Ottimizzazione e IA, tra adozione record e nuovi rischi 

L’intelligenza artificiale sta vivendo una fase di diffusione senza precedenti all’interno delle funzioni aziendali più sofisticate. Tra queste, l’ottimizzazione matematica rappresenta uno degli ambiti in cui il connubio tra capacità algoritmiche e supporto decisionale sta producendo i risultati più visibili. Ma proprio mentre cresce la fiducia nelle potenzialità dell’AI, aumentano anche le preoccupazioni legate alle vulnerabilità che la stessa tecnologia può introdurre nelle organizzazioni e nelle catene globali del valore.

Due recenti ricerche, una realizzata da Gurobi Optimization e l’altra da KPMG International, fotografano un apparente paradosso: l’IA viene adottata con entusiasmo crescente dai professionisti dell’ottimizzazione industriale e, contemporaneamente, viene considerata una delle principali fonti di possibili interruzioni operative nei prossimi anni. Una contraddizione solo apparente che racconta molto del momento storico attraversato dalle imprese.

L’AI entra nel cuore dell’ottimizzazione industriale

I dati raccolti da Gurobi mostrano un’accelerazione impressionante. Nel 2026 quasi l’80% dei professionisti dell’ottimizzazione utilizza strumenti di GenAI o Large Language Models nelle proprie attività, contro il 30% registrato soltanto un anno prima. Ancora più significativo è il fatto che oltre un terzo degli intervistati abbia ormai integrato tali strumenti in modo sistematico nei processi di sviluppo.

Non si tratta di un impiego marginale: le principali applicazioni riguardano la generazione e il debugging del codice, la formulazione dei modelli matematici e l’interazione in linguaggio naturale con i sistemi di ottimizzazione. In altre parole, l’IA sta progressivamente diventando un livello di astrazione che consente di progettare, comprendere e utilizzare modelli complessi con maggiore rapidità ed efficacia.

Questa evoluzione contribuisce anche a democratizzare l’accesso all’ottimizzazione: attività che in passato richiedevano competenze matematiche e informatiche molto avanzate possono oggi essere affrontate attraverso strumenti conversazionali che traducono esigenze operative in formulazioni ottimizzative. Il risultato è un ampliamento della platea di utenti in grado di accedere a capacità decisionali sofisticate.

La crescita della complessità decisionale

L’adozione dell’IA avviene in un contesto in cui cresce anche la complessità dei problemi da affrontare. Le organizzazioni utilizzano sempre più frequentemente modelli multi-obiettivo, chiamati a bilanciare simultaneamente costi, sostenibilità, livello di servizio, resilienza e gestione del rischio.

Parallelamente, l’ottimizzazione esce dai laboratori analitici per entrare nei processi operativi quotidiani. In molte organizzazioni supporta ormai il processo decisionale continuo, mentre una quota rilevante delle implementazioni viene eseguita automaticamente all’interno dei workflow produttivi. La decisione algoritmica smette così di essere un esercizio occasionale e diventa una componente strutturale del funzionamento aziendale.

Quando la tecnologia diventa un fattore di rischio

È proprio questacrescente centralità a spiegare perché la tecnologia sia percepita anche come una fonte di vulnerabilità. Secondo KPMG, le perturbazioni legate alla tecnologia e all’intelligenza artificiale rappresentano oggi la principale preoccupazione dei leader aziendali per il prossimo biennio, superando perfino i conflitti geopolitici e le incertezze macroeconomiche.

La ragione è semplice: più le organizzazioni diventano dipendenti da piattaforme digitali, dati, algoritmi e infrastrutture informatiche, maggiore è l’esposizione a possibili interruzioni. Errori nei modelli, attacchi informatici, malfunzionamenti delle infrastrutture digitali o dipendenze eccessive da determinati fornitori possono propagarsi rapidamente attraverso sistemi sempre più interconnessi.

L’AI, dunque, non genera soltanto efficienza. Produce anche nuove forme di rischio operativo che richiedono competenze, controlli e meccanismi di governo adeguati.

Dalla gestione del rischio alla resilienza sistemica

L’aspetto forse più interessante che emerge dall’analisi congiunta dei due studi è il cambiamento di prospettiva: le aziende non considerano più i rischi come eventi isolati. Geopolitica, energia, logistica, cyber sicurezza, cambiamento climatico e tecnologie digitali vengono ormai interpretati come elementi di un unico sistema interdipendente.

In questo scenario la resilienza assume un ancora una volta un ruolo centrale. Le imprese investono in analytics predittivi, simulazioni di scenario e strumenti AI non soltanto per aumentare l’efficienza, ma per anticipare crisi e discontinuità. La stessa tecnologia che può rappresentare una minaccia viene quindi utilizzata per costruire capacità di risposta agli shock futuri.

La vera questione dei prossimi anni non sarà scegliere tra intelligenza artificiale e gestione del rischio, quanto piuttosto riuscire a svilupparle contemporaneamente. Più l’AI diventerà il motore delle decisioni industriali, più sarà necessario costruire organizzazioni capaci di assorbirne gli effetti collaterali. È lecito aspettarsi che sia in questo equilibrio tra automazione, ottimizzazione e resilienza che si giocherà una parte decisiva della competitività delle imprese del prossimo decennio.