PMI: ripensare processi, ruoli e cultura
Negli ultimi tre anni ho lavorato con decine di PMI italiane per portare l’AI generativa, soprattutto Microsoft Copilot, dentro i processi reali. L’altro giorno, mentre lavoravo su un percorso con un’azienda nata negli anni ’90, ho rivisto lo stesso schema: aspettative altissime, un calo iniziale di produttività, poi il salto quando cambia la mentalità. I dati suggeriscono che non è un’anomalia ma una curva naturale dell’adozione dell’AI: non plug-and-play, richiede un cambio sistemico profondo. In questo articolo intreccio ricerca e pratica sul campo per proporre un approccio concreto alle PMI: accettare la curva a J, investire in competenze e governance, e ripensare processi, ruoli e comportamenti.
Introduzione
L’altro giorno, mentre lavoravo su un rollout di Copilot con un’azienda con cui collaboro dal 2019, mi è scappata una battuta: “Se l’AI fosse un elettrodomestico, l’avremmo già ‘messa in cucina’ e via.” Risate, poi silenzio: tutti sapevano che non è così.
Ho iniziato questo percorso con UI Cuneo, che mi ha aperto le porte di tante PMI del territorio. Da allora ho formato più di 50 aziende e 100 persone. Forse i numeri sono più alti: ho perso il conto — e in questo, paradossalmente, c’è già una storia da raccontare.
Nella mia esperienza, quando l’AI entra con mentalità “vecchia” — ottimizzare un pezzetto alla volta, senza toccare nulla di strutturale — si ottiene poco e si alimenta scetticismo. La vera sfida non è tecnica, ma umana. È qui che voglio portarvi: oltre l’hype, verso un nuovo paradigma.
Perché le PMI faticano a capitalizzare l’AI?
I dati suggeriscono che l’adozione AI segue una “curva a J”: prima si scende, poi si sale. Le aziende che adottano AI per le funzioni di business vedono un calo di produttività prima di registrare una crescita più solida. Significa che all’inizio si re-ingegnerizzano processi, si ridefiniscono ruoli, si sperimenta. Nella mia esperienza, quando si spiega questo fenomeno prima di partire, si abbassa l’ansia da “risultato immediato” e si costruisce fiducia.
Il punto centrale è il paradigma. Se considero l’AI come un tool da “aggiungere” all’ERP o all’email, resterò nel perimetro dell’ottimizzazione locale. Se invece la tratto come un motore cognitivo diffuso che modifica il lavoro di tutti — knowledge worker, operation, customer service — allora devo ridisegnare flussi e responsabilità.
L’integrazione dell’AI generativa richiede più della semplice implementazione. Richiede un cambiamento di paradigma nel tessuto stesso della cultura organizzativa — non si tratta solo di adottare un nuovo strumento, ma di ridefinire valori e comportamenti per liberare il pieno potenziale dell’AI. (NTT Data, 2025)
Questo richiede governance, metriche e una cultura della sperimentazione protetta. E sul campo, lo si vede chiaramente quando si parte con tre PoC scollegati e nessun “perché” comune.
La curva a J: il dato scomodo che nessuno racconta nelle demo
Un recente lavoro congiunto di MIT Sloan, Stanford e del Census Bureau (McElheran, Yang, Kroff, Brynjolfsson, 2025) formalizza la curva a J per l’AI industriale. Le organizzazioni che adottano AI per le funzioni di business vedono un calo di produttività di 1,33 punti percentuali; quando si corregge per selection bias, in alcuni casi la perdita apparente può arrivare fino a -60 punti percentuali.
È controintuitivo, ma spiega perché tanti progetti vengono interrotti troppo presto: si scambiano costi di transizione per fallimenti intrinseci.
Domanda chiave → Siete pronti ad accettare e gestire un calo iniziale per costruire un vantaggio strutturale nel tempo?
Per le aziende più vecchie e consolidate, lo studio rileva un elemento scomodo: l’adozione dell’AI può accompagnarsi a un declino nell’uso di pratiche manageriali strutturate — come il monitoraggio dei KPI e degli obiettivi di produzione — e questa sola dinamica spiega circa un terzo delle perdite di produttività iniziali.
Tradotto per le PMI: se l’AI “bypassa” processi e ruoli senza una regia, si crea entropia organizzativa. È qui che il vecchio paradigma mostra i suoi limiti: serve disciplina manageriale nuova, non meno.
Lo stesso lavoro evidenzia che le imprese digitalmente mature prima dell’adozione hanno un percorso molto più agevole. “Firms that have already done the digital transformation or were digital from the get-go have a much easier ride.” — Prof. McElheran, MIT.
Nella mia esperienza, quando la base dati è ordinata, esistono metriche condivise e i flussi sono mappati, Copilot aumenta davvero la produttività. Senza queste fondamenta, l’AI amplifica incoerenze: ottime demo, impatto scarso.
Il paradosso del 34%: tutti usano l’AI, pochi la stanno davvero adottando
Il report Deloitte 2026 aggiunge un’altra lente critica: solo il 34% delle aziende sta davvero “reimaginando” il business; il 37% usa l’AI in modo superficiale, senza cambiare i processi esistenti. Il 74% spera di crescere i ricavi con l’AI, ma solo il 20% lo sta già facendo.
