Microsoft: 200.000 licenze AI non sono bastate a cambiare il lavoro

Duecentomila licenze attive possono sembrare la prova di una trasformazione riuscita. Per Microsoft non lo erano. L’uso degli strumenti aveva raggiunto un plateau e la disponibilità della tecnologia non stava cambiando il modo in cui l’organizzazione prendeva decisioni, serviva i clienti o portava un prodotto sul mercato.

La lezione pubblicata dall’azienda è più utile di un nuovo elenco di funzionalità: distribuire un assistente non equivale a modificare il lavoro. Il salto avviene quando l’intelligenza artificiale entra in un processo con un obiettivo misurabile, un responsabile e la possibilità di rimuovere passaggi che prima venivano considerati inevitabili.

Che cosa è successo

Microsoft racconta di aver iniziato la propria trasformazione con un’adozione molto ampia, ma di aver presto incontrato un limite. A quel punto ha spostato l’attenzione dall’utilizzo individuale alla riprogettazione dei processi, selezionando casi in cui tempi, qualità e risultati economici potevano essere osservati con indicatori concreti.

In un campione interno di 687 venditori, l’azienda riferisce un aumento del 9,4 per cento dei ricavi per account manager e un incremento del 20 per cento nei tassi di chiusura. Nella supply chain sono stati introdotti più di 111 agenti; un ciclo operativo descritto come vicino ai dieci giorni sarebbe sceso sotto i due giorni e mezzo. Sono dati aziendali riferiti a contesti specifici, non benchmark universali.

Altri esempi riguardano le spiegazioni sulle variazioni dei dati, ridotte da cinque-sette giorni a poche ore e in alcuni casi meno di venti minuti, e un team di prodotto di nove persone che avrebbe completato una release in 35 giorni. Il valore del racconto non sta nella promessa che ogni impresa possa replicare quei numeri, ma nella relazione tra intervento e metrica.

Il punto che rischia di passare inosservato

Il dato più importante è quello che viene prima dei risultati: l’adozione si era fermata pur avendo già raggiunto dimensioni enormi. Questo separa due concetti spesso confusi. L’adozione misura quante persone aprono lo strumento; la trasformazione misura se il processo produce un esito migliore con meno passaggi, meno errori o più capacità decisionale.

Senza questa distinzione, le organizzazioni premiano attività facili da mostrare — licenze distribuite, prompt eseguiti, ore di formazione — e trascurano la domanda più scomoda: quale parte del lavoro è realmente cambiata? Un alto tasso di utilizzo può convivere con un impatto marginale se l’AI resta aggiunta sopra un processo progettato per un’altra epoca.

Comprare accesso all’AI è un’attività di approvvigionamento; trasformare un processo richiede un obiettivo, un proprietario, una misura iniziale e il coraggio di eliminare passaggi inutili.

Che cosa cambia per imprese e professionisti

Per una PMI, la lezione non è replicare la scala di Microsoft. È partire da un processo abbastanza importante da giustificare l’investimento e abbastanza delimitato da poter essere misurato. Tempi di risposta a un cliente, durata di una verifica, qualità di un preventivo o numero di eccezioni gestite sono indicatori più utili del conteggio dei prompt.

Prima di introdurre un agente o un copilota conviene fotografare il processo attuale: chi interviene, quali dati usa, quanto attende e dove si accumulano rilavorazioni. Solo così è possibile distinguere un miglioramento reale da uno spostamento del lavoro verso nuove attività di controllo. La metrica deve includere anche errori, escalation e tempo umano necessario per correggere le risposte.

Per i professionisti dell’AI cambia il tipo di competenza richiesta. Non basta configurare il modello; occorre comprendere il processo, negoziare responsabilità tra funzioni e progettare un percorso di adozione. La qualità della soluzione emerge dalla combinazione tra tecnologia, organizzazione e capacità delle persone di riconoscere quando il sistema non deve decidere da solo.

Che cosa osservare adesso

I numeri condivisi da Microsoft dovranno essere letti con prudenza: provengono dall’organizzazione che sviluppa e vende molti degli strumenti impiegati. Sarà utile cercare evidenze comparabili in imprese con dimensioni, settori e vincoli diversi, osservando non soltanto i guadagni iniziali ma anche la loro tenuta nel tempo.

Per chi sta pianificando un progetto, il passo successivo è scegliere una metrica di risultato prima della tecnologia. Se nessuno sa descrivere il valore atteso e il punto di partenza, la probabilità di ritrovarsi con molte licenze e pochi cambiamenti aumenta. L’AI deve entrare in un disegno operativo, non sostituirlo.

Le fonti

Microsoft — Official Blog, 17 settembre 2026

Questa analisi della redazione ANPAI aiuta a leggere fatti e conseguenze operative. Non sostituisce una valutazione tecnica o legale riferita a un caso specifico.