Skip to content
Chatta con un agente AI
Business e governance

Come le aziende riorganizzano il lavoro attorno all'AI: cosa hanno guadagnato 515 startup vedendo come hanno fatto i colleghi

Orange ITS — Team di ingegneria AI 10 min di lettura

Immagina il titolare di uno studio di ingegneria di 45 persone che da un anno paga le licenze di AI. Scrivere bozze è più veloce, alcuni collaboratori usano gli strumenti ogni giorno, ma il modo in cui il lavoro circola nello studio non è cambiato. Il titolare sospetta che esista una versione più ambiziosa, ma non ha un’idea di come sia fatta in un’azienda di dimensioni simili.

È questa immagine mancante il problema, e si risolve con meno di quanto pensino molti titolari. Se stai valutando dove l’AI trovi posto nelle tue operations, il nostro lavoro di strategia AI parte dall’osservare come organizzano il lavoro aziende paragonabili, prima che qualcuno scelga uno strumento.

Per ridisegnare il modello operativo con l’AI, l’input più utile può essere un esempio ben scelto di come un’azienda simile ha riorganizzato il proprio lavoro, e un esperimento sul campo con 515 startup è uno dei pochi test randomizzati che ne spiegano il motivo. L’articolo racconta che cosa ha fatto l’esperimento, che cosa non può dire a una PMI e come raccogliere e leggere esempi di pari in Svizzera.

Nota sull’ambito: per l’argomento sul perché uno strumento aggiunto in superficie si ferma presto, leggi Perché aggiungere l’AI ai vecchi processi non basta. Per l’esercizio di mappatura vero e proprio, vedi la mappatura dei workflow per l’AI.


Che cosa ha fatto davvero l’esperimento INSEAD

Lo studio è un working paper di Hyunjin Kim, Dahyeon Kim e Rembrand Koning, intitolato “Mapping AI into Production: A Field Experiment on Firm Performance” e catalogato dall’INSEAD come working paper 2026/20/STR. Secondo l’abstract dell’INSEAD, hanno partecipato 515 startup ad alta crescita.

Gli autori descrivono la difficoltà centrale come un problema di mappatura: capire dove l’AI crea valore nella produzione di un’azienda è un collo di bottiglia decisivo. Il loro trattamento puntava proprio lì. Le aziende trattate hanno imparato come altre imprese avevano riorganizzato la produzione attorno all’AI, e questo le ha spinte a cercare casi d’uso in più funzioni.

Il disegno dello studio, secondo il riassunto dell’HBS AI Institute

I dettagli del disegno che seguono provengono dal riassunto dell’HBS AI Institute e non dal paper completo. Secondo quel riassunto, entrambi i gruppi hanno ricevuto gli stessi crediti API, l’accesso ai modelli di frontiera e la stessa formazione tecnica. L’unica differenza era ciò che ciascun gruppo vedeva in più.

  • Gruppo trattato: casi di studio di aziende AI-native che riorganizzano workflow, team e modelli di business.
  • Gruppo di controllo: workshop di imprenditorialità generale.

Lo stesso riassunto parla di un programma di circa 10 settimane.

Perché questo disegno conta? Perché il gruppo di controllo non era privo di AI. Tutti avevano strumenti e formazione. A cambiare era l’esposizione a esempi di lavoro riorganizzato, cioè esattamente la variabile che un titolare può provare a riprodurre.


Che cosa è cambiato per le aziende che hanno visto gli esempi

L’abstract dell’INSEAD riporta le seguenti differenze tra aziende trattate e di controllo:

RisultatoDifferenza riportata
Casi d’uso dell’AI individuati44% in più, concentrati in sviluppo prodotto e strategia
Attività completate12% in più
Probabilità di acquisire clienti paganti18% più alta
Ricavi1,9 volte superiori
Domanda di capitale esterno39,5% più bassa
Domanda di lavoroInvariata

Due dettagli di questa tabella meritano più attenzione dei numeri in evidenza. Il primo: i casi d’uso aggiuntivi sono comparsi in sviluppo prodotto e strategia, funzioni in cui un fondatore può rimodellare il lavoro e non soltanto accelerare un singolo compito. Il secondo: la domanda di lavoro non è cambiata. Le aziende non hanno assunto meno persone. Hanno ottenuto di più con lo stesso organico, un’affermazione più sobria rispetto allo slogan «sostituire il personale» che domina i titoli sull’AI.

