Dal Capitale Applicativo al Capitale AI NELLA VALUTAZIONE DEL VALORE AZIENDALE
All'inizio del 1900, il valore di un'impresa era principalmente legato ai suoi asset fisici: macchinari, fabbriche, risorse tangibili. Ma il mondo cambia, e con esso cambiano i parametri di valutazione.
Facciamo un salto all’indietro fino agli anni 1990. L'era dell'informazione è in pieno svolgimento e improvvisamente non sono più i macchinari a fare la differenza, ma le persone. Il capitale umano diventa il nuovo oro: quanti ingegneri hai? Quanti sviluppatori di talento? Questi erano i nuovi metri di misura del valore aziendale.
Ma l'evoluzione non si è fermata lì. Con l'avvento del nuovo millennio, abbiamo assistito all'ascesa di quello che possiamo chiamare il "capitale applicativo". Le app sono diventate il nuovo re, e le aziende più valutate erano quelle che potevano vantare le applicazioni più innovative e diffuse. Ora, però, stiamo assistendo a un nuovo cambio di paradigma. L'Intelligenza Artificiale (AI) sta emergendo come il nuovo fattore determinante del valore aziendale. Ma come siamo arrivati a questo punto?
Per capirlo, dobbiamo fare un ulteriore passo indietro e guardare alle onde tecnologiche che hanno plasmato il mondo entreprise negli ultimi decenni. La virtualizzazione ha permesso alle aziende di ottimizzare l'uso delle risorse hardware, riducendo i costi e aumentando la flessibilità. Il cloud pubblico ha democratizzato l'accesso alle risorse IT, consentendo anche alle piccole imprese di competere su un piano di parità con i giganti del settore. L'avvento di container e microservizi ha rivoluzionato lo sviluppo delle applicazioni, rendendole più flessibili e scalabili. Ogni una di queste onde ha creato nuove opportunità e ridefinito i modelli di business. Le aziende che hanno saputo cavalcarle hanno visto il loro valore di mercato crescere in modo esponenziale. Ma ora, con l'AI, stiamo assistendo a qualcosa di diverso. Non si tratta solo di un'altra onda tecnologica, ma di un vero e proprio cambio di paradigma.
L'AI non è più solo uno strumento, ma sta diventando il cuore pulsante delle aziende più innovative. Sta ridefinendo il concetto stesso di valore aziendale. Parliamo di "capitale AI": la capacità di un'organizzazione di sfruttare l'Intelligenza Artificiale per creare valore, innovare e ottenere un vantaggio competitivo.
“Il capitale AI di un’organizzazione è la sua capacità di sfruttarla per creare valore, innovare e ottenere un vantaggio competitivo.”
Ma come si misura questo nuovo tipo di capitale? Non è così semplice come contare macchinari o dipendenti. Dobbiamo considerare fattori come la quantità e la qualità dei dati a disposizione dell'azienda, la sofisticatezza dei suoi modelli AI, il grado di integrazione dell'AI nei processi aziendali, e l'impatto tangibile che l'AI ha sul fatturato e sull'efficienza.
Guardiamo ad aziende come Google, Amazon o Microsoft. Il loro valore di mercato stratosferico non è dovuto solo ai loro prodotti, ma alla loro capacità di sfruttare l'AI per innovare continuamente e creare nuovi servizi. Nel settore manifatturiero, giganti come Siemens e GE stanno usando l'AI per rivoluzionare la produzione e la manutenzione predittiva, ottenendo risparmi enormi e migliorando la qualità dei prodotti.
Ma come possiamo veramente valutare una azienda che utilizza e sfrutta realmente l’AI per il proprio business. Come abbiamo visto, l’ AI sta realmente emergendo come un fattore determinante nella creazione di valore, ponendo allo stesso tempo sfide significative, concrete, nella sua misurazione e valutazione. Per affrontare questa sfida, è stato sviluppato un framework analitico, l'AI Capital Index basato su sette metriche chiave:
Primo, i dati: quanto sono buoni e quanti ne abbiamo? Li chiamiamo Data Asset Value o DAV. Pensateci come al carburante per l'AI.
