La domanda che più spesso blocca le organizzazioni all'inizio del percorso di automazione AI non è "possiamo farlo?" ma "da dove iniziamo?". La risposta sbagliata a questa domanda ha conseguenze concrete: il 72% dei CIO ha riferito a Gartner in una survey di maggio 2025 che la propria organizzazione sta andando in pareggio o in perdita sui propri investimenti AI. Non è un fallimento tecnologico. È un fallimento di selezione.
Il criterio principale: valore alto, fattibilità alta
Gartner indica un principio operativo chiaro per i leader I&O che vogliono adottare l'AI in modo intenzionale: non inseguire i grandi progetti AI, ma iniziare da pilot ad alto valore e alta fattibilità, con upgrade flessibili. La matrice valore/fattibilità è lo strumento di prioritizzazione più diretto disponibile: i processi nell'angolo in alto a destra, dove il potenziale beneficio è alto e le condizioni di implementazione sono favorevoli, sono il punto di partenza naturale.
I processi ad alta fattibilità per l'automazione AI condividono caratteristiche precise che Gartner ha identificato nel contesto specifico dell'agentic AI: alto volume di interazioni e transazioni, dati di qualità elevata e ben strutturati, API e orchestrazione dei processi già disponibili, governance e controlli di sicurezza già in essere, e una base di utenti già familiari con gli strumenti AI. Più queste condizioni sono soddisfatte, più l'implementazione è prevedibile e il rischio è gestibile.
I segnali che indicano un processo pronto
Gartner ha identificato i segnali che rendono un processo particolarmente adatto all'automazione AI. Il primo è l'alto volume: i processi che gestiscono migliaia di casi simili ogni mese producono abbastanza dati per addestrare e validare il sistema, e producono un impatto misurabile anche con miglioramenti marginali per unità. Il secondo è la bassa varianza: i processi in cui la maggioranza dei casi segue un pattern prevedibile con eccezioni limitate si prestano meglio all'automazione rispetto a quelli ad alta variabilità, dove il giudizio contestuale è frequentemente necessario.
Il terzo segnale è la verificabilità del comportamento: deve essere possibile controllare se l'agente ha preso la decisione giusta e farlo in modo efficiente. I processi in cui il risultato corretto è ambiguo o difficile da valutare rendono impossibile la governance del sistema. Il quarto è il ritorno sull'investimento anticipato: Gartner indica che i processi dove il ROI è atteso entro dodici mesi sono quelli che costruiscono la credibilità politica interna necessaria per ottenere budget per i progetti successivi.
Il 72% degli investimenti AI non sta producendo ritorno
In una survey di maggio 2025 su 506 CIO e altri leader tecnologici, Gartner ha rilevato che il 72% delle organizzazioni sta andando in pareggio o in perdita sui propri investimenti AI. Le cause principali identificate includono la difficoltà nell'identificare use case adeguati, le aspettative non realistiche sulle iniziative, la mancanza di professionisti qualificati, la governance insufficiente e le difficoltà di integrazione. Il 48% dei leader I&O cita le difficoltà di integrazione come principale ostacolo all'adozione dell'AI, il 50% la mancanza di budget.
Questi dati non descrivono un fallimento della tecnologia: descrivono un fallimento di selezione e governance. Le organizzazioni che producono risultati concreti sui propri investimenti AI partono da use case chiari, con obiettivi misurabili e un framework di validazione definito prima dell'implementazione.
Entro il 2030 tutta la funzione IT coinvolgerà l'AI
In una survey di luglio 2025 su oltre 700 CIO, Gartner ha rilevato le aspettative sui modelli di lavoro futuri: entro il 2030, i CIO si aspettano che lo 0% del lavoro IT sarà svolto da umani senza AI, il 75% sarà svolto da umani aumentati con AI, e il 25% sarà svolto dall'AI da sola. Questo scenario non è un obiettivo astratto: è la direzione in cui le organizzazioni si stanno muovendo, e impone di pensare oggi a come costruire la sequenza di automazione che porta lì.
La sequenza corretta non è determinata dalla tecnologia disponibile ma dalla maturità dei processi, dalla qualità dei dati e dalla capacità organizzativa di governare i sistemi automatizzati. Iniziare dai processi più semplici non significa rinunciare all'ambizione: significa costruire le fondamenta di competenza, fiducia e governance su cui i progetti più complessi possono appoggiarsi.
Cosa evitare: le trappole più comuni
Gartner identifica tre errori ricorrenti nella selezione dei processi da automatizzare. Il primo è inseguire i grandi progetti invece di iniziare da pilot ad alto valore e alta fattibilità: i progetti ambiziosi richiedono maturità organizzativa che spesso non è ancora presente. Il secondo è automatizzare processi che non funzionano bene anche senza AI: l'AI amplifica quello che trova, non lo corregge. Un processo inefficiente automatizzato è un processo inefficiente più veloce, non un processo migliorato. Gartner lo indica esplicitamente: bisogna ottimizzare i dati e i processi prima di scalare i deploy AI, non durante.
Il terzo errore è scegliere i processi in base all'entusiasmo tecnologico invece che al valore di business. Il fatto che un processo possa essere automatizzato non è un argomento sufficiente per farlo. La domanda corretta è: se questo processo viene automatizzato bene, quali risultati di business cambiano, di quanto, e in quanto tempo? Se la risposta è vaga, il processo non è il punto di partenza giusto.
