Come l’AI sta diventando la nuova elettricità del business: abbondante, accessibile e infinitamente scalabile. E perché chi non capisce questa rivoluzione rischia di restare al buio.
Abstract
Per tutta la storia economica moderna, l’intelligenza è stata una risorsa scarsa e costosa: la si acquisiva assumendo persone competenti, formandole nel tempo, trattendole con fatica. Oggi questa equazione sta cambiando radicalmente. L’intelligenza sta diventando accessibile su richiesta — abbondante, conveniente e quasi infinitamente scalabile — ridefinendo il modo in cui ogni organizzazione e ogni dipendente può creare valore. Questo articolo analizza il concetto di intelligence on tap attraverso la lente storica delle General Purpose Technology (GPT) — vapore, elettricità, ICT — e lo collega alle evidenze empiriche più recenti sull’impatto dell’AI sulla produttività. L’OCSE riconosce nell’AI una nuova General Purpose Technology con la capacità unica di autonomia e auto-miglioramento, che potrebbe accelerare l’innovazione e potenzialmente rilanciare la crescita di produttività stagnante in diversi settori. L’obiettivo è offrire ai C-level una bussola concettuale per comprendere la trasformazione in atto e le sue implicazioni strategiche. [microsoft.com][oecd.org]
Introduzione
Me lo ricordo ancora bene: era il 1998 e stavo cercando di spiegare a un imprenditore lombardo perché avrebbe dovuto portare la sua azienda su internet. Mi guardò come se stessi cercando di vendergli qualcosa di inutile. “Ma io ho già il fax,” disse. “Cosa ci faccio con internet?”
Quella frase mi è tornata in mente qualche settimana fa, mentre parlavo con un CEO che mi diceva che l’AI era “roba per i tecnici”. La storia, come sempre, si ripete — ma chi non la conosce è condannato a non riconoscerla quando si ripresenta.
Stiamo attraversando uno di quei momenti rari in cui una tecnologia smette di essere uno strumento specialistico e diventa un’infrastruttura di base — come l’elettricità, come internet. Il punto non è capire cosa fa l’AI. Il punto è capire cosa cambia quando l’intelligenza diventa una commodity accessibile a tutti, in ogni momento, a un costo marginale vicino allo zero.
Quel cambiamento è già in corso. E questa volta non puoi permetterti di aspettare.
Background: Quando una Tecnologia Diventa Utility
Cos’è una General Purpose Technology e perché l’AI rientra in questa categoria?
Gli economisti hanno un termine preciso per le tecnologie che cambiano tutto: General Purpose Technology (GPT). Una GPT è definita come una singola tecnologia generica, riconoscibile come tale lungo tutto il suo ciclo di vita, che inizialmente offre ampi margini di miglioramento e alla fine viene ampiamente utilizzata, trova molte applicazioni e genera numerosi effetti di spillover. I classici esempi storici sono il vapore, l’elettricità e le tecnologie dell’informazione e della comunicazione (ICT). [academic.oup.com]
La caratteristica fondamentale di una GPT non è la sua potenza intrinseca, ma la sua pervasività: la capacità di permeare ogni settore, ogni processo, ogni funzione aziendale, generando valore in modi che nessuno aveva previsto al momento della sua comparsa.
La storia insegna che l’impatto di una GPT sulla produttività tipicamente è modesto all’inizio ma poi aumenta nel tempo. I motivi includono i miglioramenti progressivi alla tecnologia che ne estendono le applicazioni, la riduzione del prezzo dell’equipaggiamento, e il tempo necessario per implementare investimenti complementari in cambiamento organizzativo. [academic.oup.com]
Questo è esattamente il punto in cui ci troviamo oggi con l’AI. Non siamo all’inizio — siamo al momento della transizione critica, quella in cui la tecnologia ha già dimostrato la propria capacità ma le organizzazioni non hanno ancora adattato i propri processi e modelli per sfruttarla pienamente. È lo stesso punto in cui si trovavano le fabbriche americane negli anni ’10 del Novecento, quando l’elettricità era già disponibile ma la maggior parte degli stabilimenti era ancora progettata per il motore a vapore centrale.
Il grande impatto dell’elettricità negli Stati Uniti arrivò negli anni ’20, circa quarant’anni dopo che Thomas Edison distribuì per la prima volta energia elettrica a New York nel 1882. I guadagni di produttività derivarono dalla riprogettazione delle fabbriche americane che l’elettricità rese possibile, ma ci volle tempo per riconoscerli e implementarli. [academic.oup.com]
L’analogia con oggi è potente: non basta collegare l’AI ai processi esistenti. Bisogna riprogettare i processi intorno all’AI.
