Ottanta dipendenti su cento che usano l’AI dicono di lavorare meglio e in meno tempo. Eppure, solo trentasette aziende su cento riescono a vederlo nei conti. Questo scarto è il vero campanello d’allarme che emerge dal McKinsey State of AI 2026, il rapporto pubblicato su 1.719 aziende in 97 paesi.
Il sottotitolo scelto da McKinsey, «sulla strada del ROI», è prudente per un motivo preciso: il report misura il tasso di adozione e l’attribuzione dichiarata, non dimostra automaticamente un ritorno economico. Adottare l’AI non è “una moda” o una spesa inutile, ma i numeri confermano che la tecnologia da sola non basta.
Per chi prende le decisioni in un’azienda italiana (di ogni dimensione), i dati più urgenti da comprendere sono tre. Nessuno dei quali, sorprendentemente, riguarda la tecnologia in sé.
In questo articolo scoprirai:
- Perché l’80% si sente più produttivo e solo il 37% lo vede nell’EBIT
- Agenti AI: il divario si allarga (le grandi sono passate dal 27% al 40%, le piccole sono ferme al 22%)
- Un’azienda su tre rinuncia a comprare software perché se lo costruisce in casa
- Quando il costo dei token diventa il tetto all’adozione
- Cosa deve fare un decisore italiano: ridisegnare il processo
Perché l’80% si sente più produttivo e solo il 37% lo vede nell’EBIT
Il dato che McKinsey mette in prima fila è incoraggiante: l’80% di chi usa l’AI al lavoro riferisce un miglioramento della propria produttività, come si legge nel rapporto originale. Quello che sta accanto è meno comodo: sempre nel documento McKinsey/QuantumBlack, solo il 37% delle organizzazioni attribuisce all’AI un impatto misurabile sull’EBIT a livello aziendale, una quota rimasta piatta rispetto al 2025. Gli «AI high performer», chi dichiara almeno il 5% di EBIT attribuibile all’AI e un impatto significativo, sono ancora circa il 6%, anche loro fermi.
La distanza fra i due numeri non è un paradosso statistico: è un problema di architettura dei processi. I minuti risparmiati da una singola persona restano dispersi in flussi di lavoro che nessuno ha ridisegnato, e si perdono prima di arrivare al bilancio, è la stessa dinamica che si osserva guardando quali lavori stanno davvero cambiando con i chatbot AI in azienda. La conferma sta nel comportamento di chi invece ci arriva: il 74% degli high performer ridisegna i workflow da zero, contro il 25% di tutti gli altri, come rileva l’analisi del report.
Il divario fra produttività e EBIT nel McKinsey State of AI 2026
È lo stesso meccanismo che abbiamo descritto quando l’AI generativa non genera ROI e il problema non è la tecnologia: l’assistente generico appoggiato su un processo frammentato produce risparmi individuali che non diventano mai margine. E spiega perché la misurazione va impostata prima del pilot, non dopo, il tema di come misurare davvero il ROI di un agente AI.
Cosa il McKinsey State of AI 2026 non dimostra
Un avvertimento sul titolo del rapporto: «sulla strada del ROI» descrive una direzione dichiarata dai rispondenti, non un ritorno dimostrato. McKinsey misura adozione, attribuzione percepita e vincoli. Chi porta questi numeri in consiglio di amministrazione dovrebbe presentarli per quello che sono.
Agenti AI: le grandi sono passate dal 27% al 40%, le piccole sono ferme al 22%
Sul fronte agentico il movimento c’è, ma è concentrato. Il 40% dei rispondenti di organizzazioni con oltre un miliardo di dollari di ricavi dichiara di aver scalato agenti AI, contro il 27% dell’anno precedente, riporta il survey. La quota delle organizzazioni più piccole è rimasta invariata al 22%: dodici mesi, nessun progresso. Complessivamente il 62% dichiara almeno una sperimentazione in corso.
È il numero meno lusinghiero del rapporto e va letto senza addolcirlo: la differenza fra grandi e piccole non si sta chiudendo, si sta allargando, perché il numeratore cresce solo da un lato. Un anno di stallo su una tecnologia che si muove ogni trimestre è un anno di distanza guadagnata da qualcun altro, la stessa dinamica vista nei dati OpenAI sul divario di adozione fra aziende top e tutte le altre e nello Stanford AI Index letto dal lato delle PMI italiane.
