Nel private equity l’intelligenza artificiale ha smesso di essere una promessa e ha cominciato a produrre differenze di prezzo. Ma non dove quasi tutti la stanno usando. È la conclusione di uno studio McKinsey firmato da Alfonso Pulido, Hayk Yegoryan, Joachim Bleys e Stacey Haas su 471 società partecipate da fondi di private equity in 31 settori e 30 Paesi, con ricavi tra 1 e 250 milioni di dollari e operazioni concluse dal 2023.
Le aziende sono classificate su quattro livelli di maturità. Al primo l’adozione è opportunistica: pilot isolati, singoli strumenti di produttività. Al secondo l’AI entra nel modello operativo: flussi di lavoro, servizio clienti, marketing, onboarding. Al terzo finisce dentro il prodotto o il servizio venduto. Al quarto è business building: genera linee di ricavo nuove, dalla monetizzazione dei dati operativi alle piattaforme in mercati adiacenti.
La distribuzione dice già molto: 137 società al primo livello, 213 al secondo, 100 al terzo, appena 21 al quarto.
Ed è qui il dato che dovrebbe far riflettere chi sta investendo in efficienza. Il multiplo mediano sui ricavi è 13 volte al primo livello e 14 al secondo. Un punto: il mercato non distingue tra chi fa qualche automazione e chi ha integrato l’AI nell’intero modello operativo. La produttività, da sola, non viene prezzata.
Il salto avviene quando cambia ciò che l’azienda vende, non come lo produce. Al terzo livello il multiplo sale a 20 volte, il 43% in più. Al quarto arriva a 31 volte: undici punti in più, e circa il 130% sopra il livello di partenza. Nel software il divario è ancora più netto, 33 volte contro le 24 del terzo livello; nel non software, 22 contro 15.
Lo stesso schema torna nella produttività pro capite. Dal primo al secondo livello i ricavi per addetto crescono di circa il 19%, corretti per l’inflazione. Dal terzo al quarto salgono da 118mila a 180mila dollari: più 52%. La curva non è lineare, è a gradini, e il gradino alto sta in fondo.
I casi citati chiariscono la differenza. Un fornitore globale di materiali industriali ha messo un agente di vendita ad analizzare gli acquisti dei clienti dormienti e a ricontattarli: nel pilot ha riattivato il 30% di quei conti. Una società edtech ha raddoppiato il valore medio dell’ordine lavorando sui contatti. Risultati di secondo livello: buoni, ma non spostano la valutazione. Al quarto c’è invece un’azienda tecnologica che ha lanciato servizi digitali nuovi, con ricavi da pubblicità, referral e abbonamenti, riducendo l’organico di quasi il 40% e quasi raddoppiando i ricavi per addetto in due anni.
Sullo sfondo, un contesto che spiega l’urgenza: i fondi hanno un arretrato considerevole di disinvestimenti e rendimenti modesti, quindi la crescita dei ricavi torna leva decisiva. Nel 2025, ricorda lo studio, le start-up di AI hanno assorbito metà del venture capital mondiale. E un’analisi di QuantumBlack sul 2018-2022 mostra leader digitali con un rendimento per l’azionista superiore di 6,1 volte nelle assicurazioni, 2,9 nei beni di consumo, 2,3 in energia e materiali.
Resta il come. McKinsey lo pone come scelta tra affittare e comprare: centralizzare piattaforme e competenze a livello di fondo, oppure team dedicati dentro le singole partecipate, giustificati solo dove esistono dati proprietari da valorizzare. I gestori più avanti scelgono la via ibrida.
C’è però un limite strutturale che lo studio ammette con onestà: i fondi di private equity sono organizzati per migliorare aziende esistenti, non per fondarne di nuove. Il quarto livello richiede di trattare l’iniziativa AI come un’impresa a sé, con team, prezzi, canali e conto economico separati. È un mestiere diverso da quello che i fondi sanno fare.
L’indicazione operativa è selezionare cinque o dieci partecipate ad alto potenziale e ordinarle per prontezza, privilegiando i settori esposti a disruption strutturale o le società software, dove il salto di multiplo è più marcato. Con un avvertimento: la finestra si sta chiudendo, perché il vantaggio esiste finché le capacità restano rare.