Analisi Scientifica: L’Intelligenza che Scorre dal Rubinetto
Cosa significa concretamente “intelligence on tap” per un’organizzazione nel 2025?
Un Nuovo Input Produttivo
Tradizionalmente, le aziende assumevano più dipendenti o accedevano a più capitale — finanziamenti, infrastrutture, attrezzature — per aumentare l’output. Oggi possono aggiungere intelligenza AI alla combinazione. Non si tratta di lavoro umano, e non rientra nella categoria esistente di capitale per le sue qualità insolite, come la capacità di apprendere e migliorare. È un nuovo tipo di input aziendale: il digital labor. Una risorsa netta, aggiuntiva. [microsoft.com]
Questo cambio concettuale è fondamentale. Il digital labor non è l’automazione che conoscevamo: non esegue solo istruzioni predefinite. Gli agenti AI possono operare in ambienti complessi e ambigui, filtrare il rumore e restituire risultati significativi. Quel tipo di ragionamento su scala non riguarda solo l’efficienza: riguarda il riallineamento del lavoro umano con i punti di forza umani — creatività, empatia, pensiero strategico — per ottenere risultati aziendali migliori. [microsoft.com]
Il Coordination Tax e il Capacity Gap
Uno dei driver principali del capacity gap è una realtà fin troppo familiare: i dipendenti vengono assunti per svolgere lavori specifici, ma finiscono per dedicare troppo tempo a task di coordinamento come email e riunioni. Questa “coordination tax” impedisce loro di concentrarsi sul lavoro per cui sono stati assunti. [microsoft.com]
I dati dell’AI Index 2026 di Stanford confermano la drammaticità di questa situazione: i lavoratori vengono interrotti ogni 2 minuti durante la giornata lavorativa da riunioni, email o notifiche — il che si traduce in 275 interruzioni al giorno. Il 60% delle riunioni è improvvisato anziché pianificato, e le chat fuori dall’orario di lavoro sono aumentate del 15% anno su anno. [hai.stanford.edu]
Il digital labor può ridurre drasticamente questa coordination tax. L’intelligence on tap non comporta i costi intensivi di tempo tipici dell’onboarding, dell’upskilling e dell’assimilazione. Questi sono fattori, insieme all’alto costo delle competenze scarse, che possono impedire ai team di aggiungere risorse cognitive. Questa nuova forma di intelligenza democratizza l’expertise che un tempo era racchiusa in specifici individui: chiunque nell’organizzazione può accedere a conoscenze specializzate quando ne ha bisogno, indipendentemente dalla gerarchia o dai confini delle funzioni aziendali. [microsoft.com]
Oltre la Produttività: La Qualità delle Decisioni
L’attenzione pubblica sull’AI si è concentrata principalmente sull’aumento della produttività — sull’accelerazione degli output. Ma il potenziale reale risiede nei processi decisionali che precedono la produzione. Qui l’AI può portare le persone dalla mediocrità all’eccellenza, rendendo i principianti competenti quanto gli esperti, piuttosto che renderli obsoleti.I Large Language Model possono potenzialmente estrarre insight da contenuti non strutturati. Combinando modelli fondazionali con modelli enterprise-specific e tecniche di AI/ML tradizionali, si può creare una knowledge superstructure all’interno di un’azienda, aumentando la velocità e l’efficacia delle decisioni e migliorando l’esperienza dei clienti. [weforum.org]
Questo è il punto che trovo più sottovalutato nel dibattito manageriale corrente. Si parla di AI come strumento di efficienza — “scrivi l’email più veloce”, “riassumi la riunione”. Ma il valore profondo è nella democratizzazione della competenza: rendere ogni dipendente capace di operare al livello del migliore esperto disponibile nell’organizzazione.
Il Paradosso della Produttività e la Lag dell’Adozione
Perché molte aziende non vedono ancora ritorni dall’AI?
L’OCSE riconosce le incertezze che circondano gli impatti di lungo periodo dell’AI sulla produttività, discutendo la concentrazione dello sviluppo AI nelle grandi aziende tech, i tassi di adozione disomogenei e le sfide sociali più ampie come la disuguaglianza, la discriminazione e i rischi di sicurezza. [oecd.org]
La risposta accademica a questa domanda è elegante quanto frustrante. L’impatto delle GPT sulla produttività tipicamente è modesto all’inizio perché la quota dell’investimento nelle GPT nell’economia è ancora bassa, e i guadagni si materializzano solo quando si realizzano investimenti complementari nel cambiamento organizzativo. In parole semplici: l’AI non aumenta la produttività installandola. La aumenta riprogettando l’organizzazione attorno ad essa. [academic.oup.com]
Trent’anni di trasformazioni digitali mi hanno insegnato che questo è il momento più pericoloso: quello in cui le aziende hanno investito in tecnologia ma non hanno ancora visto ritorni, e quindi sono tentate di concludere che “non funziona”. In realtà, il problema non è la tecnologia. È l’assenza di reinvenzione organizzativa.
