Perché le licenze IA hanno bisogno di un cervello aziendale

Ormai quasi ogni azienda ha licenze IA, e le persone che le usano sono più veloci in alcune cose rispetto a un anno fa. Nel sondaggio 2026 di McKinsey, quasi nove intervistati su dieci hanno riferito un uso regolare dell’IA in almeno una funzione aziendale, e otto su dieci hanno detto che aveva migliorato la propria produttività.

L’azienda, nella maggior parte dei casi, è cambiata molto meno. Lo stesso sondaggio ha rilevato che la quota di intervistati che attribuiscono all’IA un qualche impatto sull’EBIT è rimasta ferma al 37 per cento. Negli Stati Uniti, le cifre pubblicate dalla Fed di St. Louis mostrano che il 39,2 per cento degli adulti occupati usava l’IA generativa per lavoro in una data settimana entro il secondo trimestre 2026, e che il tempo risparmiato è il 2,2 per cento di tutte le ore di lavoro.

Pensiamo che il divario abbia una causa semplice. Le licenze conoscono internet. Non conoscono l’azienda.

Perché le licenze producono bozze

Chiedete a un assistente un’offerta e scriverà una buona offerta per un’azienda che non esiste. Non conosce i vostri prezzi, le vostre condizioni, la storia del cliente, il modo in cui la vostra azienda struttura una proposta o lo sconto che nessuno può concedere. Così produce una bozza, e una persona copia, incolla e corregge. La qualità dipende da chi ha scritto il prompt e da quanto sapeva.

La ricerca economica di Anthropic ha trovato lo stesso schema nel modo in cui le aziende usano i suoi modelli: l’impiego dell’IA per compiti complessi può essere limitato più dall’accesso alle informazioni che da ciò che il modello sa fare. L’iniziativa NANDA del MIT lo ha detto più crudamente lo scorso anno. Secondo l’autore principale del suo rapporto sull’IA generativa nelle imprese, gli strumenti generici si arenano nelle aziende perché non imparano dal modo in cui il lavoro viene svolto né vi si adattano.

Persino i fornitori dicono che il lavoro non è finito. Uno studio su ChatGPT Enterprise condotto da ricercatori di OpenAI, aggiornato ad agosto, conclude che le imprese stanno ancora imparando a integrare l’IA nei propri flussi di lavoro e che il valore a lungo termine dipende dal fatto che l’uso individuale sparso si trasformi in una capacità dell’organizzazione.

Che cosa contiene un cervello aziendale

Un cervello aziendale è quello strato mancante, e contiene quattro cose. Conoscenza: documenti, e-mail, offerte, contratti, prodotti, prezzi, progetti passati e la voce dell’azienda, tenuti aggiornati, con la fonte in ogni risposta. Regole: che cosa ogni ruolo può vedere e fare, che cosa attende un’approvazione e che cosa può andare avanti da solo. Sistemi: collegamenti a bexio, Microsoft 365, al CRM, al calendario e agli strumenti propri dell’azienda, così il cervello può consultare le informazioni e riscrivere i risultati nei sistemi. E skill: il modo in cui ogni reparto svolge il proprio lavoro ricorrente, messo per iscritto perché un assistente possa seguirlo.

Questo è Twin. Vive nell’assistente che le vostre persone già usano, in Claude, ChatGPT o Codex, oppure su un modello privato quando i dati non devono uscire: Eigna, sviluppato dal nostro partner Eigna Labs, addestrato sul lavoro dell’azienda e in esecuzione nel suo cloud o sui suoi server. Twin viene consegnato come codice sorgente di proprietà dell’azienda, così il cervello resta all’azienda quando i modelli cambiano.

Reparto per reparto

Nelle vendite, l’offerta della chiamata di ieri arriva già abbozzata nella struttura dell’azienda, e il follow-up è scritto con la sua voce. Una persona approva entrambi. Nel supporto, una risposta parte con il passaggio del manuale su cui si basa, un reso viene gestito secondo la policy scritta, e tutto ciò di cui il cervello non è sicuro viene passato a una persona.

