Stanford AI Index 2026: i dati che mancavano sull'adozione enterprise

Stanford HAI ha pubblicato lunedì la nona edizione dell’AI Index Report, oltre quattrocento pagine di dati raccolti su tutto il 2025. L’adozione organizzativa dell’AI generativa raggiunge l’88%, in crescita rispetto al 78% rilevato nell’edizione 2025. Quattro studenti universitari su cinque dichiarano di usare AI generativa nel proprio percorso di studi. Gli investimenti privati globali in AI nel 2025 toccano 344,7 miliardi di dollari, in crescita del 127,5% sul 2024.

I numeri sono grandi. Quello che dicono di noi è più scomodo di quanto sembri.

I dati che cambiano la conversazione

Tre dati dell’AI Index 2026 che spostano la discussione sull’adozione enterprise da “se” a “come”.

Primo, l’adozione organizzativa raggiunge l’88%, ma rispetto a un anno fa la metrica importante non è più “abbiamo adottato AI in almeno un processo”. È diventata “quanto e dove”. La diffusione superficiale ha raggiunto la saturazione tra le aziende medio-grandi globali. La differenziazione si gioca sulla profondità.

Secondo, gli investimenti USA in AI raggiungono 285,9 miliardi di dollari nel 2025, contro 12,4 miliardi della Cina, con un rapporto di 23 a 1 nei valori privati. Ma il report nota correttamente che le cifre cinesi sottostimano per la presenza di fondi statali di sostegno stimati in 912 miliardi cumulativi su vent’anni. La narrazione del divario incolmabile è più precaria di quanto le slide degli investitori lascino pensare.

Terzo, e per noi è il dato più rilevante: la generative AI ha raggiunto il 53% di adozione di popolazione in tre anni, più velocemente del personal computer e di Internet. Singapore al 61%, Emirati Arabi al 54%, USA al ventiquattresimo posto con 28,3%. Sull’Italia il dato dell’indice è meno dettagliato, ma le indagini Istat 2025 collocano la popolazione adulta italiana che usa AI generativa almeno una volta al mese intorno al 22-25%.

La frontiera irregolare e il problema dei benchmark

Il report introduce il concetto di “jagged frontier”: gli stessi modelli che risolvono problemi di matematica olimpionica leggono correttamente un orologio analogico solo nel 50,1% dei casi. I robot completano correttamente il 12% dei compiti domestici reali come piegare i panni o lavare i piatti.

Per chi pianifica AI in azienda, è la lezione più operativa di tutto il report. I benchmark che dominano la stampa non predicono come il modello si comporterà sui tuoi workflow specifici. Performance del 75% su un benchmark di ragionamento legale non dice nulla su come quel modello si comporterà nell’attività di uno studio reale.

Tradotto: il pilota interno, su dati propri, su processi propri, è non solo utile ma necessario prima di qualsiasi commitment di scala.

Il dato sulla trasparenza che peggiora

Il Foundation Model Transparency Index, che misura quanto i principali laboratori dichiarano sul training, sui dati, sulle capacità e sui rischi, scende dal valore medio di 58 punti nell’edizione precedente a 40 punti nel 2026. I modelli più capaci sono quelli che dichiarano meno.

È un trend che mi preoccupa nei mesi. Le aziende che opereranno AI in settori regolati (sanità, finance, PA, lavoro) avranno sempre più bisogno di sapere come è stato addestrato il modello che usano, quali dati ha visto, quali bias sistematici porta dentro. I fornitori frontier stanno andando nella direzione opposta, chiudendo informazioni che fino a due anni fa erano pubbliche.

Per chi compra AI in Europa, il vincolo regolatorio dell’AI Act diventa anche un asset di negoziazione. I fornitori che vogliono operare nel mercato europeo dovranno aprire più di quanto vorrebbero. È una delle leve concrete che chi struttura procurement aziendale ha in mano.