I Settori che Guidano e Quelli che Rischiano
La maturità AI ha avanzato in modo differenziato tra i settori: software, telecomunicazioni e fintech guidano la curva di maturità AI, mentre fashion e lusso, chimica e costruzioni si collocano alle estremità più basse. Il 70% del valore potenziale dell’AI è concentrato nelle funzioni aziendali core come vendite e marketing, manifattura, supply chain e pricing. [bcg.com]
Implicazioni Pratiche: Come Aprire il Rubinetto
Cosa deve fare concretamente un leader per iniziare a sfruttare l’intelligence on tap?
L’analogia con l’elettricità non è solo poetica: è operativamente utile. Quando le fabbriche americane adottarono l’elettricità, quelle che ottennero i maggiori guadagni non furono quelle che semplicemente sostituirono il motore a vapore centrale con un motore elettrico centrale. Furono quelle che riprogettarono completamente il layout della fabbrica per sfruttare la distribuzione capillare dell’energia.
Lo stesso vale per l’AI. Tre principi operativi per aprire davvero il rubinetto:
- Identifica la tua coordination tax. Mappa dove il tuo team spende tempo in task che non richiedono giudizio umano irreplicabile. Lì è dove il digital labor porta i ritorni più rapidi.
- Costruisci la tua knowledge superstructure. Le organizzazioni generano valore attraverso il knowledge work, che comprende decisioni e azioni prese da individui o gruppi. L’AI può integrare la conoscenza tacita di un’azienda — i contenuti non strutturati acquisiti attraverso esperienza, osservazione e pratica — per migliorare la velocità e l’efficacia delle decisioni. Questo richiede un lavoro sistematico di mappatura e digitalizzazione della conoscenza organizzativa. [weforum.org]
- Non automatizzare processi, ridisegnali. Le aziende più efficaci scalano più rapidamente, sono più agili e generano valore più velocemente. E nel processo, guadagnano resilienza contro l’incertezza economica e geopolitica che minaccia di sconvolgere le organizzazioni meno adattabili. Questo non si ottiene applicando l’AI agli stessi processi di prima. [microsoft.com]
Conclusioni
L’intelligenza è la nuova elettricità. Non è una metafora suggestiva: è una categoria analitica precisa, supportata da decenni di ricerca economica sulle General Purpose Technology. E come l’elettricità, l’AI non trasformerà automaticamente le organizzazioni che la adottano — trasformerà quelle che si riprogettano per sfruttarla.
Le aziende più lungimiranti si stanno già evolvendo in Frontier Firm — organizzazioni strutturate attorno a questa intelligenza on demand e alimentate da team ibridi umano-AI. Le aziende che padroneggeranno per prime questa partnership scriveranno le regole che tutti gli altri dovranno seguire. [microsoft.com]
L’imprenditore lombardo del 1998 alla fine aprì il suo sito web — tre anni dopo i suoi concorrenti. Recuperò, con fatica. Ma nella rivoluzione che stiamo vivendo oggi, tre anni di ritardo potrebbero non essere recuperabili.
La vera sfida non è tecnica, ma umana: è la volontà di reimmaginarsi prima che il mercato ti costringa a farlo.
Riferimenti
- Crafts, N. (2021). Artificial Intelligence as a General-Purpose Technology: An Historical Perspective. Oxford Review of Economic Policy, 37(3), 521–536. https://doi.org/10.1093/oxrep/grab012
- Microsoft WorkLab. (2025, April 23). AI at Work: “Intelligence on tap” will reshape knowledge work. Microsoft. https://www.microsoft.com/en-us/worklab/ai-at-work-intelligence-on-tap-will-reshape-knowledge-work
- Microsoft WorkLab. (2025, April 23). Work Trend Index Annual Report 2025: The Year the Frontier Firm is Born. Microsoft. https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
- OECD. (2024). The Impact of Artificial Intelligence on Productivity, Distribution and Growth. OECD Publishing. https://www.oecd.org/en/publications/the-impact-of-artificial-intelligence-on-productivity-distribution-and-growth_8d900037-en.html
- Stanford HAI. (2026). The 2026 AI Index Report. Stanford University. https://hai.stanford.edu/ai-index/2026-ai-index-report
- Tata Consultancy Services / World Economic Forum. (2024, January). Boosting Productivity is Only the Sideshow for AI: Transforming Good Work into Great Will Be Its Real Benefit. World Economic Forum. https://www.weforum.org/stories/2024/01/ai-productivity-knowledge
Rispondi