Milano, 1 ottobre 2026 – Il mercato globale dell’AI potrebbe raggiungere circa 6.000 miliardi di dollari l’anno entro il 2031; per sostenere gli investimenti nell’ecosistema serviranno nuove fonti di valore per circa 4.200 miliardi. È quanto emerge dalla settima edizione del Global Technology Report di Bain & Company, lo studio annuale dedicato all’evoluzione del settore tecnologico.

Molte aziende hanno accelerato gli investimenti nelle infrastrutture per l’intelligenza artificiale, con l’obiettivo di generare un vantaggio competitivo, automatizzare le attività più operative e liberare risorse da dedicare a quelle a maggiore valore aggiunto. Con l’aumentare della scala degli investimenti, tuttavia, emerge una nuova sfida: comprendere se il valore economico generato dall’AI sarà sufficiente a sostenerli.

“L’ondata di interesse per l’AI ha comprensibilmente spinto molte aziende ad accelerare gli investimenti”, afferma Mauro Colopi, Senior Partner e responsabile italiano Telecommunications, Media & Technology di Bain & Company. “Ora, però, è necessario valutare con lucidità se il valore economico generato sarà sufficiente a giustificare l’enorme quantità di capitale investito. Una parte sostanziale di questo valore dovrà arrivare da nuove forme di innovazione, andando ben oltre i soli incrementi di produttività”.

L’AI consumer, monetizzata attraverso abbonamenti e pubblicità, e l’AI enterprise - applicata, tra gli altri ambiti, allo sviluppo software, alle vendite, al marketing, al customer service e alle IT operations - potrebbero generare complessivamente tra 1.200 e 1.800 miliardi di dollari di ricavi. Per colmare il divario rispetto alle dimensioni potenziali del mercato, saranno quindi necessarie nuove categorie di innovazione.

“La prossima fase dell’AI non sarà determinata soltanto dalla capacità di ottenere incrementi di efficienza”, spiega Emanuele Veratti, Senior Partner e Digital Practice Leader Italia di Bain & Company. “Per le imprese, la vera opportunità sarà trasformare queste tecnologie in nuove fonti di crescita: evolvendo prodotti e servizi, ridisegnando i processi e sviluppando opportunità in mercati nuovi o ancora poco esplorati. La velocità con cui sapranno farlo, adeguando allo stesso tempo competenze, modelli organizzativi e governance, sarà sempre più determinante per la loro capacità di competere”.

Le quattro fonti di valore dell’AI

Secondo Bain, sono quattro le grandi aree che potrebbero contribuire a generare il valore necessario a sostenere la crescita dell’ecosistema AI.

La prima riguarda i provider di modelli AI, che stanno progressivamente assumendo alcune funzioni tradizionalmente svolte dai motori di ricerca e introducendo nuovi modelli pubblicitari. La seconda è rappresentata dall’impiego dell’AI per la guida autonoma di automobili, camion e droni, fino a nuove forme di automazione industriale.

La terza è la physical AI, in cui modelli avanzati possono abilitare simulazioni altamente realistiche e digital twin dei processi fisici, consentendo alle aziende di migliorare la produttività, testare modifiche e accelerare il deployment di sistemi autonomi. Allo stesso modo, i sistemi robotici potenziati dall’AI, inclusi i robot umanoidi, possono operare in ambienti non strutturati, aprendo nuove applicazioni nell’economia fisica, dalla manifattura alla chirurgia.

La quarta comprende prodotti e casi d’uso che potrebbero emergere grazie alla crescente disponibilità di “intelligenza”. Tra i potenziali campi di applicazione figurano la scoperta di nuovi farmaci, la salute mentale e la produzione di energia.

Dalla tecnologia ai risultati di business

Con la crescente disponibilità di modelli e soluzioni AI, la capacità di adottare la tecnologia non è più sufficiente: a fare la differenza è sempre più la velocità con cui le aziende riescono a integrarla nei propri processi e a trasformarne le potenzialità in risultati concreti. La velocità emerge dunque come una nuova variabile competitiva, richiedendo alle aziende di intervenire non soltanto sulla tecnologia, ma anche sui processi, sulle competenze e sui modelli di governance.

