22/04/2026

fare

Intelligenza artificiale: ROI medio 49% e l'agentic AI promette un 47% di ritorno

Lilla (Snowflake): le organizzazioni che stanno ottenendo ROI elevato hanno investito prima nell'infrastruttura dati, poi nei modelli

L'intelligenza artificiale non è più una scommessa sul futuro: è un investimento con ritorni misurabili, secondo la ricerca "The ROI of Gen AI and Agents" di Snowflake, basata su 2.050 organizzazioni che hanno messo in produzione soluzioni di AI generativa e agentica. Il 92% delle aziende early adopter registra un ROI positivo, con un ritorno medio del 49% sull'investimento: per ogni dollaro speso, il guadagno è di 1,49 dollari. Questo valore è superiore del 20% rispetto all'anno precedente. Tra i dirigenti, tre quarti ha confermato un ROI positivo, mentre solo il 5% ha segnalato risultati stabili.
"L'intelligenza artificiale ha superato l'hype per diventare un vero driver di valore aziendale", afferma Marika Lilla, Country Manager Italia di Snowflake. "Le aziende con infrastrutture dati solide e competenze adeguate stanno registrando miglioramenti in efficienza operativa, innovazione e customer experience. L'agentic AI, che opera senza supervisione umana continua, è considerata il prossimo salto evolutivo".

- Il 32% delle organizzazioni ha già implementato agenti autonomi in produzione.
- Il 57% ha piani definiti o è già operativo in quest'area.
- Le aspettative di ROI per l'agentic AI nei prossimi 12 mesi si attestano al 47%.
- Il 61% usa l'agentic AI per il supporto clienti autonomo.
- Le applicazioni includono classificazione ticket, troubleshooting multi-step e assistenza real-time.
In Italia, il trend globale si conferma, ma con differenze tra grandi imprese e PMI. L'Osservatorio Artificial Intelligence del Politecnico di Milano indica un mercato da 1,8 miliardi di euro nel 2025, con crescita del 50% rispetto al 2024; l'AI generativa rappresenta il 46% del totale. Il 71% delle grandi aziende ha avviato almeno un progetto AI, contro l'8% delle PMI. L'84% delle grandi imprese ha acquistato licenze per strumenti di AI generativa, ma solo una su cinque ne sfrutta le funzionalità in modo trasversale. E' stato rilevato un incremento del 31% delle licenze in un anno, ma solo il 20% delle aziende utilizza le licenze su più funzioni.

Il fenomeno dello Shadow AI è preoccupante: il 66% dei C-level e più della metà dei dipendenti usano strumenti AI non approvati. Le motivazioni includono mancanza di funzionalità (oltre il 50%) e processi di approvazione lenti (oltre il 33%). Questo espone le imprese a rischi di perdita dati, violazioni GDPR e vulnerabilità di sicurezza, soprattutto con l'AI Act europeo previsto per il 2026. Solo il 9% delle grandi aziende italiane ha un modello di governance AI strutturato.
Contrariamente ai timori di perdita di posti, lo studio mostra una creazione netta di occupazione. Il 79% delle aziende intervistate ha generato nuovi ruoli; l'11% ha registrato solo perdite. I settori in crescita includono cybersecurity (+21% rispetto a perdita), IT operations (+16%) e sviluppo software (+12%). I ruoli più colpiti sono entry-level (-63%), middle management (-46%) e senior individual contributor (-41%). In Italia, le offerte di lavoro con skill AI sono quasi raddoppiate nel 2025; il 64% dei lavoratori investe autonomamente nella formazione AI.

Un ostacolo fondamentale è la disponibilità di dati "AI-ready". Solo il 20% dei dati non strutturati e un terzo dei dati strutturati è pronto per l'uso AI. Il 65% delle aziende trova difficile rompere i silos di dati; il 62% ritiene complesso misurare la qualità dei dati e prepararli per l'AI. Nonostante ciò, il 92% addestra o ottimizza modelli LLM con dati proprietari. La maggioranza concorda sul ruolo cruciale del data engineering (89% d'accordo) e sull'investimento in unificazione dei data estate (94% d'accordo).
Tendenzialmente tutti concordano su due affermazioni fondamentali: "Stiamo attivamente investendo in soluzioni per unificare e consolidare il nostro data estate" (94% d'accordo o pienamente d'accordo) e "Il data engineering è la capacità chiave necessaria per assicurare il successo dei progetti AI" (89% d'accordo o pienamente d'accordo).

"Il messaggio è chiaro", conclude Lilla. "Non esiste una strategia AI senza una strategia dati. Se questi ultimi sono frammentati, incompleti o di bassa qualità, anche il miglior modello produrrà risultati mediocri. Le organizzazioni che stanno ottenendo ROI elevato hanno investito prima nell'infrastruttura dati, poi nei modelli. È una lezione che le aziende italiane, specialmente le PMI, devono apprendere rapidamente".