Lasciatemi cominciare con un semplice esperimento. Chiedete a uno strumento di AI generativa di contare le parole in un documento. Probabilmente sbaglierà di circa il 10%. In un blog è tollerabile. In una nota informativa finanziaria, in un documento normativo o in un impegno sulla supply chain, semplicemente non lo è.

L'AI generativa si basa su modelli statistici. Nel mondo aziendale, le risposte ai problemi sono molto più deterministiche. La distanza tra il 90% e il 100% di accuratezza non è marginale. Nel nostro mondo, è una differenza fondamentale.

Nel 2026, l'AI non viene più valutata per il suo effetto novità. Viene valutata in base a precisione, governance, scalabilità e impatto sul business. Man mano che le organizzazioni passano dai progetti pilota a programmi su larga scala, ci sono cinque momenti che determinano se riusciranno a generare valore duraturo oppure se si esporranno a rischi evitabili. Ho visto questi momenti verificarsi in tutti i principali mercati che seguo.

La governance: quando gli agenti diventano colleghi digitali

Il primo momento arriva quando l'AI smette di essere uno strumento e inizia a diventare un attore.

I sistemi di AI agentica pianificano, ragionano, coordinano le azioni con altri agenti ed eseguono flussi di lavoro in modo autonomo. Gestiscono dati sensibili e influenzano decisioni su larga scala. Se non sono gestiti come si gestisce la forza lavoro umana, l’azienda si sta esponendo a dei rischi.

La proliferazione degli agenti rispecchierà le crisi dello “shadow IT” dell'ultimo decennio, ma con implicazioni decisamente più profonde. Le imprese devono introdurre sistemi di gestione del ciclo di vita degli agenti, chiari limiti di autonomia, applicare policy rigorose e monitorare costantemente le prestazioni. Ogni consiglio di amministrazione deve essere in grado di rispondere a tre domande: chi è responsabile quando un agente prende una decisione sbagliata? Come vengono verificate le decisioni? Quando il sistema deve coinvolgere un essere umano?

La frammentazione geopolitica rende questa situazione ancora più urgente. Il cloud sovrano, l'AI sovrana e la localizzazione dei dati non sono più preoccupazioni teoriche. Sono realtà normative in mercati che vanno da New York a Francoforte, da Riyadh a Singapore. Nell’era dell’AI, la governance non riguarda tanto il controllo del rischio sui margini, quanto l'integrazione del controllo deterministico all’interno di un’intelligenza probabilistica. E questo è un tema da C-level, non un semplice progetto IT.

La Data Foundation: quando l'ultimo miglio è l'unico che conta

Il secondo momento è più silenzioso, ma è proprio lì che la maggior parte delle imprese alla fine vincerà o perderà.

L'AI è affidabile solo quando lo sono i dati e i processi su cui opera. Master data frammentati, sistemi isolati e ambienti ERP eccessivamente personalizzati introducono imprevedibilità proprio nel momento peggiore: quando l'AI fornisce una raccomandazione che influisce sul rapporto con i clienti, sul flusso di cassa o sulla conformità normativa.

Il valore dell'AI aziendale non deriva da modelli linguistici generici di grandi dimensioni addestrati su enormi quantità di contenuti Internet. Deriva invece dall'intelligenza fondata sui dati - ordini, fatture, dati sulla catena di fornitura, registrazioni contabili – e dall’essere integrata direttamente nei processi di business.

I foundation model relazionali ottimizzati per i dati strutturati dell’azienda supereranno i modelli linguistici generici (LLM) in termini di previsioni, rilevamento delle anomalie e ottimizzazione operativa.

La domanda che ogni consiglio di amministrazione dovrebbe porsi non è solo “Quale AI possiamo aggiungere”, ma anche “Il nostro patrimonio di dati è pronto o stiamo sovrapponendo l'intelligenza probabilistica a fondamenta frammentate?”.

L’interazione con il dipendente: quando l'interfaccia scompare

Il terzo momento si verifica nei flussi di lavoro che ogni giorno i dipendenti svolgono e accelererà più rapidamente di quanto la maggior parte delle organizzazioni si aspetti.

