Artificial Intelligence is ready for business, but are businesses ready for AI?

Despite a plethora of use cases across many industries have provided compelling proof that artificial intelligence technologies (AI) can unlock unprecedented benefits, a puzzling "AI productivity paradox" persists: many organizations fail to see significant performance gains from their AI strategies. This study offers theoretical insights into the relationship between AI and firm performance and provides practical guidance on how companies should effectively scale their AI initiatives to generate outsized returns. Building on data rather than conjecture, this research unravels the "black-box" of AI strategy development to reveal the key drivers of success or failure. Empirical findings hint complementary resources and capabilities in innovation, organization, and talent, as the key drivers influencing performance. Informed by a holistic AI maturity framework, designed to measure the extent to which organizations have mastered AI- related capabilities in the right combination to achieve high performance, clustering analysis reveals substantial disparities between categories of AI adopters. Of particular note is the uneven distribution of AI impact, with only a niche of superstar companies (13%) able to fully realize the potential of their AI investments. In contrast, the long tail of companies shows unpreparedness. While a lack of investment in complementary capabilities is one factor holding many organizations back, this study reveals a novel finding: these companies have failed to reach a critical threshold in the development of all the AI-related capabilities – both foundational and complementary – required to successfully scale the AI factory model. This highlights the nonlinear nature of the relationship between AI adoption and performance. Moreover, these findings shed light on the 'AI productivity paradox' existence, suggesting it is not due to the AI technology itself, but rather to the way companies construct their AI factory to generate a superstar impact.

Nonostante molteplici casi d'uso in molte industrie abbiano fornito prove convincenti che le tecnologie dell'intelligenza artificiale (IA) possono sbloccare benefici senza precedenti, persiste un enigmatico "paradosso della produttività dell’IA": molte organizzazioni non riescono a ottenere significativi guadagni di performance dalle loro strategie di IA. Questo studio offre approfondimenti teorici sulla relazione tra IA e performance aziendale e fornisce indicazioni pratiche su come le aziende dovrebbero scalare efficacemente le loro iniziative di IA per generare rendimenti superiori. Basandosi su dati piuttosto che su congetture, questa ricerca svela la "scatola nera" dello sviluppo della strategia di IA per rivelare i principali fattori di successo o fallimento. I risultati empirici suggeriscono che le capacità e le risorse complementari in ambito di innovazione, organizzazione e talento siano i fattori chiave che influenzano le performance. Poggiando le basi su un olistico quadro di maturità dell'IA progettato per misurare il grado con cui le organizzazioni hanno padroneggiato le capacità legate all'IA nella giusta combinazione per raggiungere elevate performance, l'analisi dei cluster rivela notevoli disparità tra le categorie di adottatori dell'IA. Di particolare rilievo è la distribuzione disomogenea dell'impatto dell'IA, con solo una nicchia di aziende superstar (13%) in grado di realizzare pienamente il potenziale dei loro investimenti in IA. Al contrario, la maggioranza delle aziende risulta impreparata. Sebbene la mancanza di investimenti nelle capacità complementari sia uno dei fattori che impediscono a molte organizzazioni di progredire, questo studio rivela una nuova scoperta: queste aziende non sono riuscite a raggiungere una soglia critica nello sviluppo di tutte le capacità relative all'IA - sia fondamentali che complementari - necessarie per scalare con successo il modello dell'“AI factory”. Ciò evidenzia la natura non lineare della relazione tra l'adozione dell'IA e le prestazioni. Inoltre, questi risultati fanno luce sull'esistenza del "paradosso della produttività dell'IA", suggerendo che non sia dovuto alla tecnologia dell'AI stessa, ma piuttosto al modo in cui le aziende costruiscono la loro "AI factory” per generare un impatto da superstar.