Ricerca Capgemini, AI da esperimento a produzione » inno3

20L’automazione intelligente, possibile grazie alla diffusione ed all’introduzione in azienda delle capacità della GenAI e dei sistemi agentici, richiede però di ripensare operations e processi. Lo conferma l’ultima indagine condotta da Capgemini Research Institute – AI in Action: How Gen AI and Agentic AI Redefine Business Operations è il titolo – secondo la quale le aziende stanno rapidamente spostando il baricentro della trasformazione digitale dalle sperimentazioni isolate a implementazioni in produzione, con ritorni concreti sugli investimenti e una crescente maturità organizzativa, per cui si conferma una traiettoria evolutiva in cui l’intelligenza artificiale non solo supporta i processi, ma si integra nei flussi decisionali e operativi, generando benefici misurabili in termini di efficienza, precisione, risparmio sui costi e soddisfazione del cliente
Gli indicatori macroeconomici portano le aziende a cercare soluzioni scalabili, sicure e sostenibili, e perciò ad adottare modelli agentici – ovvero sistemi in grado di operare in autonomia per raggiungere obiettivi predeterminati. Ed è questo un punto di svolta rispetto all’automazione tradizionale. Risulta così che il 21% delle organizzazioni intervistate ha già integrato AI agent o sistemi multi-agente nei processi, con una previsione di crescita del 48% dei progetti agentici entro fine 2025. Un’adozione che coinvolge trasversalmente funzioni chiave come procurement, finanza, customer operations e gestione HR.

Metodologia

La ricerca di Capgemini Research Institute si basa su un’indagine condotta tra febbraio e marzo 2025 su un campione di 1.607 dirigenti appartenenti a grandi aziende (per ricavi superiori al miliardo di dollari), responsabili di iniziative Gen AI in ambito operativo. I partecipanti coprono ruoli strategici nelle funzioni di supply chain, procurement, finance, risorse umane e customer operations. Il panel include 13 settori industriali in 15 Paesi, tra cui anche l‘Italia. La metodologia, in particolare, prevede, oltre al sondaggio quantitativo, anche interviste qualitative con 15 executive coinvolti direttamente in progetti AI. I risultati sono pertanto rappresentativi di un campione globale e forniscono una visione strutturata della transizione verso una nuova generazione di operations potenziate dall’intelligenza artificiale.

GenAI e Agentic AI: Roi, progettualità e benefici

Tra i dati più rilevanti emersi figura il ritorno medio sull’investimento (Roi) pari a 1,7 volte di quanto speso. Il 40% delle aziende prevede di approdare a Roi positivi in uno-due anni e un ulteriore 35% tra tre e cinque anni, a conferma della crescente fiducia nella sostenibilità economica dell’adozione AI. I casi più avanzati evidenziano benefici superiori anche al 300% in ambiti quali l’analisi contrattuale, il monitoraggio di errori nei flussi di pagamento e la prevenzione di perdite di valore nella catena di fornitura. A supportare questa accelerazione vi è un deciso incremento degli investimenti: il 62% delle aziende ha aumentato i fondi destinati alla Gen AI per il 2025, con una quota rilevante (36%) che proviene da budget aggiuntivi e un ulteriore 33% derivante da riallocazioni strategiche. L’AI agentica sta guadagnando terreno sia nei contesti produttivi, sia in quelli amministrativi. Tra le organizzazioni che hanno già adottato la Gen AI, circa il 30% ha implementato almeno un progetto agentico, con benefici evidenti su vari fronti: riduzione degli errori fino al 40%, incremento dell’efficienza operativa del 45%, aumento della soddisfazione dei clienti (+44%) e diminuzione dei costi operativi (-43%).

Nei casi d’uso più avanzati, come quelli finance, l’adozione di sistemi predittivi basati su AI ha consentito una riduzione degli incidenti di compliance superiore al 50% e un miglioramento del 75% nella rilevazione di violazioni regolatorie. Anche in ambito HR, aziende come Electrolux e H&M stanno ridisegnando i processi di talent acquisition con soluzioni agentiche che riducono il time-to-hire fino al 43% e aumentano la conversione delle candidature.