Secondo, la potenza dei nostri modelli AI: quanto sono intelligenti? Questo è l'AI Model Sophistication Index o AMSI. È come misurare il "QI" dei nostri computer.
Terzo, quanto usiamo davvero l'AI nel nostro lavoro quotidiano? L'AI Integration Score o AIS ci dice questo. È come chiedere: "Quanto spesso usiamo davvero questa magia AI?"
Quarto, i soldi: l'AI ci sta facendo guadagnare o risparmiare? L'AI-Driven Financial Impact o ADFI misura proprio questo. È il linguaggio che i capi adorano!
Quinto, quanto siamo innovativi con l'AI? L'AI Innovation Index o AII guarda a cose come brevetti e ricerca. È il nostro "fattore wow" nell'AI.
Sesto, il nostro team AI: quanto è bravo? L'AI Talent Score o ATS misura questo. Perché anche nell'era delle macchine, le persone contano!
Infine, stiamo usando l'AI in modo etico e responsabile? L'AI Ethics and Governance Score o AEGS ci tiene d'occhio su questo. Perché essere intelligenti non basta.
Mettendo insieme tutti questi punteggi avremo l'AI Capital Index. È come un check-up completo per l'AI di un'azienda. Ma attenzione, un punteggio perfetto per una piccola start-up potrebbe essere appena sufficiente per un gigante tech.
“L’AI CAPITAL INDEX è UN CHECK-UP RIGUARDANTE LA POTENZA EFFETTIVA DELL’AI PER UNA ORGANIZZAZIONE.”
Questo nuovo paradigma sta trasformando radicalmente il modo in cui gli investitori e i fondi di private equity valutano le aziende. Come ha osservato un analista di JP Morgan, "È come se stessimo imparando a leggere una nuova lingua finanziaria." I metodi tradizionali di valutazione potrebbero sottostimare enormemente il potenziale di startup con pochi ricavi ma tecnologie AI all'avanguardia. Gli investitori devono ora considerare nuovi KPI come la qualità dei dati, la sofisticatezza dei modelli AI e il tasso di adozione dell'AI nei processi aziendali. Inoltre, le considerazioni etiche e geopolitiche aggiungono ulteriori livelli di complessità alle decisioni di investimento. In questo nuovo contesto, la diversificazione assume un nuovo significato, bilanciando aziende "AI-native" con quelle in fase di adozione. Chi riuscirà a padroneggiare questa nuova forma di alfabetizzazione finanziaria, integrando la comprensione dell'AI con l'analisi tradizionale, sarà meglio posizionato per cogliere le opportunità uniche dell'era dell'AI Capital.
UN ESEMPIO
Ma, per comprendere meglio l'impatto trasformativo dell'AI sul valore aziendale, consideriamo un caso ipotetico. Immaginiamo un'azienda manifatturiera di medie dimensioni, che chiameremo TechManufacture SpA.
Prima dell'adozione dell'AI, TechManufacture aveva un fatturato annuo di 100 milioni di euro, con un EBITDA del 15% (15 milioni di euro). L'azienda era valutata usando un multiplo EV/EBITDA di 8, tipico per il settore, risultando in un valore aziendale di 120 milioni di euro. L'azienda decide di investire 10 milioni di euro in tre anni per implementare soluzioni AI in varie aree: ottimizzazione della produzione, manutenzione predittiva, gestione della supply chain, personalizzazione del prodotto e analisi predittiva per le vendite.
Dopo tre anni, i risultati sono sorprendenti. Il fatturato è aumentato del 20% grazie a una maggiore efficienza e vendite più mirate, raggiungendo i 120 milioni di euro. I costi operativi sono diminuiti del 10%, portando il margine EBITDA al 20%. Il nuovo EBITDA è quindi di 24 milioni di euro. Ma il vero cambiamento è nella percezione del mercato. TechManufacture viene ora vista come una "tech company" nel settore manifatturiero, giustificando un multiplo EV/EBITDA più alto, diciamo 12. Il nuovo valore aziendale schizza a 288 milioni di euro, un incremento del 140%!
L'investimento di 10 milioni in AI ha generato un aumento di valore di 168 milioni, rappresentando un ROI del 1580% in tre anni.