L’effetto sta nella coda alta

Secondo l’abstract, i guadagni su ricavi e investimenti sono stati maggiori dal 90° percentile in su. In parole semplici, la media nasconde una dispersione. Poche aziende hanno fatto un balzo notevole, molte si sono mosse poco.

Questo corrisponde a uno schema da tenere a mente. Vedere un esempio dà un’idea all’azienda. Se l’idea diventi ricavo dipende dal team, dal mercato e dalla costanza nell’attuarla. Per imparare a leggere distribuzioni e definizioni nelle evidenze sull’AI in generale, vedi Sei statistiche sull’AI citate dal tuo consiglio di amministrazione, che applica le stesse domande (chi è stato misurato e come è stato definito il successo) ai titoli più noti.


Che cosa lo studio non mostra al titolare di una PMI

Lo studio è un lavoro accurato, ma risponde a una domanda più stretta di quella che si pone un titolare. Contano cinque limiti.

  1. Il campione è fatto di startup. Le startup ad alta crescita hanno poca inerzia organizzativa. Non hanno un ERP ereditato, una commissione del personale né una catena di approvazioni vecchia di vent’anni. Una PMI svizzera ha tutto questo.
  2. Il trattamento era l’esposizione. L’esperimento ha verificato che cosa succede quando le aziende vedono come altre si sono riorganizzate. Non ha verificato se le aziende abbiano poi attuato davvero un ridisegno, né se un ridisegno funzioni.
  3. Il pacchetto non si può scomporre. Il riassunto dell’HBS AI Institute descrive i casi come un unico trattamento, quindi lo studio non può dire quale caso o quale idea abbia prodotto l’effetto.
  4. Il contesto è breve e strutturato. Un programma di circa 10 settimane è lontano da un cambiamento operativo triennale in un’azienda manifatturiera.
  5. I guadagni sono concentrati. Gli effetti su ricavi e investimenti sono stati maggiori dal 90° percentile in su. Un titolare non dovrebbe aspettarsi che il risultato medio sia quello tipico.

Nulla nello studio dimostra che una PMI svizzera già avviata otterrebbe guadagni simili. Ciò che regge è un’affermazione modesta e verificabile: sapere come i pari hanno organizzato il lavoro cambia ciò che un’azienda cerca. È un buon motivo per raccogliere esempi presto, e per continuare a giudicare il risultato sui tuoi numeri prima e dopo.


Sette modi per una PMI svizzera di trovare esempi di pari

Nessuno richiede l’incarico a una società di consulenza. Si differenziano per costo, per quanto i pari siano paragonabili e per quanto tendano a essere sincere le risposte.

Programmi e finanziamenti

Il programma del Canton Zurigo. Il Canton Zurigo ha gestito, insieme allo Swiss Data Science Center, un programma di innovazione sull’AI per le PMI, della durata di un anno a partire da luglio 2025. Secondo l’annuncio su ahead-zh.ch, univa apprendimento tra pari e prototipazione ed era aperto alle PMI con sede nel cantone o con attività significative sul suo territorio. Una prossima edizione non è stata confermata, quindi chiedi all’organizzatore prima di fare piani.

L’assegno per l’innovazione di Innosuisse. L’assegno vale fino a CHF 15,000 ed è aperto alle PMI con meno di 250 equivalenti a tempo pieno. Finanzia studi di fattibilità, richiede un partner di ricerca svizzero e Innosuisse paga il partner di ricerca, non la tua azienda. È quindi un modo per ottenere uno sguardo esterno e strutturato su un processo. Non è una finestra sulle altre aziende e prima di presentare la domanda serve una domanda chiara. Controlla le condizioni attuali sulla pagina di Innosuisse.

Reti che forse hai già

Associazioni di categoria. Le associazioni di settore organizzano gruppi di lavoro e convegni in cui i soci si confrontano. Le sessioni utili sono quelle piccole, in cui qualcuno descrive un processo cambiato con un dettaglio sufficiente da poter essere interrogato.

