Enterprise AI: il secondo tempo dell’intelligenza artificiale si gioca sul contesto operativo

A cura di Eugenio Cassiano, executive vice president, Corporate Strategy & Innovation, Celonis

L’intelligenza artificiale è entrata nel suo secondo tempo. Dopo una prima fase dominata da entusiasmo, sperimentazione e aspettative spesso superiori ai risultati, oggi la sfida è un’altra: trasformare il potenziale dell’AI in valore concreto, misurabile e scalabile. Negli ultimi anni le imprese hanno sperimentato chatbot, copiloti e AI agent per automatizzare attività e supportare le decisioni. Ma, superata la fase iniziale, emerge una domanda inevitabile: perché, nonostante gli investimenti e i progressi tecnologici, così poche organizzazioni riescono a tradurre l’intelligenza artificiale in un vantaggio competitivo duraturo?

I numeri raccontano questo gap con chiarezza. Una ricerca Deloitte evidenzia che solo il 10% delle organizzazioni ottiene un ritorno significativo dagli investimenti in agentic AI, mentre uno studio del MIT mostra che appena il 5% dei progetti pilota di AI generativa produce un valore realmente rilevante. Allo stesso tempo, il 94% delle aziende continua ad aumentare gli investimenti, ma solo il 21% è riuscito a portare l’AI in produzione su larga scala.

In Italia il quadro è simile. Secondo una ricerca dell’ISTAT, l’adozione dell’AI tra le aziende italiane è passata dall’8,2% nel 2024 al 16,4% nel 2025. Nello stesso periodo, l’utilizzo dell’AI tra le imprese europee è cresciuto dal 13,5% a poco meno del 20%, secondo Eurostat. Tuttavia, come evidenziato in una ricerca pubblicata all’inizio di quest’anno da IT4LIA AI Factory, uno dei fattori che continua a frenare l’adozione dell’AI in Italia è la convinzione, sempre più diffusa tra le aziende, in particolare tra le pmi, che questa tecnologia non generi un valore sufficiente a giustificare l’investimento.

Il problema, quindi, non è più convincere le aziende a investire nell’intelligenza artificiale, la cui adozione è in costante crescita, ma creare le condizioni perché questi investimenti producano risultati continui e sostenibili.

L’Enterprise AI parte da un approccio diverso. Spesso viene interpretato come l’ennesima etichetta destinata ad affiancarsi alla generative AI o alla agentic AI. In realtà, l’Enterprise AI non identifica una nuova tecnologia, ma un diverso approccio all’intelligenza artificiale. È una disciplina che integra operational intelligence, machine learning, deep learning e AI generativa per consentire ai modelli di comprendere come funziona realmente un’organizzazione. La differenza è sostanziale. Un modello linguistico, per quanto evoluto, non conosce automaticamente il contesto nel quale opera. Non comprende processi, regole, relazioni tra sistemi, vincoli organizzativi o obiettivi di business. Può fornire risposte corrette dal punto di vista statistico, ma non necessariamente efficaci nel contesto operativo dell’impresa.

L’Enterprise AI nasce proprio per colmare questo divario. Quando l’intelligenza artificiale dispone di una rappresentazione affidabile e aggiornata del funzionamento dell’organizzazione, smette di essere uno strumento confinato a singoli casi d’uso e diventa un fattore di trasformazione.

Questo significa automatizzare le attività ripetitive, rendere l’organizzazione più agile nell’adattarsi ai cambiamenti del mercato e creare le condizioni per innovare con maggiore velocità. Significa, soprattutto, superare la frammentazione di dati e processi che ancora oggi limita la capacità delle imprese di sfruttare appieno il potenziale dell’AI. È questo il passaggio che distingue una tecnologia capace di suscitare aspettative da una tecnologia in grado di generare risultati.

La transizione verso l’Enterprise AI, tuttavia, non è automatica. Portare l’intelligenza artificiale al centro dell’organizzazione richiede molto più dell’adozione di nuovi modelli: significa ripensare il modo in cui tecnologia e processi interagiscono.

Le evidenze raccolte dal Process Optimization Report 2026 di Celonis mostrano che questa trasformazione è appena iniziata. L’85% delle organizzazioni punta a diventare una agentic enterprise entro i prossimi tre anni e il 90% utilizza già o sta valutando sistemi multi-agente. Eppure, il 76% riconosce che gli attuali processi rappresentano il principale ostacolo alla diffusione dell’AI, mentre l’82% ritiene impossibile ottenere un ritorno significativo senza una reale comprensione del funzionamento del business.

Il primo requisito è quindi il contesto operativo. Ogni impresa è definita da processi, regole, relazioni tra sistemi e obiettivi che guidano le decisioni quotidiane. Se l’AI non dispone di questa conoscenza, rischia di produrre risposte corrette dal punto di vista statistico ma poco utili dal punto di vista operativo. Il contesto diventa così il presupposto per decisioni affidabili e realmente orientate al business.

Il secondo elemento riguarda il dove applicare l’intelligenza artificiale. Troppo spesso le organizzazioni adottano un approccio “technology first”, implementando l’AI dove è più semplice farlo. Industrializzare l’Enterprise AI significa invece concentrarsi sui processi che incidono direttamente su competitività, redditività e capacità di creare valore. La domanda non è dove sia possibile usare l’AI, ma dove possa generare il maggiore impatto.

Il terzo pilastro è l’integrazione. L’intelligenza artificiale esprime il suo potenziale quando opera in modo coordinato con persone, sistemi e altri agenti intelligenti, contribuendo all’esecuzione e al miglioramento continuo dei processi. È questa capacità di inserirsi nei flussi operativi che distingue un’adozione realmente enterprise da una semplice somma di sperimentazioni.

Naturalmente, la tecnologia da sola non basta. Abbiamo infatti rilevato che il 47% delle organizzazioni individua nella carenza di competenze uno dei principali ostacoli all’adozione dell’AI; il 45% fatica a fornire ai modelli il contesto operativo necessario e il 58% continua a scontrarsi con silos organizzativi che limitano una visione end-to-end dei processi. Nonostante queste difficoltà, l’89% dei business leader considera l’intelligenza artificiale la maggiore opportunità competitiva dei prossimi anni.

Questi dati suggeriscono che il vantaggio competitivo non dipenderà tanto dall’accesso ai modelli più avanzati. I foundation model stanno diventando sempre più potenti, accessibili e, per molte attività, sempre più intercambiabili. Il vero elemento distintivo sarà la capacità delle imprese di integrarli nei propri processi, governarli e alimentarli con il contesto necessario per prendere decisioni efficaci.

È questo il significato più profondo dell’Enterprise AI: non una nuova tecnologia, ma una nuova fase della trasformazione digitale. Per troppo tempo abbiamo valutato il progresso dell’AI osservando ciò che i modelli erano in grado di fare. Nei prossimi anni lo misureremo sulla capacità delle organizzazioni di trasformare queste potenzialità in risultati concreti. È questo il vero secondo tempo dell’AI: quello in cui il valore sostituisce definitivamente il potenziale.