Be Bankers

Dall’altro lato, alcune analisi evidenziano invece elementi che invitano alla cautela. Il cosiddetto paradosso della produttività sottolinea che i benefici macroeconomici dell’AI non sono ancora così evidenti (come però già accaduto con i computer negli anni ’80). In base a uno studio del MITMedia Lab (“The GenAI Divide: State of AI in Business 2025”, luglio 2025), circa il 95% dei progetti GenAI non fornisce ritorni misurabili in ter- mini di margine operativo, suggerendo come molte iniziative rimangano sperimentali. I colpevoli principali? Incertezze regolatorie, limitate competenze interne nella gestione dei modelli generativi e difficoltà nell’inte- grare queste tecnologie nei processi aziendali già esistenti. Rimangono anche diversi limiti tecnici, tra cui “allucinazioni” (cioè risposte errate o inventate), bias (pregiudizi nei dati), scarsa trasparenza e dipendenza dai dati di addestramento, aspetti che rendono la tecno- logia non ancora pienamente affidabile. Le storie di analytics emachine learning, inoltre, sono segnate da cicli di entusiasmo seguiti da fasi di delusione (“AI winters”), che po- trebbero ripetersi. In sintesi, oggi l’AI presenta caratteristiche che possono farla apparire sia come hype, con aspettative spesso superiori alle capa- cità reali, sia come potenziale rivoluzione industriale, destinata a ridisegnare processi produttivi e sociali nel medio-lungo termine. Amio avviso, l’AI ha poco a che fare conquel- le invenzioni classificabili come “soluzioni in cerca di problemi” – pensiamo, ad esempio, ai visori per la realtà virtuale, lanciati negli anni ’90 con la promessa di essere il futuro dell’intrattenimento e della formazione, ma che non hanno mai davvero acquisito una presenza sul mercato a causa di limiti tec- nici e contenuti poco attrattivi. Al contrario, questa tecnologia non è semplice clamore mediatico: la GenAI ha già molte delle ca- ratteristiche che hanno contraddistinto le precedenti rivoluzioni industriali, essendo un prodotto altamente scalabile, accessibile e di grande impatto. Al tempo stesso, proprio come accadutoper altre invenzioni inpassato (pensiamo al laser, che agli esordi sembrava una tecnologia senza applicazioni pratiche, poi brillantemente utilizzata in chirurgia e nell’industria), serviranno ancora pochi anni prima di vederne gli effetti più profondi. Ogni rivoluzione prevede un periodo di avvio e innovazioni chiave, con impatti su larga sca- la nell’arco di 20-30 anni. Per l’AI, iniziata attorno al 2010, la fase di sperimentazione ed entusiasmo sembra completata e iniziano a emergere applicazioni reali e di successo. Unesempio tangibiledell’impatto realedell’AI è rappresentato dalla piattaforma Ophelos, una soluzione di debt resolution sviluppata da Intrum. Questapiattaformadigitale, impie- gando motori decisionali basati su machine learning e agenti AI, consente una gestione innovativa del credito. I vantaggi? A parte i chiari benefici dati dall’automatizzazione di processi complessi, i fattori distintivi della so- luzione sono, per quanto riguarda la customer experience, quelli derivanti, adesempio, dalla possibilità di scegliere quando interagire gra- zie all’accessibilità 24/7, dalle funzionalità di self-payment e dalla tracciabilità di ogni interazione avvenuta. Oltre a questi vantaggi, Ophelos èunadellepiattaforme chemostrano come l’AI non sia più solo un progetto pilota, ma un asset strategico per il core business; gli effetti sono già misurabili sui KPI aziendali, ad esempio in termini d’incrementodella pro- duttività (una crescita del +25% nei tassi di recupero e una riduzione del 22% dei costi diretti), oltre all’efficienza operativamigliora- ta grazie alla scalabilità delle piattaforme AI, che permettonodi gestire volumi di pratiche e utenti che sarebbero insostenibili conorganici tradizionali. Quale insegnamento possiamo trarre da questa esperienza? L’esempio di Ophelos ci dimostra che il successopuò essere accelerato puntando su tre pilastri fondamentali: · l’indispensabile evoluzione della cultura aziendale per facilitare l’adozione reale dell’AI con un approccio orientato all’in- novazione continua. La leadership rimane il primo vero abilitatore, o ostacolo, all’in- novazione; · la ridefinizione (e non l’aggiustamento) dei modelli operativi per integrare com- pletamente la GenAI nei processi aziendali esistenti, adottando comunque un approc- cio “Human-in-the-loop” ma che ripensi l’organizzazione del lavoro bilanciando automazione e sviluppo delle competenze; · e la necessaria valutazione realistica di costi e benefici degli use case, andando oltre i benchmark tecnici permisurare pro- duttività, innovazione e qualità del lavoro, aiutando a scegliere a monte tra hype e cambio strutturale. In conclusione, i leap tecnologici non sono più, nel 2025, esperimenti relegati ai labo- ratori, ma stanno incidendo concretamente sul business e cambiando la natura stessa del lavoro. Storia e attualità mostrano che il successo, tuttavia, non dipende dalle tec- nologie in sé, ma dalla capacità di aziende e manager d’integrare innovazione, cultura organizzativa e umanità. Prepararsi oggi vuol dire investire su questi fattori: solo così si potrà sfruttare davvero la potenza della Quarta Rivoluzione Industriale e guidare la trasformazione invece che subirla. B E | B AN K E R S 97