Apparentemente un risultato significativo, ad oggi solo sulla carta visto che il tasso di adozione di modelli di AI in Italia nelle PMI è apri al medo del 15%, sale leggermente nel segmento delle Mead Entreprises attestandosi al 21%. Questa valutazione è sviluppata, però, prendendo in considerazione modelli sviluppati nel 2022 a livello di GPT 2.5, GPT 3. Modelli algoritmici come GPT 4, GPT 5, potrebbe velocizzare di molto i tempi di implementazione passando da una fase di testi alla produzione più rapidamente e di conseguenza riducendo i tempo di ROI.
Naturalmente, questa transizione verso il capitale AI non è priva di sfide. Ci sono questioni cruciali da affrontare, come la privacy dei dati, il rischio di bias algoritmici, l'impatto sull'occupazione e la necessità di rendere l'AI più trasparente e interpretabile. Queste non sono solo sfide tecniche, ma anche etiche e sociali che richiederanno un approccio multidisciplinare.
Rischi e Implicazioni Etiche dell'AI Capital
Mentre l'AI Capital promette di ridefinire il valore aziendale e trasformare i modelli di business, è fondamentale considerare attentamente i rischi e le implicazioni etiche associate a questa nuova forma di capitale. Come sottolinea Floridi et al. (2018) nel loro framework etico per l'AI, l'adozione di queste tecnologie solleva questioni cruciali che vanno ben oltre la mera efficienza economica.
Uno dei rischi principali è l'amplificazione dei pregiudizi esistenti. O'Neil (2016) avverte che gli algoritmi AI, se non adeguatamente progettati e monitorati, possono perpetuare e persino esacerbare disuguaglianze sociali ed economiche. Ad esempio, un sistema AI per le assunzioni potrebbe inconsapevolmente discriminare contro certi gruppi demografici, portando a decisioni inique e potenzialmente illegali.
La privacy e la sicurezza dei dati rappresentano un'altra area di preoccupazione. Con l'AI che si nutre di quantità sempre maggiori di dati, le aziende devono affrontare la sfida di bilanciare l'innovazione con la protezione delle informazioni sensibili dei clienti e dei dipendenti. Il GDPR in Europa e normative simili in altre parti del mondo stanno già imponendo standard rigorosi in questo ambito.
L'impatto sull'occupazione è un altro aspetto critico. Mentre Acemoglu e Restrepo (2019) riconoscono che l'AI può creare nuove opportunità lavorative, evidenziano anche il rischio di dislocamento di lavoratori in certi settori. Le aziende che investono pesantemente in AI Capital devono considerare attentamente le implicazioni sociali e le potenziali ripercussioni reputazionali di tali cambiamenti.
La trasparenza e l'interpretabilità dei sistemi AI rappresentano un'ulteriore sfida. Kellogg et al. (2020) sottolineano come l'opacità di certi algoritmi possa portare a una perdita di autonomia e controllo da parte dei lavoratori, sollevando questioni di equità e responsabilità.
Infine, c'è il rischio di una dipendenza eccessiva dall'AI. Broussard (2018) mette in guardia contro il "tecno-sciovinismo", ovvero la credenza che la tecnologia sia sempre la soluzione migliore. Le aziende devono essere consapevoli dei limiti dell'AI e mantenere un equilibrio tra automazione e giudizio umano.
Per navigare queste acque complesse, le organizzazioni devono adottare un approccio proattivo all'etica dell'AI. Ciò potrebbe includere la creazione di comitati etici interni, l'adozione di linee guida per lo sviluppo responsabile dell'AI, e l'impegno in un dialogo continuo con stakeholder esterni, inclusi regolatori e gruppi di difesa dei diritti civili.
Le aziende che riusciranno a bilanciare l'innovazione tecnologica con la responsabilità etica saranno quelle meglio posizionate per creare un valore sostenibile a lungo termine nell'era dell'AI. Come ha affermato un CEO visionario, "È come se stessimo assistendo alla nascita di una nuova lingua degli affari. Chi la imparerà per primo avrà un vantaggio enorme."
