C'è una frase pronunciata da Sundar Pichai sul palco del Google I/O che merita più attenzione di quanta ne ha ricevuta. Menzionando le conversazioni che ha con i CTO di grandi aziende, il CEO di Google ha rivelato che molte di loro hanno già esaurito il budget annuale dei token AI ed è maggio. Lo ha detto come una proposta di vendita, per giustificare il motivo per cui Gemini Flash è la soluzione di cui hanno bisogno, ma l'informazione implicita in quella frase è esplosiva: le aziende stanno spendendo per l'intelligenza artificiale a un ritmo che non avevano previsto, e il rendimento non sempre giustifica il conto.
Durante il 2023 e il 2024, il discorso dominante sull'intelligenza artificiale generativa nel mondo degli affari è stato caratterizzato da un entusiasmo quasi incondizionato. Ogni settimana appariva un nuovo modello, un nuovo strumento, una nuova promessa di totale sconvolgimento. I dipartimenti tecnologici facevano a gara per essere i primi ad adottare gli strumenti più recenti, i consigli di amministrazione si chiedevano ad ogni riunione cosa stesse facendo l'azienda con l'intelligenza artificiale e le valutazioni delle aziende del settore raggiungevano cifre astronomiche.
La resa dei conti arrivata nel 2026
Nel 2026, quell'entusiasmo non è scomparso, ma è mutato. Non si tratta più di adottare l’IA il prima possibile; Si tratta di giustificare ai direttori finanziari perché la fattura informatica è triplicata. Alla fine del 2025, la società di analisi Forrester ha pubblicato una previsione che si è rivelata straordinariamente accurata: il divario tra le promesse esagerate dei fornitori e il valore reale apportato alle imprese si allargherà nel 2026, costringendo una correzione del mercato.
I dati supportano questa previsione. Circa l’80% delle aziende sta già sperimentando l’intelligenza artificiale, ma una percentuale simile riconosce che tali sforzi non si traducono in miglioramenti concreti in parametri chiave come l’efficienza operativa, la riduzione dei costi o la crescita dei ricavi. E quando i CFO iniziano a porsi domande difficili (quanto ci è costato e quanto abbiamo guadagnato?) le risposte diventano scomode.
Meno di un terzo dei decisori tecnologici è in grado di mettere in relazione il valore dell'intelligenza artificiale con la reale crescita finanziaria della propria organizzazione.
Perché la maggior parte dei progetti di intelligenza artificiale falliscono
La spiegazione più diffusa per questo fenomeno non ha nulla a che fare con il mancato funzionamento della tecnologia. Ha a che fare con il modo in cui viene implementato. La maggior parte dei progetti di intelligenza artificiale nelle aziende iniziano dalla parte sbagliata: prima scegli il modello o lo strumento, costruisci un prototipo che impressiona nelle demo interne e solo dopo provi a collegare quel prototipo a un problema aziendale reale.
Il risultato è quello che gli analisti chiamano "debito di adozione": un accumulo di progetti pilota che non entrano mai in produzione, team tecnici specializzati nell'intelligenza artificiale che non hanno controparti nei dipartimenti aziendali che possano fornire loro casi d'uso concreti e una sensazione generale che "stiamo facendo cose con l'intelligenza artificiale" senza che questo si traduca in risultati misurabili.
Il settore sta ora entrando in quella che alcuni esperti chiamano la terza fase dell'adozione dell'intelligenza artificiale generativa. La prima è stata la massiccia sperimentazione con strumenti come ChatGPT, Copilot o Gemini a livello individuale. Il secondo era l’integrazione di tali strumenti nei flussi di lavoro e nei sistemi esistenti. La terza, dove ci troviamo ora, è l'era degli agenti: sistemi autonomi che eseguono compiti complessi senza un costante intervento umano e che hanno senso economico solo se i processi in cui vengono implementati sono ben definiti e sufficientemente costosi da giustificare l'investimento.
