Come diventare veloci come startup prima che l’AI renda obsoleti processi, gerarchie e abitudini
La tesi è semplice: le aziende consolidate devono reinventare l’organizzazione ora, come se fossero startup, perché l’AI sta rendendo superati processi e modelli operativi. Propongo un quadro che unisce dati recenti su declino aziendale e adozione dell’AI, modelli accademici (ambidexterity, dynamic capabilities), e il ruolo della leadership trasformazionale nella creazione di agilità.
I dati suggeriscono che il rischio maggiore non è tecnologico, ma organizzativo e culturale: leadership lente, inerzia, miopia strategica, scelte etiche rimandate. Esamino evidenze su “zone di estinzione” per chi ritarda l’adozione dell’AI, il crollo della permanenza media nello S&P 500, e casi di collaborazione aperta che moltiplicano la produttività. Concludo con un set di azioni pratiche che ho visto funzionare in consulenza IT: dalla governance “ambidestra” ai meccanismi di knowledge sharing. La posta in gioco? La sopravvivenza. [mckinsey.com]
Introduzione
L’altro giorno, mentre lavoravo su un vecchio router polveroso per rimettere in piedi un laboratorio, ho avuto un déjà vu della mia stagione dial-up. Aspettavamo minuti per caricare una pagina; oggi aspettiamo che una LLM sintetizzi in pochi secondi un mese di analisi. Nella mia esperienza, il salto non è solo di velocità: è di mentalità.
Mi colpisce che molte aziende consolidate ragionino ancora come se l’AI fosse un “progetto IT” e non una riscrittura del sistema operativo aziendale. Staying ahead isn’t just about reacting to change — it’s about building systems that actively seek it out. Mi riconosco nella tentazione di “aggiustare” i processi con nastro adesivo digitale, ma l’AI sta cambiando le regole: non vince chi automatizza l’ultimo miglio, vince chi ridisegna la strada. [mckinsey.com]
Background: Il Tempo Stringe — e i Dati lo Provano
Il contesto è brutale e chiaro. La permanenza media delle aziende nello S&P 500 era circa 33 anni nel 1965; oggi, i dati del marzo 2026 (Slok / Apollo Global) indicano una media di circa 15 anni. Tre i driver: la distruzione creativa che opera più rapidamente; l’innovazione tecnologica (IT, internet, AI, cloud, mobile) che crea nuovi modelli di business che scalano velocemente e spiazzano gli incumbent prima che possano adattarsi; e le attività di M&A e private equity che rimuovono le grandi imprese dai mercati pubblici. [apolloacademy.com]
Questa contrazione non è solo macroeconomia: è Digital Darwinism. Il successo non è più determinato dall’eredità o dalla quota di mercato, ma dall’adattabilità al cambiamento tecnologico. L’AI è un potenziamento e un driver fondamentale di differenziazione strategica, che consente il decision-making in tempo reale, l’efficienza operativa e il coinvolgimento personalizzato del cliente. Ma la non adozione equivale a inerzia strategica — dove le organizzazioni sono bloccate in sistemi obsoleti e mentalità rigide della leadership. [researchgate.net]
In questo quadro, l’ambidexterity organizzativa offre una bussola storica. L’organizational ambidexterity si riferisce alla capacità di un’organizzazione di esplorare ed exploitare simultaneamente — di competere in tecnologie e mercati maturi dove efficienza, controllo e miglioramento incrementale sono valorizzati, e di competere anche in nuove tecnologie e mercati dove flessibilità, autonomia e sperimentazione sono necessarie. March già nel 1991 sintetizzava il dilemma fondamentale: abbastanza sfruttamento per restare vivi oggi, abbastanza esplorazione per restare vivi domani. Ma l’esperienza sul campo mi ha insegnato che senza leadership disposta a cambiare schema mentale, l’AI resta un costoso proof-of-concept. [hbs.edu]
Analisi Scientifica: Dove Muoiono le Aziende e Come Si Sopravvive
Perché la trasformazione non è una scelta futura ma un’urgenza già scaduta?
