Dopo un decennio di consulenza sulla trasformazione digitale e di supporto ai marchi nell'adozione di tecnologie emergenti, il 2025 ha rivelato la verità più difficile sull'implementazione dell'IA: la tecnologia non è mai stata il collo di bottiglia. Lo erano le persone e la cultura.
In Kainjoo abbiamo lavorato con startup, aziende e team di tutta Europa per implementare strategie di automazione dell'IA e di trasformazione aziendale. Ciò che abbiamo appreso quest'anno cambia radicalmente il modo in cui le aziende devono affrontare l'adozione dell'IA nel 2026.
La maggior parte delle aziende ha affrontato la trasformazione dell'IA nello stesso modo nel 2025. Ogni marchio voleva l'automazione. Ogni dirigente voleva piantare una bandierina su un progetto di IA. Pochi avevano la cultura organizzativa per implementare correttamente. E ancora meno avevano le risorse per eseguire il progetto a una velocità significativa.
Per le organizzazioni che hanno avuto successo, le conversazioni si sono concentrate sull'infrastruttura concreta: server di automazione, implementazioni MCP e flussi di lavoro generativi di intelligenza artificiale. Per tutti gli altri, l'attenzione è rimasta sulla sperimentazione senza un valore aziendale misurabile.
Lo schema era chiaro in tutti e tre i gruppi:
Implementazione dell'IA nelle startup: Il rischio del pivot Deep-Tech
Abbiamo osservato numerose startup del settore sanitario digitale e SaaS che hanno fatto perno sul posizionamento come piattaforme deep-tech. La strategia aveva senso sulla carta: ottenere finanziamenti incentrati sull'IA, costruire un'infrastruttura di dati, attrarre talenti tecnici.
L'esecuzione è spesso fallita. I fondatori hanno bruciato le tappe per convertire i team DevOps in team MLOps, per poi trovarsi di fronte a carenze di fondi dodici mesi dopo, con una crescita minima dell'ARR.
Cosa ha funzionato: Le startup che hanno mantenuto l'ARR come metrica principale, integrando l'IA come moltiplicatore di capacità, non come pivot del modello di business. I pivot deep-tech di successo sono stati quelli che hanno costruito piattaforme infrastrutturali per il loro ecosistema, non quelli che hanno ribattezzato i prodotti esistenti con l'etichetta AI.
La realtà dei finanziamenti: Polvere secca di VC ed economia dell'intelligenza artificiale
Dal nostro punto di vista di Allegory Capital, il panorama del venture capital nel 2025 ha rivelato uno schema sorprendente: i VC di piccola e media capitalizzazione sono in attesa. Non stanno bruciando denaro in round che puntano sull'IA, mentre il mercato rimane scettico sulla sostenibilità del modello di business.
L'economia unitaria racconta la storia. Per ogni dollaro speso per l'implementazione dell'IA, le aziende perdono da due a quattro dollari, a seconda della scala. E questo prima di tenere conto delle considerazioni ESG e dell'impatto dell'impronta di carbonio, costi che la maggior parte delle organizzazioni ancora non misura adeguatamente.
Questa realtà economica sta imponendo un cambiamento fondamentale nel modo in cui l'innovazione dell'IA viene finanziata e scalata:
L'IA etica europea guiderà, non seguirà. L'ambiente normativo dell'UE, da molti criticato come ostile all'innovazione, diventerà la funzione forzante per lo sviluppo sostenibile dell'IA. I quadri etici dell'IA, la contabilità delle emissioni di carbonio e gli standard di utilizzo responsabile emergeranno per primi dall'Europa.
I laboratori e i POC statunitensi non scaleranno allo stesso modo. Le grandi aziende che guardano all'economia delle unità di IA non possono semplicemente prendere i proof-of-concept dei giganti tecnologici statunitensi e scalarli a livello globale. La struttura dei costi non funziona. L'impatto ambientale non è in linea con gli impegni ESG. Il modello di business richiede un ripensamento fondamentale.
Gli investimenti saranno destinati all'efficienza, non alla capacità. I VC finanzieranno le startup che risolvono i problemi di costo dell'IA, non quelle che aggiungono altre funzionalità di IA. L'ottimizzazione, l'efficienza dell'inferenza e l'infrastruttura di distribuzione sostenibile diventeranno le innovazioni più importanti.
Questo contesto di finanziamento favorisce le aziende che si sono avvicinate all'IA come leva operativa, non quelle che ne hanno fatto la loro intera proposta di valore. I vincitori nel 2026 saranno le aziende in grado di dimostrare un'economia unitaria positiva sull'implementazione dell'IA, rispettando al contempo gli standard etici e ambientali emergenti.
Adozione dell'intelligenza artificiale in azienda: La morte del pilota
L'esitazione del capitale di rischio a livello di startup rispecchia il comportamento delle aziende su scala.
L'effetto “morte del pilota” ha dominato l'adozione dell'IA nelle imprese nel 2025. I reparti IT si sono ampliati con ruoli incentrati sull'IA, mentre le operazioni commerciali si sono ritirate, preoccupate di diventare funzioni di supporto assorbite da CIO orientati al CAPEX che controllano lo stack tecnologico.
