Dove l’AI genera davvero il massimo ROI: cosa dicono 30 studi di mercato
Ho passato settimane ad analizzare oltre 30 studi pubblicati tra il 2023 e il 2026 da McKinsey, BCG, Stanford, MIT, Harvard, Goldman Sachs e altri. Il mio obiettivo era semplice: capire dove l’AI produce un ritorno misurabile e dove invece brucia solo budget.
Il risultato è una mappa chiara. E contiene qualche sorpresa.
Il quadro generale: numeri enormi, ma concentrati
McKinsey stima che il 75% del valore economico dell’AI generativa — su un totale di $2,6-4,4 trilioni annui — si concentra in sole quattro funzioni aziendali. Non dieci, non venti. Quattro.
BCG conferma: le aziende strutturate sull’AI ottengono 5 volte più ricavi e 3 volte più riduzioni di costo rispetto a chi è rimasto indietro. Ma attenzione: solo il 5,5% delle organizzazioni genera ritorni finanziari reali dall’AI (McKinsey 2025). Il problema non è la tecnologia — è il modo in cui viene implementata.
La classifica: le 7 funzioni ordinate per ROI
1. Customer Service (14-35% produttività) Lo studio più solido disponibile — Brynjolfsson, Li e Raymond, pubblicato nel Quarterly Journal of Economics 2025, su 5.172 agenti — documenta un +14% medio nelle risoluzioni orarie. Per gli agenti meno esperti il guadagno sale al 35%. Goldman Sachs conferma: è una delle sole due aree con impatto dimostrato a livello aziendale. Il dato più interessante: agenti con 2 mesi di esperienza assistiti dall’AI performano come agenti con 6+ mesi senza AI.
2. Sviluppo Software (26-56% produttività) GitHub Copilot produce risultati consistenti: 55,8% più veloce nel completamento di task (studio su 95 sviluppatori), 26% in più di task settimanali sul campo (4.867 sviluppatori). Ma lo studio METR (luglio 2025) su developer esperti che lavorano su codice familiare mostra un rallentamento del 19%. L’AI è più utile per codice nuovo e developer meno senior.
3. Marketing e Sales (20-40%, maggior valore totale) McKinsey assegna a questa funzione il 28% del valore totale dell’AI generativa — la quota più alta in assoluto. Lo studio MIT di Noy e Zhang (453 professionisti, pubblicato su Science) mostra una riduzione del 40% dei tempi di scrittura professionale con +18% in qualità.
4. Finance e Accounting (20-40% efficienza) PwC documenta guadagni del 20-40% nella funzione finance. Accenture riporta 57.000 ore annuali risparmiate nella sola generazione di narrative finanziarie, con oltre il 90% dei commenti AI approvati quasi senza revisione.
5. Legale (fino a 80% riduzione tempi su contratti) La revisione contrattuale è il singolo caso d’uso con il maggior risparmio di tempo documentato. Il 95% dei professionisti legali che usa AI risparmia tempo sui documenti (Wolters Kluwer 2026).
6. R&D e Product Development (20-80% accelerazione) Lo studio Harvard/BCG su 758 consulenti con GPT-4: +40% qualità, +25% velocità per i task dentro la “frontiera” dell’AI. I junior migliorano del 43%, i senior del 17%.
7. HR (15-20% riduzione costi) Screening CV, onboarding documentale, chatbot policy interne. ROI reale ma più lento — servono 90-180 giorni per i risultati pieni.
Il paradosso che cambia tutto
Un dato attraversa tutti gli studi e merita attenzione speciale: i lavoratori meno esperti beneficiano enormemente di più dall’AI rispetto ai senior. +35% vs ~0% nel customer service. +43% vs +17% nella consulenza. Guadagni significativamente superiori nel coding per i developer junior.
Per una PMI questo è un vantaggio strutturale raro. L’AI accelera l’onboarding (nuovi assunti raggiungono la produttività dei veterani molto più rapidamente), riduce la dipendenza da figure senior difficili da reperire, e dà ai team generalisti tipici delle PMI guadagni proporzionalmente maggiori rispetto ai team specializzati delle grandi aziende.
Il grande caveat: micro vs macro
Attenzione però. Goldman Sachs nel report di marzo 2026 lancia un avvertimento: a livello macroeconomico non esiste ancora una relazione significativa tra produttività e adozione AI. Solo il 10% delle aziende S&P 500 ha quantificato l’impatto su specifici use case, e appena l’1% sull’EBITDA.
I guadagni enormi sono reali ma altamente localizzati in specifici task e funzioni. Il ROI dipende dalla capacità di identificare esattamente i task giusti — non da un deployment generico a tappeto. Questo è il punto che la maggior parte dei vendor non vi dirà.
La situazione Italia: un gap che si allarga
Il mercato AI italiano cresce del 50% annuo (€1,8 miliardi nel 2025), ma il dato critico è un altro. Mentre il 53,1% delle grandi imprese usa AI, solo il 15,7% delle PMI lo fa (ISTAT 2025). E il gap si sta allargando: da 20 a 37 punti percentuali in due anni.
La barriera principale non è il costo. Il 58,6% delle imprese italiane non adottanti cita la mancanza di competenze come ostacolo primario, seguita dall’incertezza legale e dalla qualità dei dati. Solo il 14,8% ritiene l’AI “non utile” — il problema è di execution, non di percezione.
Il dato più sorprendente: il 47% dei lavoratori italiani usa già strumenti AI, ma solo il 19% utilizza piattaforme ufficiali aziendali. È Shadow AI diffusa che le aziende devono governare prima che le governi.
La roadmap: dove iniziare concretamente
Il report MIT “GenAI Divide” (luglio 2025) rivela un dato controintuitivo: il 50-70% dei budget GenAI va a sales e marketing, ma il ROI più forte viene dal back-office — automazione documentale, customer service, gestione fatture.
La sequenza che emerge dalla sintesi degli studi:
Fase 1 (prime 10 settimane): Un singolo processo ad alto volume — chatbot FAQ, gestione email, trascrizione riunioni, o elaborazione fatture. Budget: €500-2.000. Target: ROI misurabile entro 60 giorni.
Fase 2 (mesi 3-4): Marketing e contenuti. Drafting, social media, copy. Usa i risultati della Fase 1 per il buy-in organizzativo.
Fase 3 (mesi 4-6): Sales — lead scoring, CRM, outreach personalizzato.
Fase 4 (mesi 5-8): Finance — fatture, categorizzazione spese, previsione cash flow.
Fase 5 (mesi 6-12): Integrazione cross-funzionale.
Il 99% delle PMI dovrebbe comprare, non costruire. Il framework decisionale è banale: (ore risparmiate/settimana × costo orario) - costo tool/4 = ROI settimanale. Se è positivo, si parte.
E non dimenticate il Piano Transizione 5.0: crediti d’imposta fino al 45% su €6,3 miliardi disponibili. La formazione AI è inclusa.
Tre decisioni, subito
Uno. Investire in un pilota di customer service o operations con €500-2.000 e orizzonte 60 giorni. È dove il ROI è più rapido e a basso rischio.
Due. Non disperdere. BCG documenta che i leader AI si concentrano su 3,5 use case (vs 6,1 dei ritardatari). La profondità batte l’ampiezza.
Tre. Nominare un AI Champion interno — anche part-time, 2-4 ore/settimana — per testare, documentare e formare.
Il rischio maggiore non è investire nell’AI sbagliata. È non investire affatto, mentre il gap si allarga. Con il 58% delle PMI italiane che esprime interesse ma non ha ancora agito, la finestra del first-mover advantage è aperta — ma si sta chiudendo.