Frimpong (2025, SBS Swiss Business School, Zurigo) definisce le AI Extinction Zones come ambienti di mercato in cui l’integrazione e il dispiegamento sostanziale dell’intelligenza artificiale sono prerequisiti per la sopravvivenza competitiva. Le organizzazioni che adottano soluzioni AI superficialmente o per nulla subiscono inefficienze cumulative che erodono gradualmente la loro posizione competitiva. Lo studio identifica cinque fattori di rischio interconnessi che contribuiscono a questo declino: inerzia organizzativa, miopia strategica, deficit di leadership, riallocazione errata delle risorse, e paralisi etica. [researchgate.net]
Le storie sono note: Sears e Bed Bath & Beyond hanno difeso processi e modelli fino all’ultimo miglio. Walmart ha investito in AI, supply chain data-driven e omnicanalità. I casi dimostrano che il fallimento nell’adozione non è l’unica minaccia; anzi, un’adozione superficiale o mal allineata può rivelarsi altrettanto deleteria. Le organizzazioni in ritardo nell’adozione dell’AI sperimentano un declino graduale: inizialmente, la loro efficienza operativa soffre a causa di processi obsoleti; nel tempo, queste inefficienze contribuiscono alla perdita di rilevanza strategica in un ecosistema in cui i competitor sfruttano analisi avanzate e intelligenza predittiva. [researchgate.net]
Nella mia esperienza, l’inerzia non è solo nella gerarchia — è nel linguaggio, nei KPI, nei budget annuali che “congelano” l’esperimento.
Quanto sono pronte davvero le aziende a muoversi?
La ricerca McKinsey (Mayer, Yee, Chui & Roberts, 2025) rileva che quasi tutte le aziende investono in AI, ma solo l’1% si considera “maturo” nel dispiegamento. La barriera principale non sono i dipendenti — che sono pronti — ma i leader, che non guidano con sufficiente velocità. Il potenziale economico stimato dell’AI ammonta a 4,4 trilioni di dollari di crescita di produttività derivante dai casi d’uso aziendali. Il 92% delle aziende prevede di aumentare gli investimenti AI nei prossimi tre anni. Il rischio per i business leader non è pensare troppo in grande, ma pensare troppo in piccolo. [mckinsey.com]
La mia lettura è schietta: se il 99% non è maturo, la competizione non sarà su chi compra i modelli migliori, ma su chi riscrive ruoli, flussi decisionali e confini dell’impresa.
Come si organizza questa riscrittura strutturale?
Le evidenze empiriche associano l’ambidexterity, in condizioni di incertezza di mercato e tecnologica, a crescita delle vendite, innovazione, valutazione di mercato misurata tramite Tobin’s Q, e sopravvivenza dell’impresa. Questi effetti sono documentati a livello di azienda, business unit, progetto e individuo. Aprire due piste parallele evita che l’AI venga forzata nei processi esistenti (over-fitting organizzativo) e, allo stesso tempo, che l’esplorazione bruci cassa senza disciplina. [hbs.edu]
Nella mia esperienza, la chiave è separare le cadenze: sprint e discovery per l’exploration, cadenze mensili/quarter per la stabilità dell’exploitation, con “ponti” chiari (API, data contracts, guardrail di compliance).
Dove nascono davvero agilità e velocità?
Bux, Zhu e Devi (2025, Jiangsu University) propongono un modello integrato che esamina le interconnessioni tra condivisione della conoscenza, trasformazione digitale, open innovation, agilità organizzativa e leadership trasformazionale. I risultati includono un impatto significativo della condivisione della conoscenza sulla trasformazione digitale, della trasformazione digitale sull’open innovation, e dell’open innovation sull’agilità organizzativa. Il modello spiega il 67,7% della variazione nell’agilità organizzativa. [mdpi.com]
Tradotto: l’agilità non si compra con una piattaforma — emerge da meccanismi che rendono il sapere scambiabile e riusabile, e da leader che liberano energie invece di centralizzare ogni decisione.
E la salute organizzativa?
Secondo McKinsey OrgHealth (Fonseca et al., 2025), la salute organizzativa è il vantaggio competitivo definitivo e il miglior predittore di performance a lungo termine. Le aziende che soffocano l’innovazione stagnano; quelle che integrano insight competitivi nelle loro decisioni hanno quasi tre volte più probabilità di raggiungere salute e performance sostenute. Un caso documentato mostra che passare dal modello “inventiamo tutto in casa” a un approccio deliberatamente collaborativo — coinvolgendo startup, università e concorrenti — ha generato un aumento del 60% nella produttività di R&D in cinque anni. [mckinsey.com]
FAQ rapide (AEO)
🔷 Da dove inizio se ho processi legacy dappertutto? Avvio un “doppio binario” ambidestro. Seleziono un flusso end-to-end ad alto impatto, definisco outcome misurabili, metto un team cross-funzionale con potere di decisione e una pipeline di esperimenti AI a 12 settimane.
