L’adozione dell’Intelligenza Artificiale nel Regno Unito: Sfide e Opportunità

In Breve

Qual è il tasso di adozione dell'AI nel Regno Unito?

L'81% dei knowledge worker nel Regno Unito utilizza strumenti di AI settimanalmente.

Quali sono le principali sfide legate all'adozione dell'AI?

Le aziende affrontano problemi di governance, costi inattesi e mancanza di contesto organizzativo.

Cosa si intende per 'shadow AI'?

Il fenomeno in cui uno su quattro lavoratori utilizza strumenti di AI non approvati.

Un’adozione diffusa ma limitata

L’adozione dell’intelligenza artificiale (AI) nel Regno Unito ha raggiunto livelli significativi, con l’81% dei knowledge worker che utilizza strumenti di AI settimanalmente. Tuttavia, questa diffusione non si è tradotta in una trasformazione organizzativa né in benefici operativi chiari. Molte aziende hanno integrato l’AI in processi già frammentati e in sistemi inefficienti, aggravando problemi esistenti anziché risolverli.

Statistiche e problematiche emergenti

Secondo un sondaggio, il 58% dei responsabili IT ha segnalato un’elevata adozione dell’AI, ma con guadagni di produttività misurabili limitati. Inoltre, l’82% ha dovuto affrontare aumenti di costo inattesi legati all’implementazione dell’AI. Questo scenario ha portato quasi due terzi dei leader IT a sentirsi completamente responsabili degli esiti generati dall’AI, mentre le implementazioni si diffondono tra i reparti senza seguire percorsi di governance strutturati, creando responsabilità senza adeguata visibilità.

Il fenomeno della “shadow AI”

Un aspetto preoccupante è rappresentato dalla cosiddetta “shadow AI”: uno su quattro lavoratori utilizza strumenti di AI non approvati, evidenziando un attrito con gli strumenti ufficiali. Questa situazione complica ulteriormente la governance e la gestione dei progetti AI, creando un contesto di incertezza e inefficienza.

La mancanza di contesto organizzativo

Un altro ostacolo significativo è la carenza di contesto organizzativo. Quasi la metà dei leader IT ha indicato che i progetti AI si arenano perché i modelli non dispongono delle informazioni necessarie sulla struttura, le priorità e i diritti decisionali, rendendo difficile produrre output utilizzabili senza correzioni onerose.

Metriche fuorvianti e la necessità di risultati concreti

Le metriche attualmente adottate per misurare il successo dell’AI sono spesso fuorvianti, poiché si concentrano su licenze, prompt inviati o ore teoricamente risparmiate. È fondamentale spostare l’attenzione su esiti concreti, come i tempi di risoluzione dei clienti, la riduzione del tempo di ricerca delle informazioni e la velocità nelle decisioni. Un esempio operativo è la costruzione di un assistente di vendita AI, che misura l’impatto sul processo commerciale, i tassi di risposta e i nuovi incontri generati.

Verso un futuro di agenti autonomi

Con l’emergere di agenti AI che agiranno in autonomia per conto delle persone, le organizzazioni dovranno monitorare quali agenti esistono, chi li ha creati, a cosa hanno accesso e cosa sono autorizzati a fare. Sarà fondamentale anche stabilire come misurare la loro performance.

Conclusioni: il valore misurabile come obiettivo finale

Le imprese che avranno successo non saranno necessariamente quelle che utilizzano più AI, ma quelle che sapranno collegare l’AI a responsabilità chiare, governance proporzionata e flussi di lavoro dove l’esecuzione avviene. L’adozione dell’AI è solo il punto di partenza; il vero obiettivo rimane il valore misurabile.