Le aziende che usano l'IA per ridurre i costi stanno perdendo la più grande scommessa di valorizzazione dell'ultimo decennio
Esiste un divario tra ciò che i dirigenti affermano di credere sull'intelligenza artificiale e ciò che le loro organizzazioni effettivamente fanno con essa. Non si tratta di un divario di conoscenza. È un divario di attenzione strategica, e ha un costo che pochi consigli di amministrazione hanno quantificato con onestà.
In un recente tavolo rotondo con dirigenti del settore della gestione patrimoniale, gli autori di un paper della Wharton School hanno posto una domanda diretta: se tra tre anni confrontassimo due aziende simili, una che ha saputo sfruttare bene l'IA e un'altra che non lo ha fatto, quanto più preziosa sarebbe la prima? La risposta media fu 2,35 volte, equivalente a un incremento del 135% nel valore dell'azienda. Un numero che gli stessi partecipanti ritennero ragionevole. Il problema emerse immediatamente dopo, quando venne chiesto loro dove stessero realmente investendo in IA. La risposta fu quasi unanime: nell'efficienza. Diversi ammisero di non aver mai collegato, in modo serio, l'IA alla crescita dei ricavi.
Questo non è un problema di visione. È un problema di architettura decisionale.
Quando il soffitto dell'efficienza diventa un soffitto strategico
L'argomento a favore dell'uso dell'IA per ridurre i costi ha un supporto empirico. Un ampio esperimento randomizzato condotto in un'azienda software ha rilevato che uno strumento di assistenza clienti basato sull'IA generativa ha aumentato la produttività degli agenti di oltre il 10%. Uno studio separato condotto su circa 5.000 sviluppatori ha mostrato guadagni superiori al 25%. Nella gestione patrimoniale, l'IA può comprimere settimane di onboarding dei clienti in giorni, e assistere i consulenti nella preparazione e nel follow-up delle riunioni. Questi sono risultati reali.
Ma esiste un'aritmetica che i modelli di efficienza non riescono a superare. Sulla base di ipotesi generose, se il 50% della base di costi di un'azienda è suscettibile di miglioramenti grazie all'IA, e l'IA riduce quei costi in media del 10%, l'impatto totale sulle spese è di circa il 5%. Applicato a un'azienda rappresentativa di gestione patrimoniale, ciò produce un incremento di valore di circa il 10%. Non è trascurabile. Ma si trova a una distanza siderale dal 135% che gli stessi dirigenti hanno considerato raggiungibile.
Il motivo è strutturale, non circostanziale. I costi hanno un limite inferiore: zero. I ricavi non hanno un limite superiore. E i mercati dei capitali non valutano le aziende principalmente per ciò che guadagnano oggi, ma per ciò che ci si aspetta guadagnino in futuro. Il premio che gli investitori assegnano alle aspettative di crescita sostenuta è sproporzionatamente grande rispetto a quello che assegnano all'ottimizzazione delle spese. Un'azienda di gestione patrimoniale che cresce organicamente del 5% annuo vale circa il 50% in più rispetto a un'azienda identica che cresce del 3%. Una che cresce del 7% vale il 122% in più. Questi numeri non emergono da proiezioni ottimistiche: sono la diretta conseguenza di come i mercati calcolano i multipli sugli utili quando all'orizzonte c'è una crescita sostenuta.
Ciò che questo implica è che un incremento di appena due punti percentuali nel tasso di crescita organica, qualcosa di modesto per le aziende storicamente ad alto rendimento, può aumentare il valore dell'azienda del 50% prima ancora che gli utili stessi crescano. Un incremento di quattro punti può raddoppiare quel valore. Di fronte a queste dimensioni, il risparmio sui costi operativi diventa un argomento di second'ordine.
L'esperimento che dimostra la meccanica della crescita
Per rendere concreto ciò che fino a qui potrebbe sembrare astratto, i ricercatori hanno lavorato con aziende di gestione patrimoniale su un'applicazione specifica: campagne di marketing diretto su LinkedIn, rivolte a dirigenti di alto livello e proprietari di PMI. L'approccio non fu convenzionale.
Utilizzarono quello che chiamarono "scienziati virtuali": sistemi di IA istruiti per generare decine di concetti alternativi di annunci pubblicitari, e poi simulare la risposta del pubblico di riferimento per identificare, prima del lancio, quali avrebbero avuto le migliori performance. L'incremento previsto nei tassi di clic per gli annunci vincitori oscillò tra 2,7 e 3,5 volte. Quando quegli annunci furono pubblicati sul campo, l'incremento medio fu di 3,2 volte.
La domanda rilevante non è se quel numero sia impressionante. È cosa fa al valore dell'azienda. Si consideri un'impresa con un tasso di crescita organica base del 3%, distribuita più o meno equamente tra tre canali: reti di consulenti, acquisto di contatti da custodi, e marketing diretto. Se il canale di marketing diretto rappresenta un punto percentuale di quel tasso e l'IA lo triplica, quel canale passa a contribuire tre punti percentuali. Il tasso di crescita organica totale sale dal 3% al 5%, e il valore dell'azienda aumenta di circa il 50% solo per effetto di quel movimento.
Si immagini ora che, incoraggiata da questi risultati, l'azienda reindirizzi il budget che in precedenza dedicava all'acquisto di contatti — una fonte costosa con rendimenti decrescenti — verso il canale di marketing diretto, che ha appena dimostrato una trazione reale. Il tasso di crescita organica balza al 7%. Il valore dell'azienda più che raddoppia rispetto alla linea di base.