🔷 Il personale è la barriera principale? I dati suggeriscono di no: i dipendenti sono tre volte più propensi dei leader a credere che l’AI sostituirà il 30% del loro lavoro nel prossimo anno, e sono pronti ad acquisire competenze AI. La barriera principale sono i leader che non guidano abbastanza velocemente. [mckinsey.com]
🔷 Che ruolo ha l’etica se voglio andare veloce? Centrale. La “paralisi etica” è uno dei cinque fattori di rischio identificati nelle AI Extinction Zones. Le aziende che rimandano scelte etiche o nascondono l’AI creano rischi reputazionali e di compliance che accelerano il declino. [researchgate.net]
🔷 Come misuro l’agilità oltre i post-it? Traccio lead time decisionale, tempo da idea a valore, tasso di riuso di asset conoscitivi, percentuale di decisioni assistite dall’AI con qualità verificata. Nella mia esperienza, ciò riduce i dibattiti ideologici.
🔷 Devo costruire tutto in casa? No. Aprire confini e collaborare con attori esterni aumenta la produttività di R&D e la salute organizzativa nel medio periodo. Bilanciare make-partner-buy con criteri di apprendimento, non solo TCO. [mckinsey.com]
Implicazioni Pratiche: Cosa Cambia Lunedì Mattina
Tre mosse concrete. Primo, istituire un Operating Model ambidestro: una “Engine A” per stabilità e margine, una “Engine B” per sperimentazione AI con budget, metriche e talenti dedicati, integrate da una governance unica.
Secondo, costruire la superagency quotidiana: ogni team definisce decisioni critiche, strumenti AI, quality gate e log delle decisioni assistite. Il challenge di AI in the workplace non è tecnologico: è un business challenge che chiede ai leader di allineare i team, affrontare i venti contrari all’AI e ricablare le loro organizzazioni per il cambiamento. [mckinsey.com]
Terzo, mettere in produzione la condivisione di conoscenza: wiki vivi, prompt library aziendale, community of practice e incentivi espliciti al riuso.
Nella mia esperienza in consulenza IT, funziona quando l’IT smette di essere fornitore di “feature” e diventa facilitatore di capability. Il rischio maggiore — miopia e misallocazione — si combatte annunciando esplicitamente cosa si chiude per finanziare l’explore. Il fallimento nell’adottare l’AI come impegno strategico multidimensionale, piuttosto che come semplice aggiornamento tecnico, è la causa principale dell’ingresso nelle zone di estinzione. [researchgate.net]
Conclusioni
La trasformazione non è un progetto, è una scelta di sopravvivenza. I dati suggeriscono che la distruzione creativa opera più rapidamente, accorciando il tempo tipico in cui un’azienda rimane abbastanza grande e competitiva da restare nello S&P 500. Le aziende nello S&P 500 restano competitive per periodi sempre più brevi. [apolloacademy.com]
Nella mia esperienza, vince chi organizza due velocità, alimenta la conoscenza condivisa, apre i confini e mette leader a togliere attrito più che a comandare. Non c’è un “momento giusto” per iniziare: era ieri. Oggi resta il secondo miglior momento. E domani, se tutto va bene, scopriremo che l’AI non ci ha sostituiti — ci ha costretti a diventare l’azienda che saremmo dovuti essere.
La vera sfida non è tecnica, ma umana.
Riferimenti
- Bux, A., Zhu, Y., & Devi, S. (2025). Enhancing organizational agility through knowledge sharing and open innovation: The role of transformational leadership in digital transformation. Sustainability, 17(15), 6765. https://doi.org/10.3390/su17156765
- Frimpong, V. (2025). The strategic risk of delayed and non-adoption of artificial intelligence: Evidence from organizational decline in extinction zones. International Journal of Business and Management, 20(4). SBS Swiss Business School, Zurich. https://doi.org/10.5539/ijbm.v20n4p26
- Mayer, H., Yee, L., Chui, M., & Roberts, R. (2025, January). Superagency in the workplace: Empowering people to unlock AI’s full potential. McKinsey & Company.
- O’Reilly, C. A., & Tushman, M. L. (2013). Organizational ambidexterity: Past, present and future. Academy of Management Perspectives. Harvard Business School / Stanford GSB.
- Fonseca, A., Gabor, T., Goldstein, D., & Thomas, K. (2025, September). Renewal reimagined: How bold organizations survive constant disruption. McKinsey OrgHealth Blog.
- Slok, T. (2026, March). Average tenure of companies in the S&P 500 Index: 15 years. Apollo Academy. (Dati: McKinsey & Company, EY Global, Innosight).
Rispondi