La Banca Centrale Europea ha chiesto a circa 20.000 lavoratori al mese, in 11 paesi dell'area euro, quanto tempo faccia loro risparmiare l'AI. L'utente mediano ha risposto tre ore a settimana — circa il 7,7% dell'orario di lavoro mediano. Poi la BCE ha fatto ciò che quasi nessuna presentazione commerciale fa: ha diviso per tutti. Poiché solo il 48,8% dei lavoratori usa l'AI e allo stesso tempo risparmia tempo grazie a essa, il guadagno di efficienza per l'intera economia si avvicina al 3,8% (BCE, 2026).
Stessa indagine. Stessi rispondenti. Due numeri, distanti circa un fattore due.
Il tuo business case sulla produttività dell'AI è quasi certamente costruito sul primo. Questo è l'errore, e non è un errore di arrotondamento: è un errore di denominatore, e determina se le ore promesse al CFO si materializzeranno mai.
Che cosa ha misurato davvero la BCE
I dati provengono dalla Consumer Expectations Survey della BCE, un panel mensile di circa 20.000 persone in 11 paesi dell'area euro — uno strumento sulla popolazione generale, non una lista di clienti di un fornitore. Questo conta, perché include anche chi ha provato l'AI e ha smesso, e chi non ha mai iniziato. La maggior parte dei dati sulla produttività dell'AI che vedi non lo fa.
Il trend di adozione è genuinamente ripido. La quota di lavoratori che usa l'AI sul lavoro è passata dal 26% nel 2024 al 41% nel 2025 e al 52% nel 2026, e gli utenti dichiarano di ricorrervi circa tre giorni a settimana. L'adozione è sbilanciata come prevedibile: 61% tra i lavoratori con istruzione elevata contro 37% tra quelli con livelli di istruzione più bassi, con i lavoratori più giovani avanti di circa 20 punti percentuali rispetto ai colleghi più anziani.
Ma una volta dentro, l'intensità converge. Le medie di gruppo per l'uso settimanale si collocano tra 2,5 e 2,9 giorni, indipendentemente da età o istruzione (BCE, 2026).
Tieni a mente questa forma, perché definisce la tua leva. La varianza nella tua organizzazione non dipende soprattutto da quanto spingono i tuoi adottanti. Dipende da quanti sono davvero adottanti.
Il denominatore è tutto l'argomento
Ecco l'aritmetica che il tuo business case sta facendo implicitamente.
I fornitori citano risparmi per utente — le tre ore, il 7,7%. La funzione finanziaria li moltiplica per l'organico. Il numero che ne risulta è un'affermazione su una forza lavoro in cui tutti usano lo strumento e tutti risparmiano tempo. I dati della BCE dicono che circa metà della forza lavoro appartiene a quella popolazione.
La BCE è attenta anche a un punto che vale la pena ripetere a chiunque costruisca il modello: il tempo risparmiato diventa produttività solo se le ore liberate vengono convertite in output, e quella conversione dipende dalla capacità del datore di lavoro di impiegare la capacità aggiuntiva. Le ore risparmiate che finiscono in un calendario senza domanda dietro non sono un guadagno. Sono capacità inutilizzata.
Per dare la scala, la BCE osserva che le stime attuali di crescita aggiuntiva della produttività annua grazie all'AI su un orizzonte decennale vanno dallo 0,1% al 3,4%, e la stima della stessa BCE per l'area euro è di circa 0,35 punti percentuali l'anno. Se il tuo business case interno implica un salto di un ordine di grandezza superiore, l'onere della prova ricade su di te, non sugli economisti.
Lo stesso divario, misurato negli Stati Uniti
Se si trattasse di una sola indagine in una sola unione monetaria, potresti scontarla. Non è così.
