L’88% delle aziende usa l’AI, ma solo l’1% sa cosa farci

Lo Stanford HAI AI Index 2026 fotografa l’88% delle aziende globali con AI integrata in almeno un workflow operativo, dieci punti sopra il dato 2025. Solo l’1% raggiunge la categoria “AI mature” che richiede governance dei dati, scaling oltre i pilot e ROI misurato. L’Italia si ferma al ventisettesimo posto su trentasei nell’AI Vibrancy Tool, sotto Spagna, Polonia e Paesi Bassi.

Il gap tra adozione diffusa e capacità reale di estrarre valore non si chiude da solo, anzi tende ad allargarsi. Sei ricerche indipendenti pubblicate fra maggio e giugno 2026 (Stanford, McKinsey, BCG, Bain, Osservatori Polimi e Gartner) convergono sullo stesso quadro. L’AI è ovunque, la maturità organizzativa quasi da nessuna parte, e il vantaggio competitivo si concentra in poche aziende che hanno smesso di trattarla come una feature.

Il quadro Stanford è chiaro nei numeri. Le grandi enterprise dichiarano uso “sistematico” nel 71% dei casi, contro il 56% del 2025. Le aziende che combinano governance, scaling oltre tre workflow critici e ROI documentato a 18 mesi restano però una su cento. Il restante 87% siede in una zona grigia che Stanford definisce “adozione superficiale”.

Rewired non significa avere ChatGPT in azienda

La definizione che McKinsey propone nello State of AI 2026 ha taglio operativo: un’azienda è “rewired” quando ha ridisegnato i workflow end-to-end, nominato un Chief AI Officer con potere di veto, centralizzato la governance dei dati e introdotto accountability ROI per business unit. Il CAIO decide quali processi vengono smontati e ricostruiti, e risponde direttamente al CEO dei numeri di trasformazione.

I dati che McKinsey associa a questa definizione sono brutali. Su un panel di milleduecento aziende monitorate, solo venti hanno raggiunto un uplift EBITDA del 20% attribuibile direttamente all’AI. L’80% del valore catturato deriva dal redesign dei workflow, mentre la qualità del modello sottostante incide in misura marginale. La conseguenza pratica: scegliere fra Claude, GPT o Gemini conta meno che decidere quale processo del back office smontare per primo.

BCG aggiunge una lettura di mercato che converge con McKinsey. Nel rapporto Build for the Future 2026, il 25% delle aziende classificate “Future-Ready” cattura il 70% del valore AI generato sul mercato di riferimento. La curva è la stessa che si è vista con il cloud nel 2015 e con il mobile nel 2011: winner-takes-most, premio crescente alla velocità di adozione strutturale.

Bain completa il quadro dal lato dei fallimenti. Il Generative AI Survey 2026 registra che l’80% dei pilot AI non scala oltre la fase dimostrativa. Il 60% dei progetti viene abbandonato per mancanza di ROI dimostrabile dopo sei mesi. Il modello scelto pesa molto meno della presenza di un business owner che si prenda la responsabilità del numero a fine trimestre.

Italia ventisettesima, il problema è il capitale prima del talento

Il ventisettesimo posto italiano nell’AI Vibrancy Tool misura la profondità del capitale dedicato, mentre il tasso di adozione aziendale resta in linea con la media globale. Le imprese italiane stanno dentro il dato globale, almeno per la quota grandi enterprise. La verticalità del venture capital sull’AI come industria strategica resta il vero punto debole, ed è qui che la distanza con Francia e Germania diventa strutturale.

I numeri del confronto raccontano una scelta industriale mancata. L’Italia ha attratto 1,8 miliardi di euro di VC AI nel 2025. La Francia, nello stesso anno, ne ha mossi 18 miliardi, dieci volte tanto, sostenuti dal Plan IA da 10 miliardi varato dal governo Macron. La Germania si ferma a 9 miliardi, ma con un tessuto di mid-cap industriali che assorbe la spesa. Senza fondo dedicato non nasce un campione: Mistral è francese perché esiste un ecosistema VC che traguarda obiettivi nazionali, non solo ROI di portafoglio.

Mistral oggi viene valutata 14 miliardi di dollari, Aleph Alpha tedesca 5 miliardi, e l’Italia non ha un campione AI di scala paragonabile. La ricerca accademica resta ben posizionata (Polimi, Sapienza, IIT producono paper riconosciuti sul piano internazionale), ma il trasferimento tecnologico verso aziende italiane resta limitato a singoli spin-off. Polimi sforna talenti che migrano, perché qui non trovano capitale che li sostenga oltre la fase seed.