Per il decisore la conclusione operativa non è «anche noi dobbiamo scalare». È che la scalabilità di un agente dipende da cose che si preparano prima: dati accessibili, un processo delimitato, qualcuno che risponda del risultato. Se il termine è ancora nebuloso, conviene partire da cosa sono e come funzionano gli agenti AI e da i tre processi aziendali in cui funzionano già.
Un’azienda su tre ha rinunciato a comprare software perché se lo costruisce in casa
Questo è il dato che sposta le decisioni di budget. Il 32% dei rispondenti dichiara che la propria organizzazione ha deciso di non acquistare almeno un prodotto o una funzionalità software, perché era in grado di costruirla internamente con strumenti di coding agentici, secondo il rapporto. Non è una previsione di mercato: è una rinuncia all’acquisto già avvenuta.
Il presupposto è che i coding agent siano usciti dalla fase dimostrativa. Circa due organizzazioni su dieci li stanno scalando, e la quota sale al 31% nelle imprese più grandi, sempre nella lettura del survey. Chi vende software verticale a un’azienda italiana ha quindi un concorrente nuovo, e non è un altro fornitore: è il team interno del cliente, armato di un agente che scrive codice.
Build o buy con i coding agent: cosa cambia davvero nella decisione
Il calcolo non è «licenza contro zero». Costruire in casa sposta il costo dalla voce acquisto alla voce manutenzione: aggiornamenti, sicurezza, e qualcuno che ci metta la faccia quando alle due di notte il flusso si ferma. Il vantaggio del build regge sui casi molto specifici del proprio processo, non sul software di mercato maturo, dove il fornitore ha già assorbito anni di casi limite. La distinzione l’abbiamo argomentata in agente AI chiavi in mano o self-service e in perché nell’enterprise il servizio conta più del modello.
Per un’azienda italiana di media dimensione la domanda utile è una sola: esiste un processo che nessun fornitore copre bene perché è nostro? Se sì, il build ha senso, e gli agenti AI su misura sono il terreno giusto. Se no, costruire significa ricomprare un problema che qualcuno ha già risolto.
Quando il costo dei token diventa il tetto all’adozione
Il quarto numero è quello che nessuno mette nelle slide. Circa il 20% dei rispondenti dichiara che i costi operativi legati all’AI, compresi i costi dei token, hanno limitato l’uso che ne fanno, rileva il survey. Non è un vincolo di budget in fase di acquisto: è un tetto che si scopre in esercizio, quando il volume cresce.
La differenza è sostanziale per chi pianifica. Un pilot su cento pratiche al mese costa poco e dice poco; lo stesso flusso su diecimila pratiche cambia ordine di grandezza, e il costo per chiamata che sembrava trascurabile diventa la variabile che decide se il caso d’uso sta in piedi. La maggioranza dei rispondenti non riporta questo vincolo, ma un quinto sì, e quel quinto è quello che sta già facendo volume.
Quanto costa tenere in esercizio un agente AI, oltre alla licenza
Le voci che sfuggono al preventivo sono sempre le stesse: consumo di token che cresce insieme al contesto, integrazioni da mantenere, revisione umana degli output nei casi delicati, monitoraggio. È il costo di esercizio, non quello di avvio, a decidere se un agente resta in produzione. I numeri li abbiamo messi in fila in quanto costa implementare un agente AI in azienda nel 2026 e, sul taglio PMI, in quanto costa un agente AI per una PMI: prezzi reali.
La contromisura pratica è banale e quasi nessuno la applica: stimare il costo per unità di lavoro, per pratica, per ticket, per documento, prima di scalare, e confrontarlo con il costo attuale della stessa unità svolta a mano. Se il rapporto non regge a un volume dieci volte superiore, il caso d’uso va ridisegnato adesso, non dopo.
Cosa deve fare un decisore italiano: ridisegnare il processo, non comprare un’altra licenza
Un solo dato italiano serve a inquadrare la decisione, ed è quello dimensionale, perché ripete la spaccatura del survey globale. Nel 2025 il 16,4% delle imprese con almeno 10 addetti ha usato almeno una tecnologia di AI, il doppio dell’8,2% del 2024, come certifica l’Istat nel rapporto «Imprese e ICT» del 15 dicembre 2025: le grandi imprese sono al 53,1% e le PMI al 15,7%, con una distanza passata da circa 20 punti nel 2023 a 37 punti nel 2025, nella lettura dei dati Istat. Sul mercato, l’Osservatorio del Politecnico di Milano stima 1,8 miliardi di euro nel 2025, +50% sul 2024. La crescita è reale, il livello resta basso, e il divario si allarga da entrambi i lati dell’Atlantico.
