Per tre anni consecutivi l’intelligenza artificiale è stata trattata come una religione laica. Finanziamenti record, valutazioni iperboliche, Nvidia incoronata regina dei mercati globali e promesse di infrastrutture da mille miliardi di dollari annunciate con la stessa leggerezza con cui un venture capitalist ordina un caffè a Palo Alto. Poi, come sempre accade nei cicli tecnologici, qualcuno ha pronunciato la parola proibita. Bolla. Uno studio del MIT, rimbalzato sui mercati nell’estate, ha sostenuto che il 95 per cento dei progetti di generative AI fallisce. Il dato, vero o presunto, ha fatto il suo dovere. Ha spaventato chi doveva spaventarsi e ha dato un titolo facile a chi vive di headline. Peccato che racconti solo metà della storia, quella più comoda per chi ama i paralleli con il 2000 e non ha voglia di guardare i numeri reali.

La domanda che conta non è se ci sia stato troppo capitale, perché la risposta è ovviamente sì. La vera domanda è se esista una domanda reale, diffusa e strutturale. Qui la narrativa della bolla inizia a scricchiolare. L’AI enterprise non sta crescendo come una moda passeggera, ma come una nuova categoria infrastrutturale del software. Dal 2023 a oggi la spesa enterprise in AI generativa è passata da 1,7 a 37 miliardi di dollari. Non è un errore di battitura. Parliamo di circa il 6 per cento dell’intero mercato SaaS globale conquistato in tre anni. Nessuna categoria software moderna ha mai scalato a questa velocità. Nemmeno il cloud. Nemmeno il mobile. Nemmeno il SaaS stesso quando tutti pensavano che Salesforce fosse una follia.

Qui emerge il primo paradosso che i detrattori ignorano. I fallimenti esistono, eccome. Ma sono fisiologici in una fase di esplorazione radicale. Il dato interessante non è quanti proof of concept muoiono, ma quanti casi d’uso arrivano in produzione e generano fatturato. Nel 2025 le aziende hanno speso 37 miliardi in generative AI, contro gli 11,5 dell’anno precedente. Una crescita annua di 3,2 volte. Più della metà di questa spesa è andata ad applicazioni AI pronte all’uso, non a infrastruttura o ricerca astratta. Tradotto in linguaggio da consiglio di amministrazione significa una cosa semplice. Le imprese non stanno scommettendo sul futuro lontano. Stanno comprando produttività oggi.

Seguire il denaro resta il miglior esercizio di lucidità strategica. Circa 19 miliardi di dollari sono confluiti nel livello applicativo, quello che incide direttamente sui flussi di lavoro quotidiani. Qui non parliamo di demo da conferenza, ma di software che entra nei processi di sviluppo, nelle vendite, nel customer support, nella finanza, nella sanità. Esistono già almeno dieci prodotti AI con oltre un miliardo di dollari di ricavi ricorrenti annui e una cinquantina sopra i cento milioni. Non sono slide, sono bilanci. E la distribuzione settoriale è ancora più interessante, perché mostra che la generative AI non è confinata a qualche chatbot da marketing, ma si sta infilando in ogni angolo dell’economia dove esiste lavoro cognitivo ripetitivo.

Un altro mito che sta crollando riguarda la presunta vocazione delle imprese a costruire tutto in casa. Per un periodo è stato di moda raccontare che le grandi organizzazioni avrebbero addestrato i propri modelli proprietari e internalizzato l’intera catena del valore. Qualche esempio iconico esiste, da Bloomberg a Walmart. Ma i dati più recenti sono impietosi. Nel 2025 il 76 per cento dei casi d’uso AI viene acquistato sul mercato, non sviluppato internamente. Non perché manchi il talento, ma perché il tempo è diventato il vero vincolo strategico. Le soluzioni pronte arrivano in produzione prima, dimostrano valore misurabile e si innestano su stack tecnologici che stanno ancora maturando. Il build resta, ma smette di essere un dogma.

Questa urgenza si riflette anche nei tassi di conversione. Quando un’azienda decide di esplorare una soluzione di AI generativa, quasi una su due arriva alla messa in produzione. Il tasso medio del software tradizionale è circa la metà. Qui l’AI enterprise si comporta in modo anomalo, quasi aggressivo, come se il valore fosse talmente evidente da accorciare i rituali burocratici dell’IT procurement. È un segnale che chiunque faccia strategia digitale dovrebbe annotare con cura.

