Negli ultimi anni ci sono due concetti che, più degli altri, hanno fatto capolino nel dibattito sul funzionamento e sulla competitività delle imprese: purpose e Intelligenza Artificiale.
Con purpose si intende la ragion d’essere più profonda di un’impresa, il perché essa esiste, al di là del necessario e assolutamente auspicabile obiettivo di generare valore economico per i propri azionisti. Alcuni tra i più autorevoli docenti e studiosi di management (tra cui Ranjay Gulati, Alex Edmans, Colin Mayer, George Serafeim, Rebecca Henderson) hanno mostrato come il purpose sia una leva strategica fondamentale per la competitività di medio-lungo periodo di un’impresa, una leva capace di massimizzare l’impatto positivo sulla società, l’ambiente e gli stakeholder, creando allo stesso tempo più valore economico per i suoi azionisti (quantomeno a medio-lungo termine). Creare, consolidare e rendere vivo e autentico un purpose è un’operazione complessa che richiede notevoli doti di leadership, in particolare la capacità profondamente umana di interrogarsi su perché si prendano determinate decisioni. Abbiamo quindi assistito a un proliferare di incoraggiamenti da parte di professori, consulenti ed esperti management per adottare stili di leadership purpose-driven umani e basati sull’interrogarsi apertamente sulla ragione che si cela dietro alle scelte dell’impresa. Stranamente, queste “call to action” non hanno pervaso l’enorme interesse e il vasto dibattito attorno al secondo concetto chiave su cui verte questo articolo: quello dell’Intelligenza Artificiale (IA).
Gli ultimi numeri confermano che l’IA sta rapidamente passando da promessa teorica a concreta realtà economica. Nel 2023, a livello globale, il mercato dell’IA è stato valutato in oltre 130 miliardi di euro, con proiezioni che indicano una crescita fino a quasi 1,9 trilioni di euro entro il 2030. Ciò deriva soprattutto dagli investimenti privati in tecnologie avanzate e generative come quelle alla base dei moderni modelli linguistici: solo nel 2024 gli investimenti privati in IA generativa hanno superato i 33 miliardi di dollari, segnando un aumento annuo significativo. A guidare questa spinta sono le principali economie mondiali: negli Stati Uniti si concentra la maggior parte degli investimenti privati, seguiti dalla Cina, mentre l’Europa sta aumentando la sua presenza grazie a iniziative pubbliche e private in settori industriali chiave. Nei fatti, l’IA è ormai una componente strutturale delle strategie aziendali: secondo McKinsey, oltre il 55% delle grandi organizzazioni globali utilizza sistemi di IA in almeno una funzione di business.
Nonostante una diffusione complessiva ancora inferiore alla media UE, l’ecosistema IA italiano mostra segni di vivacità e crescita. Nel 2024 il mercato nazionale dell’IA ha raggiunto circa 1,2 miliardi di euro, con una crescita record del 58% rispetto al 2023, grazie al traino delle sperimentazioni in particolare nell’ambito della Generative AI e dei sistemi di ottimizzazione dei processi. Oltre il 60% delle grandi imprese italiane ha già adottato – o prevede di adottare – tecnologie di IA, con una potenziale ricaduta di produttività per l’economia nazionale valutata in 115 miliardi di euro. Tuttavia, a livello di diffusione complessiva tra le imprese italiane, i tassi restano moderati: nel 2024 solo una quota minoritaria delle aziende ha dichiarato l’uso di sistemi AI, ben al di sotto delle medie europee. Ciò che ne frena l’adozione, soprattutto nelle PMI, sono le competenze digitali limitate e i costi di implementazione.
In questo contesto di grande fermento in cui investimenti, architetture tecnologiche e competenze legate all’adozione dell’IA sono oggetto di grande attenzione, finalità e scopi con cui questi sistemi vengono implementati nelle organizzazioni e nella società restano spesso impliciti e non consapevolmente scelti. In altre parole, il purpose alla base degli investimenti e degli sviluppi nel campo dell’IA non viene mai profondamente discusso e dibattuto, come invece sarebbe necessario. La letteratura sempre più ampia su questo tema indica infatti a manager e leader che riflettere su questo aspetto è fondamentale per essere efficaci e incisivi.
