L’intelligenza artificiale non è più una scommessa sul futuro: è un investimento che sta producendo ritorni concreti e misurabili. È quanto emerge dalla nuova ricerca “The ROI of Gen AI and Agents” di Snowflake, condotta su 2050 organizzazioni a livello globale che hanno già implementato in produzione soluzioni di AI generativa e agentica.
Lo studio rivela che il 92% delle aziende early adopter riporta un ROI positivo dall’intelligenza artificiale, con un ritorno medio del 49% sull’investimento: per ogni dollaro investito, le aziende guadagnano 1,49 dollari, in aumento del 20% rispetto all’anno precedente. Particolarmente significativo il dato sui C-level: tre quarti dei leader aziendali ha quantificato un ROI positivo, con solo il 5% che riporta risultati stabili.
Ma la vera sorpresa arriva dalla AI generativa e dall’agentic AI, sistemi autonomi capaci di prendere decisioni e agire senza supervisione umana continua. Il 32% delle organizzazioni intervistate ha già implementato in produzione soluzioni di AI agentica, con aspettative di ROI del 47% nei prossimi 12 mesi.
“I dati dimostrano che l’intelligenza artificiale ha superato la fase dell’hype per diventare un vero driver di valore aziendale,” commenta Marika Lilla, Country Manager Italia di Snowflake. “Le organizzazioni che hanno investito in infrastrutture dati solide e competenze adeguate stanno vedendo ritorni significativi a livello di efficienza operativa, innovazione e customer experience. L’agentic AI rappresenta il prossimo salto evolutivo, e chi si muove ora può aprire un vantaggio competitivo decisivo.”
L’Italia corre, ma resta il nodo competenze
Il contesto italiano conferma il trend globale di accelerazione, seppur con luci e ombre. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato del nostro Paese ha toccato quota 1,8 miliardi di euro nel 2025, segnando una crescita del 50% rispetto al 2024, con l’AI generativa che rappresenta ormai il 46% del totale.
Tuttavia, il divario tra grandi imprese e PMI resta marcato: il 71% delle prime ha avviato almeno un progetto AI, mentre solo l’8% delle realtà medio-piccole ha fatto lo stesso. Larga parte (84%) delle grandi aziende ha acquistato licenze per almeno uno strumento di intelligenza artificiale generativa, con un incremento del 31% in un anno, ma solo una su cinque ne fa uso in modo pervasivo su diverse funzioni aziendali.
“L’Italia ha le carte in regola per competere nell’era dell’intelligenza artificiale, tuttavia serve accelerare, soprattutto sul fronte delle competenze e della modernizzazione delle infrastrutture dati,” afferma Marika Lilla “Chi resta indietro rischia di accumulare un gap difficile da colmare. I dati della nostra ricerca mostrano che il successo non dipende dalla tecnologia in sé, ma dalla capacità di preparare l’organizzazione a sfruttarla.”
Agentic AI: una su tre è già oltre la frontiera
Una delle rivelazioni più significative dello studio Snowflake riguarda l’agentic AI, sistemi autonomi capaci di prendere decisioni e agire senza supervisione umana continua. Contrariamente a quanto si possa pensare, non si tratta di futuro remoto: il 32% degli early adopter ha già agenti in produzione, mentre oltre la metà (il 57%) ha piani definitivi o è già operativo. Gli executive intervistati si aspettano un ROI del 47% dai loro investimenti in questa direzione nei prossimi 12 mesi.
Le applicazioni spaziano dal customer support autonomo, implementato dal 61% delle aziende che fanno uso dell’AI generativa, alle IT operations, fino alla cybersecurity e agli analytics avanzati. Tra le più diffuse emergono il supporto verso risorse self-help, l’assistenza real-time agli operatori umani, la classificazione e l’instradamento dei ticket, nonché la gestione di troubleshooting multi-step.
Shadow AI: più della metà dei dipendenti usa strumenti non approvati
Un fenomeno preoccupante emerso dalla ricerca riguarda il cosiddetto “Shadow AI”: oltre la metà dei lavoratori a livello globale, compresi il 66% dei C-level business, ammette di usare strumenti AI non approvati dall’azienda.