Per accelerare questo processo, i principali AI lab stanno puntando sempre più su modelli di forward-deployed engineering, con investimenti che arrivano fino a quasi 10 miliardi di dollari. I provider stanno sviluppando applicazioni e infrastrutture che permettono di integrare più efficacemente l’intelligenza dei modelli nei sistemi aziendali e tradurla in valore di business. Nell’arco di uno o due anni, le aziende si aspettano un miglioramento del 148% nella velocità dei cicli di rilascio e del 95% nella produttività degli sviluppatori, a fronte di incrementi oggi compresi tra il 20% e il 27% sui principali indicatori.

“Realizzare questo potenziale richiederà un’evoluzione dell’intero modello operativo: mentre l’AI accelera attività come la scrittura del codice, i colli di bottiglia tendono a spostarsi verso revisione, coordinamento, qualità e governance”, continua Veratti. “Per ottenere benefici end-to-end, sarà quindi necessario ripensare il ciclo di sviluppo nel suo complesso, anziché ottimizzare singole attività”.

L’hardware torna a crescere

La crescita dell’AI non riguarda soltanto il software. L’enorme fabbisogno di capacità computazionale sta riportando hardware e semiconduttori al centro del settore tecnologico. Tra il 2020 e il 2026, i titoli hardware e semiconduttori sono cresciuti a un CAGR del 24%, rispetto al 6% del software. Tra i segmenti a più rapida crescita figurano le memorie ad alta larghezza di banda (HBM), il packaging avanzato e i chip custom.

“La crescente concentrazione della capacità produttiva sull’HBM potrebbe ridurre gli investimenti in altre tipologie di memoria, aggravando eventuali carenze e generando pressioni sui prezzi di smartphone e PC”, prosegue Colopi. “Allo stesso tempo, hyperscaler e aziende AI-native stanno progettando acceleratori e chip ottimizzati per i propri carichi di lavoro, mentre i chip custom conquistano una quota crescente del mercato del computing nei data center. Addestramento, inference e applicazioni agentiche hanno ormai raggiunto volumi tali da rendere economicamente sostenibili progetti hardware dedicati”.

Cybersecurity: l’AI accelera gli attacchi e impone nuove difese

La diffusione dell’AI sta trasformando anche la cybersecurity: aumentando significativamente la velocità con cui possono essere condotte le diverse fasi di un attacco. Attività che tradizionalmente potevano svilupparsi nell’arco di circa quattro settimane possono oggi concentrarsi in appena 18 ore, riducendo drasticamente il tempo a disposizione delle organizzazioni per individuare le minacce e reagire.

Per rispondere a questa nuova dinamica, le realtà più avanzate stanno aumentando, spesso a doppia cifra, i budget destinati alla correzione delle vulnerabilità o “remediation”. Alcune stanno inoltre riallocando fino al 20-25% delle risorse umane dedicate alla cybersecurity verso la gestione degli alert generati da scansioni basate sull’AI. La stessa tecnologia che aumenta la velocità e la sofisticazione delle minacce può quindi richiedere un ripensamento delle capacità di difesa, dei processi e dell’allocazione delle risorse.

I data center diventano infrastrutture sempre più critiche

La crescita dell’AI porta con sé un’ulteriore sfida: garantire la capacità computazionale necessaria a sostenerla. La domanda sta già superando l’offerta e il divario è destinato ad ampliarsi. Per rispondere a questa pressione, l’industria tecnologica sta pianificando investimenti su scala e a una velocità senza precedenti. Gli hyperscaler stanno progettando campus di data center fino a 100 volte più grandi, con una capacità pari o superiori a 5 GW e costi compresi tra 150 e 200 miliardi di dollari ciascuno.

Entro il 2030, gli investimenti necessari potrebbero raggiungere tra 5.000 e 6.500 miliardi di dollari per costruire quasi 150 GW di nuova capacità computazionale, quasi triplicando quella globale. L’espansione dei data center aumenterà inoltre la domanda lungo l’intera supply chain, esercitando ulteriore pressione su energia, semiconduttori, lavoro specializzato e infrastrutture.

“Un aspetto che molti leader aziendali rischiano di sottovalutare è che la carenza di capacità computazionale per l’AI difficilmente si risolverà da sola. La tradizionale ipotesi secondo cui le supply chain reagiscono alla domanda fino a raggiungere un nuovo equilibrio, in questo caso, non è sufficiente. Non basterà costruire più data center: sarà necessario intervenire in modo coordinato sulle pressioni che riguardano diversi aspetti. Serviranno soluzioni strutturali a livello di sistema, non soltanto interventi locali e incrementali”, concludono gli esperti.

***