Un nuovo ERP, un CRM o un progetto di AI spesso peggiorano i risultati prima di migliorarli. Il calo si chiama J curve e ha una durata che si può stimare, misurare e ridurre. Qui trovi da dove viene il concetto, perché succede e un metodo in otto passi per gestirlo senza abbandonare il progetto al primo trimestre storto.
Che cos'è la J curve nei processi di cambiamento
La J curve descrive l'andamento della prestazione dopo un cambiamento importante. Prima dell'avvio la prestazione sta su un livello stabile. Subito dopo scende, tocca un minimo e poi risale fino a superare il livello di partenza. Disegnata nel tempo, la linea ha la forma di una J.
Chi approva un progetto di solito ragiona in modo lineare: si investe, si avvia, i risultati salgono. La curva reale ha un tratto in discesa che il piano non contiene. Quel tratto ha un costo che qualcuno deve sostenere.
- Aspettativa lineare di chi approva il progetto
- Andamento reale: calo, minimo, recupero
Profondità del calo, durata del calo e livello di arrivo. Con queste tre misure la J curve diventa uno strumento di pianificazione: si può decidere se il livello di arrivo giustifica il costo del tratto in discesa.
Le quattro J curve che interessano a chi decide
Il nome si usa in contesti molto diversi, con la stessa forma di fondo. Per un manager o un imprenditore ne contano quattro.
| Versione | Cosa descrive | Origine e riferimenti | Perché ti riguarda |
|---|---|---|---|
| Commercio estero | Dopo una svalutazione la bilancia commerciale peggiora prima di migliorare | Svalutazione della sterlina nel 1967, analisi di Magee (1973), condizione Marshall-Lerner | Cambio, contratti di fornitura e prezzi di export seguono tempi di aggiustamento |
| Private equity e venture capital | Rendimenti negativi nei primi anni di vita di un fondo, positivi a maturità | Terminologia di settore | Chi investe o apre il capitale deve aspettarsi anni di rendimento basso |
| Produttività | Le tecnologie di uso generale producono risultati misurabili dopo anni di investimento | Solow (1987), David (1990), Brynjolfsson, Rock e Syverson (2021) | È il quadro in cui rientrano ERP, CRM e AI |
| Cambiamento organizzativo | Il calo di prestazione dopo l'introduzione di un nuovo modo di lavorare | Satir, Weinberg (1997), Fullan (2001), Viney (2005), Kotter (1995) | È la curva che i tuoi team vivono ogni volta che cambia un processo |
Le prime due descrivono sistemi economici e strumenti finanziari. Le ultime due riguardano il lavoro dentro l'azienda e sono quelle su cui un manager può intervenire. Il resto della guida si concentra su queste.
Perché la prestazione scende prima di salire
La letteratura indica tre meccanismi che agiscono insieme. Capire quale pesa di più nel tuo progetto serve a scegliere dove intervenire.
- Si impara e si disimpara nello stesso tempo
Le persone devono abbandonare abitudini che funzionavano e costruirne di nuove, con meno velocità nel frattempo. Leopold e Kaltenecker (2015) osservano il calo soprattutto quando il cambiamento richiede di disimparare.
- Servono investimenti complementari che non si vedono
La tecnologia da sola produce poco. Servono processi riprogettati, competenze, dati puliti e ruoli diversi. Questi costi arrivano subito, i benefici dopo. Brynjolfsson, Rock e Syverson spiegano così la J curve della produttività.
- Gli indicatori vecchi misurano male il lavoro nuovo
Nel periodo di transizione i vecchi indicatori non catturano il nuovo modo di operare e i nuovi non hanno ancora uno storico. Per qualche mese il quadro sembra peggiore o più confuso di quanto sia.
Una rassegna di 15 studi (Elrod e Tippett, 2002) trova un calo iniziale in 13 casi. Uno studio su un'impresa che ha introdotto un ERP (Cotteleer e Bendoly, MIS Quarterly, 2006) rileva invece un miglioramento significativo dei tempi di evasione degli ordini subito dopo l'avvio, ma è un caso singolo. Il calo è la regola nei cambiamenti che obbligano a disimparare. Può mancare in quelli che si innestano su abitudini esistenti.