Le motivazioni principali sono chiare: oltre la metà dichiara che gli strumenti approvati mancano di funzionalità necessarie oppure lamenta processi di approvazione troppo lenti o che respingono frequentemente le richieste. Solo un terzo degli intervistati cita il desiderio di velocizzare il lavoro come motivo per l’uso di strumenti non approvati.
Questo trend espone le aziende a rischi significativi: fuga di dati sensibili e proprietà intellettuale, violazioni delle normative sulla privacy come il GDPR, vulnerabilità di sicurezza e mancanza di governance. Con l’AI Act europeo che entrerà pienamente in vigore nel 2026, la governance dell’intelligenza artificiale diventa un’urgenza strategica. Secondo l’Osservatorio del Politecnico di Milano, tuttavia, un numero davvero limitato (9%) delle grandi aziende italiane ha attualmente un modello di governance AI strutturato.
“Il fenomeno dello Shadow AI ci dice due cose,” commenta Marika Lilla. “Primo: i dipendenti vedono il valore dell’intelligenza artificiale e vogliono adottarla. Secondo: le aziende non stanno fornendo strumenti adeguati in modo abbastanza veloce. La soluzione non è vietare, ma creare percorsi e offrire alternative approvate che siano davvero migliori dei tool consumer. È una questione di governance intelligente, non di controllo.”
Il paradosso del lavoro: più creazione che distruzione
Contrariamente ai timori diffusi, lo studio Snowflake mostra che l’AI sta creando più posti di lavoro di quanti ne elimina. Quasi quattro quinti delle aziende intervistate riporta una qualche job creation, con o senza job loss: poco meno della metà ha visto solo creazione di posti di lavoro, mentre appena l’11% ha registrato esclusivamente perdita di posti di lavoro. Un terzo riporta che nella propria organizzazione si sono verificate sia creazione che perdita di lavoro, ma il 69% di questo gruppo afferma che l’effetto netto sull’occupazione è stato positivo.
I ruoli in crescita sono nelle aree cybersecurity, che registra un +21% di probabilità di job gain rispetto a job loss, IT operations (+16%) e software development (+12%). Al contrario, i ruoli più colpiti sono quelli entry-level, dove il 63% delle aziende riporta riduzioni, seguiti dal middle management (46%) e dagli individual contributor senior (41%). Il customer support mostra il delta più significativo tra perdite e guadagni: il 37% delle aziende ha tagliato questi ruoli nell’ultimo anno, mentre solo il 15% ne ha aggiunti.
Nel nostro Paese, la domanda di competenze in materia è in forte crescita. Secondo l’Osservatorio del Politecnico di Milano, le richieste di skill legate all’intelligenza artificiale negli annunci di lavoro sono quasi raddoppiate nel 2025, con tre quarti delle offerte per professionisti qualificati che richiedono questa expertise. Un segnale positivo: l’Italia è prima in Europa per lavoratori che investono nella propria formazione AI, con il 64% che lo fa autonomamente. Tuttavia, quasi la metà dei dipendenti che usa l’AI in azienda riporta di utilizzare strumenti non esclusivamente forniti centralmente, indicando la presenza diffusa del fenomeno Shadow AI anche nel contesto italiano.
La sfida per le imprese resta quella di investire in upskilling e reskilling per colmare il gap di competenze e trattenere i talenti.
Il collo di bottiglia: dati non pronti
La ricerca Snowflake identifica infine una criticità strutturale che limita il potenziale dell’AI generativa: solo un quinto dei dati non strutturati nelle organizzazioni intervistate è “AI-ready”, cioè pulito, governato, accessibile e in formato utilizzabile, e un terzo di quelli strutturati lo è.
Il 65% delle aziende dichiara che rompere i silos di dati è difficile o molto difficile, il 62% trova altrettanto complesso misurare e monitorare la qualità dei dati, la stessa percentuale fatica a prepararli per renderli pronti all’uso dell’AI. Nonostante queste difficoltà, il 92% degli intervistati afferma di addestrare, ottimizzare o applicare tecniche di augmentation agli LLM utilizzando dati proprietari.
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,” afferma Marika Lilla. “Non esiste una strategia di AI generativa 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.”
