Secondo un rapporto di Forrester, entro il 2027, il 20% dei budget tecnologici delle aziende sarà destinato all’intelligenza artificiale (AI), ma non ci si deve aspettare che queste spese si ripaghino in modo automatico. L’analisi suggerisce che molti direttori informatici potrebbero non raggiungere gli obiettivi di ritorno sugli investimenti (ROI) legati all’AI nel prossimo anno.
Il sondaggio “State Of AI Survey 2026” condotto da Forrester ha rivelato che il 45% dei decisori in ambito AI necessita di un ROI positivo entro un anno per considerare i propri investimenti un successo. Tuttavia, si prevede che i risultati positivi saranno confinati a casi isolati piuttosto che a interi programmi aziendali, una situazione che non sarà sufficiente a giustificare l’elevato investimento.
Il report sottolinea come la realizzazione di risultati misurabili a livello aziendale richieda cambiamenti nelle strutture organizzative, nei processi e nelle modalità operative tradizionali. Attualmente, solo il 22% dei decisori in ambito AI ha riportato un impatto positivo sull’EBITDA (utili prima di interessi, imposte, svalutazioni e ammortamenti) nell’ultimo anno. Questa discrepanza tra l’investimento per l’adozione della tecnologia e i cambiamenti organizzativi potrebbe ritardare il raggiungimento degli obiettivi di ROI più elevati.
Nonostante queste sfide, la spesa per l’IT continuerà a crescere. Forrester prevede che l’AI costituirà il 20% della spesa totale per le tecnologie aziendali nel prossimo anno, aumentando così la pressione sui leader per giustificare il valore dell’AI, gestendo al contempo costi, infrastrutture e rischi. Sharyn Leaver, chief research officer di Forrester, ha affermato che tecnologie emergenti, pressioni geopoliche e l’uso crescente dell’AI nelle operazioni tecnologiche porteranno con sé nuove complessità e potenziali punti di fallimento.
Per cercare di ottenere maggiori risultati dagli investimenti crescenti nell’AI, i team tecnologici si rivolgeranno a modelli GenAI a “peso aperto”, capaci di offrire prestazioni simili a quelle dei sistemi proprietari leader, ma a un costo nettamente inferiore. Forrester stima che i modelli a peso aperto rappresenteranno metà del volume di token AI, ma solo il 5% della spesa aziendale destinata a questo settore.
I modelli a peso aperto, come Gemma, Llama e Qwen, sono considerati adeguati per carichi di lavoro aziendali che generano la maggior parte del volume di token, come la gestione documentale, le conversazioni nel servizio clienti, la ricerca di conoscenze interne e i passaggi di routine all’interno dei flussi operativi. I modelli frontier, come Claude Opus 5.5 di Anthropic e GPT-6 di OpenAI, saranno riservati a “quelli pochi task critici in cui errori possono risultare costosi”, ma Forrester prevede che anche per queste situazioni ci sarà un’inclinazione verso l’uso di modelli a peso aperto.