Una nota sui dati settoriali utili per chi opera in marketing. L’AI Index documenta che il settore marketing e comunicazione è secondo dopo il software development per intensità di adozione AI a livello globale. Le organizzazioni dichiarano riduzioni di tempo medie del trenta-quarantadue per cento su task come briefing iniziale, ricerca competitiva, draft di copy preliminare. I dati sono coerenti con quanto osservo nei team italiani con cui lavoro: la curva di efficienza è reale, e si concentra sulle fasi più ripetitive del processo creativo, lasciando intatto e in alcuni casi amplificando il valore della parte strategica.

Il quadro dell’investimento e il problema italiano

Il dato che dovremmo guardare con onestà: l’Italia non compare nei primi dieci paesi per investimento privato in AI, non compare nei primi dieci per nuove società AI finanziate (1.953 negli USA, 700+ in Cina, decine in Italia), e ha visto crescere meno di altri paesi europei la quota di posizioni lavorative che richiedono skill AI nelle proprie descrizioni.

Questo non è un articolo per piangere sul lato negativo. Il dato è quello che è. La questione è cosa farne.

Quattro paesi europei stanno producendo casi di successo sproporzionati alle proprie dimensioni: Francia (Mistral, Hugging Face), Germania (Aleph Alpha, ecosistema enterprise), Olanda (talento e capitali concentrati), Spagna (adozione PMI in crescita rapida). L’Italia ha le competenze accademiche, alcune startup notevoli, una struttura industriale che ha sempre saputo riconvertirsi sotto pressione. La domanda è se la pressione è ora abbastanza esplicita.

Cosa significano questi dati per le aziende italiane oggi

Quattro letture pratiche per chi sta pianificando il budget AI 2026-2027.

Uno: smettiamo di dire “stiamo iniziando a guardare l’AI”. Il dato sull’adozione organizzativa globale all’88% rende la frase imbarazzante. Se la tua azienda non ha definito una linea AI esplicita entro fine 2026, sei strutturalmente in ritardo. Non sul futuro, sul presente.

Due: il ROI dichiarato dalle aziende che adottano AI in profondità è rilevante solo nei settori dove il workflow è stato realmente riprogettato. Aggiungere ChatGPT come tool individuale a una procedura immutata produce miglioramenti incrementali. Riorganizzare il processo intorno alle nuove capacità produce salti di efficienza, ma richiede budget di change management che molte aziende italiane non hanno scritto nei piani.

Tre: il talento. Il report mostra che la migrazione di ricercatori AI verso gli USA è calata del 89% rispetto al 2017, con un calo dell’80% nel solo ultimo anno. Sta accadendo qualcosa nell’attrattività del mercato statunitense. Per l’Italia significa che il talento AI tornato in Europa è un’opportunità che non dura per sempre.

Quattro: la formazione professionale. Le associazioni di categoria italiane stanno strutturando percorsi qualificanti per i professionisti AI. L’autorizzazione UE a rilasciare credenziali digitali europee ottenuta da AIPIA quest’anno è uno degli strumenti che permetteranno alle aziende di costruire competenze AI verificabili invece di affidarsi a corsi non riconosciuti. Per chi assume, il segnale è chiaro.

Il punto che il report non dice esplicitamente

Il volume dell’AI Index 2026 è impressionante. La narrazione complessiva è di un settore che corre più veloce di quanto la società riesca a gestire. Ricerca, capitale, adozione, applicazione: tutto accelera. Etica, governance, misurazione del valore reale: in ritardo.

Per chi opera in marketing e digital in Italia, il consiglio operativo si riduce a una sola frase. Smettiamo di chiedere a noi stessi se l’AI vale la pena. Iniziamo a chiederci dove esattamente vale la pena per noi, su quali workflow specifici, con quali metriche di successo definite ex ante, con quale gestione del rischio mappata in anticipo.

Le aziende che lo stanno facendo strutturalmente hanno smesso di essere casi celebrativi. Stanno diventando il nuovo benchmark di settore. Chi non si allinea, non perde il futuro: perde i prossimi diciotto mesi, che sono il futuro che si decide adesso.