La tesi in una frase: ci sono due tipi di KPI di IA e solo uno paga la fattura. Ci sono quelli che brillano nella demo —utenti che si sono registrati, prompt lanciati, l’ovazione del comitato— e quelli che muovono il lavoro vero: casi che si risolvono senza che nessuno li tocchi, ore che smettono di essere spese, errori che scendono. Il primo gruppo è teatro; il secondo è operatività. E la regola per distinguerli è brutalmente semplice: se non lo misuri ogni settimana da una linea base, è teatro.
I KPI di IA in azienda che contano (e quelli che sono puro teatro)
Quando un’azienda si vanta del suo progetto di IA, mostra quasi sempre la metrica comoda: quante persone l’hanno usato, quante richieste sono state lanciate, quanto era contento il team dopo la formazione. Sono numeri che salgono da soli con il tempo e che non dicono nulla su se il lavoro venga fatto meglio. Il numero scomodo —quello che decide se il progetto rende— è un altro: quale compito concreto usciva prima in un modo e adesso esce meglio, più veloce o con meno errori. La differenza tra un progetto che rende e una demo costosa vive tra questi due gruppi di metriche.
Non è l’opinione di un consulente con voglia di fare il bastian contrario. Il rapporto di MIT NANDA «The GenAI Divide: State of AI in Business 2025» ha analizzato 300 deployment e ha trovato che il 95% dei piloti di IA non ha avuto alcun impatto misurabile sul conto economico, nonostante oltre l’80% delle aziende avesse già provato strumenti come ChatGPT o Copilot (rapporto completo, 2025). Tradotto: quasi tutti misurano l’adozione e quasi nessuno misura il risultato. Quel buco è il teatro.
La regola del teatro: senza linea base e senza cadenza settimanale, è fumo
Una metrica senza linea base non è una metrica: è un ornamento. «Risolviamo 200 ticket al mese con l’IA» non significa niente se non sai quanti ne risolvevi prima, quanto ci mettevi e quanti tornavano fatti male. Il numero che conta non è l’assoluto, è il delta rispetto a come si faceva senza lo strumento. Per questo il primo giorno di qualsiasi progetto di IA preso sul serio serve a misurare il prima —la linea base—, non a lanciare la demo.
E una metrica che guardi solo alla riunione trimestrale non conta nemmeno. L’adozione si decide in settimane: se un team prova lo strumento, non si convince e torna al metodo manuale, quando arriva il comitato di tre mesi dopo il progetto è già morto e nessuno se n’è accorto in tempo. Una cadenza settimanale da una linea base è ciò che separa un cruscotto da una cartolina.
Le quattro metriche operative che invece contano
Se devi misurare una sola cosa, misura il lavoro. Queste quattro sono quelle che ti dicono se l’IA sta facendo qualcosa o è solo accesa:
- Casi risolti senza intervento umano. Su cento compiti che entrano —ticket, email, fatture, richieste—, quanti escono risolti e bene senza che una persona debba toccarli. È la metrica regina di qualsiasi automazione: misura lavoro fatto, non attività. Se monti un agente contabile IA, è il numero che decide se ti risparmia una posizione o te ne dà una in più da controllare.
- Ore risparmiate rispetto alla linea base. Non «le ore che lo strumento dice di risparmiare», ma la sottrazione reale: quanto ci metteva il processo prima meno quanto ci mette adesso, per la sua frequenza. È la metrica che si traduce direttamente in denaro e quella che il comitato capisce senza traduttore.
- Tasso di errore. Un’IA che fa il triplo del lavoro con il doppio degli errori non ti risparmia niente: sposta il costo del fare al costo del controllare e correggere. Misurare la percentuale di output da rifare è ciò che evita l’autoinganno del «va velocissimo» mentre qualcuno pulisce dietro.
- Uso reale per persona, non licenze attive. Quante persone lo usano davvero ogni settimana nel loro lavoro, ruolo per ruolo. È la metrica che scopre l’adoption gap —gente con accesso che non lo tocca— prima che diventi un progetto morto. La licenza la paghi; l’uso si guadagna, e si vede solo se lo misuri per persona.
Questi non sono i KPI di GEO —non confonderli—
C’è un posto dove questa distinzione si confonde apposta: la visibilità nell’IA. Che il tuo marchio compaia in ChatGPT o in Google AI si misura anche, ma è un’altra disciplina con il suo cruscotto —tasso di menzione, citazione, share of voice—, e lo scomponiamo nei KPI di GEO. Quel cruscotto misura se ti vedono; quello di questo articolo misura se la tua operatività funziona. Sono due tabelloni diversi, e presentarli come se fossero lo stesso è il trucco preferito di chi vuole mostrare il numero bello. Se quello che ti serve è portare la visibilità alla direzione senza fumo, anche quello ha il suo formato: il report GEO per la direzione.
Come montare il cruscotto senza fumo
- Misura la linea base prima di accendere qualsiasi cosa. Il primo giorno serve a cronometrare e contare il processo attuale, non alla demo. Senza quel prima, qualsiasi dopo è un aneddoto.
- Scegli un compito concreto e visibile, non «l’IA in azienda». Casi risolti di QUEL processo, ore di QUEL processo. Un tabellone di un compito che rende convince più di dieci indicatori generici.
- Metti le quattro metriche operative in cadenza settimanale, con un responsabile. Qualcuno guarda il delta ogni settimana e agisce quando scende, come qualsiasi altro numero del business.
- Separa il tabellone di operatività da quello di visibilità. Il GEO da una parte, l’operatività dall’altra. Mescolarli serve solo a nascondere quello che va male dietro quello che va bene.
Niente di tutto questo è esotico: è trattare l’IA come qualsiasi altra parte del business che si vuole far rendere —con linea base, con delta e con qualcuno che guarda—. Se preferisci che quel tabellone lo monti e lo tenga chi per di più aggiusta il processo che sta sotto, l’automazione delle operazioni è esattamente questo: non ti consegniamo un pannello di vanity metrics, ti lasciamo a misurare lavoro fatto.