💡 Manager AIlluminato Cap. 28 · Stato dell'arte aziendale

Puntata 303

Puntata 303 — La hype curve nel 2026

Livello: 💡 Manager AIlluminato · Capitolo 28 · Stato dell’arte aziendale

Gartner dice “trough of disillusionment”. Wired titola “AI is dying”. McKinsey vende ancora “$4.4T di valore aggiunto”. Dove siamo davvero? E quanto manca al plateau di produttività vera?

la curva del ciclo di Gartner disegnata a mano su una lavagna, con un puntatore a forma di freccia che indica un punto specifico (“voi siete qui”). Sotto la curva, varie aziende rappresentate come piccoli edifici a diverse altitudini. In basso, due manager con tazze di caffè osservano la lavagna pensierosi

La curva di Gartner, decodificata onestamente

Il Gartner Hype Cycle è una rappresentazione semplificata ma utile:

   Picco di aspettative gonfiate
            ████████
           █        █
          █          █
         █            █
        █             █
       █               █████████  Pendio dell'illuminazione
      █                         ████████
     █                                  ███████ Plateau della produttività
    █                                          ████████
   █
  █                  Valle della disillusione
 █
█ Trigger tecnologico

A maggio 2026, secondo le valutazioni convergenti di Gartner, Forrester, IDC, la AI generativa si trova in transizione tra “valle della disillusione” e “pendio dell’illuminazione”. Ma la posizione varia per caso d’uso:

Caso d’usoDove sta
Copilot per codingPlateau della produttività (vinto)
Customer service AIPendio (in adozione mainstream)
Generative images per marketingPlateau (vinto)
Knowledge management aziendaleValle / inizio pendio (delusione iniziale)
AI agents autonomiPicco / valle (hype fortissimo, risultati misti)
AI nella sanità clinicaPendio (lentamente, regolamentato)
AGI / superintelligenzaPicco delle aspettative (dibattito)

Conclusione: nessuna risposta singola. La hype curve è multipla.

I segnali della “valle” che vediamo oggi

Nel 2024-25 sono apparsi vari segnali di disillusione:

  1. Studio MIT 2024 (“Generative AI in the Real Workplace”): il 40% dei progetti AI in aziende Fortune 500 è rimasto pilot, non scalato.
  2. Goldman Sachs ha pubblicato un report nel 2024 titolato “GenAI: too much spend, too little benefit?”, suggerendo che gli investimenti potrebbero non ritornare.
  3. Layoff dei tech AI: anche aziende AI-native hanno tagliato. Stability AI in difficoltà, Inflection rilevata, vari “AI assistant” startup chiusi.
  4. Vendor consolidation: i grandi (Microsoft, Google, Amazon) stanno inghiottendo i piccoli.
  5. AI fatigue in alcuni team: troppi tool, ROI poco chiaro, fatigue degli utenti finali.

Questi sono i sintomi classici della “valle di disillusione”. È fisiologica: succede a ogni tecnologia che ha avuto un picco di aspettative gonfiato (vedi blockchain 2017-19, VR 2016-18, IoT 2013-15).

I segnali di “pendio dell’illuminazione”

Ma in parallelo, già nel 2026 vediamo:

  1. GitHub Copilot ha cambiato il coding. 1.3M+ developer paganti, 80% di loro la considera “essenziale” (sondaggio Stack Overflow 2024).
  2. Customer service: aziende come Klarna hanno deflectato il 70% del volume verso AI agents. ROI documentato.
  3. Operazioni interne: aziende come BCG, Bain stanno vedendo 40-60% riduzione tempo su task tipo “background reading” per nuovi case study.
  4. AI in radiologia, dermatologia, scientific discovery: silenziosamente, sta funzionando. Vedi puntata 274 (Yoda).
  5. Multi-modal applications: ChatGPT search + Perplexity stanno cambiando i comportamenti di ricerca di centinaia di milioni di persone.

I segnali sono forti dove la tecnologia trova il product-market fit.

Dove è realistico essere “ora” per la tua azienda

Una mappa pragmatica per fare il punto:

Categoria A — Adozione già “plateau” (rischio: arrivare tardi)

  • Coding assistants per dev team.
  • Generative imagery per marketing/design.
  • Trascrizione e sottotitoli per content.
  • Translation tools in aziende multilingua.

Se non hai uno di questi nel 2026, sei in ritardo. Recupero rapido fattibile in 3-6 mesi.

Categoria B — Pendio dell’illuminazione (sweet spot)

  • Customer service AI (per aziende con volume medio-alto).
  • Knowledge management interno (assistant aziendale su documentazione).
  • Sales enablement (puntata 146).
  • HR document automation.