In questo articolo sosteniamo una tesi precisa, che si pone in antitesi con la situazione appena descritta: in quest’epoca, il purpose non è solamente una dichiarazione valoriale con cui accompagnare investimenti e progetti di adozione dell’IA a scopi di comunicazione interna ed esterna, ma una variabile tecnologica e strategica critica. Il purpose deve essere portato al centro del dibattito sull’IA, e in particolare deve permeare i processi decisionali e le scelte di investimento in questo ambito da parte di manager, investitori e imprenditori.
L’IA non è neutrale: ottimizza ciò che le viene chiesto
Dal punto di vista tecnologico ogni sistema di IA è definito da una funzione obiettivo, ossia ha un suo purpose. Anche nei modelli più avanzati di machine learning l’“intelligenza” non consiste nel comprendere il contesto (come spesso siamo portati a intendere) ma nel massimizzare o minimizzare una metrica predefinita. Tale metrica altro non è che la misura del purpose che si è deciso di attribuire al sistema di IA su cui si è investito, che si sta cercando di sviluppare e mettere a punto o di adottare nella propria organizzazione.
Gli algoritmi intelligenti, infatti, traslitterano gli obiettivi in comportamenti scalabili. Se lo scopo alla base della realizzazione o adozione di un sistema di IA non è esplicitato, verrà sostituito da metriche di default quali efficienza, engagement, riduzione dei costi. Il risultato non sarà neutralità ma una forma di governance invisibile dell’adozione dell’IA nelle organizzazioni.
Questo principio, noto nella letteratura come “Objective Alignment Problem”, è ben documentato nella letteratura specialistica. Studi pubblicati su Nature Machine Intelligence, ad esempio, mostrano che piccoli cambiamenti nelle metriche di ottimizzazione possono produrre effetti sistemici inattesi quando i modelli vengono scalati e adottati su larga scala.
Per i manager, e chi è coinvolto nell’adozione dell’IA nelle organizzazioni, la conseguenza di questo principio è chiara: il purpose entra nel sistema non come comunicazione di intenti o principio etico e morale ma come fondamentale specifica tecnica. Può infatti orientare significativamente i risultati dei sistemi di IA attraverso:
- la scelta dei KPI che il sistema di IA deve ottimizzare;
- le variabili incluse nei data set su cui il sistema di IA viene addestrato;
- i trade-off accettati in fase di design del sistema stesso.
In assenza di una finalità esplicita, l’IA tende a ottimizzare ciò che è più facilmente misurabile e non ciò che è strategicamente desiderabile o rilevante per i leader di un’organizzazione o, a livello alto, per i policy makers.
Purpose come infrastruttura decisionale, non come narrativa
Nel contesto manageriale il purpose diventa rilevante solo quando riduce le ambiguità decisionali e aiuta a orientare le scelte in un contesto altamente incerto e mutevole, diventando la bussola che permette all’organizzazione di navigare la complessità e di fare emergere strategie e linee di condotta adatte al contesto.
Nell’ambito dell’IA, la rilevanza del purpose si manifesta a monte, ovvero prima dello sviluppo e implementazione di un progetto di IA. In particolare, le organizzazioni più mature (sebbene non siano la maggioranza) trattano il purpose come un’infrastruttura di governance per i progetti e gli sviluppi in ambito IA capace di influenzare:
- la selezione dei casi d’uso su cui si stabilisce di lavorare;
- le soglie di automazione da prevedere;
- i livelli minimi di supervisione umana;
- i criteri di accettabilità del rischio.
Un esempio in questo senso è SAP, che ha integrato i propri Guiding Principles for AI direttamente nei processi di sviluppo dei prodotti enterprise che mette a punto e distribuisce ai suoi clienti. I team di SAP al lavoro su questi prodotti devono documentare non solo le prestazioni del modello, ma anche l’impatto potenziale su clienti, dipendenti e processi decisionali, mostrando come essi aderiscano ai principi guida cui accennavamo in precedenza. Questo approccio ha ridotto il time-to-market dei prodotti IA in settori regolamentati perché anticipa problemi che altrimenti emergerebbero in fase di adozione.