Il problema del ROI nell'intelligenza artificiale: cifre chiave per il 2026
- ~80% delle aziende sta sperimentando l'intelligenza artificiale generativa
- ~80% di queste aziende non vede alcun impatto sui principali parametri aziendali
- Meno del 33% può collegare l'intelligenza artificiale alla crescita finanziaria reale
- Forrester prevede che il 25% della spesa pianificata per l'AI sarà rinviata al 2027
- Google ha elaborato 500 miliardi di token al giorno a marzo; Supera già i 3 miliardi
Il dibattito sulle bolle
La domanda che preoccupa maggiormente gli investitori e le aziende del settore è se siamo in una bolla. Il termine bolla ha un’enorme carica emotiva nel mondo della tecnologia: evoca il crollo delle dotcom del 2001, quando trilioni di dollari in valutazioni evaporarono in pochi mesi. Nessuno nel settore vuole usare questa parola, ma ci sono sempre più voci che suggeriscono che la discrepanza tra gli investimenti nelle infrastrutture di intelligenza artificiale e i rendimenti reali che genera non può essere sostenuta indefinitamente.
All'inizio dell'anno, il World Economic Forum ha pubblicato un'analisi che individuava cinque paradossi dell'adozione dell'IA, e tra questi ha sottolineato proprio questo: la spesa per le infrastrutture di AI sta raggiungendo livelli senza precedenti nella storia della tecnologia, ma l'entusiasmo di investitori e aziende non sembra essere stato coordinato con prove concrete che questi investimenti genereranno i rendimenti attesi.
La risposta delle grandi aziende tecnologiche a questa pressione è stata esattamente ciò che Google ha presentato all'I/O: sviluppare modelli più economici ed efficienti che riducano il costo dell'elaborazione e rendano più semplice giustificare la spesa. I modelli Gemini Flash, GPT-5.5 Instant, Haiku di Anthropic: puntano tutti nella stessa direzione. Se il problema è che l'IA è costosa, la soluzione è renderla più economica.
Austerità o vera trasformazione?
C'è un dibattito più profondo dietro la discussione sui costi. La promessa originale dell’intelligenza artificiale generativa non era solo quella di automatizzare le attività esistenti in modo più economico. Si trattava di trasformare radicalmente il modo in cui lavorano le persone e le organizzazioni, creare nuove categorie di prodotti e servizi che prima erano impossibili e, infine, accelerare in modo esponenziale il ritmo del progresso scientifico e tecnologico.
Se il 2026 sarà l'anno in cui il settore si muoverà dalla domanda "come possiamo adottarlo prima?" a “come giustifichiamo al CFO ciò che abbiamo già speso?”, esiste il rischio reale che l’attenzione si sposti troppo verso l’ottimizzazione dei costi e troppo poco verso l’innovazione trasformazionale. Le aziende che tagliano gli investimenti nell'intelligenza artificiale per migliorare i parametri trimestrali potrebbero perdere un vantaggio competitivo a lungo termine rispetto a quelle che mantengono l'investimento anche se il ROI impiega più tempo a concretizzarsi.
Prospettiva aggiuntiva: il confronto con Internet è inevitabile. Sempre nel 1999-2001, la maggior parte dei progetti Internet aziendali fallirono o non mostrarono alcun ritorno a breve termine. Coloro che sono sopravvissuti e hanno mantenuto l’investimento erano in una posizione migliore per beneficiare della crescita che ne è seguita. La domanda è se il ciclo dell'IA seguirà lo stesso modello o se ci saranno differenze strutturali che lo renderanno diverso.
In ogni caso, il 2026 è l'anno in cui si è definitivamente conclusa la luna di miele dell'IA generativa. Ciò che verrà dopo, che si tratti di dolorosi postumi o di maturità produttiva, dipende in gran parte da quante aziende saranno in grado di passare da progetti pilota a implementazioni reali con un impatto misurabile. Il segnale più promettente è che questo processo è già in atto. Il segnale d'allarme è che non sappiamo ancora come misurarlo.
Condividi questo articolo
