L'intelligenza artificiale nelle imprese: il nodo è l’esecuzione

L'intelligenza artificiale è uscita dalla fase dei test. Nelle grandi aziende è ormai una priorità operativa, con budget in crescita, progetti distribuiti in più funzioni e aspettative molto alte sulla capacità di incidere su produttività, ricavi e organizzazione del lavoro. Il punto, però, non è più l’adozione: è l’esecuzione.

È questa la linea che emerge dal report Global AI Pulse Q1 2026 di KPMG International, basato su un’indagine condotta tra il 19 febbraio e il 17 marzo 2026 su 2.110 dirigenti senior e componenti del top management di organizzazioni con almeno 100 milioni di dollari di ricavi annui, distribuiti in 20 Paesi, territori e giurisdizioni.

La distanza tra spesa e risultati

I numeri raccontano un paradosso netto: il 95% delle aziende dichiara di avere una strategia sull’AI, ma soltanto l’8% afferma di aver raggiunto un ritorno sull’investimento già consolidato. Intanto, le organizzazioni prevedono di investire in media 186 milioni di dollari nei prossimi dodici mesi.

La distanza tra spesa e risultati è il dato più rilevante del rapporto. L’AI si diffonde, ma il valore economico stabile resta concentrato in una quota ristretta di imprese. KPMG individua un gruppo pari a circa l’11% del campione: sono le aziende che non si limitano a introdurre strumenti o automatizzare singoli compiti, ma riescono a integrare l’intelligenza artificiale nei processi, nella governance, nei sistemi decisionali e nella gestione delle persone.

La maturità del mercato

Circa il 39% delle organizzazioni intervistate dichiara di essere nella fase di scalabilità dell’AI o di adozione estesa a tutta l’azienda. Un altro dato segnala che il 64% riporta già un “valore di business significativo”. Ma quando la domanda si sposta dalla percezione generale alla capacità di misurare un ROI consolidato e verificabile, la quota crolla all’8%.

Questo scarto dice due cose. La prima: molti progetti generano benefici locali, spesso in termini di velocità operativa, automazione o qualità di alcune decisioni. La seconda: trasformare questi benefici in una performance aziendale coerente, stabile e misurabile è molto più difficile.

La questione della governance

KPMG insiste su questo passaggio: la questione non è la disponibilità della tecnologia, né la volontà di investire. Il collo di bottiglia è la capacità dell’impresa di funzionare con l’AI come parte di un sistema coordinato.

Il problema non è l’algoritmo: è l’azienda. Quando i dati restano frammentati, la governance viene applicata a posteriori, i flussi di lavoro non dialogano tra loro e le responsabilità non sono definite con chiarezza, l’AI moltiplica attività ma non produce un salto altrettanto netto nei risultati.

La parola decisiva: orchestrazione

La parola decisiva è orchestrazione. KPMG la usa per indicare la capacità di progettare, integrare e governare l’AI su scala d’impresa, non come somma di singoli casi d’uso ma come infrastruttura operativa che attraversa funzioni, team e sistemi.

Le aziende che stanno davanti non sono quelle che hanno semplicemente più strumenti. Sono quelle che fanno lavorare insieme processi, dati, governance e forza lavoro. Questa integrazione consente all’AI di entrare nei flussi decisionali, coordinare attività tra reparti e sostenere risultati misurabili lungo più aree del business.

I leader dell’AI

Il report segnala che tra i cosiddetti AI leaders, il 48% si dice molto sicuro di saper misurare l’impatto sui ricavi, contro il 27% delle aziende non leader. Sulla redditività il divario è 50 contro 28%; sulla velocità e accuratezza delle decisioni 49 contro 32%; sulla mitigazione del rischio e la compliance 45 contro 25%.

Non è una differenza di entusiasmo. È una differenza di capacità organizzativa.

Gli investimenti

Le imprese leader destinano più risorse a infrastruttura IT, cybersicurezza, protezione dei dati, rischio e conformità normativa. Hanno anche una maggiore copertura del tema AI a livello di consiglio di amministrazione e, più spesso, competenze specifiche nei board.

L’idea che il governo dell’AI sia un vincolo esterno all’innovazione, nel rapporto, viene rovesciata: la governance non rallenta la scala, la rende possibile.

Gli AI agents

Il campione mostra una transizione in corso. Il 22% delle organizzazioni è ancora in fase esplorativa; il 17% sta facendo pilot; il 14% li ha già distribuiti; il 18% li sta estendendo a più funzioni. Più avanti nella curva, il 17% sta sviluppando sistemi multi-agente e il 9% dice di essere arrivato a una vera orchestrazione tra flussi di lavoro.

Qui sta un altro nodo: distribuire agenti non equivale a saperli governare. Gli agenti sono già presenti soprattutto in tecnologia e IT (66%) e nelle operations (55%), ma l’impiego in funzioni commerciali, di rischio, compliance, finanza e risorse umane è ancora meno uniforme.

Le barriere

Il rapporto elenca con precisione i principali ostacoli dichiarati dalle aziende. Le barriere più citate al raggiungimento degli obiettivi della strategia AI sono: risk management legato a privacy e cybersicurezza (43%), qualità dei dati (36%), mancanza di ROI misurabile (32%), adozione da parte dei dipendenti (31%) e integrazione con altre tecnologie emergenti (27%).

In parallelo, tre quarti dei dirigenti intervistati, il 75%, esprimono una preoccupazione generale su rischio e sicurezza legati all’AI.

Le competenze del personale

Solo il 22% delle aziende si dice molto sicuro che l’attuale pipeline di talenti sia adeguata a una forza lavoro abilitata dall’AI. Un ulteriore 46% si dice solo “abbastanza” sicuro.

KPMG mostra anche che le organizzazioni molto fiduciose nelle proprie competenze interne hanno molte più probabilità di dichiarare risultati di business significativi: 77% contro 20%.

La relazione tra preparazione della forza lavoro e performance dell’AI, dunque, è diretta.

Le differenze regionali

Nelle Americhe, il 35% delle organizzazioni dichiara di stare scalando l’AI a livello d’impresa. In EmEA la quota scende al 22%, in Aspac al 23%.

Anche il ROI consolidato è leggermente più alto nelle Americhe, con il 9% contro il 7% in EmEA e il 6% in Aspac.