Con AI nuovo modello di economia per la tecnologia d’impresa

Negli Stati Uniti, la spesa per la tecnologia enterprise è cresciuta in media dell’8% annuo dal 2022. Tuttavia, la produttività del lavoro è aumentata solo del 2%, rivelando un disallineamento evidente tra investimenti e ritorni. Questo fenomeno genera incertezza, specialmente quando l’analisi viene declinata per settore: media e comunicazione mostrano crescita produttiva superiore al 4% con alti investimenti IT, mentre il retail migliora la produttività riducendo la spesa tecnologica.

I dati emergono dal report “The new economics of enterprise technology in an AI world” pubblicato a maggio 2025 da McKinsey.

L’importanza strategica della tecnologia d’impresa

Nonostante i dubbi sugli investimenti, le aziende con dipartimenti IT ad alte prestazioni registrano una crescita dei ricavi superiore del 35% e margini di profitto più alti del 10%. La sfida è quindi massimizzare il valore generato dalla tecnologia. Per farlo, serve una nuova comprensione dell’economia del digitale, accompagnata da modelli finanziari adeguati.

Cosa sta cambiando: l’impatto dell’AI nell’economia per la tecnologia d’impresa

Una trasformazione profonda è in atto, guidata da tre forze principali:

• L’adozione del cloud e dei modelli “as-a-service”, che spostano i costi da investimenti in capitale a spese operative (oggi il 79% della spesa IT).
• L’uso crescente dei “token” nei servizi basati su modelli linguistici di grandi dimensioni (LLM), che consente di monitorare i costi a livello di unità.
• La diffusione della FinOps, nuova disciplina che automatizza la gestione della spesa e permette una maggiore granularità nei budget.

L’intelligenza artificiale generativa sta trasformando i costi d’uso delle tecnologie (come il “costo per prompt”) e costringe CIO e CHRO a ripensare modelli di spesa, formazione e gestione delle carriere.

Gli ostacoli alla produttività tecnologica

McKinsey individua quattro cause principali che ostacolano l’impatto della tecnologia sulla produttività:

1. Compliance e sicurezza: la conformità a regolamenti come il GDPR e l’aumento degli attacchi informatici (+28% nel 2024) spingono verso una spesa crescente in cybersecurity, stimata in aumento del 15% nel 2025.
2. Incentivi distorti: spesso chi finanzia l’IT non è responsabile per i costi totali del ciclo di vita dei progetti. Il risultato è una moltiplicazione di progetti pilota che non scalano.
3. Debito tecnico crescente: la complessità delle soluzioni parziali porta a costi aggiuntivi del 10-20% per ogni nuovo progetto.
4. Benefici distribuiti: parte dei guadagni in produttività va a dipendenti (es. lavoro da remoto) o fornitori cloud, non all’azienda.

Prima azione: adottare un modello a consumo

Per aumentare la trasparenza dei costi, McKinsey propone un modello basato sulla misurazione del consumo. Ogni prodotto tecnologico dovrebbe:

• Essere consumabile tramite API standardizzate;
• Essere monitorato con sistemi che ne traccino l’uso per utente;
• Avere un “bilancio” dedicato che evidenzi costi diretti, indiretti e debito tecnico.

L’AI e la generative AI stanno già migliorando la trasparenza dei dati e la velocità decisionale, sostituendo dashboard manuali con sistemi conversazionali intelligenti.

Seconda azione: gestire tutto come un prodotto

McKinsey suggerisce di estendere a tutta l’organizzazione il modello operativo “product-based”, già adottato da molte divisioni IT. Le iniziative devono essere affidate a team cross-funzionali con autonomia, responsabilità e incentivi chiari.

Il ruolo del product manager è centrale: deve calcolare i costi, modellare la domanda e monitorare gli indicatori di performance.

Nel caso delle soluzioni di AI generativa, il tracciamento dei KPI è la pratica che più incide sui risultati economici.

Terza azione: puntare sul valore su larga scala

La frammentazione dei progetti tecnologici limita l’impatto. Occorre concentrarsi su domini completi (processi end-to-end) invece che su singoli casi d’uso.

Per l’AI, la revisione dei flussi di lavoro è la leva più efficace per migliorare l’EBIT, secondo l’ultima survey McKinsey.

Scalare le soluzioni consente di ridurre i costi. Un caso citato mostra come un unico data product estendibile riduca i costi del 40% rispetto a pipeline separate. La figura chiave per scalare è l’enterprise architect, che disegna infrastrutture modulari e decide quando investire per ridurre il debito tecnico.

Quarta azione: ripensare il talento per un mondo guidato dall’AI

L’intelligenza artificiale agentica promette un’accelerazione del 40-50% nei tempi di modernizzazione IT e una riduzione del 40% dei costi da debito tecnologico.

Questo cambiamento ha un impatto dirompente sui modelli di talento: le strutture HR tradizionali (ruoli fissi, percorsi lineari) dovranno evolversi verso modelli più fluidi e adattabili, capaci di rispondere alle esigenze dell’AI generativa.

Conclusione: una nuova comprensione dell’economia della tecnologia per l’impresa

Le scelte fatte ora sul fronte tecnologico condizioneranno le performance aziendali del prossimo decennio. Una nuova comprensione dell’economia della tecnologia, unita a strumenti più analitici, può permettere a CIO, CFO e CEO di trasformare la spesa IT in un motore di crescita reale e sostenibile.