Sorpresa dei dirigenti: l’IA fatica a generare i profitti sperati

In un contesto in cui l’intelligenza artificiale (IA) è al centro delle strategie di innovazione e crescita, i dirigenti aziendali manifestano una sorprendente meraviglia di fronte ai risultati reali dei loro investimenti. Nonostante un flusso continuo di spese colossali investite nell’IA, la promessa di redditività rapida e di un miglioramento spettacolare delle prestazioni fatica a concretizzarsi. Nel 2026, questo persistente divario tra aspettative e realtà interpella e impone una riflessione approfondita sul reale valore economico di queste tecnologie. Lontano da un semplice rallentamento temporaneo, si delineano i segni di una bolla finanziaria, segnando un paradosso tra l’entusiasmo dei dirigenti e la debolezza dei profitti.

I CEO, pur rimanendo convinti delle potenzialità dell’IA, esprimono un crescente disagio rispetto all’assenza di ritorni tangibili sull’investimento. Una parte significativa di loro ammette di non rilevare alcun impatto positivo reale sui ricavi né sulla riduzione dei costi, nonostante spese significative in infrastrutture e strumenti di IA. Questa dinamica solleva domande importanti: quali sono gli ostacoli tecnici, organizzativi e strategici che impediscono all’IA di diventare una leva solida per l’economia aziendale? E quali lezioni trarre da questa delusione mentre il ritmo degli investimenti non rallenta?

Spese massicce in IA senza ritorno finanziario immediato: un disequilibrio preoccupante

Gli ultimi dati provenienti da un’ampia indagine condotta da PwC su 4.454 CEO illustrano un quadro complesso e sfumato. Più della metà di questi dirigenti ammette di non percepire alcun ritorno finanziario legato ai loro investimenti nell’intelligenza artificiale. Negli ultimi dodici mesi, solo il 30% ha osservato una crescita tangibile del fatturato attribuita all’IA, mentre il 56% non ha identificato né un aumento delle entrate né una diminuzione dei costi.

Questa situazione crea un gap importante tra il livello storico delle spese e i risultati economici registrati. Decine, se non centinaia, di miliardi di dollari sono stati investiti nella costruzione di centri dati, nell’acquisto di hardware specializzato e nell’implementazione di infrastrutture energivore. Eppure, i ricavi derivanti dall’IA rimangono prevalentemente ipotetici, confinati a una minoranza di attori in grado di trasformare questa tecnologia in un vero motore economico.

Le cause di questo disequilibrio

Diversi fattori spiegano questa disconnessione tra investimenti colossali e profitti misurabili. Innanzitutto, molte aziende procedono senza una roadmap chiara né una strategia coerente di integrazione dell’IA. I loro progetti rimangono spesso sperimentali, limitati a prototipi o piloti che non superano la fase di massificazione.

In secondo luogo, gli ostacoli organizzativi e umani pesano molto. L’adozione dell’IA richiede un profondo adattamento dei processi aziendali, una formazione adeguata dei dipendenti e una governance rafforzata dei dati. Tuttavia, ad oggi, il 76% degli occupati non ha ancora ricevuto formazione sull’IA, secondo un’indagine recente.

Infine, i limiti tecnici rimangono pregnanti. Le IA generative commettono ancora errori, e la complessità della loro integrazione in compiti amministrativi o decisionali rallenta il loro sfruttamento redditizio. Anche i rischi legati alla sicurezza dei dati entrano in gioco, frenando l’adozione in alcuni settori sensibili.

Il paradosso dei dirigenti: temere sia la bolla sia di non investire abbastanza in IA

Una tensione paradossale anima i vertici dirigenziali: mentre molti temono lo scoppio della bolla speculativa attorno all’IA, temono allo stesso tempo di non impiegare risorse sufficienti per non restare indietro dal punto di vista tecnologico.

