Come aumentare al massimo il ROI dell'AI nel 2025

Tuttavia, sebbene il clamore che circonda l'implementazione dell'AI continui a crescere, molte organizzazioni stanno scoprendo che il ritorno sull'investimento (ROI) delle loro soluzioni di AI è inferiore al previsto. Un report del 2023 dell'IBM Institute for Business Value ha rilevato che le iniziative di AI a livello aziendale hanno ottenuto un ROI pari appena al 5,9%. Nel frattempo, quegli stessi progetti di AI hanno ricevuto un investimento di capitale pari al 10%¹. 

Perché quindi la maggior parte delle aziende ha difficoltà a trarre profitto dalle soluzioni basate su AI? E come è possibile ottenere un ROI migliore nel 2025? Di fatto, possedere l'AI non basta. Alcuni leader aziendali sono saltati sul carro dell'AI in una mossa d'impulso a breve termine, guidata dalla FOMO di stare al passo con i concorrenti. Altri immaginavano l'AI aziendale come il martello della strategia aziendale adatto a ogni chiodo. Entrambi i gruppi hanno dimenticato l'importanza delle sfumature e della pianificazione. 

"La gente diceva: fase uno, useremo gli LLM (modelli linguistici di grandi dimensioni). Fase due: per cosa dovremmo usarli?" ha osservato Marina Danilevsky,Senior Research Scientist, Language Technologies di IBM. Il suo commento è un avvertimento per le aziende che potrebbero cadere nella stessa trappola miope con gli agenti AI nel 2025.  

Ottenere un ROI positivo per una trasformazione AI richiede l'approccio inverso. Per fortuna c'è una luce alla fine del tunnel per le aziende e per l'intelligenza artificiale. Non solo è possibile, bensì è probabile, ottenere un ROI positivo e misurabile implementando correttamente i sistemi di AI, ovvero quando le organizzazioni lasciano che sia una solida strategia di qualità dei dati e di AI a guidare la trasformazione.

Comprendere il ROI delle iniziative di AI è essenziale per una trasformazione AI di successo. Il ROI informa i leader aziendali su come l'AI contribuisce agli obiettivi aziendali e allo stato di salute dell'organizzazione. 

Il ROI dell'AI contribuisce a: 

• Consenso da parte della leadership: quando arriva il momento di investire in una trasformazione digitale basata su AI, nulla è più convincente di dati numerici concreti. Una nuova ricerca dimostra come agenti AI e workflow agentici possano essere economicamente vantaggiosi². I leader e gli stakeholder sono più propensi a investire se vengono presentati forti casi d'uso aziendali dell'AI supportati da cifre concrete. 

• Gestione del cambiamento: i dipendenti potrebbero resistere alle iniziative di AI a causa delle preoccupazioni per la perdita del lavoro o per la qualità degli output dell'AI. Tuttavia, il ROI include anche fattori come la produttività dei dipendenti, la soddisfazione lavorativa e la fidelizzazione.

  Queste metriche di "soft ROI" possono alleviare le preoccupazioni in merito al posto di lavoro, soprattutto se combinate con casi d'uso concreti per gli agenti AI o con altri tipi di modelli AI. Il ROI può anche contribuire ai cambiamenti culturali, poiché i dipendenti sono sempre più coinvolti nel ROI dei progetti di AI di successo.

• Priorità degli investimenti: i casi d'uso dell'AI generativa (gen AI) sono numerosi, ma non tutti hanno lo stesso valore per ogni organizzazione. Un'analisi del ROI, soprattutto se si utilizzano case study reali, può rivelare quali implementazioni di AI hanno il potenziale per offrire il massimo valore rispetto ai costi. 

• Successo a lungo termine: allineare gli investimenti nell'AI agli obiettivi aziendali a lungo termine può contribuire alla crescita, riducendo al minimo le spese inefficienti e le perdite di tempo. Sia per le startup che per le grandi imprese, un'analisi del ROI dell'AI costituisce la spina dorsale di una roadmap verso il successo continuo con le tecnologie di AI emergenti nel settore. 

• Scelta dei fornitori: poiché il mercato è così diversificato, la scelta e la creazione della supply chain più robusta per l'AI dovrebbero essere influenzate dai calcoli del ROI, poiché le organizzazioni valutano fattori come i prezzi e i sistemi di prezzi di un fornitore rispetto alle proprie considerazioni a livello di risorse e budget.

