Le aziende italiane spendono ogni anno 2,8 miliardi di euro oltre le previsioni per le infrastrutture tecnologiche. È la stima del Centre for Economics and Business Research (Cebr), contenuta in uno studio commissionato da Wasabi Technologies e diffuso il 10 novembre 2026. La metà della spesa aggiuntiva riguarda intelligenza artificiale e machine learning.
Per le imprese, le fatture inattese si traducono in investimenti rinviati, progetti ridimensionati e minori risorse per assumere personale specializzato.
L’indagine, realizzata da Sapio Research in otto Paesi, rileva che il 52% delle aziende italiane ha superato negli ultimi dodici mesi il budget previsto per le infrastrutture. I 2,8 miliardi rappresentano una stima economica dei costi non anticipati attribuiti ai fornitori, non la somma dei bilanci delle aziende intervistate. Nei mercati analizzati, la stima complessiva raggiunge 63,4 miliardi di dollari.
Indice degli argomenti:
L’intelligenza artificiale assorbe metà della spesa inattesa
In Italia le infrastrutture per intelligenza artificiale e machine learning generano 1,4 miliardi di euro di costi superiori alle attese: il 50% dell’intero importo. Negli otto Paesi osservati la quota è del 37%. Il confronto europeo mostra differenze marcate: la Francia arriva al 64%, il Regno Unito al 32% e la Germania al 27%.
La gestione finanziaria diventa più difficile quando i progetti passano dalla fase sperimentale all’impiego quotidiano. Crescono i carichi di lavoro, aumentano le richieste di elaborazione e cambia la quantità di dati da archiviare o trasferire.
Tra le aziende italiane che utilizzano infrastrutture AI, il 40% non è riuscito a stimarne i costi con sicurezza, secondo i dati riportati nello studio.
“La nostra ricerca ha fatto emergere il costo nascosto dell’innovazione in alcune delle principali economie del mondo: una tariffazione imprevedibile non significa soltanto che le aziende pagano di più”, commenta Owen Good, head of economics advisory di Cebr. “Significa che assunzioni di persone e investimenti in nuove tecnologie vengono rinviati o ridotti, perché i budget sono dirottati per coprire costi inattesi. La tecnologia che genera più costi non pianificati è anche tra gli investimenti che le aziende tagliano per farvi fronte”.
Perché il budget dell’AI supera le previsioni
Il principale problema segnalato in Italia non riguarda direttamente il prezzo dei token, ma la capacità informatica acquistata e non utilizzata. Il 58% delle imprese che hanno sforato il budget AI indica infrastrutture sovradimensionate, sottoutilizzate o inadatte alle esigenze effettive. Il 50% cita invece i costi di integrazione, messa in produzione e gestione dei modelli. Licenze e tariffe a consumo sono menzionate ciascuna dal 25%.
Il confronto internazionale evidenzia una diversa composizione della spesa. Tra le aziende degli otto Paesi che hanno superato il budget AI:
- il 49% segnala licenze di piattaforme e modelli più costose del previsto,
- il 45% spese di integrazione e gestione
- il 38% tariffe per token, inferenza o utilizzo superiori alle attese.
Queste percentuali si riferiscono alle imprese che hanno dichiarato uno sforamento, non a tutte quelle intervistate. La distinzione conta: indica quali componenti fanno lievitare il conto quando il budget viene superato, senza misurare quanto ciascuna pesi sulla spesa complessiva.
Il peso delle diverse voci varia anche in funzione del modo in cui le imprese organizzano i propri sistemi. Le risorse acquistate in anticipo possono rimanere inutilizzate; le formule a consumo, invece, espongono a variazioni legate al numero di richieste. In entrambi i casi, il budget dipende dalla capacità di prevedere il fabbisogno.
Innovazione, assunzioni e formazione sotto pressione
Tra le aziende italiane colpite da costi infrastrutturali imprevedibili:
- l’84% dichiara una pressione moderata o significativa sui budget, contro il 73% della media degli otto Paesi.
- Il 26% ha già rinviato o ridotto progetti di AI, automazione o data science per ragioni economiche o problemi di accesso ai dati.
Le ricadute coinvolgono anche le scelte tecnologiche: il 27% delle imprese italiane ha adottato soluzioni tecniche o architetturali guidate dal costo anziché dall’opzione ritenuta ottimale. Soltanto il 19% afferma di non aver dovuto accettare compromessi sull’innovazione nell’ultimo anno.
Quando le infrastrutture superano le previsioni, le aziende indicano come particolarmente esposte le assunzioni di specialisti tecnologici, la formazione e l’espansione commerciale: ciascuna voce è citata dal 24% delle imprese interessate. Seguono AI e analisi dei dati, con il 22%, e sviluppo dei prodotti e miglioramento dei processi, con il 21%.
Cosa potrebbero finanziare i 2,8 miliardi recuperati
Il Cebr ha modellizzato uno scenario in cui le imprese riuscissero a recuperare la spesa extra attribuita ai fornitori. Per l’Italia stima un possibile aumento di 1 miliardo di euro negli investimenti produttivi in ricerca e sviluppo, AI e nuove tecnologie, oltre a 350 milioni destinabili alla formazione del personale.
Lo stesso scenario potrebbe sostenere 8.670 posti di lavoro aggiuntivi e contribuire, nel lungo periodo, a un incremento del prodotto interno lordo di 1 miliardo di euro. Si tratta di risultati di una simulazione economica, non di fondi già disponibili o di occupazione effettivamente creata.