Ancora più destabilizzante per i modelli mentali classici è il ruolo della product led growth. Circa il 27 per cento della spesa in applicazioni AI nasce da adozioni individuali, non da decisioni top down. Se si considera l’uso informale, spesso pagato con carte personali, si arriva vicino al 40 per cento. È un ribaltamento completo della narrativa enterprise. Sviluppatori, product manager e team tecnici adottano strumenti AI perché funzionano, li usano ogni giorno e solo dopo bussano alla porta del procurement. Alcune aziende hanno superato i duecento milioni di dollari di ricavi prima ancora di assumere un commerciale enterprise. Se questo non è un cambio di paradigma, allora è solo semantica.

Nel livello applicativo emerge poi un altro dato che merita una lettura politica, non solo tecnologica. Le startup stanno battendo gli incumbent. Nel 2025 le nuove aziende AI native hanno incassato quasi due dollari per ogni dollaro guadagnato dai grandi player storici. Una dinamica che sulla carta non dovrebbe esistere. I colossi hanno distribuzione, relazioni, dati e capitali. Ma la velocità di esecuzione e l’ossessione per il prodotto stanno premiando chi è nato dentro l’era dei modelli generativi. Nel coding, nelle vendite, nella finanza operativa, i nuovi entranti attaccano superfici di lavoro che i sistemi legacy non controllano. Prima si infilano nei margini, poi iniziano a erodere il centro.

Il caso del software di sviluppo è emblematico. Il codice è diventato il primo vero killer use case della generative AI. Nel 2025 ha assorbito circa quattro miliardi di dollari, più della metà della spesa dipartimentale. Oltre il cinquanta per cento degli sviluppatori usa strumenti AI ogni giorno, con guadagni di produttività stimati sopra il 15 per cento. Non si tratta più di completamento di righe, ma di interpretazione di interi codebase, refactoring, test, deployment. Quando una tecnologia migliora direttamente la velocità con cui un’azienda costruisce prodotti, smette di essere un esperimento e diventa un moltiplicatore strategico.

La sanità rappresenta un altro laboratorio interessante. Settore regolato, lento, tradizionalmente allergico alle mode tecnologiche. Eppure nel 2025 ha speso circa 1,5 miliardi in AI generativa, quasi metà di tutta la spesa verticale. Il motivo è brutale e molto poco romantico. Medici e strutture sono schiacciati da burocrazia, margini in compressione e carenze di personale. Le soluzioni che riducono del cinquanta per cento il tempo speso in documentazione clinica non sono gadget, sono ossigeno operativo. Quando l’AI tocca problemi così concreti, le resistenze ideologiche evaporano.

Scendendo nello stack, il quadro cambia. Nell’infrastruttura l’equilibrio tra startup e incumbent è più stabile. I grandi player dei dati e del cloud continuano a raccogliere la maggior parte della spesa, anche perché persino le nuove applicazioni AI si appoggiano a piattaforme consolidate per storage, orchestrazione e osservabilità. Qui l’innovazione è più incrementale, meno spettacolare, ma altrettanto decisiva. Senza una base affidabile, l’AI enterprise resta una demo ben confezionata.

Il mercato dei modelli fondazionali racconta poi una storia di potere competitivo in rapido movimento. Anthropic ha superato OpenAI nella spesa enterprise, soprattutto grazie al dominio nel coding. Google ha recuperato terreno. L’open source, nonostante il rumore mediatico, resta minoritario nelle grandi aziende, fermo intorno all’11 per cento. Le imprese continuano a preferire modelli chiusi, supportati e contrattualizzabili. Ideologia e procurement raramente vanno d’accordo.

Sul piano architetturale, infine, conviene abbassare il volume dell’hype. Solo una minoranza dei sistemi in produzione può essere definita davvero agentica. La maggior parte delle soluzioni etichettate come agenti è ancora una sequenza di chiamate a modelli con un po’ di logica condizionale attorno. Funziona, per ora. Ma rivela quanto siamo ancora all’inizio. Ed è forse questo il punto che sfugge ai profeti della bolla. Le bolle scoppiano quando la realtà non arriva. Qui la realtà è arrivata, solo che è meno cinematografica delle slide e molto più redditizia.

Il 2026 porterà modelli migliori nel coding quotidiano, una domanda crescente nonostante il calo dei costi di inferenza e una pressione sempre più forte su governance ed explainability. L’AI enterprise non è una promessa futuristica. È già una linea di spesa stabile nei budget, una leva di produttività e una fonte di vantaggio competitivo. Chi continua a chiedersi se sia una bolla rischia di fare lo stesso errore di chi, vent’anni fa, si domandava se Internet fosse sopravvalutato. La risposta, come sempre, non sta nelle metafore finanziarie ma nei processi aziendali che cambiano sotto i nostri occhi.

Scarica il Report https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/