In quest’ottica il purpose non rallenta l’innovazione nel campo dell’IA ma la rende addirittura implementabile su più larga scala e più velocemente.
Credit scoring e finanza: metriche che cambiano l’accesso al credito
Un esempio interessante lungo il ragionamento che stiamo conducendo è relativo al settore finanziario, dove l’IA è ampiamente utilizzata per credit scoring, prevenzione delle frodi e gestione del rischio. Tuttavia la funzione obiettivo scelta, ossia il purpose con cui l’IA viene utilizzata in questi ambiti, ha effetti diretti su un tema fondamentale come l’inclusione finanziaria.
Upstart, fintech statunitense, utilizza modelli di machine learning che incorporano variabili alternative rispetto ai tradizionali credit bureau. Il purpose dichiarato dall’impresa non è solo ridurre il default rate ma aumentare l’accesso al credito mantenendo costante il rischio. Secondo dati pubblici dell’azienda, questo approccio ha consentito di approvare fino al 27% in più di prestiti rispetto ai modelli tradizionali, con tassi di insolvenza pressoché inalterati.
Qui il purpose è tradotto in una specifica tecnica: non massimizzare il profitto per prestito ma ottimizzare l’equilibrio tra rischio e inclusione. Il modello non è più “neutrale”, ma intenzionalmente orientato verso l’impatto che l’organizzazione decide di avere alla luce del proprio purpose.
L’IA come moltiplicatore degli scopi organizzativi
L’IA ha una proprietà distintiva: scala decisioni locali trasformandole in comportamenti sistemici, rendendola in grado di moltiplicare gli scopi e i propositi organizzativi massimizzandone l’impatto su ampia scala. Detto altrimenti, se un’organizzazione si dà un determinato purpose, e questo – come discusso nei paragrafi precedenti di questo articolo – diviene una variabile tecnologica fondamentale nello sviluppo dei sistemi di IA, questi ultimi contribuiranno a far crescere esponenzialmente le conseguenze che la ricerca di quel purpose porta con sé.
Nel campo dei social media, l’ottimizzazione dell’engagement degli utilizzatori ha portato a effetti collaterali ampiamente documentati: polarizzazione, disinformazione, amplificazione dei contenuti estremi. Studi interni di Meta, resi pubblici nel 2021, mostrano che gli algoritmi orientati alla massimizzazione del tempo di permanenza degli utenti su Facebook tendevano a privilegiare contenuti divisivi in quanto statisticamente più coinvolgenti.
Il problema in questo caso non è l’IA in sé ma la funzione obiettivo, il purpose che l’organizzazione si è data e che l’IA ha semplicemente contribuito a scalare. Quando il purpose implicito è catturare attenzione, come nel caso di Meta, l’IA esegue il compito in modo efficiente indipendentemente dalle conseguenze sistemiche che esso può portare con sé.
Un altro esempio di questo fenomeno, che va tuttavia nella direzione opposta rispetto a quella descritta nel caso di Meta, arriva da Unilever e dalla modalità con cui gestisce la supply chain. Unilever utilizza modelli predittivi di IA per ottimizzare approvvigionamenti e distribuzione, integrando parametri ambientali come le emissioni di CO₂ e il consumo di risorse. In questo caso, la funzione obiettivo non è solo la riduzione dei costi logistici ma l’ottimizzazione multi-obiettivo che include indicatori ESG. Secondo i report di sostenibilità dell’azienda, questo approccio ha contribuito a ridurre significativamente gli sprechi e a migliorare la resilienza della supply chain durante le interruzioni globali degli ultimi anni. Il purpose è diventato una variabile tecnologica dei modelli di IA utilizzati da Unilever, e il suo impatto è stato scalato in forma esponenziale a livello globale attraverso tutta la rete di approvvigionamento e distribuzione dell’impresa.