Questi sono i casi dove partire ora con strategia rende molto. ROI ragionevole su 6-12 mesi.

Categoria C — Valle / picco (rischio: spreco)

  • Multi-agent autonomous systems complessi (ancora immaturi).
  • AI per decisioni strategiche (board-level).
  • “AI-native product” in mercati saturi.
  • Verticalizzazioni in settori senza dati propri.

Qui meglio sperimentare piccolo, non investire grosso, monitorare la maturazione.

Categoria D — Innovator territory (rischio: incertezza alta)

  • AI generativa in scienza (drug discovery, materiali).
  • Embodied AI / robotica AI.
  • Brain-computer interfaces.

Solo se hai R&D budget e tolleranza al fallimento.

La domanda strategica: dove vale partire oggi?

Per una azienda media (B2B services, B2C consumer, manifatturiero):

Inizia da A e B. Specificamente:

  1. Coding (se hai dev team).
  2. Content + creative (marketing, design, video).
  3. Knowledge management interno (knowledge base + AI search).
  4. Customer service tier 1 (se hai volume).
  5. Sales enablement (se hai pipeline).

Questi 5 use case coprono il 70-80% del valore catturabile dal 90% delle aziende. Inizia da qui, misura, poi espandi.

Categoria C (agents complessi, AI strategica) la guardi tra 12-24 mesi. Categoria D solo se il tuo settore è R&D-heavy.

I tre rischi della “fascia mediana”

L’azienda mediana del 2026 (sciamatore della puntata 301) fa questi 3 errori:

Errore #1: investe in C senza coprire A

Lancia un “AI Center of Excellence” con 5 progetti su agent autonomi, ma il marketing usa ancora Pinterest per moodboard. ROI negativo, perché stai investendo dove il rischio è alto e ignorando dove il valore è facile.

Errore #2: misura solo “adoption” non “valore”

“Il 75% dei dipendenti ha provato ChatGPT” → fantastico. Ma cosa ne fai? Il KPI vero è tempo risparmiato + decisioni migliorate, non clicks.

Errore #3: aspetta la “stabilizzazione” per partire

“Aspettiamo che maturi”. Errore. La curva non si stabilizza per le aziende: si stabilizza per il mercato. Le aziende che hanno fatto il PoC nel 2023 ora sanno cosa funziona per loro. Tu starai partendo da zero nel 2027 mentre loro scalano.

La timeline realistica (2026 → 2030)

Forecast personali, fallibili, ma sensati basati sui dati:

AnnoAtteso
2026Adoption mainstream di coding, creative, search AI. Customer service va a scaling.
2027Agenti autonomi su task ben definiti diventano “stabili”. RAG aziendale mainstream. AI Act in vigore completo EU.
2028Wave consolidamento vendor. Costi modelli scendono ulteriormente. Verticalizzazioni mature.
2029-30”AI-first” companies hanno vantaggio competitivo strutturale visibile. Premio M&A per quelle con AI nei processi.

Chi parte ora (2026 metà) è on time. Chi aspetta il 2028 è in ritardo strategico recuperabile, ma più costoso.

TEST pratico (15 min cognitivo)

Per la tua azienda, fai questo:

  1. Lista 10 task ricorrenti del tuo business (vedi puntata 158 per metodo).
  2. Classifica ciascuno in categoria A, B, C, D (sopra).
  3. Conta:
    • Quanti A non state ancora coprendo? (Ritardo a colmare.)
    • Quanti B sono opportunità mature da affrontare nei prossimi 6-12 mesi?
    • Quanti C state perseguendo prematuramente (alto rischio)?
  4. Domanda strategica: il vostro investimento attuale in AI è bilanciato tra A (recupero ritardo), B (sweet spot), C (lungimiranza misurata)? O state mettendo tutto in C “perché fa figo”?

Risposta onesta a queste 4 domande = strategia AI rivisitata.

Glossario lampo

  • Hype Cycle: modello Gartner per descrivere la maturazione delle tecnologie emergenti attraverso 5 fasi.
  • Plateau della produttività: fase finale dell’hype cycle in cui la tecnologia produce valore stabile e diffuso.
  • Trough of disillusionment / valle: fase intermedia in cui le aspettative gonfiate si scontrano con risultati misti, e molti abbandonano.
  • Product-market fit: stato in cui un prodotto soddisfa un mercato in modo che si autopropulsa.

Take-away in una riga

L’AI nel 2026 è in transizione “valle → pendio” — diversa per use case. Per la tua azienda, parti dai casi maturi (Categoria A e B), evita gli iper-hyped (C), e non aspettare la “stabilità” generale perché chi vince già scala.

➡️ Prossima puntata: AI ≠ automazione — la distinzione semantica che cambia il budget IT della tua azienda.