L’intelligenza artificiale è diventata il fulcro delle strategie di innovazione delle imprese globali. I piani industriali la collocano al centro della trasformazione digitale, i consigli di amministrazione ne monitorano l’impatto, i CIO ne guidano l’adozione con budget in crescita. Eppure, dietro l’accelerazione degli investimenti, si apre una frattura meno evidente ma strategicamente rilevante: il valore generato dall’AI non è ancora all’altezza delle aspettative create.
Il report Gartner “How Innovators Are Bridging the Gap Between the Expected and Realized Returns From AI”, pubblicato a dicembre 2025, evidenzia un dato significativo: meno del 30% dei leader AI dichiara che i ritorni sugli investimenti hanno superato le aspettative dei CEO. Parallelamente, la maggioranza dei CIO prevede un ulteriore aumento della spesa in intelligenza artificiale, con una crescita media superiore al 30%. L’asimmetria tra entusiasmo finanziario e risultati concreti non può essere liquidata come un normale ciclo di maturazione tecnologica. È il segnale di un problema strutturale. Quel problema si chiama fiducia. E la fiducia, in ambito aziendale, si costruisce attraverso la governance.
Indice degli argomenti
Il paradosso dell’efficienza senza trasformazione
L’analisi di Gartner mostra che la maggior parte delle iniziative AI produce miglioramenti di efficienza operativa. Nel 2025 il 42% delle innovazioni AI ha avuto come outcome principale l’ottimizzazione dei processi interni. La crescita dei ricavi e l’espansione verso nuovi mercati non compaiono tra i risultati prevalenti.
Questo dato racconta un paradosso. L’AI viene descritta come tecnologia trasformativa, ma viene utilizzata soprattutto come leva di ottimizzazione incrementale. Migliora la produttività individuale, riduce tempi e costi, supporta decisioni operative. Tuttavia, raramente modifica in modo radicale il modello di business o abilita nuove linee di ricavo.
L’efficienza è una condizione necessaria, ma non sufficiente. Quando una tecnologia è costosa, complessa e strategicamente centrale come l’intelligenza artificiale, limitarsi all’ottimizzazione genera un disallineamento tra aspettative e ritorni. Il rischio non è solo economico, ma culturale: cresce lo scetticismo interno, aumenta la pressione sui risultati, si riduce la propensione a sperimentare in aree più strategiche. Per superare questo stallo non servono modelli più potenti. Serve un’infrastruttura di fiducia che consenta di integrare l’AI nei processi core senza aumentare in modo incontrollato l’esposizione al rischio.
La crescita dell’AI TRiSM come indicatore di maturità
Un secondo report Gartner,“Emerging Tech: Top-Funded Startups in AI TRiSM: Agentic AI and Beyond”, pubblicato a gennaio 2026, fornisce un’indicazione chiara sulla direzione che sta prendendo il mercato. Tra ottobre 2022 e settembre 2025, 120 startup attive nell’ambitoAI TRiSM – Trust, Risk and Security Management – hanno raccolto circa 1,7 miliardi di dollari di venture capital.
Le aree di investimento riguardano piattaforme di sicurezza per l’intero ciclo di vita dell’AI, information governance, protezione degli agenti autonomi, testing e red teaming, strumenti di compliance e risk management specifici per l’intelligenza artificiale. Il dato più rilevante non è solo l’ammontare dei capitali raccolti, ma la natura delle soluzioni finanziate. Il mercato sta spostando l’attenzione dalla sola performance dei modelli alla gestione strutturata dei rischi e della fiducia.
Secondo le previsioni riportate nel report, entro il 2030 oltre il 60% delle imprese utilizzerà piattaforme dedicate per proteggere l’intero ciclo di vita dell’AI, rispetto a meno del 10% nel 2025. È una transizione netta: dalla sperimentazione tecnologica alla costruzione di infrastrutture di controllo. La crescita dell’AI TRiSM non è un fenomeno marginale. È il segnale che la scalabilità dell’AI richiede un salto di maturità organizzativa.
L’AI agentica e l’ampliamento del rischio sistemico
Il tema diventa ancora più rilevante con l’emergere dell’AI agentica. Gli agenti autonomi non si limitano a fornire risposte su richiesta, ma pianificano azioni, interagiscono con applicazioni interne ed esterne, accedono a database aziendali, eseguono transazioni. Si muovono all’interno di ecosistemi digitali complessi e dinamici.