Mohamed Kande, presidente mondiale di PwC, riassume perfettamente questa ambivalenza: «Un numero limitato di aziende riesce già a generare ritorni finanziari concreti grazie all’IA. Ma la maggior parte fatica ancora, ciò che impatta la fiducia e la competitività in un mercato globale dove la corsa all’innovazione è intensa.»

Questa paura di accumulare un ritardo irreversibile spinge molti dirigenti a mantenere, anzi intensificare, i loro budget IA, nonostante una redditività che tarda a materializzarsi. Questo effetto di “fuga in avanti” comporta un indebitamento digitale che potrebbe indebolire ulteriormente i bilanci delle aziende.

La bolla IA a confronto con quella degli anni 2000

Il parallelo storico con la bolla Internet della fine degli anni 1990 è diventato un tema ricorrente nelle analisi economiche attuali. Come la bolla dotcom, la bolla IA vede investimenti massicci che spesso precedono l’emergere di modelli economici sostenibili e redditizi.

Tuttavia, la dimensione dell’investimento attuale supera persino le proporzioni di quell’epoca. Mentre il venture capital americano aveva investito l’equivalente di 344,5 miliardi di dollari nel periodo 1997-2000, il settore IA ha già raccolto 338,3 miliardi nel 2025, di cui quasi la metà destinata all’IA generativa. Queste somme colossali intensificano i rischi di scoppio, con conseguenze economiche potenzialmente drammatiche.

Ostacoli tecnologici e organizzativi alla profittabilità dell’IA

Uno dei principali ostacoli alla trasformazione dell’IA in motore di redditività risiede nella complessità stessa della sua integrazione nei processi aziendali. La tecnologia, benché avanzata, risulta spesso poco adatta alle realtà quotidiane delle organizzazioni.

Uno studio del MIT nel 2025 rivelava che quasi il 95% dei progetti di IA generativa in azienda non era riuscito ad accelerare il fatturato. Questo alto tasso di fallimento è spiegato da varie difficoltà tecniche e umane cui si aggiunge una scarsa gestione dei dati.

Esempio pratico: l’integrazione delle IA generative nelle attività amministrative

Una multinazionale del settore bancario, pur avendo investito massicciamente nell’IA generativa per automatizzare il servizio clienti, ha visto i suoi guadagni stagnare e persino i costi aumentare a causa della necessità costante di correzioni manuali e interventi umani per compensare gli errori del sistema. Questo fenomeno illustra la difficoltà nel convertire l’innovazione tecnologica in guadagni finanziari duraturi.

Inoltre, questo caso sottolinea l’importanza di una formazione adeguata dei team: senza competenze sufficienti per sfruttare appieno questi strumenti, l’implementazione resta inefficace e costosa.

Le sfide della gestione dei dati

Affidabilità e qualità dei dati sono inseparabili dal successo dei progetti di IA. Tuttavia, molte aziende faticano a strutturare e pulire i loro database, il che si traduce in risultati distorti o addirittura inutilizzabili. Questa carenza rappresenta un ostacolo significativo.

Di conseguenza, numerose organizzazioni preferiscono privilegiare la sicurezza e la protezione, a scapito di un’efficace valorizzazione dell’IA, soprattutto in settori regolamentati dove la tutela dei dati è fondamentale.

Impatto economico a livello globale: una preoccupazione condivisa

La sfida non riguarda solo le singole imprese. Questa tendenza ha anche una risonanza sull’economia mondiale. Il rischio di una bolla tecnologica che scoppiasse potrebbe influenzare i mercati finanziari, i fondi di investimento e, più in generale, la fiducia nell’innovazione tecnologica.

Banche e venture capitalist osservano sia le opportunità sia i rischi crescenti rappresentati dall’IA. La volatilità delle valutazioni e la redditività stagnante impongono una rivalutazione delle strategie di finanziamento e diversificazione.

