IA nel Business 2026: Tra Hype e Creazione Reale di Valore
Di Dirk Roethig | CEO, VERDANTIS Impact Capital | 3 marzo 2026
L'88 per cento delle aziende utilizza l'IA — da qualche parte, in qualche modo. Ma solo il 6 per cento ne ottiene un profitto misurabile. Il divario tra investimento e creazione di valore e il maggiore rischio aziendale del decennio.
Tags: Intelligenza Artificiale, Business, Trasformazione Digitale, PMI, Strategia IA
L'Illusione dell'Adozione
Poche tecnologie nella storia sono state adottate in modo cosi ampio e rapido come l'intelligenza artificiale. I numeri sono impressionanti: secondo lo studio The State of AI 2025 di McKinsey, l'88 per cento di tutte le aziende intervistate a livello mondiale utilizza l'IA in almeno un'area di business (Chui et al., 2025). In Germania, l'utilizzo dell'IA si e raddoppiato in un solo anno — dal 20 per cento al 36-41 per cento delle aziende, a seconda dell'indagine (Bitkom, 2025).
La spesa globale per l'IA e cresciuta a un ritmo che ha superato anche le previsioni piu ottimistiche. Nel 2025, gli investimenti mondiali in IA hanno raggiunto circa 1,5 trilioni di dollari statunitensi. Per il 2026, gli analisti prevedono un aumento a 2,52 trilioni — un balzo del 44 per cento in un solo anno (Gartner, 2025). Le aziende di IA hanno attratto circa il 61 per cento del volume globale di venture capital nel 2025 (OECD AI VC Report, 2025).
Eppure: dietro questa facciata di adozione universale si nasconde una verita scomoda. La stragrande maggioranza delle aziende che implementano l'IA non ne ottiene alcun beneficio economico misurabile. La tecnologia viene acquistata, implementata e mostrata — ma non produce risultati.
Il Divario del 6 Per Cento: Cosa Ha Realmente Misurato McKinsey
Forse il numero piu scoraggiante nell'intero dibattito sull'IA proviene dall'indagine McKinsey del 2025: Solo il 6 per cento delle aziende intervistate riporta un impatto significativo sul proprio EBIT — definito come un aumento superiore al 5 per cento dell'utile operativo direttamente attribuibile a iniziative di IA (Chui et al., 2025).
Sei per cento. Su un 88 per cento che utilizza l'IA. Questo significa: il 93 per cento degli utilizzatori di IA si muove in uno spettro tra beneficio marginale e puro centro di costo.
Il Boston Consulting Group conferma questo quadro con i propri dati. Nel suo studio AI at Work 2025, BCG rileva che il 60 per cento delle aziende che hanno implementato l'IA non genera alcun valore materiale. La tecnologia esiste in progetti pilota, proof-of-concept e laboratori di innovazione — ma non penetra i processi operativi centrali. Solo il 5 per cento delle aziende riesce a implementare l'IA su larga scala in modo redditizio (BCG, 2025).
Questa discrepanza non e un caso. E il risultato di errori strutturali nel modo in cui le aziende concepiscono, implementano e scalano i progetti di IA.
Perche la Maggioranza Fallisce: Quattro Errori Strutturali
1. Tecnologia senza Definizione del Problema
L'errore piu comune e anche il piu fondamentale: le aziende implementano l'IA perche vogliono implementare l'IA — non perche devono risolvere un problema concreto. Partono dalla soluzione e poi cercano un problema adatto.
Come ho discusso nel mio precedente articolo IA nel Business: Perche le aziende tedesche devono agire adesso, il primo passo decisivo non e la selezione della tecnologia ma l'identificazione dei colli di bottiglia che rallentano effettivamente il business.
Un'azienda manifatturiera di medie dimensioni che implementa un LLM per il servizio clienti quando il suo vero collo di bottiglia e nella pianificazione della produzione spreca risorse. L'IA puo funzionare tecnicamente alla perfezione — ma risolve il problema sbagliato.