Dopo avere integrato l'AI nei loro workflow, i team possono godere di una serie di benefici. Ad esempio, i team di sviluppo delle applicazioni possono:

• Accelerare il processo di sviluppo grazie alla generazione automatica del codice, alle correzioni dei bug più rapide, ai test automatici e alla gestione semplificata dei progetti.

• Migliorare la qualità delle applicazioni con un migliore rilevamento dei bug e la manutenzione predittiva.

• Ridurre i costi automatizzando le attività ripetitive nel ciclo di vita dello sviluppo e riducendo i tempi di inattività.

• Promuovere il valore aziendale attraverso un'innovazione più rapida, una maggiore produttività, migliori esperienze del cliente e un processo decisionale più strategico.

Il ROI dell'AI può essere difficile da quantificare perché molti degli impatti positivi dell'AI sono indiretti e a lungo termine. Ad esempio, se un'organizzazione utilizza l'AI per semplificare l'analisi e la visualizzazione dei dati affinché i dirigenti aziendali possano prendere decisioni più informate, tali risultati potrebbero non essere percepiti per anni. 

Il ROI in tempo reale dell'adozione dell'AI è spesso difficile da rilevare. Inoltre, qualsiasi guadagno immediato potrebbe essere ingannevole. Un'azienda che annuncia piani per automatizzare i workflow e ridurre la propria forza lavoro con l'AI potrebbe vedere un rapido aumento dei prezzi delle azioni, tuttavia questo non rappresenta una garanzia di come reagiranno clienti e dipendenti.³

Gli analisti finanziari dividono il ROI in due categorie: hard e soft. 

• L'hard ROI riguarda gli effetti tangibili direttamente correlati alla redditività. Ad esempio, l'utilizzo dell'AI per automatizzare l'IT può portare a un minor numero di interruzioni e a tempi di risposta più rapidi, aumentando l'efficienza operativa e migliorando la soddisfazione dei clienti per una fidelizzazione degli utenti potenzialmente maggiore.⁴

• Il soft ROI include altri benefici che, sebbene non immediatamente collegati ai profitti, sono comunque positivi per l'organizzazione. Questi possono includere un miglioramento del morale dei dipendenti e una migliore esperienza del cliente. Ad esempio, i dipendenti potrebbero segnalare una maggiore soddisfazione quando le aziende scelgono un approccio all'adozione dell'AI. ⁵

Poiché il ROI è una misurazione, richiede dei dati numerici per essere calcolato. Le metriche chiave per il ROI dell'AI, sia hard che soft, includono numerosi indicatori chiave di prestazioni (KPI) che possono essere misurati e quantificati. Scegli i KPI giusti per calcolare il ROI dell'AI per le iniziative di cybersecurity, content marketing, forecasting e altre iniziative commerciali con maggiore precisione.

I KPI dell'hard ROI riguardano dati finanziari concreti, ovvero i costi risparmiati o i profitti ottenuti.

I KPI rilevanti per la riduzione dei costi includono: 

• Riduzione dei costi di manodopera, ad esempio ore risparmiate grazie all'automazione aziendale e all'aumento della produttività grazie all'utilizzo di strumenti di AI. 

• Aumenti dell'efficienza operativa, come una riduzione del consumo di risorse grazie alla semplificazione dei workflow AI. 

I KPI rilevanti per l'aumento dei profitti includono: 

• Aumento del traffico, della generazione di lead e dei tassi di conversione grazie al miglioramento dell'esperienza del cliente, alla personalizzazione del marketing basata sui dati e ai motori di raccomandazione dei prodotti basati su AI.

• Aumento dei ricavi e nuovi flussi di reddito grazie a nuove applicazioni basate su AI, cicli di sviluppo più rapidi e nuove opportunità di business.

I soft ROI KPI sono meno semplici da misurare rispetto alle prestazioni aziendali nel breve periodo, ma tendono a influire sulla salute dell'organizzazione nel lungo periodo. Questi KPI vengono spesso misurati attraverso sondaggi e iniziative di ricerca qualitativa e possono includere: 

• Soddisfazione e fidelizzazione dei dipendenti legate alle iniziative di AI, come ad esempio un'organizzazione che supera con successo le sfide dell'adozione dell'AI a livello interno o che dimostra il proprio impegno per la sostenibilità dell'AI. 