Tabella: confronto tra investimenti e ritorni tra bolla dotcom e bolla IA

Parametro	Bolla Internet (1997-2000)	Bolla IA (2023-2025)
Ammontare investito (in miliardi di dollari)	344,5	338,3
Proporzione dedicata alla tecnologia principale	100% Web	Quasi 50% IA generativa
Durata dell’investimento (anni)	4	3
Ritorno finanziario misurabile a breve termine	Basso, soprattutto negli ultimi 2 anni	Prevalentemente basso, eccezione per pochi leader
Impatto sull’economia mondiale	Formazione di bolle finanziarie	Rischio aumentato di scoppio della bolla con effetto contagio

Adattamento delle imprese: investire nel capitale umano e nella governance IA

Di fronte a queste sfide, le organizzazioni hanno capito che la sola dimensione tecnologica non basta a garantire la redditività. Integrare l’IA in modo efficiente richiede un approccio olistico, centrato sulle persone e sui processi. Gli investimenti in formazione, adattamento organizzativo e governance dei dati diventano cruciali.

La formazione come leva indispensabile

Una quota allarmante del 76% dei dipendenti dichiara di non aver ricevuto formazione relativa all’IA. Questo deficit frena fortemente l’adozione degli strumenti e la capacità di trarne un vantaggio competitivo.

Programmi di formazione mirati, workshop pratici e sensibilizzazione rafforzata sono alcune delle soluzioni già adottate da aziende pioniere. Queste iniziative favoriscono una migliore comprensione degli usi e una maggiore fiducia nella tecnologia.

Rafforzare la governance dei dati e dei progetti IA

La qualità e la gestione dei dati, così come la governance dei progetti, sono tra le priorità per migliorare la performance legata all’IA. Vengono implementati quadri etici, regole chiare di responsabilità e controlli rigorosi per garantire conformità e sicurezza dei progetti.

Questi approcci contribuiscono anche a ottimizzare i processi e ridurre i costi nascosti legati a errori e cattivo uso dei sistemi.

Le prospettive per il 2026: tra hype e realtà economica

Mentre l’entusiasmo intorno all’IA rimane intatto tra i decisori, gli sforzi si concentrano sulla trasformazione delle promesse in risultati concreti. Il 2026 sarà un anno cruciale in cui la pressione su redditività e prestazioni si intensificherà. Le imprese dovranno dimostrare che i loro investimenti non sono soltanto un peso finanziario, ma un motore solido di creazione di valore.

Il successo risiede probabilmente nella sinergia tra innovazione tecnologica, formazione dei team, adattamento organizzativo e gestione rigorosa dei progetti. Solo le strutture in grado di padroneggiare queste leve potranno ambire a un ritorno finanziario positivo e duraturo.

Le piste per massimizzare il ritorno sull’investimento in IA

• Elaborare una strategia chiara con obiettivi misurabili e una roadmap precisa.
• Rafforzare la formazione dei collaboratori per un’integrazione efficace degli strumenti IA.
• Ottimizzare la governance dei dati e garantirne qualità e sicurezza.
• Favorire una cultura di innovazione agile per accelerare l’implementazione e l’adattamento ai feedback.
• Misurare regolarmente i risultati per aggiustare le strategie in tempo reale.

I rischi poco conosciuti dell’IA generativa sulle prestazioni economiche

Mentre l’IA generativa concentra una larga parte degli investimenti, presenta anche potenziali pericoli insufficientemente anticipati. Gli errori frequenti, i bias algoritmici e i problemi di riservatezza possono nuocere all’efficacia complessiva e ridurre la redditività attesa.

Un uso improprio di queste tecnologie può generare costi nascosti importanti, legati alla correzione degli errori, a contenziosi legali o alla perdita di fiducia da parte di clienti e partner.

I cinque principali pericoli da monitorare

1. Errori persistenti generati da modelli imperfetti o inadatti.
2. Bias algoritmici che possono riprodurre o amplificare discriminazioni.
3. Problemi di riservatezza che espongono le organizzazioni a rischi di fuga di dati.
4. Dipendenza eccessiva che indebolisce le competenze umane critiche.
5. Mancanza di trasparenza che rende difficile identificare le cause di errori o malfunzionamenti.

