Il 93% del budget per l'IA va alla tecnologia e il risultato lo decide il restante 7%
C'è un paradosso che percorre le sale riunioni dei dipartimenti finanziari delle maggiori corporazioni del mondo: le organizzazioni che stanno investendo di più nell'intelligenza artificiale sono, spesso, quelle che ne ottengono di meno. Non per un fallimento tecnologico. La tecnologia funziona. Il problema sta dall'altra parte dell'equazione, quella che nessuno ha incluso nel budget con sufficiente serietà.
Nel forum Emerging CFO organizzato da Fortune in collaborazione con Workday, un gruppo di direttori finanziari di aziende Fortune 500 e Casey Caram, direttore e responsabile della practice di capitale umano presso Deloitte, hanno portato sul tavolo un dato che merita attenzione sostenuta: le organizzazioni destinano, in media, il 93% dei loro investimenti in progetti di intelligenza artificiale a dati, tecnologia e infrastrutture, e appena il 7% ad abilitare le persone a utilizzare questi strumenti con efficacia. Non si tratta di un dato decorativo. È una diagnosi dell'architettura degli investimenti con conseguenze dirette sul rendimento.
Quello che questi dirigenti hanno descritto non è un problema di adozione tecnologica nel senso tecnico del termine. È un problema di coerenza tra ciò che un'organizzazione dichiara come priorità e ciò che le sue decisioni di spesa rivelano essere tale.
Quando la spesa costruisce l'illusione della trasformazione
Esiste una logica comprensibile, seppur difettosa, dietro il modello 93/7. Acquistare tecnologia è visibile, quantificabile e produce una narrativa di progresso che soddisfa sia i consigli di amministrazione sia gli analisti esterni. Una piattaforma di intelligenza artificiale installata, un'architettura dati modernizzata, una licenza software aziendale: tutti sono segnali leggibili di movimento. Formare un team di contabili, ridisegnare i flussi di lavoro di un'area di pianificazione finanziaria, investire affinché un professionista con vent'anni di esperienza cambi il modo in cui formula le proprie analisi: tutto ciò è invisibile, lento e difficile da presentare in una dashboard trimestrale.
Caram lo ha articolato con precisione: le capacità dell'intelligenza artificiale si commoditizzeranno. Ciò che non si commoditizza è il giudizio umano su quale domanda porre, quale dato contestualizzare e quale segnale ignorare all'interno di un volume di informazioni crescente. Questo è il livello superiore del modello di competenze che ha proposto: su una base di competenze finanziarie tradizionali — contabilità, proiezioni, gestione delle performance — si innesta uno strato di alfabetizzazione nei dati e nell'intelligenza artificiale, e su entrambi poggia ciò che ha definito le competenze umane essenziali: criterio, pensiero critico, capacità di formulare le domande giuste.
Il problema non è che le organizzazioni ignorino questo modello. Il problema è che lo approvano nella riunione di strategia e lo contraddicono nell'allocazione del budget.
Marie Myers, direttrice finanziaria di Hewlett Packard Enterprise, ha descritto questo fenomeno dall'interno con una chiarezza che raramente si sente nei forum pubblici. Il suo team ha utilizzato l'intelligenza artificiale per ridisegnare le revisioni operative interne, riducendo il lavoro manuale e generando valore visibile a livello aziendale. Il risultato è stato concreto. Eppure, Myers ha identificato la barriera reale come qualcosa che accade dopo l'implementazione, non prima: i professionisti con maggiore esperienza, quelli che hanno accumulato più conoscenza, sono quelli che resistono di più a cambiare il proprio modo di lavorare. "Quando implementiamo nuove tecnologie, passiamo molto tempo ossessionati dalla tecnologia, e credo che non dedichiamo abbastanza tempo a pensare all'impatto sulle persone", ha detto. E ha aggiunto qualcosa che funziona come principio operativo: "Non genererai un cambiamento di successo se non porti tutti con te."
Quest'ultima frase non è retorica motivazionale. È una descrizione del meccanismo attraverso cui un investimento a nove cifre in infrastrutture di intelligenza artificiale può produrre un rendimento marginale perché il 15% del team che avrebbe dovuto cambiare il proprio flusso di lavoro semplicemente non lo ha fatto.
La frattura tra ambizione dichiarata e scelta reale
Tim Arndt, direttore finanziario di Prologis, ha offerto una prospettiva complementare che illumina la dimensione strategica della questione. Ha descritto come il ruolo del CFO si sia spostato dall'amministrazione e dalla rendicontazione verso la strategia e la leadership aziendale, e come l'intelligenza artificiale stia accelerando questa transizione automatizzando i compiti di routine e liberando tempo per lavori di maggior valore. "L'aspettativa ora è essere un partner al tavolo esecutivo", ha detto, contribuendo alla costruzione della strategia più che semplicemente rendicontando i risultati.