PER RIASSUMERE
Abbiamo tracciato l'evoluzione del valore aziendale, dai macchinari al capitale umano, dal software all'intelligenza artificiale. Attraverso casi di studio reali, abbiamo visto come l'AI possa trasformare un'azienda dalla produzione al servizio clienti. Come ha sottolineato un CTO, "L'AI non è solo un altro strumento nel nostro arsenale. È un moltiplicatore di forze che può ridefinire l'intero modo in cui facciamo business." Questo viaggio non è privo di sfide. Abbiamo affrontato questioni etiche, rischi per la privacy e la necessità di nuove competenze. Un esperto di etica dell'AI ha giustamente osservato: "È come navigare in acque inesplorate. Ma con la giusta bussola morale, possiamo sfruttare il potenziale dell'AI in modo responsabile."
Guardando al futuro, è probabile che l'importanza del capitale AI continui a crescere. Le aziende che riusciranno a integrare profondamente l'AI nei loro processi e prodotti saranno probabilmente quelle che creeranno e cattureranno il maggior valore. Ma non dobbiamo pensare che l'AI sia la fine della storia. All'orizzonte si intravedono già nuove forme di capitale, come il "capitale quantistico" legato ai computer quantistici, o il "capitale biotecnologico" nell'ambito delle scienze della vita.
La transizione dal capitale applicativo al capitale AI rappresenta un cambiamento epocale nel modo in cui valutiamo e comprendiamo il valore aziendale. Per le aziende di oggi, investire nello sviluppo del capitale AI non è solo una questione di adozione tecnologica, ma una strategia fondamentale per la creazione di valore a lungo termine. In un mondo sempre più guidato dai dati e dall'intelligenza artificiale, il capitale AI diventerà la nuova misura del potenziale di un'azienda, della sua capacità di innovare e, in ultima analisi, del suo valore sul mercato. Le organizzazioni che riconosceranno e abbracceranno questa transizione saranno quelle meglio posizionate per prosperare nell'economia del futuro.
Bibliografia
Fonti a supporto
1. Tambe, P., Cappelli, P., & Yakubovich, V. (2019). "Artificial Intelligence in Human Resources Management: Challenges and a Path Forward." California Management Review, 61(4), 15-42.
Supporta l'idea che l'AI stia diventando un asset cruciale nelle funzioni aziendali, incluse le risorse umane.
2. Zolas, N., Kroff, Z., Brynjolfsson, E., McElheran, K., Beede, D. N., Buffington, C., ... & Woltman, L. (2021). "Advanced Technologies Adoption and Use by US Firms: Evidence from the Annual Business Survey." National Bureau of Economic Research.
Fornisce dati empirici sull'adozione dell'AI nelle aziende statunitensi, supportando l'idea di un crescente "AI Capital".
3. Babic, B., Chen, D. L., Evgeniou, T., & Fayard, A. L. (2020). "A better way to onboard AI." Harvard Business Review, 98(4), 56-65.
Discute l'importanza di integrare l'AI nelle operazioni aziendali, supportando l'idea dell'AI come asset strategico.
4. Isson, J. P., & Harriott, J. S. (2016). "People analytics in the era of big data: Changing the way you attract, acquire, develop, and retain talent." John Wiley & Sons.
Esplora come l'AI e l'analisi dei dati stiano diventando cruciali per la gestione del talento, supportando l'idea dell'AI come capitale aziendale.
Fonti contrarie o che offrono una prospettiva critica:
1. Acemoglu, D., & Restrepo, P. (2019). "Automation and new tasks: How technology displaces and reinstates labor." Journal of Economic Perspectives, 33(2), 3-30.
Offre una prospettiva più cauta sull'impatto dell'AI, evidenziando potenziali effetti negativi sull'occupazione.
2. Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). "Algorithms at work: The new contested terrain of control." Academy of Management Annals, 14(1), 366-410.
Esplora le sfide e le tensioni che emergono quando l'AI viene implementata nei luoghi di lavoro, mettendo in discussione l'idea che sia sempre un asset positivo.
3. Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., ... & Vayena, E. (2018). "AI4People—An ethical framework for a good AI society: opportunities, risks, principles, and recommendations." Minds and Machines, 28(4), 689-707.
Discute le implicazioni etiche dell'AI, suggerendo che il suo valore come "capitale" deve essere bilanciato con considerazioni etiche e sociali.
