Raymond analizzano la graduale introduzione di un assistente conversazionale presso 5 172 addetti all’assistenza clienti. Misurano un aumento medio del 15 % del numero di problemi risolti all’ora.
Il risultato varia notevolmente in base all’esperienza: gli addetti meno esperti migliorano di più, mentre quelli più competenti registrano modesti aumenti di velocità e un lieve calo della qualità. Gli autori sottolineano che lo studio riguarda un’azienda e gli effetti a medio termine. Non misura le conseguenze generali su salari o occupazione.
Questo studio non contraddice automaticamente il richiamo di Gartner. Il numero di richieste risolte all’ora e il raggiungimento di un obiettivo di bilancio rispondono a due domande diverse. Accostarli aiuta a comprendere la discrepanza; confonderli porterebbe a una conclusione errata.
Tre risultati che si confondono troppo spesso
Il primo è il tempo dedicato a un’operazione. Un verbale può essere preparato più rapidamente, ma il cronometro deve includere la verifica e le eventuali correzioni. Misurare soltanto la generazione della prima bozza significa fermarsi prima della fine del lavoro.
Il secondo è la capacità del team: quante pratiche concluse può gestire, a parità di qualità? Il tempo liberato può consentire di rispondere più rapidamente, smaltire un arretrato o trattare casi prima trascurati. Sono benefici possibili, anche se i costi salariali restano invariati.
Il terzo è un risparmio effettivamente constatato. Per calcolarlo occorre confrontare le spese nell’arco di un periodo definito, tenendo conto dei costi aggiuntivi legati allo strumento. Non si può ottenere questo risultato moltiplicando meccanicamente tutti i minuti «risparmiati» per un costo orario.
Un’azienda dovrebbe quindi definire ciò che promette. «Produrre di più», «rispondere meglio» e «spendere meno» sono tre obiettivi legittimi. Riunirli in un unico dato impedisce di capire quale sia stato raggiunto.
Un esempio semplice per evitare calcoli fuorvianti
Immaginiamo un team fittizio che prepara cento pratiche alla settimana. Ogni pratica richiedeva venti minuti. Con un assistente, la preparazione passa a dodici minuti, a cui si aggiungono tre minuti di verifica: il guadagno netto è di cinque minuti, cioè cinquecento minuti a settimana, circa otto ore e venti minuti.
Questo calcolo è utile, ma non equivale a un risparmio contabile di otto ore e venti minuti. Se il team resta invariato, con gli stessi orari e gli stessi costi, dispone di capacità aggiuntiva. Occorre ancora osservare come la utilizza.
Se le verifiche si allungano o se gli errori costringono a riprendere in mano alcune pratiche, il guadagno effettivo diminuisce. Se la capacità liberata serve a ridurre un’attesa importante per i clienti, il valore può invece manifestarsi altrove, anziché in una riduzione delle spese. L’esempio non prevede alcun risultato aziendale: mostra semplicemente le fasi di un ragionamento verificabile.
Misurare l’intero processo, non la dimostrazione
Per valutare un utilizzo, si può partire da un’attività circoscritta e da un risultato atteso: una pratica accettata, una richiesta risolta, un documento utilizzabile. I tentativi falliti e le rilavorazioni fanno parte del costo di quel risultato, al pari degli abbonamenti o delle chiamate al servizio.
È poi preferibile confrontare casi di difficoltà simile. Se lo strumento tratta le richieste facili mentre le persone si fanno carico di tutte le eccezioni, confrontare i tempi medi senza considerare questa ripartizione dice ben poco.
Infine, il monitoraggio deve mantenere un criterio di qualità. Procedere più rapidamente producendo più correzioni successive sposta il carico invece di eliminarlo. Il risultato utile è il lavoro accettato, con un livello di errore esplicitato.
L’IA non va quindi giudicata in base alla semplicistica alternativa tra miracolo e delusione. La domanda operativa è più impegnativa: per quale attività, con quali verifiche, si ottiene quale risultato netto? È a questo livello che un’organizzazione può trasformare una promessa di produttività in un beneficio dimostrato.
Foto illustrativa: una postazione di lavoro informatica, non collegata alle aziende oggetto dello studio. Crediti: Shixart1985 / Wikimedia Commons / CC BY 2.0.