Clienti di riferimento dei fornitori. Quando un fornitore di software o di AI propone una soluzione, chiedi due clienti della tua dimensione, di un settore simile, che la usino da almeno sei mesi. Poi parlaci senza il fornitore in linea. Un fornitore che non sa indicare clienti simili ti ha già detto qualcosa.

Tavole rotonde tra titolari. Cinque o sei titolari di aziende non concorrenti che si incontrano ogni trimestre, ciascuno con un processo cambiato o rimasto uguale, è un formato economico ed efficace. La regola che lo mantiene sincero è raccontare anche ciò che è andato storto, oltre a ciò che ha funzionato.

Visite strutturate. Un’ora nell’ufficio o nel laboratorio di un collega, osservando come avviene davvero un passaggio di consegne, insegna più di una presentazione. Invia le domande in anticipo, perché la visita non si riduca a un giro guidato.

La tua azienda

Un caso prima e dopo di una pagina. Descrivi un cambiamento che hai già fatto, anche piccolo, nel formato indicato più sotto. Ti costringe a scoprire che cosa è cambiato davvero e offre al resto del team un esempio concreto di un’azienda che conoscono. La nostra guida alla mappatura dei workflow per l’AI spiega come costruire la mappa da cui parte un buon caso.


Come leggere un esempio: chiedi di ruoli, passaggi di consegne e poteri decisionali

La maggior parte dei titolari rivolge a un collega la domanda sbagliata per prima: quale strumento hai usato? La risposta invecchia in pochi mesi e dice poco sulla trasferibilità dell’approccio alla tua azienda. Una prima domanda migliore è che cosa è cambiato nel modo di dividere il lavoro tra persone e software.

Quattro domande si trasferiscono bene:

  • Ruoli. Chi svolge oggi il lavoro e che cosa faceva prima? È cambiata una descrizione di funzione o soltanto gli strumenti?
  • Passaggi di consegne. Dove aspettava una pratica e dove aspetta oggi? Quale passaggio è sparito e quale nuovo è comparso?
  • Poteri decisionali. Quali approvazioni si sono spostate, ridotte o scomparse? Chi può decidere ora ciò che prima richiedeva un responsabile?
  • Misure. Che cosa contava il team prima del cambiamento e che cosa conta dopo? Tempo di ciclo, tasso di errore e costo per pratica sono i candidati abituali.

Poi fai la domanda che mantiene onesto l’esercizio: che cosa faresti in modo diverso se ricominciassi? Chi ha già vissuto un ridisegno di solito ha una risposta chiara, ed è spesso il minuto più prezioso della conversazione.

Un modello di una pagina per il tuo caso

Se scrivi la tua pagina prima e dopo, tienila abbastanza breve perché i colleghi la leggano. Un formato che funziona:

CampoChe cosa scrivere
ProcessoIl nome del processo e il team responsabile
PrimaPassaggi, ruoli, dove aspettavano le pratiche, un numero di partenza
Che cosa è cambiatoRuoli, passaggi di consegne, poteri decisionali, dati in ingresso
DopoLo stesso numero di partenza, misurato allo stesso modo
Che cosa richiede ancora una personaI passaggi di giudizio rimasti umani
Che cosa cambieremmoUna correzione sincera

Scritte una volta per ogni cambiamento, queste pagine diventano una piccola biblioteca interna. Vale la pena averla per una ragione pratica: i titolari tendono a fidarsi più degli esempi nati in casa che di qualunque cosa sentita dal palco di un convegno, e una biblioteca di cinque o sei pagine offre a un nuovo progetto un punto di partenza che nessuno studio esterno può dare.


Dove gli esempi dei pari ingannano

Gli esempi sono un input economico, e gli input economici hanno modi di fallire.

Survivorship. I pari tendono a condividere ciò che ha funzionato. Chiedi esplicitamente del pilota abbandonato. Qualunque insieme di casi è un campione selezionato.

Contesto diverso. Un cambiamento che funziona in un’azienda di 12 persone con un solo titolare-dirigente può fallire in una da 90 persone in cui le approvazioni passano per tre reparti. Chiedi che cosa, nell’assetto del collega, ha reso possibile il cambiamento: una catena di comando corta, dati puliti o un unico sistema di riferimento.

Copiare la superficie. Adottare lo strumento di un collega senza il cambiamento di ruoli e passaggi di consegne riproduce il plateau descritto nel nostro articolo sull’AI aggiunta in superficie. L’esempio è utile per ciò che ha cambiato nel lavoro.

