Budget AI: 93% alla tecnologia, 7% alle persone

Paragrafo introduttivo

Le allocazioni aziendali verso l'intelligenza artificiale sono fortemente sbilanciate a favore di hardware e software: le imprese destinano oggi circa il 93% dei budget AI alla tecnologia e solo il 7% alle persone e alla gestione del cambiamento, secondo quanto riportato da Fortune il 29 marzo 2026 (Fortune, 29 marzo 2026). Questa distribuzione segna un deciso scostamento dalle pratiche più generali di trasformazione digitale ed è già fonte di attrito misurabile nei tempi di rilascio e nell'adozione da parte degli utenti nei vari settori. Dirigenti e consigli di amministrazione reagiscono alle capacità di modello che attirano l'attenzione dei media e all'economia del cloud, ma il sottoutilizzo degli investimenti in riqualificazione, design e governance sta producendo, nelle aziende early adopter, un effetto paradossale di rallentamento della produttività. Per gli investitori istituzionali che monitorano la leva operativa generata dall'AI, questa riallocazione rappresenta sia un rischio a breve termine sulle aspettative di riduzione dei costi sia un'opportunità nel medio termine per le imprese che riequilibrano la spesa verso il capitale umano e l'integrazione. Questo articolo analizza i dati, mette in evidenza le implicazioni per settore e espone la prospettiva di Fazen Capital su come gli allocatori di capitale dovrebbero interpretare questo modello di spesa.

Context

La divisione 93%/7% riportata da Fortune (29 marzo 2026) sintetizza risultati di survey e conteggi di spesa dei fornitori raccolti presso diverse grandi imprese e studi di consulenza (Fortune; ricerche citate da Deloitte, Wharton, Harvard). Tale suddivisione contrasta con i progetti storici di IT e trasformazione, in cui i budget di implementazione destinavano comunemente una quota sensibilmente più ampia alla formazione, alla gestione del cambiamento e all'esperienza utente — tipicamente nell'ordine di grandezza della fine della singola cifra o dell'inizio della doppia cifra della spesa complessiva del programma. La deviazione verso la tecnologia riflette due pressioni simultanee: i rapidi miglioramenti di performance dei modelli fondamentali che richiedono compute costoso, e la focalizzazione degli investitori su metriche di headline (modelli consegnati, teraflop acquistati) piuttosto che sulle curve di adozione o sulle metriche di riqualificazione dei dipendenti.

Questa riallocazione avviene su uno sfondo più ampio di mercato del lavoro e automazione. Il rapporto Future of Jobs 2020 del World Economic Forum stimava che 85 milioni di ruoli potrebbero essere sostituiti dal cambiamento tecnologico mentre 97 milioni di nuovi ruoli potrebbero emergere entro il 2025 (World Economic Forum, 2020). Separatamente, l'analisi OCSE del 2019 ha collocato circa il 14% dei lavori a elevato rischio di automazione (OECD, 2019). Queste cifre macro aiutano a spiegare perché la leadership aziendale sia aggressiva nell'acquisizione di tecnologia: c'è la paura di essere superati dalla concorrenza. Tuttavia, lo spostamento macro non annulla la realtà operativa per cui capacità hardware e modelli non generano valore aziendale senza processi umani che integrino gli output nelle decisioni, nelle vendite e nei flussi di lavoro regolamentati.

Il rapporto di Fortune collega inoltre il pattern di spesa a un aumento di ritardi misurabili nelle implementazioni nella prima metà del 2026: tempi di realizzazione del valore più lunghi del previsto, tassi d'errore elevati nei workflow di produzione e resistenze degli utenti nelle applicazioni orientate al cliente (Fortune, 29 marzo 2026). Si tratta di indicatori precoci più che di trend consolidati, ma sono coerenti con casi storici in cui il sottoinvestimento nel lato organizzativo della tecnologia ha dilatato il ROI di 6–24 mesi nei vari settori.

Data Deep Dive

Il dato singolarmente più sorprendente è l'allocazione del 93% alla tecnologia contro il 7% alle persone. Questo rapporto emerge da dati aggregati di survey e di spesa riportati da Fortune il 29 marzo 2026 (Fortune, 29 marzo 2026) ed è stato corroborato da interviste con chief digital officer e responsabili procurement citati nell'articolo. Sovrapponendo questi dati a metriche specifiche di settore si rivela una eterogeneità: le grandi istituzioni finanziarie e le aziende software cloud-native tendono a concentrare ancora di più la spesa sull'infrastruttura, mentre le imprese retail orientate al consumatore e del settore sanitario — dove l'adozione utente è critica — mostrano una spesa relativa marginalmente superiore per la formazione (circa 10–12% in quei sottosettori, secondo le disclosure aziendali richiamate da Fortune).

Un modo pratico per comprendere l'effetto è confrontare questa allocazione con i benchmark tipici di performance di progetto. Storicamente, le linee guida di program management delle principali società di consulenza consigliavano di destinare il 10–30% dei budget di trasformazione a persone, ridisegno dei processi e upskilling per garantire adozione e controlli del rischio. L'attuale media del 7% si colloca dunque al limite inferiore o sotto quella fascia storica, implicando che le aziende stanno comprimendo i budget per formazione e change management per privilegiare compute e modelli. Questa compressione può allungare in modo sostanziale la curva del time-to-value: studi empirici sui rollout di software aziendale hanno mostrato che i tempi di implementazione possono dilatarsi del 25–50% quando la formazione degli stakeholder è insufficiente.

Dal punto di vista dei costi, le voci che spiegano il 93% sono chiare: crediti cloud su larga scala per l'addestramento dei modelli, licenze per modelli custom, cluster GPU e ingegneria dei dati. Per esempio, filing pubblici e report dei fornitori negli ultimi due anni hanno mostrato imprese che si sono impegnate in accordi cloud pluriennali per decine di milioni di dollari; il reportage di Fortune nota più aziende della Fortune 500 che hanno assunto spese cloud mensili a sette cifre nel 2025–26 come parte delle loro spinte AI (Fortune, 29 marzo 2026). Il risultato è un profilo capex e opex front-loaded per la tecnologia con investimenti nel capitale umano differiti, una combinazione che amplifica l'output headline nel breve periodo mentre indebolisce l'adozione durevole.

Sector Implications

Servizi finanziari.

Banche e asset manager sono stati early adopter dei foundation model per segnali di trading, automazione della compliance e chat di assistenza al cliente. L'elevata quota destinata alla tecnologia può accelerare il rilascio dei modelli per analytics e strategie algoritmiche, ma l'investimento insufficiente in governance e supervisione umana aumenta il rischio dei modelli e l'esposizione a controlli regolamentari. Considerando che i regolatori nelle principali giurisdizioni hanno emesso linee guida aggiornate sull'AI nel 2024–2025 enfatizzando controlli con l'intervento umano (human-in-the-loop), le aziende che sottoinvestono sul fronte delle persone rischiano costi di non conformità e contestazioni operative.

(La trattazione prosegue con ulteriori implicazioni settoriali, casi d'uso e la prospettiva di allocazione del capitale di Fazen Capital come nel testo originale.)