studiorighini.it

Strategia ed Esecuzione Digitale: perchè molte iniziative falliscono?

30/05/2025

A cura di Bashar Jabban

Nell’attuale panorama il digitale è al centro delle strategie di crescita e ci troviamo spesso a riflettere sul perché tante iniziative di trasformazione falliscano all’atto dell’implementazione. Secondo recenti ricerche, circa il 70 % dei progetti di trasformazione digitale non raggiunge gli obiettivi prefissati, rimanendo bloccato in fasi di sviluppo o, peggio, abbandonato anzitempo . Questo non significa che le strategie siano sbagliate, tuttavia, che esiste un divario — spesso sottovalutato — tra la visione strategica e la capacità di eseguirla concretamente.

Introduzione: Divario tra strategia ed esecuzione

La strategia digitale definisce la direzione: obiettivi di business, opportunità di mercato, vantaggi competitivi i quali, senza un’esecuzione altrettanto rigorosa, anche le migliori intenzioni restano sulla carta

Quali sono le principali cause di questo divario?

Complessità del cambiamento: il digitale coinvolge non solo tecnologia, ma processi end-to-end, ruoli e cultura aziendale. Gestire simultaneamente questi fattori richiede competenze trasversali ed una supervisione attenta del progetto.
Ambiente dinamico: ciò che era strategia un anno fa può diventare obsoleto in poche settimane. È necessario un approccio agile, capace di adattare rapidamente piani e risorse.
Allineamento organizzativo carente: quando strategia e operatività non dialogano, nascono fraintendimenti. Spesso la strategia è formulata al vertice mentre chi la deve eseguire non ha gli strumenti o le informazioni necessarie.

Riconoscere questo divario è il primo passo per colmarlo: serve un modello di governance che integri visione e operatività, con responsabilità chiare e metriche trasparenti e condivise.

Le cause sottostanti al fallimento

Prima di descrivere come procedere, analizziamo i fattori che più comunemente portano al fallimento delle iniziative:

1. Comunicazione inefficace

Se non spieghiamo con chiarezza il “perché” e il “come” dietro ogni progetto, il team perde motivazione e focus, rallentando l’avanzamento.

2. Risorse insufficienti
Budget e competenze vengono spesso sottovalutati rispetto alla complessità reale del lavoro.

3. Resistenza al cambiamento

Chi è abituato a processi consolidati percepisce le novità digitali come una minaccia. Il coinvolgimento precoce degli stakeholder è quindi cruciale per ridurre eventuali attriti.

4. Strutture a silos
IT, operations e business che operano separati ostacolano la collaborazione e appesantiscono i passaggi decisionali.

5. Mancanza di misurazione

Senza KPI legati a risultati di business (non solo a metriche tecniche), non si riesce a capire se un progetto sta generando effettivo valore.

Allineare gli obiettivi digitali con il business

Per trasformare visione in valore, dobbiamo assicurarci che ogni iniziativa digitale parli la stessa lingua degli obiettivi aziendali. Ecco i passaggi fondamentali:

1. Coinvolgimento trasversale
Invitiamo al tavolo decisionale rappresentanti di marketing, operations, finanza e HR. Questo crea consapevolezza delle priorità reali e genera budget più mirati.

2. Obiettivi SMART
Definiamo Goal Specifici, Misurabili, Achievable (raggiungibili), Rilevanti e Time-bound. Ad esempio: “Ridurre del 20 % i tempi di evasione ordini entro 12 mesi”.

3. Ciclo di comunicazione periodico
Organizziamo incontri regolari (review trimestrali, newsletter interne, dashboard in tempo reale) per mantenere tutti aggiornati su progressi e criticità.

4. Incentivi coerenti con i risultati attesi
Colleghiamo bonus e valutazioni di performance a KPI digitali sui risultati di business e non solo all’implementazione delle tecnologie.

Il ruolo dell’Intelligenza Artificiale nell’esecuzione

L’AI non è solo un tema di strategia, ma il motore che può accelerare l’esecuzione. Le organizzazioni con solide capacità digitali e di AI generano valore “compounding” integrando modelli predittivi e di automazione direttamente nei processi chiave. Tuttavia, il 75 % dei progetti AI fallisce perché mal allineato ai workflow aziendali, ottimizzato per metriche sbagliate o privo di dati di qualità.

Per sfruttare al meglio l’AI è importante:

Collegare AI e KPI di business: ogni modello deve avere obiettivi misurabili (es. accuratezza predittiva tradotta in riduzione dei resi).
Integrare nei sistemi esistenti: evitare “lab AI” separati; adottare piattaforme unificate che permettano rilasci continui (MLOps).
Formare workforce e data champions: promuovere competenze AI-native e team cross-funzionali capaci di tradurre insight in azioni operative.