2. La Trappola del Pilota: Demo Brillanti, Scalabilita Assente
Molte aziende rimangono intrappolate nella modalita pilota. Sviluppano prototipi impressionanti che funzionano in ambienti controllati — e poi falliscono nell'integrazione con l'infrastruttura reale. Sistemi legacy, silos di dati, API mancanti e scarsa qualita dei dati trasformano la transizione dal proof-of-concept alla produzione in un incubo.
BCG identifica questo gap di scalabilita come la ragione principale per cui il 60 per cento dei progetti di IA non genera valore materiale. La tecnologia non fallisce per se stessa — fallisce per l'incapacita organizzativa di integrarla nelle catene del valore esistenti (BCG, 2025).
3. Qualita dei Dati: Il Problema Fondamentale Irrisolto
L'IA e buona solo quanto i dati con cui lavora. E la qualita dei dati nella maggior parte delle aziende e catastrofica. Dataset ridondanti, formati incoerenti, informazioni obsolete, metadati mancanti — l'elenco e lungo. Gartner stima che la scarsa qualita dei dati costi alle aziende in media 12,9 milioni di dollari all'anno — e questo senza IA. Con l'IA, il problema si moltiplica perche dati difettosi producono modelli difettosi e quindi decisioni difettose (Gartner, 2025).
4. Mancanza di Ancoraggio al Vertice Aziendale
I progetti di IA guidati dai dipartimenti IT senza ancoraggio strategico al livello C-suite sono destinati al fallimento. Il 6 per cento delle aziende che raggiunge un impatto misurabile sull'EBIT condivide una caratteristica: l'IA e una priorita del top management. Non viene trattata come un progetto IT, ma come una trasformazione strategica.
Cosa Fanno di Diverso i Vincitori
I dati non mostrano solo cosa va storto. Mostrano anche cosa funziona — e i risultati sono notevoli.
Guadagni di Produttivita: Fattore 4,8
Le aziende che hanno integrato con successo l'IA nei propri processi centrali registrano guadagni di produttivita tra il 26 e il 55 per cento — a seconda del settore, del caso d'uso e della profondita di implementazione. Ancora piu impressionante: i settori che hanno adottato l'IA precocemente e in modo costante crescono in produttivita 4,8 volte piu velocemente della media del settore (McKinsey Global Institute, 2025).
ROI: 3,70 Dollari per Dollaro Investito
Il rendimento medio per dollaro investito in IA e di 3,70 dollari statunitensi — ma questo numero e una media che maschera una varianza estrema. Tra i top performer, il ROI supera il 10:1. Tra il 60 per cento inferiore, e negativo. La distribuzione assomiglia a una curva di Pareto: un piccolo gruppo di vincitori ottiene rendimenti sproporzionati mentre la maggioranza subisce perdite.
Il Modello dei Vincitori
Sovrapponendo i dati McKinsey e BCG, emerge un modello chiaro. Il 5-6 per cento di successo delle aziende condivide cinque caratteristiche:
- Chiara definizione del problema: Partono da un problema aziendale concreto, non da una tecnologia.
- Dati come asset: Hanno investito nella qualita dei dati prima dell'implementazione dell'IA.
- Team multifunzionali: I progetti di IA non vengono sviluppati in silos IT, ma da team misti di esperti di dominio, data scientist e responsabili aziendali.
- Scalabilita dal primo giorno: Pianificano il deployment in produzione dal primo giorno — non come fase successiva.
- Sponsorship del CEO: La trasformazione e guidata dal vertice aziendale e legata a KPI chiari.
Le PMI Tedesche: Tra Opportunita e Paralisi
La situazione delle piccole e medie imprese tedesche e particolarmente istruttiva. Secondo Bitkom, l'adozione dell'IA in Germania e cresciuta dal 20 al 36-41 per cento in un solo anno — un raddoppio che dimostra che l'urgenza e stata riconosciuta (Bitkom, 2025). Allo stesso tempo, la Germania e ancora significativamente indietro rispetto a USA, Cina e persino ai paesi scandinavi.