Alexander Bick, Adam Blandin e David Deming, in collaborazione con la Federal Reserve Bank of St. Louis, hanno condotto indagini rappresentative a livello nazionale sull'uso dell'AI generativa negli Stati Uniti e hanno trovato un risparmio medio di tempo pari al 5,2% delle ore lavorate tra gli utenti — circa 2,1 ore per chi lavora 40 ore a settimana — ma all'1,4% delle ore totali una volta inclusi i non utenti. Il guadagno di produttività aggregato stimato dal loro modello sull'uso attuale: 1,2% (Bick, Blandin & Deming, 2024).
Due continenti, due metodologie, due anni di distanza. Entrambi trovano un numero per utente che sembra trasformativo e un numero corretto per la partecipazione che sembra incrementale. Il rapporto tra i due non è rumore. È la forma del fenomeno.
Il rendimento sta dove l'uso non c'è
La seconda evidenza dei dati BCE è quella che dovrebbe cambiare ciò che fai lunedì, non solo ciò che pensi.
I guadagni di efficienza variano nettamente per attività, e i maggiori non vengono dagli usi più comuni. Generare o correggere codice rende quasi otto ore a settimana — ma solo circa l'8% dei lavoratori usa l'AI per questo. Analisi dei dati, automazione di attività ripetitive e creazione di contenuti audio o visivi seguono uno schema simile: alto rendimento, uso rado. Nel frattempo gli usi più citati — ricerca, raccolta di informazioni, scrittura e revisione di testi — fanno risparmiare molto meno (BCE, 2026).
Una cautela segnalata dalla BCE che ripeto: i rispondenti che risparmiano molto tempo tendono a selezionare più attività, il che gonfia meccanicamente le medie per attività. Considera affidabile la graduatoria e generose le ore assolute.
Anche scontato, l'ordinamento è azionabile. Molte organizzazioni hanno passato due anni a spingere l'adozione degli usi a basso rendimento perché sono i più facili da mostrare in una sessione di formazione. Gli usi ad alto rendimento richiedono accesso a sistemi, dati e codice — che è un problema di permessi e integrazione, non di entusiasmo.
Perché l'altra metà non partecipa
La BCE ha chiesto direttamente ai non utenti, e le risposte non sono quelle che la maggior parte dei piani di rollout presuppone.
Un terzo dice che l'AI è irrilevante per le proprie attività attuali. Altri preferiscono i metodi esistenti, o sono frenati da preoccupazioni su accuratezza e affidabilità, o dichiarano che il datore di lavoro non ha fornito gli strumenti. E il 41% semplicemente non esprime alcun interesse per la tecnologia — incluso il 34% dei manager. Alla domanda su cosa li farebbe cambiare idea, circa la metà indica una formazione migliore e una migliore comprensione di dove l'AI sia davvero utile.
Sul lato dell'offerta, circa metà delle imprese prevede di investire in formazione sull'AI nei prossimi 12 mesi, secondo l'indagine SAFE della BCE — il che significa che circa metà non lo farà.
Anche il sentiment sta andando nella direzione sbagliata: la quota di lavoratori che vede l'AI positivamente è scesa dal 43% al 41% su base annua (BCE, 2026).
Questo è il tuo tasso di partecipazione, descritto meccanicamente. Non è un mistero e non è un deficit di motivazione. Circa un terzo dei tuoi non utenti sta identificando correttamente il fatto che l'AI non aiuta con le loro attività attuali — e una riprogettazione di quelle attività, non una licenza, è l'unica cosa che lo cambia.
Il contro-argomento onesto: sono auto-dichiarazioni
Ora la cautela che indebolisce la mia stessa tesi, perché è meglio che la senta da me e non dal tuo CFO.
Ogni numero qui sopra è dichiarato dai lavoratori. Nessuno ha tenuto un cronometro. E nell'unico contesto in cui i guadagni auto-dichiarati dall'AI sono stati confrontati direttamente con quelli misurati, le auto-dichiarazioni hanno perso nettamente.
