Le aziende stanno investendo ingenti capitali in soluzioni basate sull’intelligenza artificiale, con l’obiettivo di ottenere valore concreto dalle loro immense quantità di dati. I numeri parlano chiaro: nel 2025, Gartner prevede che gli investimenti totali superino i 1.500 miliardi di dollari e che raggiungano, nel 2026, i 2.000 miliardi. In Italia, il quadro è altrettanto dinamico: secondo il report Assintel 2025, la spesa in soluzioni di AI farà registrare quest’anno una crescita di circa il 35%.
Il valore dell’AI e la difficoltà di “scaling”
Se usciamo dalla quantità di investimenti e proviamo a quantificare il valore che le aziende ottengono da essi, la situazione è diversa: se i singoli progetti possono registrare un ROI molto interessante, BGC sostiene che, nonostante le sperimentazioni, “solo il 5% sta generando valore su larga scala — e quasi il 60% dichiara di aver registrato finora un impatto minimo o nullo”. Ovviamente questa affermazione va interpretata: l’AI ha un potenziale immenso, ma le aziende che riescono a scalarne i benefici oltre lo specifico caso d’uso sono poche, nonostante la stessa fonte affermi che il 35% delle aziende è ormai entrata nella fase di scaling e quindi inizi a ottenere un valore sistemico.
Perché le aziende faticano a scalare l’AI rendendola trasversale nei propri processi primari e parte della cultura aziendale? A seconda della prospettiva di osservazione, le cause possono essere diverse, ma una di esse è di sicuro la carenza di data literacy.
Data literacy: lo stato attuale e perché bisogna investirci
Per sviluppare un discorso coerente sull’alfabetizzazione dei dati, conviene partire dal contesto: di cosa stiamo parlando, quante aziende sono consapevoli della sua centralità e quanto è effettivamente diffusa la data literacy all’interno delle organizzazioni.
Cos’è la data literacy
Gli analisti concordano nel definire la data literacy come la capacità di leggere, interpretare e comunicare i dati nel contesto del business, trasformandoli in informazioni utili per prendere decisioni strategiche e operative.
La data literacy non è però la pura e semplice capacità di leggere grafici di base, bensì quella di lavorare con i dati di propria competenza ed estrarre insight significativi per risolvere problemi o prendere decisioni migliori. Non è un’abilità riservata ai data scientist, poiché tutti i ruoli possono e devono prendere decisioni data-driven.
Secondo Gartner, la scarsa alfabetizzazione dei dati è uno dei principali ostacoli al successo delle iniziative di Data & Analytics – addirittura il secondo maggior impedimento secondo i Chief Data Officer delle principali società mondiali. Il motivo è semplice: un’organizzazione può investire in tecnologie avanzate e innovative, ma senza competenze diffuse per usare i dati, le decisioni continuano a basarsi più sull’intuito che sulle evidenze. Il tema, in tal senso, si intreccia con quello dell’AI adoption: se le persone non sviluppano competenze e capacità di interpretazione e di impiego del dato, tenderanno anche a usare di meno le soluzioni avanzate che l’azienda mette a loro disposizione.
Fortunatamente, cresce la consapevolezza da parte del management, che sta iniziando a tradurre questa urgenza in iniziative concrete: l’83% delle organizzazioni ha già avviato o sta pianificando programmi strutturati di data literacy, un segnale chiaro che il tema è ormai percepito come leva strategica e non più come attività accessoria. L’urgenza, dal canto suo, è sottolineata da altri dati: per esempio, secondo uno studio di Harvard Business Review, solo il 25% dei lavoratori si sente preparato nei propri data skill.
Data literacy, investimenti ed efficacia da potenziare
Chiarito il contesto, e soprattutto il fatto che solo un dipendente su quattro dichiara di avere competenze adeguate sui dati, vale la pena andare più in profondità e capire perché la data literacy sia così tanto migliorabile.
Risorse e budget limitati
Le aziende non investono poco in formazione, ma vista la rivoluzione portata dai dati, dovrebbero certamente focalizzarsi di più sulla data literacy. Gli analisti stimano che le aziende spendano tra il 2% e il 5% del monte salari in formazione e sviluppo delle competenze, una percentuale insufficiente a sostenere una AI transformation così pervasiva come quella a cui stiamo assistendo. Questo si traduce in corsi ridotti, iniziative non continuative e incapacità di coprire tutta la popolazione aziendale.
Resistenza al cambiamento e timore di diventare irrilevanti
La bassa alfabetizzazione dei dati dipende anche dalla resistenza al cambiamento. Molte persone vivono i cambiamenti digitali con timore di sbagliare, di essere valutate e di doversi impegnare di più per ottenere le stesse cose. È la naturale comfort zone che scatta quando ognuno di noi percepisce un cambiamento nelle competenze richieste o nei processi quotidiani.