Il problema non e la mancanza di interesse. Il problema e la mancanza di capacita di implementazione. Al Mittelstand (il tessuto imprenditoriale medio tedesco) mancano tre cose:
Primo: Lavoratori qualificati. Come ho illustrato nel mio articolo 20 Milioni di Pensionati, 7,5 Milioni di Lavoratori Mancanti, la Germania affronta uno sconvolgimento demografico che ampliera massicciamente il gap di competenze nei prossimi anni. L'IA potrebbe colmare questa lacuna — ma solo se implementata correttamente.
Secondo: Infrastruttura dati. Molte aziende di medie dimensioni operano ancora con sistemi ERP degli anni 2000, fogli di calcolo frammentati e processi manuali. Prima che l'IA possa creare valore, la base dati deve essere digitalizzata, standardizzata e resa accessibile.
Terzo: Chiarezza strategica. Manca una comprensione chiara di quali processi aziendali possono essere migliorati dall'IA e quali no. Non ogni problema e un problema di IA. A volte una semplice ottimizzazione dei processi e piu efficace di un modello di machine learning.
La Domanda da 2,52 Trilioni: Dove Va il Denaro?
La spesa globale prevista per l'IA di 2,52 trilioni di dollari nel 2026 si distribuisce su quattro categorie principali:
Infrastruttura (circa 40%): Cluster GPU, cloud computing, data center. Qui beneficiano principalmente i grandi hyperscaler — Microsoft, Google, Amazon, Oracle — e produttori di chip come NVIDIA.
Software e Piattaforme (circa 25%): Piattaforme AI aziendali, soluzioni SaaS con integrazione IA, strumenti per sviluppatori. Questo segmento cresce piu rapidamente perche abbassa la barriera d'ingresso per le aziende.
Consulenza e Implementazione (circa 20%): Le grandi societa di consulenza — McKinsey, BCG, Accenture, Deloitte — hanno ampliato massicciamente le loro pratiche IA. La sola McKinsey ha assunto oltre 6.000 consulenti IA nel 2025.
Ricerca e Sviluppo (circa 15%): Ricerca fondamentale, nuove architetture di modelli, modelli specifici per settore. Qui si concentra la quota maggiore del venture capital.
La domanda non e se questi investimenti siano giustificati. La domanda e se raggiungono i posti giusti. Se il 61 per cento del volume globale di VC confluisce nelle aziende di IA ma solo il 6 per cento degli utilizzatori ottiene profitti misurabili, esiste un massiccio problema di allocazione (OECD, 2025).
Cosa Fare Adesso: Un Piano in Cinque Punti per le PMI
Qualsiasi azienda di medie dimensioni che voglia implementare l'IA in modo sensato dovrebbe seguire cinque passi:
Passo 1: Identificare i Colli di Bottiglia, Non Inseguire le Tendenze
Prima di valutare un singolo strumento di IA, identificate i tre-cinque maggiori colli di bottiglia nella vostra catena del valore. Dove perdete tempo? Dove si verificano errori? Dove manca capacita? L'IA e uno strumento per eliminare i colli di bottiglia — non per seguire le tendenze.
Passo 2: Qualita dei Dati Prima della Qualita del Modello
Investite prima nella pulizia dei dati, nella standardizzazione dei dati e nell'integrazione dei dati. Un modello semplice su dati puliti batte un modello complesso su dati sporchi — ogni volta.
Passo 3: Iniziare in Piccolo, Scalare Velocemente
Iniziate con un caso d'uso chiaramente definito che prometta valore economico misurabile. Stabilite KPI chiari. Misurate dopo tre mesi. E poi scalate — o fermatevi.
Passo 4: Portare le Persone con Se
Il maggiore ostacolo nell'implementazione dell'IA non e la tecnologia ma l'organizzazione. Formate i vostri dipendenti. Spiegate perche si usa l'IA. Dimostrate che l'IA facilita il lavoro, non lo sostituisce. Come ho discusso nel mio articolo AI or Obsolescence: Why Every Business Needs an AI Strategy Now, la domanda non e piu se le aziende hanno bisogno dell'IA, ma quanto velocemente possono sviluppare una strategia funzionante.