Progettare una roadmap di esecuzione chiara

Dopo avere allineato strategia, business ed AI, il nostro compito è quello di tracciare un percorso operativo, suddiviso per tappe e dotato di strumenti di controllo. Il modello che adottiamo include:

1. Mappatura e assegnazione delle prioritarità
Utilizziamo una matrice valore/effort per selezionare i progetti con il miglior rapporto benefici–complessità, garantendo quick wins che mantengano alta la motivazione.

2. Ruoli e governance
Nominiamo un “project owner” per ogni iniziativa e istituiamo un comitato di steering (anche C-level) che risolva rapidamente ostacoli trasversali.

3. Milestone e KPI
Suddividiamo la roadmap in sprint trimestrali, con deliverable definiti (es. “Modello AI in produzione”, “Processo RPA live”) e metriche (adozione utenti, ROI, efficienza).

4. Metodologie Agile
Sprint planning, daily stand-up e retrospettive mantengono il team focalizzato e flessibile, permettendo correzioni passo dopo passo.

5. Change management e formazione
Organizziamo workshop, tutorial e supporto continuo per accelerare l’adozione e prevenire la “fatica da cambiamento”.

Approfondimento: Strumenti per il monitoraggio dei KPI

Per garantire che la strategia entri realmente in azione è essenziale dotarsi di strumenti di monitoraggio chiari e reattivi:

Dashboard interattive (Power BI, Tableau, Looker, Google Data Studio): consentono di visualizzare in tempo reale i principali indicatori di performance, con funzionalità drill-down e filtri personalizzati per ogni livello organizzativo.
Analytics embedded: piattaforme come Qlik Sense o Microsoft Fabric permettono di integrare direttamente nei sistemi ERP o CRM componenti di analisi, offrendo insight contestuali durante le attività quotidiane.
Alerting automatico: configurare notifiche via e-mail o su tool di collaboration (Teams, Slack) ogni volta che un KPI supera una soglia critica, in modo da attivare subito un’azione correttiva.
Reportistica self-service: abilitare gli utenti di business a generare i propri report senza dipendere da IT, riducendo i tempi di attesa e favorendo decisioni rapide.
Mobile dashboard: app o interfacce responsive che permettono ai manager di controllare gli indicatori anche in mobilità, garantendo costante supervisione indipendentemente dalla sede.

Implementare questi strumenti non significa soltanto “avere i numeri a portata di mano” ma sviluppare una cultura in cui ogni decisione è guidata da dati aggiornati e condivisi, rafforzando trasparenza e accountability in ogni fase dell’esecuzione.

Case Study: Intesa Sanpaolo – Digital Risk Management su Google Cloud

Contesto: Intesa Sanpaolo voleva velocizzare lo sviluppo di modelli analitici per la gestione del rischio, superare la separazione tra ambiente di laboratorio e produzione, e rispondere rapidamente a requisiti normativi e di mercato.

Approccio:

Realizzazione di un Democratic Data Lab unificato su Google Cloud, con BigQuery, Vertex AI, Google Kubernetes Engine e Looker.
Eliminazione della distinzione tra ambiente lab e produzione, riducendo i tempi di handoff.
Adozione di squadre cross-funzionali e processi agile per accelerare rilasci e feedback.

Risultati:

Rilascio delle soluzioni di risk management 20–30 % più veloce grazie all’ambiente unificato.
Riduzione fino all’80 % del tempo necessario per completare gli stress-test regolamentari EU-wide.
Taglio del 30 % del tempo di estrazione e caricamento dati per specifici modelli di rischio.
Report in tempo reale via dashboard Looker, migliorando controllo e governance del rischio.

Coltivare una cultura di miglioramento continuo

L’esecuzione non si esaurisce al go-live dei progetti: è un percorso evolutivo che richiede:

Monitoraggio costante: review mensili dei KPI con root-cause analysis per scostamenti.
Sperimentazione controllata: pilotaggi di nuove feature AI o processi, con valutazione strutturata dei risultati.
Scaling delle best practice: quando un modello o un processo produce valore, lo estendiamo ad altre business unit.
Aggiornamento della strategia: rivediamo la roadmap ogni sei mesi, alla luce di nuovi dati e trend.

Conclusione

Strategia, esecuzione e AI sono inseparabili: solo integrando modelli di intelligenza artificiale all’interno di un framework operativo robusto e dotandosi di strumenti avanzati di monitoraggio possiamo trasformare visioni digitali in vantaggi competitivi misurabili.

Noi crediamo che il successo nasca dall’equilibrio fra pensiero strategico, azione operativa e tecnologie abilitanti.

Pubblicazioni/Eventi Directory: Pubblicazioni Bashar Jabban

Copyright © 2009-2025 Studio Righini
Piazza Cittadella, 13 - 37122 Verona - Italy
Tel. +39 045 596888 - Fax +39 045 596236
Via Monte di Pietà, 19 - 20121 Milano - Italy
Tel +39 02 45472804
p.i. 02475410235

[Privacy e Cookie Policy]