Dal purpose dichiarato al purpose codificato
Molte organizzazioni dichiarano un purpose ma poche lo codificano attraverso metriche, comportamenti attesi, meccanismi di accountability. Ciò diventa quanto mai necessario in un contesto in cui l’IA si sta sempre più diffondendo pervadendo le organizzazioni. Se il purpose non viene codificato, non può essere compreso da questi sistemi e i suoi impatti non possono essere scalati (come descritto nel paragrafo precedente dell’articolo).
Codificare il purpose significa, inoltre, tradurlo in vincoli tecnici, accettare compromessi misurabili, assegnare responsabilità chiare sul suo rispetto e sull’implementazione.
In questo senso Microsoft rappresenta uno dei casi più interessanti: attraverso il programma Responsible AI l’azienda ha introdotto revisioni obbligatorie per i suoi sistemi tecnologici ad alto impatto, strumenti di interpretabilità e linee guida vincolanti per i team di sviluppo. L’obiettivo non è stato eliminare il rischio ma renderlo governabile prima che il sistema venga scalato su milioni di utenti.
Così facendo l’IA funziona come un test di coerenza strategica, rendendo visibile ciò che prima poteva restare implicito o non consapevolmente scelto: il purpose dell’impresa. Dal punto di vista manageriale, questo approccio limita il rischio sia reputazionale che normativo, oltre a ridurre i costi di correzione ex post.
Lavoro e produttività: automazione vs amplificazione
Un ambito fondamentale di interconnessione tra purpose e IA è rappresentato dall’effetto che l’IA sta avendo (e potrà avere) sul lavoro, impatto spesso presentato come inevitabile alla stregua di un fenomeno naturale come se ne sono già presentati nella storia della tecnologia e della società. In realtà, esso riflette precise scelte di purpose.
IBM ha ad esempio adottato una strategia esplicita di augmentation. I sistemi di IA vengono utilizzati per supportare decisioni complesse (operations IT, HR analytics, consulenza) piuttosto che per sostituire indiscriminatamente ruoli attualmente ricoperti da umani. Secondo dati interni pubblicati dall’azienda, questo approccio ha permesso di riallocare competenze verso attività a maggiore valore mantenendo alta la produttività.
In altri contesti, dove il purpose è implicitamente ridotto alla riduzione dei costi, l’IA tende a frammentare il lavoro e ridurre l’autonomia decisionale. Il risultato è spesso un miglioramento di breve periodo accompagnato da un deterioramento del capitale umano nel lungo termine. Un ulteriore esempio di come sia oggi fondamentale mettere al centro la connessione tra purpose e IA.
L’IA come specchio organizzativo e il purpose “AI-ready”
L’IA non introduce nuovi obiettivi e scopi organizzativi ma rende più efficaci quelli esistenti. Per questo motivo il purpose non è un tema accessorio nel dibattito sull’IA e sul suo ruolo nelle organizzazioni e nella società, ma una scelta infrastrutturale e fondamentale.
Per i manager la questione non è se adottare l’IA ma quale direzione darle. In un contesto in cui tutto ciò che può essere ottimizzato verrà ottimizzato, il purpose stabilisce cosa meriti davvero di esserlo in funzione della peculiarità e della volontà dell’organizzazione.
L’IA non ci chiede cosa può fare; ci chiede cosa siamo disposti a rendere scalabile.
Un purpose sostenibile nel tempo
Il purpose è l’azione umana per eccellenza, visto che è l’uomo a dare il senso. Ma come si fa ad avere un purpose che abbia senso? Affinché l’IA possa aiutare nel rendere scalabile il purpose dell’organizzazione, consapevolmente e deliberatamente scelto, quest’ultimo deve avere alcune caratteristiche chiave. In particolare, deve essere:
- esplicito, per evitare interpretazioni opportunistiche;
- operazionalizzabile, per essere tradotto in metriche quanto più possibile quantitative;
- orientato al lungo periodo, perché l’IA ne amplifica gli effetti cumulativi;
- soggetto a revisione, perché contesti e impatti cambiano nel tempo.
