La notizia in sintesi
- AWS ha pubblicato una ricerca basata su 154 interviste a dirigenti di oltre 120 organizzazioni.
- Più di due terzi degli intervistati indicano nella progettazione del lavoro il principale ostacolo al valore dell’AI.
- Il report distingue tra risparmio, produttività e risultati per clienti e conto economico.
- Competenze umane e conoscenze aziendali sono indicate come elementi di differenziazione nell’impiego dell’intelligenza artificiale.
Riassunto generato da Redazione AI AGENTICA di Datamoney.ch
Intelligenza artificiale. Un approccio moderno. Ediz. MyLab (Vol. 2)
✨ Offerta generata dalla Monetizzazione Agentic AI di Datamoney.ch · link affiliato AmazonLe aziende possono accelerare il lavoro con l’intelligenza artificiale senza ottenere un beneficio equivalente nei risultati. È il problema al centro di “Reimagine: Turning AI into Value”, il report pubblicato da Amazon Web Services (AWS): più di due terzi dei dirigenti intervistati individuano il principale ostacolo nella progettazione del lavoro, anziché nella tecnologia. Procedure di approvazione, gestione dei budget e governance possono assorbire i vantaggi ottenuti nelle singole attività.
La ricerca raccoglie 154 interviste a dirigenti di oltre 120 organizzazioni, distribuite in quattro continenti e 23 settori. I colloqui si sono svolti tra novembre 2025 e luglio 2026. A realizzare il lavoro è stato il team AWS Executives in Residence, formato da ex dirigenti di Capital One, McDonald’s e NASA Jet Propulsion Laboratory, con il contributo di Will Venters, professore associato alla London School of Economics e Amazon Scholar. Tra gli intervistati figurano anche più di 20 dirigenti Amazon.
Quando le approvazioni assorbono il tempo risparmiato
Due casi descritti nella ricerca mostrano la distanza tra velocità di esecuzione e funzionamento dell’organizzazione. In Best Buy, una funzionalità inizialmente associata a 14 settimane di sviluppo è stata completata in un giorno. La governance, però, ha assorbito il 91% del budget complessivo del progetto.
Le innovazioni piu' interessanti di tecnologia e scienza, dritte nella tua inbox.
In S&P Global, invece, gli incrementi di produttività individuale, compresi tra il 10 e il 15% e riferiti a 4.500 ingegneri, sono stati assorbiti da cicli di approvazione che non erano cambiati. Il lavoro procedeva più rapidamente, ma i passaggi decisionali mantenevano i tempi precedenti.
Secondo il report, le organizzazioni che riescono a ricavare risultati dall’AI intervengono sulle strutture, non soltanto sulla rapidità delle autorizzazioni. Prima di finanziare un’applicazione, ne collegano l’utilizzo a un risultato aziendale misurabile. La ricerca cita AT&T, che genera oltre cinque dollari di free cash flow per ogni dollaro investito in AI.
Gli altri interventi individuati riguardano l’assegnazione della responsabilità dei risultati alle funzioni di business, anziché all’IT, e la riduzione dei cicli decisionali da trimestri a settimane, attraverso sperimentazioni e valutazioni più rapide.
L’utilizzo non basta a dimostrare il valore
Il numero di persone che accedono a uno strumento non dimostra, da solo, che il lavoro sia migliorato. In una delle aziende analizzate, non identificata nel testo, l’adozione aveva raggiunto l’88%. Eppure, meno di una sessione su 5.000 produceva un lavoro effettivamente migliore.
Il report include questo scarto tra le “trappole metriche”: misurare la diffusione dell’AI come se fosse una prova del valore generato può restituire un’immagine diversa dai risultati. La distinzione proposta separa tre obiettivi: eseguire la stessa attività spendendo meno, aumentare la produzione a parità di risorse e ottenere benefici rilevanti per i clienti e per il conto economico.
Secondo la ricerca, la maggior parte dei programmi si concentra sul primo obiettivo, mentre pochi arrivano al terzo. Anche il tempo liberato richiede una destinazione esplicita: quasi nessuna organizzazione intervistata ha spiegato chiaramente come abbia impiegato la capacità resa disponibile dall’AI. Senza una scelta organizzativa, le persone finiscono per svolgere più attività dello stesso tipo, invece di dedicarsi a un lavoro diverso.
Competenze e conoscenze interne all’azienda
L’automazione incide anche sulla formazione dei dipendenti junior. Le attività ripetitive e di base, progressivamente assorbite dall’AI, erano parte del percorso attraverso cui maturavano esperienza, capacità di giudizio e autonomia nelle decisioni.
Il report indica cinque competenze da privilegiare nelle assunzioni e nello sviluppo professionale: agilità nell’apprendimento, capacità di inquadrare i problemi, capacità di valutazione, dimestichezza con i sistemi complessi e curiosità. L’attenzione si sposta quindi dalle sole attività esecutive alle capacità necessarie per comprendere e valutare il lavoro.
Quanto alla differenziazione tra aziende, la ricerca attribuisce più peso alle conoscenze accessibili all’AI che alla scelta del modello. Con modelli utilizzati a costi simili, diventano rilevanti i “dati umani”, cioè informazioni e intuizioni presenti in conversazioni, e-mail e riunioni, e il “livello contestuale”: il patrimonio proprietario contenuto in documentazione dei prodotti, policy e guide procedurali.
Rendere utilizzabili queste conoscenze e definire come impiegare le risorse liberate sono dunque due indicazioni operative del report. I capitoli affiancano all’analisi degli ostacoli azioni per i dirigenti: collegare gli investimenti a risultati misurabili e adeguare l’organizzazione alla velocità degli strumenti, senza confondere l’adozione con il beneficio economico.
Articolo pubblicato con l’ausilio del sistema di Redazione AI AGENTICA di Datamoney, e supervisione umana finale.Non perdere gli errori di prezzo clamorosi su Amazon!
Iscriviti al canale Telegram e ricevili in tempo reale
Guide agli acquisti su Amazon
Le notizie più lette su Assodigitale
✨ Classifica generata dalla Agentic AI (REDAZIONE AI) di Datamoney.ch