Dare troppo peso ai numeri. La cifra di ore risparmiate di un collega è dichiarata da lui e non è verificata da un revisore. Trattala come un’indicazione su dove guardare nei tuoi dati.


Che cosa sostengono le evidenze

Lo studio INSEAD sostiene un’affermazione ristretta e un’abitudine pratica. L’affermazione: le startup che hanno visto come altri hanno riorganizzato il lavoro attorno all’AI sono andate a cercare più punti in cui usarla, e le migliori hanno dichiarato risultati nettamente migliori. L’abitudine: raccogliere presto esempi concreti di lavoro riorganizzato, da pari a cui poter fare domande, prima di impegnare budget su uno strumento o su un programma.

Per una PMI il primo passo costa un pomeriggio: scrivi una pagina prima e dopo dalla tua azienda, poi chiedi la loro a due colleghi. Se dal confronto emerge che nessuno attorno a te ha cambiato ruoli, passaggi di consegne o poteri decisionali in alcun processo, anche questa è un’informazione utile. Ti dice che la questione del ridisegno del modello operativo con l’AI è ancora aperta nel tuo settore, e che un cambiamento precoce e misurato può essere un vero vantaggio.

Domande frequenti

Che cosa ha verificato l'esperimento sul campo dell'INSEAD sull'AI?

Ha verificato se mostrare alle startup come altre aziende hanno riorganizzato la produzione attorno all'AI cambi ciò che esse fanno con l'AI. Nello studio su 515 startup ad alta crescita, le aziende trattate hanno individuato il 44% di casi d'uso in più, completato il 12% di attività in più e avuto il 18% di probabilità in più di ottenere clienti paganti. Il trattamento era l'esposizione a esempi di pari. Lo studio non ha messo alla prova un metodo di ridisegno.

Lo studio INSEAD dimostra che riorganizzare il lavoro attorno all'AI conviene?

No. Mostra che sapere come altre aziende hanno riorganizzato il lavoro ha spinto le startup a cercare più casi d'uso dell'AI e a dichiarare risultati migliori, soprattutto tra le più performanti. Non isola il ridisegno in sé, e il campione era composto da startup ad alta crescita. Per una PMI già avviata è un motivo per guardare presto gli esempi dei pari, ma ogni beneficio va verificato sui tuoi numeri.

Dove può trovare una PMI svizzera esempi di ridisegno con l'AI in aziende simili?

Parti dai clienti di riferimento dei fornitori, dalle associazioni di categoria e dalle tavole rotonde tra titolari, dove i colleghi raccontano che cosa è cambiato nel lavoro quotidiano. Esistono anche canali formali. Il Canton Zurigo ha gestito da luglio 2025 un programma sull'AI per le PMI con lo Swiss Data Science Center, e l'assegno Innosuisse finanzia uno studio di fattibilità con un partner di ricerca. Verifica con ciascun organizzatore l'edizione e le condizioni attuali.

Che cosa chiedere a un'azienda simile alla mia sul suo progetto di AI?

Chiedi che cosa è cambiato in ruoli, passaggi di consegne e poteri decisionali, piuttosto che quale strumento ha comprato. Domande utili: chi svolge oggi il lavoro, quali approvazioni sono state spostate o eliminate, di quali dati ha bisogno il processo all'ingresso e che cosa ha misurato il team prima e dopo. I nomi degli strumenti invecchiano nel giro di pochi mesi, mentre il modo di dividere il lavoro tra persone e software tende a essere trasferibile.

L'assegno per l'innovazione di Innosuisse serve per imparare dai pari?

Solo in modo indiretto. L'assegno vale fino a CHF 15,000 per le PMI sotto i 250 equivalenti a tempo pieno e finanzia uno studio di fattibilità svolto da un partner di ricerca svizzero, che Innosuisse paga direttamente. Offre competenze esterne e uno sguardo strutturato sul tuo processo, ma non una finestra sulle altre aziende. Prima di pianificare, conferma le condizioni attuali con Innosuisse.

Insights

Metti queste idee al lavoro

Bastano 30 minuti per capire se un agente AI si adatta al tuo flusso di lavoro — e quanto può rendere.