L’AI amplifica enormemente questo fenomeno, perché oltre alla naturale resistenza, l’arrivo dell’intelligenza artificiale viene interpretato da molti come un rischio per il proprio ruolo. Questa percezione genera resistenza passiva e riduce l’adozione di qualunque strumento legato ai dati.
Sponsorship limitata
C’è poi un tema culturale che non sempre viene affrontato con sufficiente lucidità: molti leader sostengono di desiderare un’azienda data-driven ma non riescono, con i loro comportamenti quotidiani, a far passare il messaggio che l’uso dei dati debba guidare tutte le decisioni, non solo quelle strategiche. Il risultato è che l’analisi dei dati resta confinata ai vertici, mentre nelle attività operative si continua a decidere come sempre, vanificando di fatto qualsiasi tentativo di diffusione.
Formazione poco efficace
Alcuni programmi di data literacy falliscono perché non tengono conto di come le persone lavorano oggi. Pensare che i dipendenti, a maggior ragione nell’era del lavoro ibrido, possano dedicare ore e ore a sessioni frontali in aula è irrealistico. Il risultato è una formazione sporadica, scollegata dal lavoro quotidiano, spesso teorica e poco coinvolgente.
Come elevare realmente la data literacy in azienda: 4 passaggi chiave
Viste le sfide, come va approcciato un percorso di data literacy? Le best practice disponibili convergono su quattro punti chiave.
Valutare il livello attuale e fissare obiettivi chiari
Le organizzazioni più mature conducono assessment formali per capire il livello di data literacy e quali competenze mancano per raggiungere livelli soddisfacenti. A testimonianza dell’urgenza esistente, l’87% delle aziende ha già eseguito una valutazione del proprio stato dell’arte.
Questa fase serve anche a definire obiettivi misurabili: non usare i dati per decidere, ma fissare degli indicatori concreti per valutare l’avanzamento dei dipendenti verso l’uso dei dati e quindi la trasformazione dell’azienda in una data-driven company.
Ottenere massimo supporto dalla leadership
Abbiamo già sottolineato come molte iniziative falliscano per mancato supporto (adeguato) da parte dei vertici. Un endorsement formale non basta: serve un impegno quotidiano, nei comportamenti e nella comunicazione interna.
Le aziende che funzionano sono quelle in cui CEO, CIO o Chief Data Officer mostrano come prendono decisioni basate sui dati, condividono risultati ottenuti, rendono visibile l’uso degli strumenti analitici. Questo crea un effetto domino potente: se la leadership usa quotidianamente i dati, i team faranno lo stesso.
Formazione moderna
Anche a proposito della formazione, abbiamo sottolineato come le dinamiche di un tempo non si adattino ai ritmi e all’approccio lavorativo moderno. Fortunatamente, il mercato è ricco di soluzioni:
- piattaforme di micro-learning basate su video brevi e pillole da pochi minuti
- esercitazioni su dati reali dell’azienda, non su esempi astratti
- test periodici per consolidare le competenze
- gamification per aumentare coinvolgimento e retention
- percorsi personalizzati per ruolo (manager, analisti, team operativi)
- learning on demand accessibile “quando serve”, non solo in aula
Misurare risultati e continuare ad evolvere
Il mondo dei dati non conosce pause. Dopo la prima ondata formativa, serve un monitoraggio strutturato: tassi di utilizzo degli strumenti, numero di decisioni guidate da dati, incremento delle competenze misurato con test periodici e cambiamenti nelle abitudini consolidate.
Il ruolo di Kirey: rendere l’AI un investimento di valore, a 360 gradi
In Kirey, siamo consapevoli che il valore dei dati e dell’AI non dipenda solo dalle tecnologie adottate, ma dalla capacità dell’azienda di utilizzarle in modo consapevole, quotidiano e orientato al risultato. Per questo affianchiamo le organizzazioni in percorsi di AI transformation a 360 gradi, partendo da bisogni concreti e soluzioni puntuali, per poi evolvere verso una trasformazione sistemica che coinvolge processi, competenze e cultura.
La nostra expertise combina competenze tecnologiche di alto livello e un approccio fortemente consulenziale. Supportiamo le organizzazioni nel percorso verso un modello data-driven che rende l’uso dei dati non un’iniziativa episodica o la soluzione a un problema specifico, ma un’abitudine quotidiana.
Contattaci per scoprire come possiamo aiutarti a trasformare la tecnologia in un valore concreto per la tua organizzazione.