Nella finanza, una fattura parziale viene preparata in bexio tramite Kontor, le partite aperte vengono sollecitate per tempo e la chiusura di fine mese arriva pronta per la revisione. Nel marketing, i post della prossima settimana arrivano coerenti con il brand, e il rapporto della campagna si conclude con tre passi successivi. Il titolare riceve un briefing del lunedì su vendite, liquidità e partite aperte, e un memo decisionale con la fonte di ogni numero.

I nuovi arrivati ne traggono il maggior vantaggio. In uno studio su 5'179 operatori di assistenza clienti, Erik Brynjolfsson, Danielle Li e Lindsey Raymond hanno rilevato che un assistente IA ha aumentato in media del 14 per cento i problemi risolti per ora e del 34 per cento per i lavoratori inesperti e poco qualificati. Gli autori ipotizzano che abbia funzionato diffondendo la conoscenza dei lavoratori più abili tra i più recenti. Un cervello aziendale lo fa di proposito: la conoscenza del collega migliore, su ogni scrivania, dal primo giorno.

Qualità, velocità, costi e carico di lavoro

La qualità è il primo cambiamento: un unico standard su ogni scrivania, con la fonte in ogni risposta, invece di un risultato che dipende da chi ha chiesto. La velocità segue, perché il lavoro che richiedeva ore parte da una bozza finita. I costi calano con meno routine, meno rifacimenti e meno strumenti che fanno lo stesso lavoro. E il carico di lavoro si sposta. Le persone smettono di spostare testo tra una finestra e l’altra e tornano al lavoro che solo loro possono fare.

Quest’ultimo punto per noi conta. Un cervello si prende il copiare, il cercare e la prima bozza. Il giudizio, la conversazione con il cliente, la revisione e la responsabilità di ciò che esce dall’azienda restano alle persone, ed è lì che dovrebbe andare il loro tempo.

Non attribuiamo un numero a questi vantaggi prima di conoscere un’azienda. Dipendono da quanto del suo lavoro è ripetuto, scritto e controllato, ed è esattamente ciò che una fase di discovery chiarisce.

Processi migliori prima dell’automazione

La ricerca concorda su dove sta il valore. BCG, basandosi sul proprio lavoro con i clienti, lo suddivide così: circa il 10 per cento del valore di una trasformazione con l’IA viene dall’applicazione in sé, il 20 per cento da dati e tecnologia e il 70 per cento dalla riprogettazione dei flussi di lavoro, dalla cultura, dalla governance e dal modo in cui persone e IA lavorano insieme. Nel sondaggio di McKinsey, quasi tre quarti del piccolo gruppo di aziende più performanti avevano riprogettato in modo radicale i flussi di lavoro a causa dell’IA, contro un quarto di tutte le altre. Il rapporto 2026 di Deloitte ha rilevato che il 37 per cento delle organizzazioni usa l’IA a livello superficiale, con pochi cambiamenti nel modo in cui il lavoro viene svolto.

Per questo partiamo dalla discovery, non dal software: le persone, gli strumenti, i dati e il lavoro ancora fatto a mano. Poi affiniamo il processo prima di insegnarlo a una macchina. Un modello di offerta su cui nessuno concorda, un’approvazione che aspetta una settimana, un rapporto costruito due volte in due reparti. Sistemare queste cose è spesso il guadagno maggiore, e rende più semplice e sicura l’automazione che segue.

Da dove partire

Un’azienda può cominciare questa settimana senza alcuno strumento nuovo. Elencate i dieci documenti che la vostra azienda scrive più spesso. Annotate le regole che vivono solo nella testa di qualcuno: prezzi, sconti, tono, chi firma che cosa. Segnate attraverso quali sistemi passa il lavoro e dove le persone copiano da uno all’altro. Quell’elenco è l’abbozzo di un cervello aziendale.

Poi scegliete un reparto e una routine, collegate la conoscenza e il sistema che stanno dietro, e tenete una persona nel punto in cui qualcosa esce dall’azienda. Quando le bozze non richiedono più correzioni, passate alla routine successiva. Le licenze che già pagate cominceranno a lavorare per l’azienda, non solo per la persona alla scrivania.