Da qui la parte operativa, che è la sola cosa che un decisore può fare lunedì mattina. Primo: la scelta del processo. Non il più visibile, ma quello che ha volume ripetitivo, un output verificabile e un confine chiaro, se non si riesce a dire dove il processo inizia e dove finisce, non è candidabile. Un buon test: esiste già una persona che lo fa tutti i giorni allo stesso modo? Se sì, c’è materiale; se ogni caso è un’eccezione, l’agente amplificherà il disordine invece di ridurlo.
Secondo: l’unità di lavoro da misurare. Va fissata prima del pilot e in una sola grandezza, la pratica, il ticket, il documento, la richiesta di offerta, con tre numeri accanto: quante ne passano al mese, quanto costa oggi una unità svolta a mano, quante ne tornano indietro per errore. Il confronto post-pilot si fa su quella stessa unità, non sul tempo percepito da chi la usa: è precisamente lo scarto fra l’80% e il 37% che il rapporto McKinsey lascia aperto.
Terzo: chi ne risponde. Non l’IT, che gestisce lo strumento, ma il responsabile del processo, con un nome e un obiettivo scritto, la riduzione del costo per unità o del tempo di attraversamento entro una data. Senza quel nome, il pilot produce una demo e nessuna decisione.
In Italia il primo freno sono le competenze, non il prezzo
Qui i dati italiani dicono una cosa precisa, e diversa dal survey globale. Fra le imprese che hanno valutato un investimento in AI senza realizzarlo, la mancanza di competenze adeguate è l’ostacolo principale per quasi il 60%, davanti a incertezza normativa (47,3%), qualità dei dati (45,2%) e costo delle soluzioni (43,0%), nella rilevazione Istat. Il costo pesa, ma non è il primo problema.
La conseguenza pratica è netta: il prossimo investimento che sposta l’ago non è un’altra licenza, è un processo scelto, misurato e ridisegnato con qualcuno in azienda in grado di governarlo. È il pattern ricorrente descritto in i tre pattern di adozione che nel 2026 portano in produzione.
Fonti:
- McKinsey & Company (QuantumBlack), The state of AI in 2026: On the road to ROI, mckinsey.com
- The Register, McKinsey says enterprise AI is finally ‘on the road to ROI’, theregister.com
- explainX, McKinsey State of AI 2026: 80% Productive, 37% EBIT, explainx.ai
- Osservatori Digital Innovation, Politecnico di Milano, Intelligenza Artificiale in Italia: il mercato cresce del 50%, osservatori.net
Sei pronto a superare la trappola del “solo 37%”?
Costruire e integrare Agenti AI su misura per i tuoi processi aziendali non è una questione di sola tecnologia: è questione di metodo. In Tinke, affianchiamo le aziende e i decision makers non solo per implementare soluzioni come l’ecosistema Mimìr AI Agent, ma soprattutto per mappare, ottimizzare e rendere profittevoli i tuoi flussi di lavoro.
L’AI funziona solo quando si trasforma in margini reali e tangibili a fine anno.
Domande frequenti
Cosa dice il McKinsey State of AI 2026 sul ritorno economico dell'AI?
Il rapporto, pubblicato il 25 agosto 2026 su 1.719 rispondenti in 97 paesi, rileva che l'80% di chi usa l'AI al lavoro riferisce più produttività, ma solo il 37% delle organizzazioni attribuisce all'AI un impatto misurabile sull'EBIT, quota piatta rispetto al 2025. Gli AI high performer restano circa il 6%. McKinsey misura adozione e attribuzione dichiarata: non dimostra un ritorno.
Perché la produttività percepita non diventa margine?
Perché i minuti risparmiati da una singola persona si dispersono in flussi di lavoro che nessuno ha ridisegnato. Il dato che lo conferma è il comportamento di chi il ritorno lo vede: il 74% degli high performer ridisegna i workflow da zero, contro il 25% di tutti gli altri.
Quante imprese italiane usano l'AI e qual è il primo ostacolo?
Secondo Istat, nel 2025 il 16,4% delle imprese con almeno 10 addetti ha usato almeno una tecnologia di AI, il doppio dell'8,2% del 2024. Il divario dimensionale è ampio: 53,1% fra le grandi imprese contro 15,7% fra le PMI. Fra chi ha valutato un investimento senza realizzarlo, l'ostacolo principale per quasi il 60% è la mancanza di competenze, non il costo.
