Per quasi tre anni l’intelligenza artificiale generativa è stata raccontata come una sorta di evento cosmico inevitabile. Prima i chatbot, poi i copiloti, poi gli agenti, poi gli agenti che orchestrano altri agenti. Ogni settimana una nuova demo. Ogni mese un nuovo framework. Ogni trimestre una nuova promessa di rivoluzione. Un invasione di borg pronti ad assimilarci, la resistenza è, proverbialmente, futile.
Nel frattempo, nelle aziende, succede una cosa molto meno cinematografica: qualcuno riapre Excel.
Perché dopo la fase iniziale di entusiasmo, il vero tema è diventato brutalmente semplice: quanto rende davvero l’AI? Quanto costa mantenerla? E soprattutto: dove sta il ritorno economico?
Se, come me, vivete nel magico mondo delle conferenze hi tech vi sarte accorti che non stiamo più ascoltando il mantra del “dobbiamo adottare l’AI”, adesso stiamo chiedendo al nostro Jerry Maguire virtuale “ok, ma i soldi?”.
E la cosa interessante è che questa domanda non arriva da avidi giocatori di football, ma dai CIO, dai CFO e dai board aziendali. Da chi ha già investito milioni in licenze, GPU, piattaforme, consulenza e formazione ben attento a non perdersi la nuova onda guidata da Sam Altman con i suoi licenziamenti e ri-assunzioni miliardarie.
Negli ultimi mesi il nostro è un pò uscito un pò di scena anche perchè nel frattempo si è formata una narrativa molto diversa rispetto a quella del biennio precedente. Più stanca dell’hype, più attenta ai conti. Per farsi un idea basta uscire da Linkedin e provare a leggere articoli economici relativi all’ai.
Non è un caso che uno degli articoli più condivisi nelle ultime settimane sia stato quello pubblicato da Harvard Business Review, dedicato non all’innovazione in sé, ma al ritorno sugli investimenti AI. Il punto centrale dell’analisi è quasi disarmante nella sua semplicità: le aziende iniziano a pretendere KPI reali. Non sperimentazioni infinite. Non PoC permanenti. Non dashboard colorate. Valore economico.
Secondo il report, oltre il 70% dei CIO teme che parte dei budget AI possa essere congelata nei prossimi 24 mesi se non emergeranno risultati misurabili. Ed è una frase che racconta perfettamente il momento storico attuale. L’AI non è più il progetto “cool” da mettere nella presentazione agli investitori. Sta diventando una voce di bilancio da giustificare.
Ed è qui che la storia si fa davvero interessante.
Perché nel frattempo il mercato si è riempito di strumenti. Ogni software enterprise ormai possiede almeno una funzione AI . Ogni piattaforma promette automazione, sintesi, ottimizzazione, insight, prediction, orchestration e possibilmente pure illuminazione spirituale. Il risultato, però, non sempre è stato un aumento della produttività. Anzi, uno dei report più citati del periodo, pubblicato da Shibumi, ha contribuito a diffondere un’espressione che fino a pochi mesi fa sembrava quasi impensabile: AI fatigue.
Stanchezza da AI.
Secondo i dati raccolti nel report, una quantità sorprendentemente alta di aziende (tutte?) non riesce ancora a misurare un ROI concreto sui progetti generativi. E soprattutto emerge un problema molto enterprise: troppe piattaforme scollegate, troppi workflow frammentati, troppi strumenti che introducono attrito invece di ridurlo.
In pratica, l’AI rischia di fare quello che storicamente fanno molti tool enterprise: aumentare la complessità operativa mentre promette di ridurla.
Torniamo al nostro vecchio amore: l’ integrazione.
Anche dal punto di vista economico la vera battaglia del 2026 non è “chi ha il modello migliore”. E’ piuttosto “chi riesce a inserirsi meglio nei processi reali delle aziende”. Tutta la differenza del mondo.
Il problema non è più generare presentazioni piene di grafici a torta che si aprono mostrando fuochi d’artificio che manco il capodanno cinese. Il problema è capire come un’organizzazione possa incorporare questi strumenti senza trasformare ogni workflow in un luna park di plugin, copiloti, prompt e finestre browser aperte, usando dati relativi alla Contoso Ent., che tanto poi ci mettiamo quelli veri, mentre i vostri investitori si chiedono quando avete aperto una filiale a Parigi, per giunta senza dirglielo. Ed è probabilmente per questo che stanno tornando centrali concetti che sembravano quasi noiosi fino a poco tempo fa: orchestrazione, governance, interoperabilità, consolidamento.
Anche le grandi società di consulenza stanno cambiando tono. Un esempio interessante arriva da Business Insider, che ha riportato le analisi di McKinsey secondo cui alcune aziende starebbero finalmente ottenendo ritorni economici significativi dai progetti AI. Ma c’è un dettaglio fondamentale: non grazie a nuovi prodotti.
I casi di maggior successo sembrano concentrarsi su pochi use case molto verticali, molto concreti e molto vicini al business. Riduzione dei tempi di analisi documentale. Ottimizzazione customer support. Automazione di task ripetitivi. Accelerazione del ciclo software.
Tutte cose poco spettacolari da mettere su LinkedIn, ma tremendamente efficaci sui margini operativi.