4. Broussard, M. (2018). "Artificial unintelligence: How computers misunderstand the world." MIT Press.
Offre una critica alla "hype" intorno all'AI, suggerendo che le sue capacità e il suo valore potrebbero essere sovrastimati.
5. O'Neil, C. (2016). "Weapons of math destruction: How big data increases inequality and threatens democracy." Broadway Books.
Esplora i potenziali effetti negativi dei sistemi basati su AI e big data, mettendo in discussione l'idea che l'AI sia sempre un asset positivo per le aziende e la società
Tiwana, A. (2014). "Platform Ecosystems: Aligning Architecture, Governance, and Strategy." Morgan Kaufmann.
Questo libro discute come le piattaforme e le applicazioni siano diventate cruciali per il valore aziendale.
Yoo, Y., Henfridsson, O., & Lyytinen, K. (2010). "Research Commentary—The New Organizing Logic of Digital Innovation: An Agenda for Information Systems Research." Information Systems Research, 21(4), 724-735.
Questo articolo esamina come le applicazioni digitali stiano riorganizzando la logica dell'innovazione aziendale.
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. (2013). "Digital Business Strategy: Toward a Next Generation of Insights." MIS Quarterly, 37(2), 471-482.
Questo paper discute l'importanza delle strategie digitali, incluso il ruolo delle applicazioni, nel determinare il valore aziendale.
Ross, J. W., Beath, C. M., & Sebastian, I. M. (2017). "How to Develop a Great Digital Strategy." MIT Sloan Management Review, 58(2), 7-9.
Questo articolo discute l'importanza delle applicazioni digitali nella strategia aziendale.
Westerman, G., Bonnet, D., & McAfee, A. (2014). "Leading Digital: Turning Technology into Business Transformation." Harvard Business Press.
Questo libro esplora come le aziende possono sfruttare le applicazioni digitali per trasformare il loro business.
Vial, G. (2019). "Understanding Digital Transformation: A Review and a Research Agenda." The Journal of Strategic Information Systems, 28(2), 118-144.
Questo articolo di review discute il ruolo delle applicazioni digitali nella trasformazione aziendale.
Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). "Digital Innovation Management: Reinventing Innovation Management Research in a Digital World." MIS Quarterly, 41(1), 223-238.
Questo paper esplora come l'innovazione digitale, incluso lo sviluppo di applicazioni, stia ridefinendo il management dell'innovazione.
Sambamurthy, V., Bharadwaj, A., & Grover, V. (2003). "Shaping Agility through Digital Options: Reconceptualizing the Role of Information Technology in Contemporary Firms." MIS Quarterly, 27(2), 237-263.
Questo articolo seminale discute come le opzioni digitali, incluse le applicazioni, influenzino l'agilità e il valore aziendale.
Mentre queste fonti non utilizzano specificamente il termine "Application Capital", forniscono una solida base per comprendere come le applicazioni e le piattaforme digitali siano diventate cruciali per il valore e la competitività delle aziende moderne, preparando il terreno per la transizione verso l'era del "AI Capital".
1. Brynjolfsson, E., & McAfee, A. (2017). "The Business of Artificial Intelligence." Harvard Business Review, 95(4), 3-11.
Motivazione: Questo articolo fornisce una panoramica completa di come l'AI sta trasformando il business, supportando l'idea che l'AI stia diventando un fattore cruciale nel valore aziendale.
2. Agrawal, A., Gans, J., & Goldfarb, A. (2018). "Prediction Machines: The Simple Economics of Artificial Intelligence." Harvard Business Press.
Motivazione: Gli autori presentano un framework per comprendere l'impatto economico dell'AI, supportando la tesi che l'AI sta diventando un capitale fondamentale per le aziende.
3. Iansiti, M., & Lakhani, K. R. (2020). "Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World." Harvard Business Press.
Motivazione: Questo libro esplora come l'AI sta ridefinendo la strategia aziendale e la leadership, fornendo esempi concreti di come l'AI sta diventando un asset critico.
4. Davenport, T. H. (2018). "The AI Advantage: How to Put the Artificial Intelligence Revolution to Work." MIT Press.
Motivazione: Davenport offre una guida pratica su come le aziende possono sfruttare l'AI, supportando l'idea che l'AI sia una fonte di vantaggio competitivo.