Lo studio randomizzato controllato di METR su sviluppatori open-source esperti ha rilevato che, usando strumenti AI di inizio 2025, impiegavano il 19% di tempo in più — pur credendo di essere stati accelerati. L'indagine successiva di METR su 349 lavoratori tecnici quantifica il bias: nel loro studio di inizio 2025 i partecipanti hanno sovrastimato l'effetto dell'AI sul tempo dedicato alle attività di 40 punti percentuali in media (METR, 2026).
Quindi la lettura onesta è che il 3,8% per l'intera economia potrebbe essere l'estremo ottimistico dell'intervallo, non quello pessimistico. La cifra per utente non è solo diluita dalla mancata partecipazione: può essere gonfiata all'origine.
Esiste una verifica a livello aziendale. L'indagine McKinsey State of AI 2026 rileva che la quota di rispondenti che attribuisce all'AI almeno un qualche impatto sull'EBIT è sostanzialmente invariata su base annua, al 37%, con gli AI high performer fermi a circa il 6% (McKinsey, 2026). L'adozione cresce in modo composto. L'impatto finanziario dichiarato no. È esattamente la firma che ti aspetteresti se le ore per utente fossero reali ma né universali né convertite.
Niente di tutto ciò significa che l'AI non faccia risparmiare nulla. Significa che il numero che metti nel business case va costruito, non citato.
Ricostruire il business case sulla produttività dell'AI: partecipazione × rendimento per attività
Sostituisci la moltiplicazione per utente con una stima a tre termini. Richiede un pomeriggio e regge il confronto con la funzione finanziaria.
- Misura la partecipazione, non le licenze. Conta le persone che hanno usato l'AI per lavoro nell'ultima settimana e dichiarano di aver risparmiato tempo — la costruzione del 48,8% della BCE, applicata al tuo organico. I posti attivati sono una metrica di acquisto; non sono un denominatore.
- Pondera per attività, non per reparto. Stima le ore risparmiate separatamente per il lavoro ad alto rendimento (generazione e correzione di codice, analisi dei dati, automazione di attività ripetitive) e per il lavoro ad alta frequenza (ricerca, scrittura, revisione). Non fonderli in un'unica media — è la media aggregata che nasconde l'opportunità.
- Applica un fattore di conversione. Decidi esplicitamente quale quota delle ore liberate diventa output invece che capacità inutilizzata, e nomina la domanda che quelle ore assorbiranno. Se non riesci a nominarla, il fattore di conversione è zero e conviene dirlo.
Poi compi la scelta strategica che i dati BCE pongono davvero, e compila una volta invece di lasciarla alla deriva: allargare la partecipazione o approfondire il rendimento. Allargare significa coinvolgere il 41% disinteressato — lento, culturale, mediato dai manager e bloccato in pieno dal terzo di lavoratori per cui gli strumenti oggi davvero non servono. Approfondire significa indirizzare l'AI verso quell'8% di lavoro ad alto rendimento, che richiede accesso ai dati e integrazione dei sistemi ma non incontra alcuna resistenza motivazionale.
La maggior parte dei team operativi mid-market ha fatto una versione diluita di entrambe le cose e ha chiamato il risultato "rollout". Scegline una per i prossimi due trimestri. Strumentala. Riporta al board il numero corretto per la partecipazione, accanto al numero per utente, e lascia che sia il divario tra i due a fare l'argomentazione.
Che cosa decidere questo trimestre
La BCE ti ha dato la stessa evidenza due volte, a due altitudini: tre ore a settimana per la persona, 3,8% per l'economia. Sono entrambe vere. Solo una però si farà sentire nel tuo conto economico.
Prima che il trimestre si chiuda, estrai il tuo tasso di partecipazione reale — ha usato l'AI per lavoro la settimana scorsa e ha risparmiato tempo — e mettilo sulla stessa slide delle ore per utente su cui è costruito il tuo business case sulla produttività dell'AI. Se i due numeri sono molto distanti, non hai un problema di produttività. Hai un denominatore che non hai mai guardato.