Questo paradosso è evidente nelle PMI: l’AI è più disponibile che mai — l’accesso dei lavoratori all’AI è aumentato del 50% nel 2025 — ma senza upskilling e ridisegno del lavoro resta ai margini. Aspettative e capacità non sono ancora allineate.
Domanda chiave → State ottimizzando l’esistente o state davvero reimmaginando come create valore?
Le tre forze tettoniche che ridisegnano le organizzazioni
McKinsey (State of Organizations 2026, febbraio) inquadra il contesto in tre forze “tettoniche”: l’infusione tecnologica con AI e automazione, le disruption economiche e geopolitiche, e l’evoluzione delle aspettative della workforce. La priorità si è spostata dalla resilienza di breve termine all’impatto sostenuto di lungo termine, con l’AI al centro della trasformazione organizzativa.
Per le PMI, questo implica scelte chiare: costruire capacità interne (dati, governance, competenze), investire in leadership distribuita e creare loop di apprendimento. Se l’AI è al centro della trasformazione organizzativa, non può essere delegata “all’IT” o a un fornitore: è un tema di direzione.
La resistenza silenziosa: il nemico che non appare nei Gantt
Le organizzazioni affrontano barriere concrete: la resistenza dei dipendenti che temono la perdita del ruolo a causa dell’automazione, e la mancanza di buy-in della leadership, che ostacola l’allocazione di risorse e il supporto agli sforzi di trasformazione. (NTT Data, 2025)
Nella mia esperienza, le resistenze si sciolgono quando tre condizioni sono chiare: obiettivi e metriche trasparenti; spazi sicuri di prova (sandbox con errori a basso costo); percorsi di crescita professionale visibili.
La ricerca accademica (ScienceDirect, 2025) propone un framework concettuale che offre una comprensione granulare della resistenza all’AI: come i dipendenti la affrontano e come può essere attenuata in azienda.
Domanda chiave → Come ridisegnerete ruoli e incentivi affinché l’AI migliori il lavoro anziché minacciarlo?
Implicazioni Pratiche
Cosa significa, domani mattina, per una PMI italiana?
Sulla base di tre anni di lavoro sul campo, questi sono i passi che funzionano davvero:
- Disegno industriale dell’AI: definite 3-5 obiettivi d’impatto annuali misurabili (es. -20% tempi ciclo offerte, +10% conversione inbound, -30% backlog support) e mappate i casi d’uso in un portfolio unico con owner, metriche e milestone.
- Runway per la curva a J: mettete in conto 8-16 settimane di volatilità iniziale per area pilota. Misurate il baseline prima, proteggete il tempo della sperimentazione, comunicate la traiettoria attesa. Chi non conosce la curva, abbandona proprio sul punto più basso.
- Dati e processi prima dei modelli: anche Copilot rende se SharePoint, Teams e CRM hanno governance e versioning. Senza queste fondamenta, si moltiplicano il rumore e le allucinazioni operative.
- Upskilling per ruoli: training per knowledge worker (prompting, verifica, privacy), per i leader (metriche e change management), per IT/ops (integrazione e sicurezza). Create una rete interna di “AI Champions”.
- Rituali di apprendimento: demo bisettimanali, retrospettive mensili, metriche standard condivise. Celebrate i successi e rendete pubbliche le lezioni dai fallimenti — senza punire chi sperimenta.
Le evidenze suggeriscono che i migliori risultati arrivano quando si combinano le forze dell’AI con quelle umane, creando partnership complementari dove l’output combinato supera quello che ciascuno potrebbe ottenere da solo. (Deloitte, 2026)
Conclusioni
Se tratti l’AI come un accessorio, otterrai efficienze locali e tanta frustrazione. Se la abbracci come un nuovo paradigma, serviranno pazienza, disciplina e coraggio: la curva a J è reale, ma il lato destro ripaga.
I dati suggeriscono che le aziende che superano i costi di aggiustamento tendono a registrare una crescita più forte — ma il percorso richiede strategie complementari che appiattiscano la curva a J e realizzino la produttività dell’AI su scala. (McElheran et al., MIT/Stanford, 2025)
La vera sfida non è tecnica, ma umana.
Vuoi ragionare insieme su come impostare un percorso sistemico per la tua PMI? Ho iniziato con UI Cuneo, ho accompagnato più di 50 aziende e 100 persone in questo viaggio. Metto volentieri questa esperienza al servizio della tua impresa. Scrivimi: ci prendiamo un’ora, senza impegno, e costruiamo i primi passi. 📩 luca@borio.me
Riferimenti
- McElheran, K., Yang, M.-J., Kroff, Z., & Brynjolfsson, E. (2025). The rise of industrial AI in America: Microfoundations of the productivity J-curve(s). MIT Sloan / U.S. Census Bureau Working Paper. Luglio 2025.
- Deloitte. (2026). The State of AI in the Enterprise – 2026 AI Report. Deloitte Insights.
- Krivkovich, A., Klingler, D., Maor, D., & Guggenberger, P. (2026, February). The State of Organizations 2026: Three tectonic forces that are reshaping organizations. McKinsey & Company.
- NTT Data. (2025). Cultural transformation of organizations and the augmented workforce in the generative AI era. NTT Data Global Research.
- ScienceDirect. (2025). Confronting and alleviating AI resistance in the workplace: A conceptual framework.
Ricerca web eseguita in data 04/04/2026. I riferimenti bibliografici vanno sempre verificati nelle fonti originali. Per segnalazioni: luca@borio.me
Rispondi