In altre parole: il mercato enterprise sembra aver scoperto che la GenAI non è magia. È infrastruttura. Il problema è che come ogni infrastruttura, funziona quando è invisibile. Ma c’è un aspetto che gli toglie il mantello dell’invisibilità come ad un Harry Potter in fuga da “noi sappiamo chi” : il costo.
Uno dei report economici più discussi degli ultimi mesi è stato quello pubblicato da Goldman Sachs, che prova a stimare il costo globale della costruzione dell’infrastruttura AI. I numeri sono quasi surreali. Si parla di centinaia di miliardi di dollari annui in investimenti infrastrutturali, con proiezioni che superano il trilione nel giro di pochi anni(2030).
Il marketing ha già bruciato la parola cloud per uno dei più grossi inganni del secolo, il ferro sparisce e i vostri dati viaggiano nella stratosfera come palloncini, finchè non prende fuoco qualche palazzo a Strasburgo.
Per l’AI ci vorrà un’altra genialata perchè appena nata si sta facendo carne:
Diventa energia.
Diventa cemento.
Diventa raffreddamento industriale.
Diventa geopolitica.
Perché addestrare modelli e servire inferenza su scala planetaria non è gratis. E soprattutto non è infinito. Così come non era infinita la rivoluzione delle dot.com negli anni 2000, spettro che fa crescere il timore che si stia formando una nuova bolla tecnologica. Non è un caso che la pagina Wikipedia dedicata alla “AI bubble” sia diventata improvvisamente molto consultata.
E il motivo è semplice: il settore sta entrando nella fase in cui i ricavi devono iniziare a giustificare gli investimenti. È lo stesso passaggio che storicamente separa le rivoluzioni tecnologiche dagli esperimenti costosi.
Naturalmente questo non significa che l’AI sia destinata a sgonfiarsi. Anzi. Molti segnali indicano esattamente il contrario. Però sta cambiando la forma dell’adozione.
L’epoca delle demo infinite sembra lasciare spazio a una fase molto più pragmatica. Lovable sforna poc a velocità incredibile, ma il suo codice sparisce come lacrime nella pioggia. In questa nuova fase stanno diventando importanti anche le voci più critiche e meno entusiaste.
Un esempio emblematico è l’analisi pubblicata da MIT Sloan, che riprende molte delle riflessioni dell’economista Daron Acemoglu. Il punto centrale è interessante perché va contro la narrativa dominante: l’impatto economico dell’AI potrebbe essere enorme nel lungo periodo, ma molto più graduale nel breve di quanto il mercato immagini.
In pratica: non tutti i task sono economicamente automatizzabili. E soprattutto non tutti i task conviene automatizzarli.
Che è una frase apparentemente scontata, ma potentissima.
Perché nel mondo enterprise il problema non è solo “si può fare?”. È “ha senso farlo?”.
Automatizzare un processo che costa poco e funziona già bene spesso non genera vantaggi reali. E questo obbliga le aziende a fare qualcosa che nel mondo AI si fa ancora troppo poco: prioritizzazione strategica.
Altro aspetto che mi coinvolge mio malgrado è che anche il mondo del lavoro sta cambiando narrativa. Fino a pochi mesi fa il dibattito era dominato da una domanda quasi apocalittica: “l’AI sostituirà gli esseri umani?”. Oggi il discorso sta diventando molto più ‘sofisticato’.
Uno studio pubblicato da Anthropic Research, basato sull’analisi di milioni di interazioni reali con Claude, mostra che nella maggior parte dei casi l’AI viene utilizzata non per sostituire completamente il lavoro umano, ma per amplificarlo. Ed è probabilmente questo il vero scenario che vedremo nei prossimi anni.
Non aziende senza persone ma persone che lavorano dentro workflow completamente ridefiniti dall’AI. Che è molto diverso, molto più complesso.
Perché significa ripensare organizzazioni, ruoli, competenze, governance e processi. Non semplicemente installare un chatbot aziendale. Ed è qui che molte aziende stanno iniziando a capire una verità abbastanza scomoda: l’adozione AI non è un progetto IT. È un progetto organizzativo. Ed è forse per questo che tanti progetti falliscono. Perché vengono affrontati come semplice introduzione tecnologica, mentre in realtà impattano cultura aziendale, flussi decisionali, gestione delle competenze e modelli operativi. Non bastano gli ingegneri, ci vogliono manager e di quelli con un sacco di esperienza.
In questo senso, uno dei report più intelligenti usciti recentemente è The State of Organizations 2026 di McKinsey, che racconta proprio questo passaggio: la GenAI non come tool isolato, ma come forza che modifica l’intera struttura organizzativa delle imprese con la capacità di trasformare davvero i processi aziendali senza distruggere l’equilibrio operativo delle organizzazioni.
Perché alla fine il mercato enterprise è un posto poco romantico e cercare di far innamorare il vostro partner portandolo in ristoranti costosissimi dove potete permettervi al massimo un insalata, non è un esperienza entusiasmante.
Puoi avere il modello più impressionante del pianeta. Ma se non riduci costi, aumenti margini o migliori velocità operative, prima o poi qualcuno presenterà il conto.
E forse è proprio questo il segnale che emerge, l’intelligenza artificiale sta finalmente uscendo dalla fase adolescenziale dell’hype ed entrando nell’età adulta dell’economia reale, ma da adulti si sa che non esistono pasti gratis.