I settori più attivi e le funzioni aziendali in trasformazione

L’adozione di AI agentica è particolarmente significativa nei settori ad alta intensità tecnologica. Il comparto high tech guida la classifica con il 45% di aziende che hanno già avviato progetti, seguito da manifatturiero industriale (28%), consumer goods (25%), energia e utilities (21%) e healthcare/pharma (19%). In ambito retail si registra di nuovo l’alta sensibilità del settore HR, ma sono interessanti anche casi di utilizzo per la riduzione del tempo di onboarding di nuovi carrier logistici, grazie all’automazione dei processi di mappatura del catalogo prodotti.

Il report individua quindi quattro ambiti funzionali nei quali l’adozione di AI ha già prodotto risparmi significativi. Il primo è quello del finance & accounting (1). Si registrano costi operativi ridotti del 30%, con applicazioni che spaziano dalla gestione automatizzata della compliance, alla rendicontazione finanziaria intelligente e all’ottimizzazione del cash flow. Nell’ambito delle people operations (2) la ricerca registra sul campione riduzioni medie del 31% nei costi di gestione del personale e di formazione, grazie all’utilizzo di screening automatizzato, CV parsing, onboarding digitale e feedback predittivo. Supply chain & procurement (3) ne beneficiano in termini di ottimizzazione dei layout di magazzino, riduzione del 23% dei costi di fulfillment, miglioramento dell’accuratezza delle previsioni fino all’85%. Per esempio, General Electric ha ridotto del 20% i costi di inventario attraverso previsioni di domanda basate su AI. Ed infine, nelle customer operations (4) l’integrazione di chatbot, gli strumenti di sintesi, con il feedback dei clienti e le soluzioni omnicanale per la gestione delle interazioni sono i punti su cui si misura un miglioramento significativo in termini di efficacia operativa e della customer satisfaction.

Le barriere

Nonostante i segnali positivi, l’adozione su larga scala dell’AI agentica incontra ancora ostacoli significativi. Il report Capgemini sottolinea come solo un leader su tre sia un sostenitore convinto della Gen AI. In assenza di una leadership forte e di una governance efficace, le iniziative tendono a restare in fase sperimentale o rallentano nella fase di scaling. Altro elemento critico è rappresentato dalla qualità e disponibilità dei dati. Funzioni come finance, che dispongono di dataset strutturati e storici, ottengono risultati migliori rispetto a settori come supply chain dove la frammentazione dei dati e la dipendenza da fornitori esterni rappresentano un freno all’efficacia degli algoritmi. Infine, il mismatch di competenze è una barriera sistemica: il 64% dei dipendenti si aspetta cambiamenti nelle proprie mansioni entro il 2028 e quasi la metà delle organizzazioni ha avviato programmi di upskilling o reskilling per accompagnare l’integrazione uomo-macchina.

Modelli proprietari e open source, vince la scelta ibrida

A livello tecnologico, il 77% delle aziende preferisce l’utilizzo di modelli proprietari rispetto a quelli open source, valorizzando performance, integrazione nei sistemi enterprise e sicurezza. L’adozione di modelli verticalizzati per settore d’industria è destinata a crescere dal 1% del 2023 a oltre il 50% entro il 2027. Nonostante i costi di inferenza in calo (Gpt-4 è passato da 15 a 0,12 dollari per milione di token), il costo totale di ownership rimane un elemento da presidiare. Le organizzazioni più mature adottano strategie “phased” per l’implementazione dell’AI agentica, mantenendo un focus costante sulla sostenibilità economica e sulla misurazione dei benefici tramite Kpi finanziari.

Le evidenze raccolte dal Capgemini Research Institute suggeriscono che l’evoluzione verso le AI-driven operations non sarà lineare ma modulare, con fasi di consolidamento, feedback ciclici e progressiva maturazione dell’ecosistema. L’integrazione tra GenAI e AI agentica permetterà di costruire un modello operativo ibrido, in cui gli agenti autonomi collaborano con i lavoratori umani nella gestione dei flussi decisionali, ottimizzando il tempo, migliorando l’accuratezza e riducendo la variabilità. L’obiettivo dichiarato è passare da un paradigma operativo reattivo a uno proattivo e predittivo, in cui l’intelligenza distribuita tra sistemi e persone diventa leva di resilienza, agilità e vantaggio competitivo.

© RIPRODUZIONE RISERVATA