Questa evoluzione è reale. Ma ha una condizione che raramente appare nelle presentazioni di trasformazione digitale: avviene solo se il team finanziario ha le capacità per occupare quello spazio. Un CFO che aspira a essere architetto della strategia aziendale con un team che opera ancora in modalità di rendicontazione manuale non ha un'ambizione strategica, ha una contraddizione organizzativa. L'intelligenza artificiale può liberare tempo. Non può garantire che quel tempo venga utilizzato con criterio se nessuno ha investito nello sviluppare tale criterio.
Tucker Marshall, direttore finanziario di J.M. Smucker, ha descritto il processo da una prospettiva più operativa. L'azienda sta modernizzando i sistemi finanziari, automatizzando i flussi di lavoro e investendo nello sviluppo dei talenti, dai programmi per i professionisti nelle fasi iniziali della carriera alle assunzioni di livello intermedio con esperienza in dati e analisi. E ha sottolineato qualcosa che spesso rimane fuori dai piani di trasformazione: la capacità di comunicazione. Non è sufficiente che il team finanziario produca analisi migliori se non è in grado di tradurle in decisioni di business comprensibili per chi le deve prendere. L'alfabetizzazione nei dati senza la capacità di comunicarne le implicazioni produce silenzio strategico mascherato da sofisticazione tecnica.
Noémie Heuland, direttrice finanziaria di Moody's, ha aggiunto una dimensione diversa alla diagnosi. Con la crescita del volume di dati disponibili, la pressione sui team finanziari non è solo quella di generare più metriche, ma di sapere quali contano. Ha descritto il rischio di quello che ha chiamato sovraccarico di KPI: la tendenza a iper-quantificare a spese della chiarezza strategica. Il ruolo del CFO include, sempre più, la contestualizzazione dei dati, la connessione delle metriche finanziarie con obiettivi aziendali più ampi e con le dinamiche di mercato. Questa non è una funzione tecnica. È una funzione di giudizio, esattamente lo strato superiore del modello che Caram ha proposto ed esattamente quello che il budget aziendale medio sta sottofinanziando.
Il costo di non scegliere cosa abbandonare
C'è qualcosa che attraversa tutti i racconti di questi dirigenti e che merita di essere nominato con precisione: nessuna trasformazione di questo tipo avviene senza che qualcuno abbandoni qualcosa. I professionisti di lunga esperienza che Myers ha identificato come resistenti al cambiamento non resistono per inerzia irrazionale. Resistono perché per anni la loro competenza è stata l'asset che li distingueva, e l'intelligenza artificiale minaccia la visibilità di quell'asset. Chiedere loro di cederlo senza offrire qualcosa in cambio, senza ridefinire il tipo di valore che ci si aspetta da loro, senza costruire un ponte verso un diverso modo di lavorare, significa chiedere che accettino una perdita senza una narrativa di sostituzione.
Le organizzazioni che stanno fallendo nell'adozione dell'intelligenza artificiale non stanno fallendo nell'acquisto di tecnologia. Stanno fallendo nella gestione della rinuncia che ogni trasformazione richiede. E stanno fallendo perché quella rinuncia non compare in nessuna voce del budget.
Il modello di investimento 93/7 non è un errore di calcolo. È una decisione implicita che rivela che tipo di trasformazione un'organizzazione è disposta ad affrontare: quella che si può misurare in infrastrutture installate o quella che si può misurare in un cambiamento reale di comportamento. La prima produce presentazioni convincenti. La seconda produce rendimento.
Ciò che questi direttori finanziari hanno descritto nel forum di Fortune non è un avvertimento sul futuro dell'intelligenza artificiale. È una diagnosi del presente delle proprie organizzazioni, espressa ad alta voce con insolita onestà. L'intelligenza artificiale è già lì. Il 93% è già stato speso. La domanda a cui le loro aziende stanno rispondendo ora, con ogni decisione di formazione che viene prioritizzata o rinviata, è se l'altro 7% sarà sufficiente a far cambiare qualcosa.
Le organizzazioni che comprenderanno che quella percentuale non è una voce di spesa bensì la condizione di fattibilità del rendimento su tutto il resto avranno un vantaggio concreto su quelle che continueranno a trattare la formazione come un residuo di budget.