Il dato brevetti chiude il cerchio. L’Italia è diciottesima in Europa per brevetti AI depositati nel 2025, sotto Polonia e Spagna. Le startup AI per milione di abitanti sono sotto la media UE. L’AI Act è stato recepito con tempi rapidi, ma non accompagnato da un fondo industriale dedicato come quello francese. Il PNRR contiene voci AI ma diluite su capitoli più ampi, e il risultato è una spesa orizzontale che non costruisce capacità verticale.

Grandi e PMI italiane su due pianeti diversi

L’Osservatorio Artificial Intelligence del Politecnico di Milano misura una forbice italiana che si allarga. Le grandi imprese dichiarano AI in produzione nel 71% dei casi, perfettamente in linea con il dato globale Stanford. Le PMI italiane si fermano all’8%, un divario di sessantatré punti che non ha equivalenti nei principali paesi europei.

Il mercato AI italiano vale 1,2 miliardi di euro nel 2025, in crescita del 50% anno su anno, ma da una base bassa che non altera il quadro competitivo. Il 76% delle PMI dichiara di non avere piani AI strutturati a dodici mesi. Industria 4.0 ha lasciato in eredità un divario che ora si ripresenta amplificato con l’AI generativa: chi non aveva digitalizzato i processi nel 2020 non ha la base dati per orchestrare modelli nel 2026.

I distretti industriali italiani vivono lo stesso problema senza la soluzione comune. Brescia, Modena, Vicenza producono valore con catene del valore lunghe, ma nessun distretto ha sviluppato una piattaforma AI condivisa fra le aziende che lo compongono. Ogni PMI si trova sola davanti alla scelta di vendor, governance e formazione, e la risposta più frequente è il rinvio.

Gartner CIO: l’11% raggiunge i KPI dichiarati

Il Gartner CIO Survey 2026 aggiunge una metrica che pesa più della percezione. Solo l’11% dei progetti AI raggiunge i KPI dichiarati a dodici mesi dal lancio. Il 95% dei pilot fallisce il passaggio in produzione, secondo lo stesso campione. ServiceNow misura tempi di scaling AI nel 2026 superiori a diciotto mesi nella mediana, contro i nove mesi promessi dai vendor in fase commerciale.

Il pattern di fallimento è ricorrente e diagnosticabile. Il pilot resta patrocinato dal CIO senza un business owner che ne risponda a fine trimestre. Il ROI atteso resta indefinito ex-ante, le metriche di successo restano vaghe. La roadmap di scaling è assente, e quando arriva il momento di passare in produzione mancano budget, governance e accountability. Il risultato è una collezione di proof of concept che dimostrano capacità tecniche senza generare impatto economico.

Una scelta industriale o una dipendenza consolidata

Il ventisettesimo posto italiano nello Stanford Vibrancy racconta la profondità dell’uso, dato che l’adozione (dentro l’88% mondiale) è già acquisita per le grandi imprese. Usiamo l’AI come molti, la cambiamo organizzativamente come pochi, la finanziamo come quasi nessuno. La distanza con Francia e Germania si gioca sulla verticalità del capitale di rischio dedicato all’AI come industria strategica nazionale, prima ancora che sulla qualità della ricerca o del talento.

Senza una scelta industriale comparabile al Plan IA francese, ogni anno passato a fare pilot è un anno in cui le aziende italiane consolidano dipendenza da vendor esteri sui workflow critici. Microsoft, Google, Anthropic e OpenAI hanno tutti datacenter europei ma sede e governance fuori dall’UE, e il margine di negoziazione di un CIO italiano davanti a un contratto enterprise resta limitato. La dipendenza è già infrastrutturale, e si rafforza ogni trimestre.

La forbice PMI-grandi replica lo stesso meccanismo dentro i confini nazionali. Chi non ha massa critica non investe in governance, e senza governance l’AI resta una voce di costo che pesa sul bilancio senza generare ricavi. Il divario di sessantatré punti che separa grandi e PMI italiane non si chiude con corsi di formazione o voucher distribuiti dal MIMIT, si chiude solo con piattaforme distrettuali condivise che permettano alle PMI di accedere a capacità AI senza dover ricostruire stack interno.

I numeri lasciano poco margine di lettura ottimistica. L’1% di aziende AI mature nel mondo cattura il 70% del valore, e in Italia quella quota resta ancora più bassa perché manca il capitale che permetta il salto da pilot a infrastruttura. Senza una decisione politica e industriale che porti il Paese su una traiettoria simile a quella francese o tedesca, il ventisettesimo posto del 2026 rischia di essere il punto di partenza per una discesa ulteriore, non un fondo da cui risalire.