L'intelligenza artificiale per le operazioni commerciali ha significato un migliore utilizzo delle soluzioni martech esistenti, flussi di lavoro di Digital Asset Management migliorati e una maggiore capacità di analisi. Tutto necessario, tutto tattico, niente di strategico.
I senior leader hanno capito che il titolo di AI, innovazione o digitale li esclude sempre più dai piani di successione aziendale. La proprietà del P&L generatore di ricavi è rimasta la strada per l'avanzamento dei dirigenti.
Leader che hanno trasformato i centri di costo in motori di crescita. Sono diventati direttori generali di piattaforme sanitarie digitali o di operazioni di e-commerce. Hanno costruito P&L intorno agli asset tecnologici. Hanno usato l'IA per raggiungere gli obiettivi aziendali, non come destinazione in sé.
Il problema della liquidità dei dati: perché l'implementazione dell'IA fallisce
Prima che l'IA possa trasformare le operazioni, i dati devono fluire. La maggior parte delle organizzazioni ha congelato i dati intrappolati in sistemi isolati, rendendo impossibile l'interoperabilità.
Il nostro lavoro con Digisanté ha rivelato quanto sia grave questa sfida a livello di agenzie federali. Dati sanitari sparsi in sistemi incompatibili, vincoli normativi che limitano l'integrazione, infrastrutture legacy che impediscono moderne architetture di dati. Se un'agenzia federale con mandati di conformità e responsabilità pubblica fatica a gestire la liquidità dei dati, immaginate la complessità all'interno delle grandi aziende.
I problemi di liquidità dei dati aziendali si aggravano:
Silos dipartimentali. Dati di marketing in un sistema, dati di vendita in un altro, dati operativi in un terzo. Ogni reparto ha ottimizzato il proprio stack senza interoperabilità a livello aziendale.
Debito tecnico legacy. Anni di fusioni, acquisizioni e decisioni tecnologiche tattiche hanno creato modelli di dati incompatibili e incubi di integrazione.
Strozzature della governance. L'accesso ai dati richiede più approvazioni. I problemi di sicurezza prevalgono sulle esigenze operative. Le norme sulla privacy creano ulteriori attriti.
Mancanza di pensiero sul prodotto dati. Le organizzazioni trattano i dati come un sottoprodotto delle operazioni, non come un asset strategico che richiede investimenti, manutenzione e architettura.
L'implementazione dell'IA fallisce in questi ambienti perché gli algoritmi hanno bisogno di dati liquidi, accessibili, interoperabili, puliti e che fluiscano tra i sistemi. Nessun livello di sofisticazione dell'IA può superare le risorse di dati congelate.
La soluzione richiede di trattare l'infrastruttura dei dati come un prodotto. Creare API. Creare pipeline di dati. Stabilire una governance che consenta l'accesso e gestisca il rischio. Investire nell'ingegneria dei dati prima di investire nell'ingegneria dell'intelligenza artificiale.
Le aziende che hanno risolto la liquidità dei dati nel 2025 possono scalare l'IA nel 2026. Quelle che ancora lottano contro i dati isolati rimarranno bloccate nella fase pilota.
Adozione dell'intelligenza artificiale da parte dei dipendenti: Il divario di capacità
Nel 2025 sono emersi due gruppi distinti di contributori individuali:
Gruppo 1: Abbracciare l'IA come moltiplicatore di capacità. Integrato gli strumenti nei flussi di lavoro esistenti. Ha automatizzato compiti ripetitivi. Ha creato capacità di pensiero strategico. Hanno aumentato il loro valore.
Gruppo 2: Resistenza all'adozione. Hanno addotto preoccupazioni per la sicurezza del lavoro e la complessità degli strumenti. Ritardo nella produttività e nella qualità della produzione.
I dipendenti di successo hanno trattato l'IA come un copilota, non come un sostituto. Hanno migliorato la qualità della produzione, accelerato i cicli di ricerca e automatizzato il lavoro amministrativo, concentrando l'impegno umano sul giudizio, sulla creatività e sulla creazione di relazioni.
Questo divario di capacità si amplierà notevolmente nel 2026.
La nuova realtà per i ruoli sulle piattaforme digitali: Qualsiasi posizione che opera principalmente su piattaforme digitali si trova di fronte a una semplice equazione. Se non siete eccezionalmente bravi a guidare il cambiamento e l'eccellenza operativa, avete due strade: implementare rapidamente l'IA o vedere l'IA scalare il vostro ruolo oltre le vostre capacità.
I dipendenti che hanno cercato di ottenere certificati di formazione con un'esecuzione quotidiana minima non sopravviveranno, tranne che in ruoli frontali come l'assistenza di emergenza, dove la presenza umana rimane irrinunciabile. Il lavoro sulle piattaforme digitali richiede una continua espansione delle capacità. L'IA non elimina questi ruoli. Espone coloro che non sono in grado di sfruttarla ed eleva quelli che lo sono.
