Per anni la narrazione aziendale sull’intelligenza artificiale si è retta su metriche morbide: dipendenti formati, chatbot lanciati, progetti pilota avviati. Questa stagione di trimestrali, secondo un’analisi di PYMNTS, ha finalmente portato numeri più concreti e due esempi in particolare meritano attenzione. Monday.com ha dichiarato agli investitori che i ricavi ricorrenti annui legati ai propri prodotti AI sono raddoppiati tra il primo e il secondo trimestre 2026, arrivando a rappresentare il 17% dei nuovi ricavi ricorrenti netti dell’azienda: i clienti, cioè, scelgono attivamente le funzionalità AI e sono disposti a pagarle in più. Airbnb ha mostrato l’altra faccia della stessa medaglia: il costo di assistenza clienti per ogni prenotazione è sceso di circa il 16% su base annua, grazie a un assistente AI che risolve quasi il 45% dei problemi degli ospiti senza intervento umano, mentre l’intelligenza artificiale ha ridotto fino al 60% il tempo tra l’idea e il lancio di una nuova funzionalità, permettendo all’azienda di rilasciare quasi l’80% di funzionalità in più nella prima metà del 2026 rispetto all’anno precedente.
Perché questi numeri contano più di quanto sembri
Il punto centrale dell’analisi PYMNTS non è la singola cifra, ma il fatto che i consigli di amministrazione hanno smesso di accontentarsi delle metriche di adozione, quante persone usano un certo strumento, quanti pilot sono stati avviati, e chiedono ormai numeri legati direttamente a ricavi o costi. È una tendenza confermata su scala più ampia da PYMNTS Intelligence, che monitora il sentiment aziendale sull’AI generativa dal marzo 2024 su oltre mille osservazioni di aziende con almeno un miliardo di dollari di fatturato: la quota di dirigenti che riporta un risultato favorevole è salita al 96%, anche se la maggior parte degli stessi dirigenti ammette che la tecnologia resta ancora in una fase iniziale.
C’è però un dettaglio che rende questo entusiasmo meno unanime di quanto sembri: secondo dati Gartner citati nello stesso articolo, il 45% dei direttori finanziari continua a destinare il budget AI a generici guadagni di produttività invece che a risultati strategici misurabili, mentre la spesa mondiale in piattaforme e modelli AI è prevista arrivare a 64,25 miliardi di dollari nel 2026, il 63,4% in più rispetto al 2025, con una spesa totale in AI, infrastrutture comprese, stimata da Gartner in 2.520 miliardi di dollari per l’anno. Gli analisti di Wedbush, citati nello stesso pezzo, segnalano che molte aziende hanno condotto pilot AI senza alcun quadro di misurazione del successo, restando poi incapaci di giustificare l’investimento anche dopo spese consistenti. È esattamente il problema che avevo già affrontato parlando del framework di valutazione dei fornitori proposto da un dirigente tecnologico enterprise, e ritrovarlo confermato da un’analisi così diversa, orientata alla finanza aziendale, mi conferma che si tratta di un problema reale e diffuso, non di un’osservazione isolata.
Il limite di questi due esempi, con onestà
Monday.com e Airbnb possono dimostrare questi risultati perché operano su una scala enorme: milioni di transazioni, milioni di prenotazioni, che permettono di calcolare con precisione statistica un prima e un dopo. Una struttura ricettiva indipendente non potrà mai produrre un numero come “il 16% in meno sui costi di assistenza per prenotazione”, semplicemente perché il volume delle proprie richieste è troppo piccolo per un confronto statisticamente significativo. Sarebbe disonesto lasciar intendere che lo stesso rigore sia riproducibile a qualsiasi scala.
Cosa resta comunque valido, anche in piccolo
Il principio di fondo, però, resta perfettamente applicabile: prima di introdurre uno strumento AI, decidere con chiarezza cosa si vuole misurare, e misurarlo davvero, prima e dopo. Non serve un dipartimento finanziario per farlo. Nella mia struttura, per esempio, prima di introdurre qualunque nuovo strumento, tengo traccia di alcuni indicatori semplici che posso seguire da sola: il tempo medio di risposta alle richieste degli ospiti, il numero di richieste che risolvo personalmente rispetto a quelle gestite in autonomia da uno strumento, il tempo che dedico ogni settimana a compiti ripetitivi come le risposte alle recensioni. Non sono numeri da presentare a un consiglio di amministrazione, ma sono esattamente lo stesso principio che regge le dichiarazioni di Airbnb e Monday.com: un numero prima, uno strumento, un numero dopo, e solo allora una decisione informata su se continuare, modificare o abbandonare quello strumento. È la differenza, anche a scala minuscola, tra un investimento tecnologico fatto con metodo e uno fatto per moda.
FAQ
D: Come ha misurato Airbnb il ritorno del proprio investimento in intelligenza artificiale? R: Airbnb ha dichiarato agli investitori che il costo di assistenza clienti per prenotazione è sceso di circa il 16% su base annua, grazie a un assistente AI che risolve quasi il 45% dei problemi degli ospiti senza intervento umano.
D: Perché è difficile per una piccola struttura ricettiva misurare il ROI dell’AI come fanno Airbnb o Monday.com? R: Perché queste aziende operano su volumi enormi di transazioni che permettono un confronto statisticamente significativo prima e dopo l’introduzione di uno strumento, mentre una piccola struttura ha volumi troppo ridotti per lo stesso tipo di misurazione.
D: Cosa può fare comunque una piccola struttura per misurare l’impatto reale di uno strumento AI? R: Può individuare pochi indicatori semplici da seguire da sola, come il tempo medio di risposta agli ospiti o il tempo dedicato a compiti ripetitivi, misurarli prima e dopo l’introduzione dello strumento, e decidere di conseguenza.
*immagine di copertina generata con l’AI
