Skip to content
Chiudi
Cerca
CONTATTACI
CONTATTACI

Un percorso fatto di tappe. Ogni tappa produce valore.

Scopri di più
Fase 1: CAPIRE
Fase 2: COSTRUIRE
Fase 3: EVOLVERE
RH26_033_AdozioneModelliAI_v2
Il team di Rhei28/07/26 15.285 min read

Adottare l’AI: perché scegliere il modello è ormai la parte facile?

Adottare l’AI: perché scegliere il modello è ormai la parte facile?
7:46

Quasi tutte le imprese usano ormai l’intelligenza artificiale, ma solo una su tre la sta portando a scala. Il collo di bottiglia non è più il modello: è tutto ciò che gli sta intorno. Ecco cosa dicono i dati e cosa deve decidere chi guida l’azienda.

Tutti usano l’AI. Pochi la stanno davvero adottando.

Il punto di partenza, per chi guida un’impresa, non è più capire se l’AI funzioni. È capire perché, pur essendo ovunque, produce valore in pochi casi. La fotografia più recente arriva dal report McKinsey “The State of AI in 2025” (novembre 2025): l’88% delle organizzazioni dichiara di usare regolarmente l’AI in almeno una funzione aziendale, contro il 78% dell’anno precedente. Ma solo circa un terzo ha iniziato a scalarla nell’organizzazione: quasi due terzi restano fermi tra sperimentazione e progetti pilota.

Lo stesso report aggiunge due dati che un CEO dovrebbe tenere accanto: il 62% delle aziende sta almeno sperimentando agenti AI, e il 64% ritiene che l’AI stia abilitando l’innovazione — ma solo il 39% registra un impatto misurabile sull’EBIT a livello aziendale. La distanza tra “la usiamo” e “ci genera valore” è tutto il problema. L’accesso alla tecnologia non è più un vantaggio competitivo: ce l’hanno tutti. Adottarla — cioè cambiare i processi e produrre risultati leggibili a bilancio — resta l’eccezione.

La notizia OpenAI Presence conferma dove si è spostato il valore

Il 22 luglio 2026 OpenAI ha presentato Presence, un prodotto per affidare agli agenti AI attività operative nei servizi ai clienti e nei processi interni, su voce e chat. La notizia, ripresa in Italia da AI4Business, è interessante non per il prodotto in sé, ma per cosa rivela della direzione del mercato: anche chi costruisce i modelli non vende più solo il modello. Presence unisce modelli, dati aziendali e applicazioni, con autorizzazioni, controlli, valutazioni continue e regole per il passaggio a un operatore umano — e i progetti vengono affiancati da ingegneri dedicati.

Il segnale per chi decide è netto: il modello si sta standardizzando, il valore — e la difficoltà — si sono spostati nelle condizioni intorno all’agente. Non a caso l’annuncio ha avuto eco anche in Borsa: il 22 e 23 luglio diversi titoli del software hanno perso terreno (Workday −9,9%, Atlassian −11,8%, HubSpot −12,7%, Salesforce −7,7%, secondo i dati citati da Business Insider). Non è la prova che i sistemi tradizionali spariranno — ServiceNow, per esempio, ha comunicato una crescita del 25% dei ricavi da abbonamenti nel secondo trimestre 2026 — ma conferma che la partita non si gioca più sul singolo modello.

Dove si inceppa l’adozione: dati, fiducia, misura

Se il modello non è il collo di bottiglia, cosa lo è? I dati raccontano tre ostacoli concreti.

  • I dati. Un’indagine Boomi diffusa a luglio 2026 rileva che l’86% delle organizzazioni ha superato la fase pilota con gli agenti AI, ma solo il 34% si fida delle azioni che questi sistemi compiono. Le difficoltà principali: qualità dei dati, integrazione tra sistemi, governo degli accessi. È una ricerca commissionata da un fornitore di tecnologie per l’integrazione, e va letta con questo interesse in mente; ma la fotografia è coerente con ciò che vediamo sul campo. Un agente vale quanto i dati che può interrogare: se il CRM, l’ERP e il gestionale non parlano tra loro, la risposta sarà convincente e fragile allo stesso tempo.
  • La fiducia nei numeri di chi vende. OpenAI dichiara che il proprio agente telefonico risolve senza intervento umano il 75% delle richieste. È un dato comunicato dall’azienda stessa, senza verifica indipendente né elementi per confrontarlo con altri servizi. Per un CEO la lettura è una sola: i numeri di un fornitore indicano una direzione, non una prova di risultato nel vostro contesto.
  • La misura nel tempo. Una ricerca pubblicata a maggio 2026 sul sistema Prism ha valutato 35 agenti aziendali per tre settimane, mostrando che il controllo continuo intercetta variazioni di comportamento che i test svolti solo prima del lancio non riescono a rilevare. Un agente affidabile al lancio non resta tale per definizione: cambiano prodotti, procedure e dati, e con essi le risposte.

Cosa deve decidere chi guida l’azienda

La conseguenza pratica è che la decisione strategica non è “quale modello adottare”, ma come costruire le condizioni perché qualsiasi modello lavori bene. Sono domande di governo dell’impresa, non di tecnologia:

  • Da quale processo partire: un caso ad alto impatto ma con rischio controllabile e dati già disponibili, non il più vistoso.
  • Se i dati sono pronti: una vista unica e affidabile del cliente — il golden record — viene prima del modello, non dopo.
  • Chi risponde delle azioni automatiche: responsabilità, autorizzazioni e confini vanno definiti prima del rilascio, non dopo il primo errore.
  • Come si misura il valore: pochi indicatori condivisi tra business, IT e compliance, letti in esercizio e non solo in demo.

In tutto questo la governance non è un freno: è il modo in cui l’AI diventa affidabile. Il percorso corretto è graduale — supervisione umana completa, misura dell’affidabilità dell’agente, estensione dell’autonomia solo dove i numeri lo giustificano. È il modello che chiamiamo HITL (Human-in-the-Loop), e non è solo prudenza operativa: l’AI Act europeo, pienamente applicabile dal 2 agosto 2026, richiede per i sistemi ad alto rischio proprio qualità dei dati, tracciabilità, documentazione e supervisione umana.

Conclusione

Il messaggio che attraversa tutti questi dati è coerente: l’adozione dell’AI non si compra insieme al modello. Un’impresa con dati frammentati e senza regole di supervisione otterrà da qualunque piattaforma — Presence compresa — gli stessi risultati fragili che ottiene oggi. Chi invece connette i dati, definisce le responsabilità e misura il valore trasforma l’AI da esperimento a leva di business.

Non serve scegliere il modello perfetto: serve scegliere il servizio giusto con cui partire. Il percorso comincia dalla Mappa della Complessità, che individua quali processi cliente sono pronti per un agente AI e quali no, quali dati sono disponibili e dove l’automazione crea valore reale — con supervisione e governance incluse dal primo passo. Da lì costruiamo la Visione Cliente Unificata che rende affidabili i dati, e solo allora attiviamo gli agenti. Scegliete il punto di partenza: parliamone.


Fonti

Spunto:

Fonti primarie e di contesto:

ARTICOLI CORRELATI