Questa evoluzione amplia la superficie di rischio. Non si tratta più soltanto di bias nei modelli o di errori di classificazione. Entrano in gioco identità digitali non umane, autorizzazioni dinamiche, gestione delle credenziali, possibilità di deviazioni comportamentali non previste, esposizione accidentale di dati sensibili, interazioni tra agenti diversi con logiche autonome.
Il report Gartner sull’AI TRiSM evidenzia come l’adozione di agenti autonomi stia accelerando gli investimenti in sicurezza e governance proprio perché le organizzazioni comprendono che l’AI non può più essere gestita come un semplice strumento di supporto. Diventa un attore operativo all’interno dei processi aziendali. E quando un sistema prende decisioni o compie azioni, la responsabilità deve essere tracciabile e governata. La fiducia, in questo contesto, non è un concetto astratto. È la condizione che permette di estendere l’autonomia dei sistemi senza compromettere la stabilità organizzativa.
AI governance: architettura decisionale e responsabilità diffusa
L’AI governance rappresenta l’insieme di meccanismi, processi e responsabilità che consentono di gestire l’intero ciclo di vita dell’intelligenza artificiale in modo controllato e coerente con la strategia aziendale.
Non si limita alla conformità normativa. Comprende la definizione dei criteri di selezione dei modelli, la valutazione dei rischi, la qualità e provenienza dei dati, la gestione dei bias, il monitoraggio continuo delle performance, la tracciabilità delle decisioni, la gestione degli incidenti, l’allineamento con le policy aziendali e con le normative emergenti. La governance efficace richiede un’integrazione tra funzioni diverse: IT, data science, risk management, compliance, legale, business unit. La natura trasversale dell’AI impone un coordinamento che supera le tradizionali divisioni organizzative.
Il report Gartner sottolinea come l’interesse per l’AI governance sia in forte crescita anche a livello di ricerca e attenzione manageriale. Questo riflette una consapevolezza crescente: senza un modello decisionale strutturato, l’AI resta confinata a iniziative circoscritte.
Dal progetto isolato all’infrastruttura strategica
Uno dei motivi per cui molte aziende faticano a generare ritorni significativi è la frammentazione delle iniziative. Progetti pilota lanciati in singole business unit, soluzioni integrate senza una visione sistemica, modelli sviluppati senza un coordinamento centrale. Perché l’AI diventi realmente trasformativa, deve essere trattata come un’infrastruttura. Questo implica standardizzazione dei processi di sviluppo, integrazione con le pipeline di engineering, sistemi di monitoraggio runtime, controllo degli accessi ai dati, validazione continua dei modelli, gestione delle identità degli agenti autonomi.
La governance non è un livello sovrapposto alla tecnologia. È l’architettura che la rende sostenibile nel tempo. Senza questa architettura, ogni nuova implementazione aumenta l’incertezza. E l’incertezza è il principale ostacolo alla scalabilità.
Il ruolo del top management e del CdA
La questione della governance dell’AI non può essere delegata esclusivamente alle funzioni tecniche. I consigli di amministrazione sono sempre più coinvolti nelle decisioni relative agli investimenti in intelligenza artificiale. Chiedono ritorni misurabili, ma devono anche presidiare i rischi reputazionali, legali e strategici.
Una governance strutturata consente al top management di bilanciare velocità e controllo. Permette di definire soglie di rischio accettabili, criteri di priorità negli investimenti, meccanismi di escalation in caso di anomalie. Offre una base informativa solida su cui fondare decisioni strategiche.
In assenza di governance, la pressione sui risultati può generare comportamenti opportunistici o scelte affrettate. Con una governance solida, l’innovazione può essere accelerata in modo consapevole.
La fiducia come infrastruttura competitiva
I due report Gartner convergono su un punto centrale: il gap tra aspettative e ritorni non si colma solo con tecnologia più avanzata. Si colma con la capacità di integrare l’AI in un sistema affidabile, controllato e trasparente.
La fiducia diventa un asset competitivo. In un contesto di crescente regolamentazione e sensibilità pubblica, le imprese che possono dimostrare di governare l’AI in modo responsabile acquisiscono credibilità presso clienti, partner e investitori. Possono adottare modelli più ambiziosi, entrare in nuovi mercati, sviluppare servizi ad alto valore aggiunto con minore frizione interna ed esterna.
L’AI governance non è un costo di compliance. È un investimento strategico.