La J curve negli investimenti tecnologici: ERP, CRM e AI in azienda
I nuovi sistemi gestionali e l'AI sono oggi i casi in cui la J curve costa di più, perché toccano processi che attraversano tutta l'azienda. In Italia i software gestionali di tipo ERP sono usati dal 56,0% delle imprese con almeno 10 addetti mentre l'AI arriva al 16,4%, in forte crescita rispetto all'8,2% del 2024 e al 5,0% del 2023 (Istat, Imprese e ICT 2025).
ERP: il calo dopo il go-live
O'Leary, nel libro dedicato alla fase successiva all'avvio, indica un periodo di stabilizzazione di 3-9 mesi. Secondo una ricerca di Deloitte citata dallo stesso autore, un'impresa su quattro ha visto calare le prestazioni dopo il go-live. Hitt, Wu e Zhou hanno osservato un rallentamento iniziale seguito da un riconoscimento da parte del mercato. Una rassegna pubblicata ad aprile 2026 da Implement Consulting Group descrive i sintomi tipici: ordini bloccati, pianificazione inaffidabile e perdita di fiducia nei numeri.
CRM: il calo sta nel comportamento
Per il CRM mancano dati indipendenti solidi sulla durata del calo. I numeri che circolano vengono soprattutto dai blog dei fornitori. Il meccanismo si osserva comunque con regolarità. Il sistema funziona se i venditori registrano contatti e opportunità. Nelle prime settimane questo toglie tempo alla vendita e produce una pipeline incompleta. Il calo dipende da quanto in fretta cambia l'abitudine di registrare, molto più che dal software.
AI: risultati diversi a seconda di chi la usa e come
Lo studio di McElheran, Yang, Kroff e Brynjolfsson (Census Bureau, 2025) sul manifatturiero statunitense, con dati 2017 e 2021, trova una J curve causale: l'adozione di AI industriale riduce nel breve periodo produttività e redditività, soprattutto nelle imprese più vecchie. L'effetto si attenua dove c'è una strategia orientata alla crescita. L'uso dell'AI si associa anche a più scorte di lavori in corso. Sul lavoro d'ufficio Brynjolfsson, Li e Raymond (NBER, 2023) misurano su 5.179 operatori di assistenza clienti un guadagno medio del 14%, del 34% per i meno esperti e minimo per i più esperti. In un esperimento di METR (2025), 16 sviluppatori esperti hanno impiegato il 19% di tempo in più con l'AI, pur stimando di essere più veloci di circa il 20%. Il campione è piccolo e gli strumenti sono quelli dei primi mesi del 2025.
Messi insieme, questi dati dicono che l'effetto iniziale dell'AI dipende dall'esperienza di chi la usa, dal tipo di lavoro e dalla strategia dell'azienda. Lo schema qui sotto è dell'autore e parte dai meccanismi descritti sopra.
| Tecnologia | Cosa cambia nel lavoro | Dove si vede il calo | Indicatore anticipatore |
|---|---|---|---|
| ERP | Processi e dati unificati, regole più rigide | Ordini bloccati, pianificazione inaffidabile, chiusure contabili più lente | Tempo di evasione ordini, errori di fatturazione, giorni di chiusura |
| CRM | Abitudine di registrare ogni contatto e ogni opportunità | Pipeline incompleta, meno tempo dedicato alla vendita | Quota di opportunità aggiornate entro 48 ore, completezza dei campi chiave |
| AI | Compiti ridisegnati, verifica dell'output | Tempi di revisione, rilavorazioni, scorte di lavori in corso | Quota di attività svolte con il nuovo flusso, tempo medio di verifica, tasso di rilavorazione |
Quando la J curve non c'è o non basta a spiegare il calo
Chiamare J curve qualsiasi risultato negativo è una scorciatoia comoda. Un calo atteso ha cause identificate, una durata stimata e indicatori anticipatori che migliorano. Se mancano questi tre elementi, il calo può dipendere da un progetto mal impostato e va trattato come un problema di direzione.
Esiste anche il rischio opposto, quello di giustificare l'insuccesso con una statistica che circola da decenni, secondo cui il 70% dei cambiamenti fallisce. Hughes (2011) ha mostrato che la cifra non ha un fondamento empirico. Risale alle stime di Hammer e Champy (1993) sul reengineering, un 50-70% che gli stessi autori hanno definito non scientifico. Beer e Nohria (2000) la ripresero estendendola al cambiamento in generale. La J curve va usata per pianificare e verificare, non per assolvere in anticipo ogni risultato deludente.