Occorre dunque definirlo attraverso un metodo chiaro e codificato che consenta di integrarlo in chiave sostenibile nelle strategie organizzative. In ciò si rivela d’aiuto la Comunicazione Strategica, un approccio scientifico alla comunicazione che identifica metodi, strategie e tecniche per costruire relazioni che durino nel tempo e per prendere decisioni anti-bias. Un purpose senza un’implementazione lungimirante rischia di rimanere un desiderio mancato. Ciò accade in particolare quando il purpose è il riflesso esclusivo della visione del fondatore o del management, senza un reale confronto con le persone che gravitano attorno all’azienda e non tenendo conto del contesto in cui essa opera.
Perché possa generare valore nel medio-lungo periodo il purpose non può essere calato dall’alto ma deve emergere da una costruzione condivisa, capace di valorizzare i tre elementi chiave di ogni relazione. Secondo i principi della Comunicazione Strategica, infatti, relazioni sostenibili si fondano sull’equilibrio tra Io, Tu e Contesto.
L’Io rappresenta l’identità dell’azienda, ossia i suoi valori fondanti, le aspirazioni e gli obiettivi economici. Il Tu comprende l’insieme degli stakeholder, quindi clienti, collaboratori, partner, investitori e tutti i soggetti che interagiscono con l’organizzazione. Il Contesto, infine, racchiude l’ambiente sociale, culturale ed economico in cui l’impresa è inserita e opera.
Quando manca questa inclusione il purpose rischia di non realizzarsi. Un esempio è rappresentato da Amazon, che nella sezione “About Us” del suo sito web dichiara di essere guidata da quattro principi fondamentali: ossessione per il cliente, passione per l’innovazione, impegno per l’eccellenza operativa e visione a lungo termine. Il suo purpose è quindi centrato su un servizio rapido ed efficiente, con l’obiettivo dichiarato di diventare “Earth’s most customer-centric company”, ossia l’azienda mondiale più incentrata sul cliente.
Questa attenzione maniacale al cliente ha sempre trovato terreno fertile finché il contesto non è cambiato radicalmente. Durante la pandemia da COVID‑19 i lavoratori dei magazzini hanno denunciato misure di sicurezza sanitaria insufficienti, mentre l’azienda continuava a enfatizzare la propria importanza per il servizio alla comunità. Nel 2021 il procuratore generale dello Stato di New York ha avviato una causa legale contro Amazon, accusandola di non aver protetto adeguatamente i lavoratori e di aver attuato ritorsioni contro chi sollevava preoccupazioni sulla sicurezza nei luoghi di lavoro.
Questo caso dimostra come Amazon abbia continuato a perseguire il suo purpose senza adeguare tempestivamente le sue pratiche alle nuove esigenze dei suoi stakeholder (Tu) imposte da uno scenario in rapido cambiamento a causa della pandemia (Contesto). Il purpose, pur chiaro e coerente, si è trovato in conflitto con le priorità emergenti dal contesto sociale e dai collaboratori.
Un purpose realmente espansivo, rilevante e inclusivo, non riguarda solo l’Io ma integra le esigenze dei suoi interlocutori e le responsabilità verso la società.
La co-progettazione del purpose
Per fare in modo che la direzione data all’implementazione dell’IA sia allineata con Io, Tu e Contesto occorre coinvolgere attivamente i principali stakeholder nella definizione del purpose. Al posto di calare dall’alto linee guida e valori, per quanto ambiziosi, è bene co-progettarli con chi ne sia direttamente coinvolto.
Tale processo può essere supportato dal Metodo O.D.I.®, metodologia alla base della Comunicazione Strategica il cui acronimo si riferisce alle tre fasi che lo compongono: Osserva, Domanda, Intervieni.
Il processo prende avvio dalla fase di Osservazione, dedicata all’esplorazione dell’identità profonda dell’azienda e dei suoi valori costitutivi. In molti casi questa analisi muove dai principi originari di chi ha dato vita all’impresa.
Questo patrimonio valoriale viene successivamente ampliato e arricchito nella fase della Domanda, che prende forma attraverso strumenti di ascolto e confronto come incontri aperti, workshop e momenti di collaborazione attiva con i dipendenti. In questa fase occorre interrogarsi sul perché, sulle ragioni profonde alla base delle integrazioni tecnologiche che si desidera implementare. Tale coinvolgimento consente di trasformare una visione inizialmente ristretta in un orientamento condiviso, alimentato da uno scambio continuo e costruttivo.