L’intelligenza artificiale e la trasformazione delle aspettative dei dirigenti

Man mano che la tecnologia evolve, le aspettative dei dirigenti si ridefiniscono. La sorpresa iniziale di fronte alla mancanza di profitti si è trasformata in una volontà più lucida di orientare gli sforzi verso la redditività sostenibile e la creazione di valore condiviso.

Le aziende cercano ora di implementare l’IA non come una panacea miracolosa, ma come uno strumento complementare integrato in una strategia globale orientata all’efficienza, sicurezza e qualità dei servizi.

Le chiavi di una performance IA adeguata

Tra i fattori chiave identificati, la capacità di sfruttare l’IA per migliorare l’esperienza cliente occupa un posto importante. Solo il 10% delle aziende oggi riesce a usare l’IA per trasformare realmente l’interazione con i clienti e produrre un impatto commerciale.

Questo approccio customer-centric spinge i dirigenti a ripensare gli investimenti, privilegiando soluzioni su misura e una rigorosa gestione dei risultati.

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Perché l’IA non genera ancora i profitti attesi?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”L’IA non produce ancora i profitti sperati principalmente a causa di una mancanza di strategia precisa, problemi d’integrazione tecnologica, un deficit di formazione del personale e una governance dei dati insufficiente. Molti progetti rimangono allo stadio pilota senza superare la scala di uno sfruttamento redditizio.”}},{“@type”:”Question”,”name”:”Come percepiscono i dirigenti gli investimenti in IA nonostante i ritorni limitati?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Nonostante i ritorni finanziari spesso deludenti, i dirigenti mantengono o addirittura aumentano i loro investimenti per timore di restare indietro rispetto ai concorrenti, creando una dinamica paradossale tra prudenza e volontà d’innovazione.”}},{“@type”:”Question”,”name”:”Quali sono le principali barriere tecniche che frenano la redditività dell’IA?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”I limiti tecnici includono la frequenza degli errori, i bias algoritmici, la difficoltà d’integrazione nei processi esistenti e problemi di qualità e sicurezza dei dati che rallentano l’implementazione di soluzioni redditizie.”}},{“@type”:”Question”,”name”:”Quali misure possono aiutare a migliorare la performance economica dell’IA?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Per massimizzare il ritorno sull’investimento è cruciale elaborare una strategia chiara, formare i collaboratori, ottimizzare la governance dei dati, instaurare una cultura di innovazione agile e misurare regolarmente i risultati per aggiustare le azioni.”}}]}

Perché l’IA non genera ancora i profitti attesi?

L’IA non produce ancora i profitti sperati principalmente a causa di una mancanza di strategia precisa, problemi d’integrazione tecnologica, un deficit di formazione del personale e una governance dei dati insufficiente. Molti progetti rimangono allo stadio pilota senza superare la scala di uno sfruttamento redditizio.

Come percepiscono i dirigenti gli investimenti in IA nonostante i ritorni limitati?

Nonostante i ritorni finanziari spesso deludenti, i dirigenti mantengono o addirittura aumentano i loro investimenti per timore di restare indietro rispetto ai concorrenti, creando una dinamica paradossale tra prudenza e volontà d’innovazione.

Quali sono le principali barriere tecniche che frenano la redditività dell’IA?

I limiti tecnici includono la frequenza degli errori, i bias algoritmici, la difficoltà d’integrazione nei processi esistenti e problemi di qualità e sicurezza dei dati che rallentano l’implementazione di soluzioni redditizie.

Quali misure possono aiutare a migliorare la performance economica dell’IA?

Per massimizzare il ritorno sull’investimento è cruciale elaborare una strategia chiara, formare i collaboratori, ottimizzare la governance dei dati, instaurare una cultura di innovazione agile e misurare regolarmente i risultati per aggiustare le azioni.