Come usare la J curve: otto passi
Il metodo serve a trasformare la curva in un piano di gestione. Si applica a un ERP come a un CRM, a un progetto di AI come a una riorganizzazione.
- Fissa la baseline
Misura la prestazione di partenza su almeno un trimestre, con le stesse regole che userai dopo. Senza una linea di base non si distingue un calo atteso da un calo che dipende da altro.
- Scegli l'indicatore che conta
Un solo indicatore di risultato, collegato all'obiettivo del progetto: giorni di evasione degli ordini, ricavi per venditore, costo per pratica. Gli indicatori di contorno vengono dopo.
- Stima profondità e durata del calo
Parti da progetti simili, dalle referenze del fornitore e dalla tua baseline. Per un ERP la letteratura parla di una stabilizzazione di 3-9 mesi dopo l'avvio. Per CRM e AI usa una stima prudente e verificala ai checkpoint.
- Individua due o tre indicatori anticipatori
Sono i numeri che migliorano prima del risultato: percentuale di attività svolte con il nuovo flusso, completezza dei dati, tempo medio di verifica. Se salgono, il calo ha una causa sana.
- Decidi prima il calo massimo accettabile
Scrivi la soglia di perdita oltre la quale si ferma o si cambia strada e chi decide. Una soglia scelta a progetto avviato si sposta sempre verso il basso.
- Comunica il calo in anticipo
Dillo a collaboratori, board e clienti interni prima dell'avvio, con una stima di durata e la data del primo checkpoint. Chi si aspetta il calo lo legge come parte del piano.
- Pianifica vittorie rapide e visibili
Kotter le indica come sesto passo del suo modello: risultati concreti nei primi mesi, anche piccoli, attribuiti al progetto. Servono a mostrare che il recupero è in corso mentre la curva è ancora sotto la baseline.
- Fissa i checkpoint e confronta le due curve
A ogni checkpoint metti accanto la curva attesa e quella reale. Le decisioni possibili sono tre: continuare, correggere o fermare. Registra la scelta e la ragione.
Questo numero entra nel business case accanto all'investimento. Un progetto che costa 300.000 euro in licenze e consulenza può costarne 420.000 con il calo incluso. La decisione di approvarlo va presa su questa cifra.
La tua curva in una pagina
| Campo | Cosa scrivere | Esempio ipotetico, ERP |
|---|---|---|
| Baseline | Valore medio dell'indicatore nell'ultimo trimestre | Evasione ordini in 2,1 giorni |
| Calo massimo accettabile | Soglia oltre cui si corregge o si ferma | Evasione oltre 3,5 giorni |
| Durata attesa del calo | Mesi stimati per tornare alla baseline | Cinque mesi dal go-live |
| Livello obiettivo | Dove deve arrivare l'indicatore e quando | 1,6 giorni entro il dodicesimo mese |
| Indicatori anticipatori | Due o tre numeri che si muovono prima del risultato | Errori di fatturazione, ordini inseriti senza correzioni |
| Primo checkpoint | Data e persone che decidono | Dopo otto settimane, direzione e responsabile operations |
| Criterio di stop | Condizione che ferma o cambia il piano | Soglia superata per due mesi con indicatori fermi |
Gli errori più frequenti
| Errore | Conseguenza | Correzione |
|---|---|---|
| Promettere un miglioramento lineare dal primo giorno | Il calo sembra un fallimento e il consenso si perde | Presentare fin dall'inizio la curva attesa con il tratto in discesa |
| Misurare solo il risultato finale | Nessun segnale utile per mesi | Affiancare indicatori anticipatori al risultato |
| Fermare il progetto al primo trimestre negativo | Si paga il costo del calo e si perde il beneficio | Decidere la soglia di stop prima dell'avvio |
| Non distinguere il calo atteso dall'errore di direzione | Si insiste su un progetto sbagliato o si abbandona uno giusto | Verificare cause, durata e indicatori anticipatori a ogni checkpoint |
| Affidare il recupero alla sola tecnologia | Il sistema è attivo e i comportamenti restano quelli di prima | Budget per formazione, processi e ruoli, oltre alle licenze |
Jellison analizza come le persone vivono i cambiamenti organizzativi e cosa possono fare i manager per tenerle coinvolte nel passaggio. Si collega ai passi della guida sulla comunicazione anticipata e sulle vittorie rapide.
