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.
I numeri raccontano un paradosso netto: il 95 per cento delle aziende dichiara di avere una strategia sull’AI, ma soltanto l’8 per cento 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 per cento 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. È qui che, secondo il report, si apre il nuovo divario competitivo.
La distanza tra le imprese che sperimentano e quelle che orchestrano sta diventando la vera linea di separazione del mercato.
Indice degli argomenti:
Quasi tutti investono, pochi misurano davvero i ritorni
Il primo elemento da mettere a fuoco è la maturità solo apparente del mercato. Circa il 39 per cento 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 per cento 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 per cento.
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.
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.
In altre parole, 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.
Il vero spartiacque è l’orchestrazione
Nel lessico del rapporto, 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.
Il report segnala che tra i cosiddetti AI leaders, il 48 per cento si dice molto sicuro di saper misurare l’impatto sui ricavi, contro il 27 per cento delle aziende non leader. Sulla redditività il divario è 50 contro 28 per cento; sulla velocità e accuratezza delle decisioni 49 contro 32 per cento; sulla mitigazione del rischio e la compliance 45 contro 25 per cento. Non è una differenza di entusiasmo. È una differenza di capacità organizzativa.
La stessa distanza emerge nella qualità degli 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.
Dall’automazione agli agenti AI
Uno dei punti più interessanti del documento riguarda la diffusione degli AI agents, sistemi in grado di svolgere compiti con un certo grado di autonomia e di interagire con più ambienti operativi.
Il campione mostra una transizione in corso. Il 22 per cento delle organizzazioni è ancora in fase esplorativa; il 17 per cento sta facendo pilot; il 14 per cento li ha già distribuiti; il 18 per cento li sta estendendo a più funzioni. Più avanti nella curva, il 17 per cento sta sviluppando sistemi multi-agente e il 9 per cento 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 per cento) e nelle operations (55 per cento), ma l’impiego in funzioni commerciali, di rischio, compliance, finanza e risorse umane è ancora meno uniforme. Inoltre, molte aziende li usano per automatizzare parti di processo, mentre sono molto meno numerose quelle che li impiegano per coordinare decisioni, allineare obiettivi comuni o gestire passaggi complessi tra reparti.
È il confine tra efficienza tattica e trasformazione strutturale. L’AI migliora facilmente il singolo compito. Più difficile è farla agire su catene di processo complete, dove servono interoperabilità, regole chiare, qualità del dato e responsabilità distribuite.
I freni: sicurezza, dati, regole, competenze
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 per cento), qualità dei dati (36 per cento), mancanza di ROI misurabile (32 per cento), adozione da parte dei dipendenti (31 per cento) e integrazione con altre tecnologie emergenti (27 per cento).
In parallelo, tre quarti dei dirigenti intervistati, il 75 per cento, esprimono una preoccupazione generale su rischio e sicurezza legati all’AI.
Anche qui, il punto non è solo tecnico. Privacy, sicurezza, qualità del dato e conformità regolatoria non sono problemi separati. Diventano un unico problema quando l’azienda prova a estendere l’AI oltre il perimetro del progetto pilota. Se i dati non si muovono in modo affidabile tra sistemi diversi, se i controlli entrano in gioco solo dopo il rilascio, se i team non hanno incentivi e competenze coerenti, la scalabilità si blocca.
Le competenze del personale sono un altro indicatore importante. Solo il 22 per cento delle aziende si dice molto sicuro che l’attuale pipeline di talenti sia adeguata a una forza lavoro abilitata dall’AI. Un ulteriore 46 per cento 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 per cento contro 20 per cento. La relazione tra preparazione della forza lavoro e performance dell’AI, dunque, è diretta.
Geografie diverse, strategie diverse
Il report dedica una parte consistente alle differenze regionali.
Nelle Americhe, il 35 per cento delle organizzazioni dichiara di stare scalando l’AI a livello d’impresa. In EmEA la quota scende al 22 per cento, in Aspac al 23 per cento. Anche il ROI consolidato è leggermente più alto nelle Americhe, con il 9 per cento, contro l’8 per cento di Aspac e il 6 per cento di Emea.
Ma il dato più interessante non è solo la velocità di adozione: è il diverso modello di collaborazione tra persone e AI.
Nelle Americhe prevale un’impostazione più controllata: il 41 per cento delle aziende si aspetta che siano soprattutto gli esseri umani a dirigere gli agenti AI. In Aspac cresce invece la quota di chi immagina agenti con ruoli guida nella gestione dei progetti: 38 per cento, contro il 23 per cento delle Americhe. Emea appare più bilanciata, senza un modello dominante.