Passo 5: Misurare i Risultati, Non le Attivita
L'errore piu comune nei progetti di IA: si misura quanti modelli sono stati addestrati, quanti strumenti sono stati implementati e quanti piloti sono stati lanciati. Ma non se l'utile operativo e migliorato. Misurate i risultati, non le attivita. Misurate l'impatto sull'EBIT, non l'accuratezza del modello.
Guardando Avanti: Il 2026 come Punto di Svolta
L'anno 2026 potrebbe rivelarsi un punto di svolta nella storia dell'utilizzo aziendale dell'IA. Non perche la tecnologia raggiunge una svolta — lo ha gia fatto. Ma perche le aziende iniziano a fare le domande giuste.
La prima fase della rivoluzione dell'IA (2022-2025) e stata segnata dallo stupore, dalla sperimentazione e dall'investimento indisciplinato. La seconda fase, che inizia ora, sara definita dal consolidamento, dalla scalabilita e dalla domanda implacabile sul ritorno dell'investimento.
In VERDANTIS Impact Capital, utilizziamo l'analisi basata sull'IA fin dalla fondazione come parte integrante del nostro processo di investimento — non come esperimento, ma come strumento operativo per valutare gli investimenti a impatto. La tecnologia ci aiuta a elaborare volumi di dati che sarebbero ingestibili manualmente e a identificare pattern che sfuggono agli analisti umani. Ma non sostituisce il giudizio umano sulla dimensione strategica ed etica di una decisione di investimento. Dirk Roethig intende l'IA in VERDANTIS come un amplificatore della competenza umana — non come il suo sostituto.
Le aziende che comprendono questa distinzione faranno parte del 6 per cento che crea valore misurabile. Le altre continueranno a spendere denaro chiedendosi perche non funziona.
La risposta e semplice: l'IA non e una bacchetta magica. E uno strumento. E come ogni strumento, dispiega il suo valore solo nelle mani di chi sa cosa vuole costruire con esso.
Riferimenti
- Bitkom (2025). KI-Monitor 2025: Intelligenza Artificiale nell'Economia Tedesca. Associazione Federale per la Tecnologia dell'Informazione, le Telecomunicazioni e i Nuovi Media.
- Boston Consulting Group (2025). AI at Work 2025: Friend and Foe. BCG Henderson Institute.
- Chui, M., Hazan, E., Roberts, R. et al. (2025). The State of AI in 2025: How Organizations Are Rewiring to Capture Value. McKinsey Global Institute.
- Gartner (2025). Forecast: Artificial Intelligence Software, Worldwide, 2022-2028. Gartner Research.
- McKinsey Global Institute (2025). The Economic Potential of Generative AI: The Next Productivity Frontier. McKinsey & Company.
- OECD (2025). Venture Capital Investments in AI: Trends and Policy Implications. OECD Science, Technology and Innovation Papers.
Ulteriori Letture
- IA nel Business: Perche le aziende tedesche devono agire adesso
- AI or Obsolescence: Why Every Business Needs an AI Strategy Now
- 20 Milioni di Pensionati, 7,5 Milioni di Lavoratori Mancanti: L'IA puo colmare il divario?
Sull'Autore
Dirk Roethig e CEO di VERDANTIS Impact Capital, una societa di investimento specializzata in investimenti sostenibili con sede in Svizzera. Porta oltre 20 anni di esperienza nella leadership aziendale, nella consulenza strategica e nell'allocazione sostenibile del capitale. Le sue aree di focus si situano all'intersezione tra tecnologia, business e impatto sociale. Scrive regolarmente su strategia IA, tendenze economiche e creazione di valore sostenibile.
Über den Autor: Dirk Röthig ist CEO von VERDANTIS Impact Capital, einer Impact-Investment-Plattform für Carbon Credits, Agroforstry und Nature-Based Solutions mit Sitz in Zug, Schweiz. Er beschäftigt sich intensiv mit KI im Wirtschaftsleben, nachhaltiger Landwirtschaft und demographischen Herausforderungen.
Kontakt und weitere Artikel: verdantiscapital.com | LinkedIn
Lesen Sie diesen Artikel auch auf: Hashnode | WordPress | Tumblr | Blogger | Telegraph
Top comments (0)