5. Lee, K. F. (2018). "AI Superpowers: China, Silicon Valley, and the New World Order." Houghton Mifflin Harcourt.
Motivazione: Lee analizza come l'AI sta rimodellando l'economia globale, fornendo una prospettiva su come l'AI stia diventando un fattore critico nel valore aziendale a livello internazionale.
6. Chui, M., et al. (2018). "Notes from the AI Frontier: Insights from Hundreds of Use Cases." McKinsey Global Institute.
Motivazione: Questo rapporto offre una vasta gamma di casi d'uso dell'AI in vari settori, dimostrando il potenziale dell'AI di creare valore in diverse aree aziendali.
7. Bughin, J., et al. (2017). "Artificial Intelligence: The Next Digital Frontier?" McKinsey Global Institute.
Motivazione: Questo studio esplora come l'AI stia diventando la prossima frontiera della digitalizzazione, supportando l'idea di una transizione verso il capitale AI.
8. Brock, J. K. U., & Von Wangenheim, F. (2019). "Demystifying AI: What Digital Transformation Leaders Can Teach You about Realistic Artificial Intelligence." California Management Review, 61(4), 110-134.
Motivazione: Gli autori forniscono una prospettiva realistica su come l'AI stia trasformando le aziende, supportando l'idea che l'AI stia diventando un asset critico.
9. Fountaine, T., McCarthy, B., & Saleh, T. (2019). "Building the AI-Powered Organization." Harvard Business Review, 97(4), 62-73.
Motivazione: Questo articolo discute come le organizzazioni possono strutturarsi per sfruttare al meglio l'AI, supportando l'idea che l'AI stia diventando centrale nella creazione di valore aziendale.
10. Tarafdar, M., Beath, C. M., & Ross, J. W. (2019). "Using AI to Enhance Business Operations." MIT Sloan Management Review, 60(4), 37-44.
Motivazione: Gli autori esplorano come l'AI possa migliorare le operazioni aziendali, fornendo esempi concreti di come l'AI stia diventando un capitale fondamentale.
11. Ransbotham, S., et al. (2020). "Expanding AI's Impact With Organizational Learning." MIT Sloan Management Review and Boston Consulting Group.
Motivazione: Questo rapporto discute come le organizzazioni possono massimizzare l'impatto dell'AI attraverso l'apprendimento organizzativo, supportando l'idea che l'AI sia una fonte di valore aziendale in continua evoluzione.
12. Tamburri, D. A. (2020). "The AI Data Puzzle: How Data, AI and Ethics Are Evolving Together." IEEE Software, 37(3), 8-14.
Motivazione: Questo articolo esplora le interconnessioni tra dati, AI ed etica, fornendo una prospettiva su come questi elementi stiano diventando fondamentali nel valore aziendale.
13. Ajay Agrawal, Joshua Gans, and Avi Goldfarb. (2022). "Power and Prediction: The Disruptive Economics of Artificial Intelligence." Harvard Business Review Press.
Motivazione: Gli autori approfondiscono come l'AI stia ridefinendo l'economia delle aziende, supportando la tesi della transizione verso il capitale AI.
14. Davenport, T. H., & Ronanki, R. (2018). "Artificial Intelligence for the Real World." Harvard Business Review, 96(1), 108-116.
Motivazione: Questo articolo fornisce una visione pratica di come l'AI stia creando valore nelle aziende, supportando l'idea che l'AI stia diventando un asset fondamentale.
15. Daugherty, P. R., & Wilson, H. J. (2018). "Human + Machine: Reimagining Work in the Age of AI." Harvard Business Press.
Motivazione: Gli autori esplorano come l'AI stia ridefinendo il lavoro e le organizzazioni, supportando la tesi che l'AI stia diventando un capitale cruciale per le aziende moderne.
Luca Palma, AI Executive Evangelist per il Gruppo E
L'AI ha contribuito significativamente a diversi aspetti del documento, ma la maggior parte del contenuto, della creatività e dell'analisi critica rimane attribuibile all'autore umano. Il contributo complessivo dell'AI è stimato intorno al 27%.
Autore: Luca Palma, AI Executive Evangelist per il Gruppo E
