Indice
- Il denaro si è già mosso (e la bolla continua a non scoppiare)
- L'adozione ha già superato la soglia critica
- Sul lavoro: i numeri che non si possono ignorare
- La competizione tra modelli si è spostata
- Gli agenti avanzano, la sicurezza frena il salto
- Due vulnerabilità strutturali da portare in sala consiglio
- Il quadro sulla governance
Here we go again, è arrivato quel momento dell’anno. Lo Stanford HAI ha pubblicato l'edizione 2026 del suo report sullo stato dell’AIe noi come ogni anno abbiamo provato ad analizzarlo tirando fuori gli approfondimenti più interessanti.
È il documento che più di ogni altro fotografa lo stato reale dell'intelligenza artificiale nel mondo — investimenti, adozione, impatti sul lavoro, rischi sistemici. Abbiamo letto le oltre 400 pagine per estrarne le implicazioni, secondo il nostro punto di vista, più interessanti per executive e business leader.
Il denaro si è già mosso (e la bolla continua a non scoppiare)
Gli investimenti privati globali in IA sono cresciuti del 127,5% nel 2025. Gli Stati Uniti hanno investito 285,9 miliardi di dollari — circa 23 volte i 12,4 miliardi della Cina. I grandi hyperscaler (Amazon, Google, Microsoft, Meta, Oracle) hanno raddoppiato la spesa in infrastrutture dal lancio di ChatGPT. Google da sola ha dichiarato oltre 150 miliardi di dollari in capex nel 2025.
La velocità di raggiungimento di ricavi significativi da parte delle principali aziende IA supera quella di qualsiasi generazione tecnologica precedente — incluse Uber e Moderna nelle loro fasi di crescita più aggressive.
L'adozione ha già superato la soglia critica
L'88% delle organizzazioni ha adottato l'IA in qualche forma. 70% usa regolarmente le tecnologie di gen AI in almeno una funzione aziendale. Il valore generato per i consumatori americani ha raggiunto 172 miliardi di dollari annui, con il valore mediano per utente triplicato in un solo anno.
La percentuale di organizzazioni che hanno raggiunto una piena integrazione a scala rimane però nella singola cifra per quasi tutte le funzioni aziendali. L'adozione è diffusa; la maturità operativa è ancora rara.
Sul lavoro: i numeri che non si possono ignorare
I guadagni di produttività sono documentati e reali: +14-26% nel supporto clienti e nello sviluppo software. Contestualmente, i ruoli entry-level negli stessi settori stanno calando. I developer software tra i 22 e i 25 anni negli USA sono diminuiti di quasi il 20% rispetto al 2024. Un terzo delle organizzazioni prevede riduzioni di organico nel prossimo anno, soprattutto in operations, supply chain e software engineering.
C'è un rischio meno visibile da monitorare: il cosiddetto "learning penalty" . I professionisti junior che si affidano intensivamente all'IA sviluppano competenze tecniche più lentamente. Nel breve termine producono di più; nel medio termine rischiano di avere lacune strutturali. È un problema di pipeline del talento che si costruisce in silenzio e si manifesta con ritardo.
La produttività aggregata tende a seguire una J-curve: le organizzazioni attraversano prima un periodo di costi e frizione legati all'adozione, prima che i benefici si materializzino nei dati complessivi. Chi si aspetta ritorni immediati potrebbe smettere di investire esattamente prima che arrivino.
La competizione tra modelli si è spostata
Le performance dei modelli di punta di Anthropic, Google, OpenAI e xAI sono oggi così vicine da non costituire più un vantaggio competitivo misurabileLa pressione competitiva si è spostata sul costo, sull'affidabilità e sull'utilità concreta nel contesto operativo reale.
Il concetto di "intelligenza dentellata" (jagged intelligence) descrive una caratteristica strutturale dei sistemi attuali: lo stesso modello che ottiene una medaglia d'oro alle Olimpiadi di matematica sbaglia a leggere un orologio analogico più della metà delle volte. Capire dove un sistema è affidabile — e dove no — è diventato una competenza di management , prima ancora che tecnica.
Il report introduce il framework delle "Centaur Evaluations" : misurare la performance combinata di un essere umano e un sistema IA che lavorano insieme, piuttosto che la performance dell'IA in isolamento. È una metrica più vicina all'utilità reale in contesti aziendali.
Gli agenti avanzano, la sicurezza frena il salto
Gli agenti IA hanno fatto un balzo significativo: l'accuratezza sui benchmark di utilizzo del computer è passata dal 12% al 66% in un anno. L'interesse organizzativo è alto. Eppure il 62% dei dirigenti cita la sicurezza e la gestione del rischio come ostacolo primario alla piena implementazione. Il divario tra sperimentazione e scala reale rimane ampio.
Due vulnerabilità strutturali da portare in sala consiglio
La dipendenza da TSMC. Praticamente ogni chip IA di frontiera viene fabbricato da un'unica fonderia a Taiwan. L'intera catena del valore globale dell'IA è concentrata su un singolo punto geografico. A questo si aggiunge la dipendenza dalla memoria ad alta larghezza di banda (HBM), dominata da tre soli produttori: SK Hynix, Samsung e Micron.I dati di addestramento si esauriscono. I testi di alta qualità disponibili pubblicamente per addestrare i modelli si proiettano verso l'esaurimento tra il 2026 e il 2032. Le organizzazioni che possiedono dati proprietari curati — e sanno come valorizzarli — stanno costruendo un vantaggio competitivo strutturale difficilmente replicabile. Il mercato delle licenze su dati proprietari si sta già muovendo in questa direzione.
Il quadro sulla governance
Le strutture formali di oversight interno sull'IA sono cresciute del 17% nel 2025. Gli ostacoli principali all'implementazione rimangono: gap di conoscenza e formazione (59%), vincoli di budget (48%), incertezza regolatoria (41%). Gli incidenti documentati legati all'IA sono saliti da 233 nel 2024 a 362 nel 2025.
Sul piano regolatorio, l'UE ha attivato le prime disposizioni dell' AI Act nel 2025. Gli Stati Uniti hanno invece scelto un orientamento verso la deregolamentazione per favorire l'innovazione. I cluster di supercalcolo sovrano in Europa e Asia centrale sono cresciuti da 3 a 44 tra il 2018 e il 2025: i governi considerano il controllo sull'infrastruttura IA una questione di sicurezza nazionale.
Neodata analizza i dati che contano per aiutare le organizzazioni a navigare l'integrazione dell'intelligenza artificiale con metodo e consapevolezza