Questo non è un esperimento di laboratorio. È una dimostrazione del meccanismo attraverso cui l'allocazione delle risorse di IA determina se un'azienda cattura il 10% di valore che promette l'efficienza o il 100%+ che promette la crescita.
L'asimmetria che la maggior parte dei consigli di amministrazione non sta vedendo
C'è qualcosa di più inquietante del fatto che le aziende stiano sottoinvestendo nell'IA per la crescita. È che le dinamiche competitive renderanno quel divario più difficile da colmare nel tempo.
I guadagni nel marketing prodotti dall'IA oggi — quel 3,2 volte nei tassi di clic — si comprimeranno man mano che più aziende adotteranno strumenti simili. La finestra per catturare multipli di valorizzazione a partire da quei risultati è limitata nel tempo. Ciò che non si comprime con la stessa velocità sono le fonti di crescita che dipendono dalla profondità relazionale: ampliare la quota nella porzione di portafoglio dei clienti esistenti, migliorare la qualità della consulenza finanziaria, accorciare i cicli di vendita attraverso una migliore corrispondenza tra consulenti e profili dei clienti. Queste leve sono più difficili da imitare perché richiedono un'accumulazione di contesto, fiducia e dati proprietari.
Le aziende che per prime costruiscono una base di crescita organica sostenuta hanno, inoltre, un vantaggio secondario che pochi modelli di analisi strategica riescono a cogliere con chiarezza: i multipli di valorizzazione più elevati diventano moneta di acquisizione. Un'azienda con un multiplo elevato può acquisire concorrenti con multipli più bassi con una minore diluizione per i propri azionisti. L'efficienza non genera questo effetto. La crescita sostenuta, sì.
L'argomento si estende ben oltre la gestione patrimoniale. Qualsiasi settore in cui gli investitori valutano la crescita organica sostenuta — dai servizi legali alla sanità, dall'istruzione alle piattaforme software — si trova di fronte alla stessa asimmetria: l'effetto moltiplicatore della crescita sulla valorizzazione supera ampiamente l'impatto della riduzione dei costi. Le aziende che riconoscono questo per prime non solo crescono più rapidamente: si posizionano per definire la struttura competitiva del settore nei prossimi anni.
La dipendenza dal programma di efficienza e la fragilità strutturale silenziosa
C'è una dimensione che l'analisi finanziaria non riesce a cogliere del tutto, e che da una prospettiva organizzativa conta quanto i numeri stessi. Le organizzazioni che orientano la propria agenda di IA principalmente verso l'efficienza non stanno adottando un approccio conservativo. Stanno costruendo una dipendenza strutturale da un tipo di rendimento che ha un soffitto, in un momento in cui il mercato sta premiando massicciamente un altro tipo di rendimento che invece non ce l'ha.
Questo crea fragilità di un tipo specifico: non la fragilità visibile di un'azienda indebitata o con margini negativi, bensì la fragilità di un sistema che funziona bene all'interno dei propri parametri e per questo non avverte l'urgenza di cambiarli. I costi scendono, i processi migliorano, i report mostrano progressi. Ma il tasso di crescita organica non si muove, e nemmeno il multiplo di valorizzazione.
La trappola non risiede nell'incompetenza dei team né nella mancanza di talento tecnico. Risiede nel fatto che il programma di efficienza dispone di metriche chiare, cicli brevi di feedback e stakeholder interni ben definiti. Il programma di crescita mediante IA richiede sperimentazione sul campo, tolleranza verso risultati che non confermano le ipotesi iniziali, e una disponibilità a redistribuire il budget da canali consolidati verso capacità ancora in fase di sperimentazione. Per molte organizzazioni, quella redistribuzione non si scontra con la tecnologia. Si scontra con la governance, con gli incentivi per area e con la velocità con cui i comitati approvano esperimenti che non rientrano nelle categorie di budget esistenti.
Gli autori del paper della Wharton lo chiamano capacità di assorbimento: il grado in cui le persone, i processi di governance e i flussi di lavoro di un'organizzazione sono in grado di incorporare e agire su una nuova tecnologia. Per molte aziende, il primo vero ostacolo a trasformare l'IA in crescita non è costruire strumenti migliori. È rimuovere i colli di bottiglia interni che impediscono agli strumenti esistenti di essere utilizzati efficacemente su scala.
Le organizzazioni strutturalmente più mature non sono necessariamente quelle con i team tecnici più sofisticati. Sono quelle che hanno costruito la capacità istituzionale di prendere un'evidenza dal campo — come l'esperimento su LinkedIn — e trasformarla in una decisione di redistribuzione delle risorse prima che la finestra di vantaggio competitivo si chiuda. Quella capacità non si installa con un progetto di trasformazione digitale. Si costruisce attraverso decisioni ripetute su come viene allocata l'attenzione strategica, cosa viene misurato come successo e chi ha l'autorità di riorientare il budget quando i dati lo giustificano.
Le aziende che oggi usano l'IA principalmente per ridurre i costi non stanno prendendo una decisione sbagliata in senso assoluto. Stanno prendendo la decisione che le loro strutture di governance, i loro sistemi di incentivi e i loro cicli di reporting rendono più facile da adottare. Il problema è che quella facilità ha un prezzo che non appare in nessun conto economico attuale, ma che apparirà nei multipli di valorizzazione comparativi tra tre anni.