Il 73% delle imprese italiane colpite da costi imprevedibili dichiara che destinerebbe eventuali risparmi a ricerca, AI o nuove tecnologie. Nell’insieme degli otto Paesi, il modello stima 21,8 miliardi di dollari di investimenti produttivi, 111.450 occupati aggiuntivi e 20,4 miliardi di dollari di Pil potenziale nel lungo periodo.
Dati frammentati e carenza di capacità di calcolo
Il prezzo non è l’unico vincolo. Negli ultimi dodici mesi l’82% delle imprese italiane ha incontrato almeno una volta ritardi dovuti alla mancanza di hardware o capacità di calcolo adeguati. L’85% ha sostenuto costi aggiuntivi connessi alla frammentazione dei dati tra sistemi diversi.
Il 90% segnala di aver subìto almeno una limitazione o un rallentamento nell’accesso ai dati necessari per un progetto o una decisione. Il dato supera la media degli otto Paesi, pari all’84%, e quelli di Francia, Regno Unito e Germania.
Le conseguenze riguardano l’attività di sviluppo:
- il 23% delle imprese italiane ha ridotto gli esperimenti di AI, machine learning o data science;
- il 19% ha rinunciato ad adottare una tecnologia o una piattaforma;
- l’11% ha rimandato o annullato il lancio di un prodotto o di una funzione.
Cambiare fornitore comporta altri costi
Per il 23% delle imprese italiane, l’attuale configurazione informatica rende difficile cambiare provider o introdurre tecnologie migliori. Tra quelle che incontrano ostacoli, il 27% indica il costo di migrazione di dati e carichi di lavoro. Vincoli contrattuali, complessità tecnica e dipendenza da strumenti già integrati sono citati ciascuno dal 24%.
“Alle aziende non mancano le ambizioni, ma vengono colte di sorpresa da costi infrastrutturali imprevedibili che impediscono loro di portare avanti i propri piani di innovazione”, dichiara Marty Falaro, presidente e COO di Wasabi Technologies. “Esiste un problema di fondo nel modo in cui le infrastrutture tecnologiche vengono acquistate e tariffate: le aziende devono sapere quanto costerà archiviare i propri dati, accedervi e spostarli prima di avviare un progetto di AI, non dopo l’arrivo della fattura. L’innovazione deve saper correre dei rischi, la fattura delle infrastrutture no”.
Dallo sport ai servizi digitali, il peso dello storage
Anche le organizzazioni che producono grandi volumi di contenuti devono valutare quanto costa conservarli e recuperarli.
Il Liverpool FC, per esempio, dispone di archivi video accumulati in decenni e aggiornati a ogni partita.
“La ricerca rispecchia ciò che vediamo in prima persona. I costi dell’AI sono difficili da prevedere, tra licenze, deployment e operatività quotidiana, e in gran parte sfuggono al nostro controllo”, afferma Andy Fletcher, VP Innovation and Digital Product, Liverpool FC. “Il modo in cui gestiamo i dati alla base dell’AI, invece, è qualcosa che possiamo controllare. Disponiamo di decenni di filmati e ne arrivano di nuovi a ogni partita, quindi il costo di archiviazione, spostamento e accesso a questi contenuti è rilevante. Per questo stiamo valutando con attenzione l’AI Storagemaxxing, per fare in modo che i dati vengano archiviati e resi accessibili nel modo più efficiente dal punto di vista dei costi in ogni fase della pipeline di AI. L’obiettivo è valorizzare meglio i contenuti di cui già disponiamo, senza aggiungere costi superflui né creare ulteriori silos di dati”.
Un caso diverso arriva da tl;dv, servizio che registra e rende disponibili contenuti delle riunioni. La scelta della classe di archiviazione incide direttamente sui tempi di accesso.
“Siamo stati sul punto di accettare un compromesso dettato dai costi. La spesa per lo storage continuava a salire e la soluzione più ovvia era spostare le registrazioni meno recenti su un livello di archiviazione ‘cold’, più economico, ma il recupero dei dati sarebbe stato lento”, racconta Allan Bettarel, CTO di tl;dv. “Per un prodotto in cui la registrazione deve essere disponibile nel momento stesso in cui termina la riunione, avrebbe significato rinunciare all’accesso immediato su cui contano i nostri clienti. Abbiamo invece deciso di migrare da AWS, perché con Wasabi non dovevamo scegliere tra costi e prestazioni. Conservare i dati nel loro data center in Germania ci ha permesso anche di rispettare i requisiti di residenza dei dati e il GDPR. Ora so quanto spenderemo nell’anno e non paghiamo ogni volta che accediamo ai nostri dati”.
I limiti del campione e le decisioni delle imprese
Sapio Research ha intervistato tra luglio e agosto 2026 690 responsabili senior di business e IT in Italia, Francia, Germania, Regno Unito, Stati Uniti, Giappone, Australia e Nuova Zelanda. Il margine di errore dichiarato è di 3,7 punti percentuali sul campione complessivo. Cebr ha elaborato le stime economiche e gli scenari relativi a investimenti, occupazione e Pil.
La ricerca, commissionata da un fornitore di servizi di archiviazione cloud, mette al centro la prevedibilità della spesa. Per le imprese italiane il problema operativo riguarda anche la capacità di scegliere risorse adeguate, misurare l’utilizzo e conservare la possibilità di spostare i dati. Sono decisioni che incidono sul costo dei sistemi e sulle risorse disponibili per innovare.
Partecipa alla community