• Migliore processo decisionale, poiché dirigenti e team leader prendono decisioni più accurate in meno tempo con l'uso dell'analisi dei dati basata su AI. 

• Maggiore soddisfazione del cliente, ad esempio se le campagne di personalizzazione basate su AI riducono il tasso di abbandono oppure utilizzando un chatbot AI per l'esperienza del cliente per gestire un maggior numero di richieste che arrivano al servizio clienti. Uno studio del maggio 2025 ha rivelato che i team di vendita si aspettano che i net promoter score (NPS) aumentino dal 16% del 2024 al 51% entro il 2026, principalmente a causa delle iniziative di AI.⁶

L'IBM Institute for Business Value ha avviato una serie di ricerche sul modo in cui le organizzazioni e i team possono ottenere un ROI ottimale dalle loro iniziative di AI. Sebbene ognuna di esse sia specifica per il settore, i team operanti in qualsiasi settore possono generalizzare gli apprendimenti per adattarli alle loro rispettive esigenze. 

Uno studio collaborativo con Adobe e AWS ha individuato tre azioni chiave in grado di massimizzare il ROI delle iniziative di machine learning nella supply chain dei contenuti (CSC). Nel frattempo, uno sguardo allo sviluppo dei prodotti ha rilevato che i team con un ROI elevato condividono le stesse quattro best practice.

I team di sviluppo dei prodotti che hanno seguito le quattro migliori best practice per l'AI in modo "estremamente significativo" hanno segnalato un ROI mediano del 55% per la gen AI.⁷ I team che desiderano replicare questi risultati dovrebbero incorporare le seguenti best practice nei loro workflow: 

1. Apprezzare il feedback: una trasformazione AI è un lavoro in corso. Incoraggiare il feedback aiuta il personale a sentirsi a proprio agio nel parlare, riducendo al contempo lo spreco di tempo e di risorse causato dai processi inefficaci. 
2. Lavorare in modo iterativo: introdurre l'AI nel ciclo di sviluppo del prodotto in piccole fasi, per prevenire l'affaticamento e ridurre i rischi. Modificare l'implementazione dell'AI nel tempo, via via che i team si rendono conto di cosa funziona e cosa è inefficace. La scalabilità dell'AI si ottiene meglio in piccoli pezzi, piuttosto che tutto in una volta. 
3. Apprendere dai dati degli utenti: estrarre e analizzare i dati degli utenti per identificare le opportunità in cui l'AI generativa può apportare il massimo valore. Piuttosto che cercare di modellare attivamente il comportamento degli utenti, modificare le roadmap del progetto per soddisfare gli utenti dove si trovano.
4. Creare team multidisciplinari: utilizzare al meglio le diverse abilità e aree di competenza per ridurre i colli di bottiglia. I team interfunzionali si sostengono a vicenda, mentre i silos ostacolano le comunicazioni e rallentano i progetti. 

Le organizzazioni che adottano una visione olistica d'insieme per l'AI e i contenuti segnalano un ROI del 22% superiore per lo sviluppo CSC e del 30% per l'integrazione della gen AI.⁸ Tre pilastri determinano il successo del ROI a livello di AI e CSC: 

1.  Adottare una visione d'insieme per stabilire le priorità in modo efficace: esaminare tutti gli aspetti del modo in cui l'AI tocca il CSC, tra cui pianificazione strategica, budget, risorse e gestione del cambiamento. Notare le interdipendenze tra team e reparti e concentrarsi sui caso d'uso dell'AI con il maggior potenziale di ROI. 
2.  Non trascurare la gestione del cambiamento: introdurre nuovi processi e tecnologie non è mai semplice, soprattutto quando sono così radicali come l'AI. L'adesione dei dipendenti è fondamentale per il successo di una nuova iniziativa di AI. Una strategia interfunzionale basata sui principali promotori del cambiamento può mantenere alto l'entusiasmo durante tutta la trasformazione AI. 
3.  Ridurre al minimo i rischi per liberare la creatività: la gestione dei rischi dell'AI promuove la libertà creativa quando i team non devono preoccuparsi che l'AI sbagli. Lasciando che i sistemi di AI si occupino delle attività di routine a basso rischio, i creativi possono fare ciò che sanno fare meglio, ovvero creare contenuti straordinari.