La fase di Intervento, dedicata alla messa in pratica del purpose, è quindi il risultato di un processo di co-progettazione. Ciò fa sì che il purpose non sia un semplice strumento di marketing per diffondere i principi dell’azienda ma un concetto di reale impatto che parte dalle esperienze e dalle opinioni di chi la vive. Questo coinvolgimento diretto rende le trasformazioni imposte dall’IA più facilmente accettabili: secondo un meccanismo psicologico chiamato Effetto Ikea, le persone tendono a sviluppare un tasso di adesione più elevato nei confronti di ciò che hanno contribuito a creare.
La co-creazione del purpose genera un maggior allineamento interno e un aumento delle responsabilità delle singole persone, determinando accoglienza anziché resistenza. Ciò risulta particolarmente strategico, dati i significativi cambiamenti organizzativi, non sempre facili da assorbire, che l’IA porta con sé. Tale processo consente di governare questo cambiamento in modo consapevole, rendendolo comprensibile e accettabile per tutte le persone coinvolte.
L’alternarsi ciclico delle tre fasi (Osserva, Domanda, Intervieni) garantisce una creazione di senso dinamica, non statica, in grado di adattarsi ai continui cambiamenti del contesto e delle esigenze degli stakeholder.
IA e bias cognitivi
Un ulteriore beneficio derivante dall’adozione di un purpose co-progettato riguarda la riduzione dei bias cognitivi. Un rischio rilevante nell’impiego dell’Intelligenza Artificiale è infatti la presenza di distorsioni cognitive: errori sistematici di valutazione che, se presenti nei dati di addestramento o nelle scelte progettuali, possono essere riprodotti o addirittura amplificati dai sistemi di IA.
Una ricerca pubblicata nel 2023 su Public Choice suggerisce che molti importanti LLM come ChatGPT non sono esenti da pregiudizi. In particolare, lo studio ha rivelato che ChatGPT mostra una notevole e sistematica tendenza a favorire i Democratici negli Stati Uniti e il Partito Laburista nel Regno Unito.
Un esempio celebre in campo organizzativo è rappresentato ancora da Amazon, che ha sperimentato un sistema di IA per automatizzare la selezione dei candidati tecnici. Addestrato su CV storici, l’algoritmo ha iniziato a penalizzare le candidature femminili, replicando pregiudizi di genere già presenti nei dati. Il progetto è stato sospeso, evidenziando come l’IA non sia neutrale e quanto sia importante definire chiaramente gli obiettivi monitorando i dati e includendo la supervisione umana così da evitare discriminazioni.
La sfida consiste quindi nel garantire pluralità, equità e inclusività, senza compromettere l’efficienza e la capacità di personalizzazione che rendono l’IA uno strumento strategico per le organizzazioni.
La riflessione sul purpose rappresenta un primo strumento di mitigazione dei bias: definirlo consapevolmente consente di orientare la selezione dei dati, le metriche di performance e le scelte algoritmiche riducendo il rischio che pregiudizi impliciti guidino decisioni apparentemente “oggettive”.
L’impatto dei bias si riduce ulteriormente quando il purpose è co-progettato: la co-progettazione introduce pluralità di punti di vista nel processo decisionale, rendendo più probabile l’emersione di assunzioni implicite, zone cieche e distorsioni cognitive che, altrimenti, rischierebbero di rimanere invisibili. Alcune ricerche documentano ad esempio che il bias di conferma (tendenza a cercare solo informazioni che confermano ciò che già crediamo) viene mitigato se nel gruppo sono presenti preferenze eterogenee.
In conclusione, poiché l’Intelligenza Artificiale amplifica le decisioni umane diventa cruciale mantenere un controllo strategico a monte: definendo un purpose chiaro, ponendosi domande consapevoli e anticipando possibili distorsioni cognitive è possibile tradurre il potenziale dell’IA in decisioni coerenti alla strategia aziendale.
Federico Frattini è Professore Ordinario di Strategia e Innovazione al Politecnico di Milano, dove è anche Dean di POLIMI Graduate School of Management, la Business School del Politecnico.