Queste differenze hanno implicazioni operative pesanti. Non esiste, nei fatti, un unico modo globale di scalare l’AI. Le imprese multinazionali devono tenere insieme standard comuni su piattaforme, architetture dati e principi di governance, ma allo stesso tempo adattare processi, diritti decisionali e implementazione alle condizioni locali. Troppa centralizzazione crea attrito con regole e infrastrutture diverse; troppa decentralizzazione spezza il coordinamento.
I settori dove l’AI corre di più
Tra i comparti analizzati, Technology, Media and Telco è quello più avanti. Il settore registra il più alto investimento medio pianificato, 245 milioni di dollari, il 30 per cento di aziende che stanno scalando l’AI in tutta l’impresa, il 75 per cento che dichiara valore di business significativo e il 77 per cento che si considera pronto a gestire i rischi dell’AI. È anche il comparto con la maggiore fiducia nelle competenze della forza lavoro: 33 per cento “molto fiducioso”.
La finanza mostra un quadro diverso. L’adozione è forte, con il 27 per cento di aziende che scala l’AI e il 59 per cento che segnala valore, ma il settore resta stretto tra vincoli di compliance, sistemi legacy e competenze ancora limitate. Solo il 16 per cento si dice molto sicuro della preparazione della forza lavoro.
Nell’industria manifatturiera e automotive l’AI produce risultati soprattutto in efficienza operativa, supply chain, manutenzione e affidabilità. Qui il problema non è tanto la mancanza di casi d’uso, quanto l’integrazione tra sistemi fisici e digitali lungo l’intero ciclo produttivo.
Nel consumer e retail, invece, la difficoltà è portare l’AI in modo coerente su reti distributive, punti vendita, canali e funzioni front line. In healthcare e life sciences il potenziale è alto, ma pesano il rischio clinico, la necessità di spiegabilità, i tempi regolatori e la prudenza del personale nell’affidare all’AI decisioni ad alta sensibilità.
L’aspettativa sull’AGI spinge i piani industriali
C’è infine un dato che aiuta a capire perché le aziende continuano a investire anche in presenza di ritorni ancora incerti. Secondo il report, il 33 per cento dei dirigenti si aspetta sistemi capaci di ragionamento a livello umano entro due anni; un ulteriore 46 per cento colloca questa soglia entro tre-cinque anni. In totale, otto aziende su dieci prevedono questa capacità entro cinque anni.
Che la previsione sia corretta o meno, il suo effetto è già reale. I piani industriali si stanno adeguando a un orizzonte in cui l’AI non sarà solo uno strumento di supporto, ma un componente stabile del disegno organizzativo.
Per questo gli investimenti si spostano su infrastruttura IT (58 per cento), cybersicurezza e sicurezza dei dati (50 per cento), operations (49 per cento), trasformazione dei processi (47 per cento), innovazione (46 per cento), customer experience (43 per cento), adozione e formazione della forza lavoro (41 per cento), rischio e compliance (34 per cento).
Il punto, ancora una volta, è che investire in queste voci non basta se l’impresa non le tiene insieme. KPMG propone una lettura molto netta: i prossimi leader dell’AI non saranno quelli con più progetti pilota o con il budget più alto, ma quelli che sapranno ridisegnare il funzionamento dell’azienda attorno a processi integrati, misurazione dei risultati, competenze diffuse e governance incorporata nei sistemi.
Il passaggio che decide la prossima classifica
La fotografia del 2026 è questa: l’adozione dell’AI si sta avvicinando alla normalità aziendale, ma la capacità di trasformarla in performance strutturale è ancora rara. La distanza tra le imprese che sperimentano e quelle che orchestrano sta diventando la vera linea di separazione del mercato.
Per gli investitori, per i manager e per chi osserva i bilanci, questo significa che il valore dell’AI non si leggerà soltanto nelle spese in tecnologia o nel numero di applicazioni lanciate. Si leggerà nella qualità dell’integrazione tra funzioni, nel governo del rischio, nella solidità dei dati e nella capacità del personale di lavorare in ambienti dove l’AI non assiste soltanto, ma interviene nel flusso delle decisioni.
È qui che si deciderà la prossima graduatoria competitiva. Non tra chi usa l’AI e chi non la usa più. Quella fase è già finita. La differenza si sposta tra chi la aggiunge ai processi esistenti e chi, invece, ha iniziato a riscrivere l’impresa per farla funzionare davvero.
Publication name: Global AI Pulse Q1 2026 | Publication number: 140292-G | Publication date: April 2026