Vedi su AmazonStai per avviare un cambiamento importante?
Stima la tua curva prima del viaLavoro con CEO e imprenditori di PMI su ERP, CRM e progetti di AI: stima del calo, scelta degli indicatori anticipatori e criteri di stop. Se vuoi farlo sul tuo progetto, possiamo parlarne.
Domande frequenti sulla J curve
Che cos'è la J curve in azienda?
È l'andamento della prestazione dopo un cambiamento importante: si parte da un livello stabile, si scende fino a un minimo e si risale oltre il livello iniziale. Il grafico ha la forma di una J. Si osserva con frequenza dopo l'introduzione di sistemi gestionali, nuovi processi e tecnologie come l'AI.
Quanto dura il calo?
Dipende dal cambiamento. Per gli ERP la letteratura indica una fase di stabilizzazione di 3-9 mesi dopo l'avvio (O'Leary). Per CRM e AI non esistono durate affidabili e indipendenti: conviene stimarla dalla propria baseline e da progetti simili, poi verificarla ai checkpoint.
Come distinguo un calo normale da un progetto sbagliato?
Un calo atteso ha cause note, resta dentro la soglia decisa prima e mostra indicatori anticipatori in miglioramento. Se gli indicatori anticipatori sono fermi, se la perdita supera la soglia o se le cause sono impreviste, la direzione va rivista.
Tutti i cambiamenti seguono la J curve?
No. Una rassegna di 15 studi (Elrod e Tippett, 2002) trova un calo iniziale in 13 casi su 15, quindi frequente ma non universale. Uno studio su un'impresa che ha introdotto un ERP (Cotteleer e Bendoly, MIS Quarterly, 2006) rileva un miglioramento dei tempi di evasione degli ordini subito dopo l'avvio. Il calo compare soprattutto quando bisogna disimparare un modo di lavorare consolidato (Leopold e Kaltenecker, 2015).
Come lo spiego alle persone che dovranno cambiare?
Prima dell'avvio, con una stima di durata, la data del primo checkpoint e gli indicatori che guarderete insieme. Poi mostrando le vittorie rapide man mano che arrivano e raccogliendo le segnalazioni sui problemi, che sono il dato più utile nelle prime settimane.
Perché l'AI può ridurre la produttività all'inizio?
Perché cambiano i compiti e serve verificare l'output. Uno studio sul manifatturiero statunitense (McElheran, Yang, Kroff e Brynjolfsson, 2025) trova perdite di produttività e redditività nel breve periodo. In un esperimento randomizzato di METR, 16 sviluppatori esperti hanno impiegato il 19% di tempo in più con strumenti di AI, pur stimando di essere più veloci. Il campione è piccolo e gli strumenti sono quelli dei primi mesi del 2025.
GM PICKS – Strategia, Innovazione, Management
Inizia a leggere. È gratis.
Ogni martedì un framework strategico direttamente nella tua inbox.
Gratis. Nessuno spam. Disiscrizione in un click.
Altri post che ti potrebbero interessare
J curve: perché il cambiamento peggiora prima di migliorare
La J curve spiega perché ERP, CRM e AI fanno calare i risultati prima di farli salire. Cause, evidenze e un metodo in otto passi per gestirla in azienda.
Architettura AI per le PMI: le tre strade possibili
Le tre strade per l'architettura AI in una PMI: incrementale, trasformativa o per domini. Framework a 5 strati, dati Polimi e Gartner, tool gratuito.
6 lezioni di Management da Sun Tzu
L' Arte della guerra è probabilmente il più celebre libro di strategia militare ed è ricco di spunti preziosi anche per il management
Design Thinking: trova le domande giuste
Scopri perché il Design Thinking serve a trovare le domande giuste: modello Double Diamond, framework pratico e casi reali per manager e PMI.
Dati e decisioni strategiche: la guida pratica per PMI
ome trasformare dati e dashboard in decisioni strategiche, senza un PhD in statistica. North Star Metric, framework in 3 domande e ponte con gli agenti AI.
Partnership strategiche: la guida completa
Come funzionano le partnership strategiche: framework per decidere quando conviene un'alleanza, tre modelli, governance e casi reali. Guida per CEO.