Quest’anno stiamo passando da interfacce applicative statiche a interfacce utente generative. Anziché navigare tra i sistemi, i dipendenti esprimeranno le loro intenzioni: «Prepara un briefing per l’incontro di questa settimana con il mio cliente che genera il maggior fatturato». Gli agenti di AI orchestreranno i workflow, raccoglieranno il contesto e proporranno delle azioni.

Ma l’adozione non è automatica e la fiducia non è scontata. I dipendenti accetteranno i colleghi digitali basati sull’AI solo quando saranno certi che i risultati rispettino le regole di governance, riflettano i reali processi dell’organizzazione e producano vantaggi misurabili. I profili di AI specifici per ruolo, ad esempio per CFO, CHRO e responsabili della supply chain, basati su dati affidabili e integrati in flussi di lavoro già esistenti, sono ciò che colmerà il divario di adozione.

Le organizzazioni che investono in un'architettura nativa per l'AI accelereranno il ritorno sugli investimenti. Quelle che integrano l'AI su interfacce legacy dovranno affrontare difficoltà in termini di fiducia, usabilità e scalabilità. Si tratta di una decisione di progettazione con conseguenze strategiche.

Il cliente: quando l'intelligenza diventa un vantaggio competitivo

L'intelligenza artificiale per il mondo enterprise dimostra il proprio valore in modo più evidente quando parliamo del rapporto con il cliente.

L'intelligenza personalizzata per il cliente, addestrata sui dati, sulle politiche e sulla cronologia delle interazioni, produce risultati che i concorrenti non possono replicare facilmente. Questo è particolarmente efficace in contesti caratterizzati da numerose eccezioni e complessità: risoluzione delle controversie, gestione dei reclami, gestione dei resi, instradamento dei servizi. L'AI in grado di classificare i casi, individuare la documentazione rilevante, raccomandare soluzioni coerenti con le policy aziendali e apprendere continuamente dai risultati trasforma processi ad alto costo e ad alto attrito in elementi di differenziazione competitiva.

Nel 2026, i clienti non premieranno la novità fine a se stessa. Premieranno l'affidabilità, la pertinenza e la reattività. Le organizzazioni che utilizzano l'AI per assorbire la complessità, senza perdere il controllo sui risultati, costruiranno vantaggi competitivi che gli strumenti generalisti non potranno superare.

Il momento strategico: quando si decide fino a dove spingersi

L’ultimo momento riguarda direttamente i leader.

L'adozione dell'AI non è un percorso lineare. Richiede ai leader di coordinare contemporaneamente tre livelli: AI integrata: incrementi di produttività basati su AI integrata nelle applicazioni core e progettata per specifici ruoli, in grado di generare ritorni immediati; AI agentica: orchestrazione multi-agente di flussi di lavoro complessi e trasversali ai sistemi; e AI per settori industriali: applicazioni altamente specializzate, sviluppate in collaborazione per affrontare le sfide di maggior valore specifiche del singolo settore industriale.

La vera trappola è una sequenza errata: concentrarsi solo sull'AI integrata significa lasciare sul tavolo del valore; passare a una profonda trasformazione del settore senza governance e maturità dei dati significa moltiplicare i rischi. Le organizzazioni all'avanguardia sono quelle che allineano l'ambizione alla preparazione e investono in un'architettura clean-core, in basi dati moderne e modelli di ownership dell'AI trasversale alle funzioni aziendali, passando con decisione dai progetti pilota ai programmi strutturati.

La prova della leadership

Nel 2026, a vincere non saranno le imprese con il maggior numero di funzionalità di AI. Saranno invece quelle che sapranno trattare l’AI come un livello operativo strategico, gestito come una forza lavoro, basato su dati affidabili, personalizzato per dipendenti e clienti e calibrato sulle specificità del proprio settore.

Il divario tra il 90% e il 100% è esattamente il punto dove  risiede il valore aziendale. È anche il punto in cui viene messa alla prova la leadership. Le decisioni che saranno prese nei prossimi mesi dalle organizzazioni, determineranno se l'AI diventerà la fonte più potente di vantaggio duraturo o la lezione più costosa di fiducia mal riposta.

Questo è il momento di agire con attenzione.

 Manos Raptopoulos (nella foto di apertura) è Global President Europe, APAC, Middle East & Africa, e membro dell’Extended Board di SAP SE