Il cambiamento culturale: Dalle aziende dei media alle aziende tecnologiche
Nel 2010, i social media hanno costretto ogni brand a diventare una media company. Le organizzazioni avevano bisogno di team di contenuti, community manager e studi creativi. I CMO hanno assunto giornalisti. Le agenzie hanno costruito redazioni giornalistiche di marca. L'imperativo era chiaro: pubblicare come una media company o perdere l'attenzione dei concorrenti.
Per normalizzare questa trasformazione culturale ci sono voluti cinque anni. I bilanci sono cambiati. Le strutture organizzative sono cambiate. Sono emersi nuovi ruoli. Le aziende che hanno resistito hanno perso quote di mercato.
Siamo di nuovo in quel preciso momento, ma il cambiamento è più profondo.
L'intelligenza artificiale e l'automazione stanno costringendo le aziende a diventare aziende tecnologiche o aziende di servizi. Non abilitate alla tecnologia. Non adiacenti alla tecnologia. Aziende tecnologiche nel cuore.
Cosa richiede questa trasformazione
Alfabetizzazione tecnica in tutta l'organizzazione. Non solo i reparti IT. I team di marketing devono comprendere le integrazioni API. Le operazioni di vendita devono lavorare con i server di automazione. I team commerciali devono pensare a flussi di lavoro, pipeline di dati e integrazioni di sistema.
Il pensiero di prodotto per i sistemi interni. Il vostro stack martech è un prodotto. La vostra infrastruttura di dati è un prodotto. I vostri flussi di lavoro di automazione sono prodotti. Applicate lo stesso rigore che usate per le piattaforme rivolte ai clienti: roadmap, pianificazione degli sprint e progettazione dell'esperienza utente.
La progettazione del servizio rispetto alla realizzazione del progetto. Smettere di strutturare il lavoro su campagne e progetti singoli. Creare servizi. Sistematizzare ciò che può essere automatizzato. Codificare ciò che può essere replicato. Riservare il giudizio umano alle decisioni che lo richiedono.
Le conseguenze della resistenza
Le aziende che non riescono a compiere questo cambiamento culturale andranno incontro allo stesso destino di quelle che hanno ignorato la trasformazione dei social media nel 2010:
- Diventeranno fornitori di servizi per i concorrenti che hanno adattato
- I loro talenti se ne andranno verso organizzazioni che abbracciano operazioni moderne
- I loro costi operativi aumenteranno mentre i costi dei concorrenti diminuiranno grazie all'automazione.
- Perderanno il posizionamento sul mercato a causa della mercificazione delle loro proposte di valore.
La trasformazione di Kainjoo: Da agenzia a piattaforma
Abbiamo vissuto questo cambiamento internamente prima di venderlo all'esterno. Ci siamo trasformati da un'agenzia che forniva progetti a una piattaforma che forniva servizi. Abbiamo costruito un'infrastruttura di automazione. Abbiamo formato i team creativi e di marketing sugli strumenti tecnici. Abbiamo trasformato le nostre operazioni in un banco di prova per ciò che raccomandiamo ai clienti.
Questa credibilità operativa, sostenuta dalla ricerca del nostro IMD Board Director e dall'integrazione delle tecnologie del portafoglio di Allegory Capital e Kainjoo Ventures, è alla base di ogni strategia di trasformazione che progettiamo.
Cosa aspettarsi nel 2026: l'anno dell'esecuzione
La fase di sperimentazione è finita. Il 2026 separerà le organizzazioni che hanno costruito operazioni sostenibili integrate nell'IA da quelle che hanno condotto costosi progetti pilota.
Tre cambiamenti fondamentali definiranno il successo:
1. Valore più che volume
Il mercato premierà i risultati aziendali misurabili, non il numero di progetti di intelligenza artificiale. La crescita del fatturato, la riduzione dei costi e l'efficienza operativa sono le uniche metriche che contano. L'IA deve comparire nei conti economici, non nei rapporti sull'innovazione.
2. Integrazione più che innovazione
I vincitori non avranno gli strumenti di IA più recenti. Avranno l'IA integrata nei processi esistenti: stack martech, pipeline di dati, flussi di lavoro aziendali. L'IA deve essere integrata nelle operazioni, non essere inserita come esperimento.
3. Persone che si adattano
Le organizzazioni che hanno investito nell'aggiornamento professionale, che hanno creato team esperti di intelligenza artificiale e che hanno creato una cultura dell'apprendimento continuo saranno in vantaggio. Quelle che non l'hanno fatto faranno fatica a trattenere i talenti e a eseguire la strategia.
Il 2026 è una questione di esecuzione
In Kainjoo abbiamo passato il 2025 a costruire le fondamenta: infrastruttura di dati, server di automazione, processi AI-nativi, team addestrati e banchi di prova operativi. Siamo in grado di scalare ciò che funziona.
La fase degli oggetti luccicanti è terminata. La trasformazione delle aziende tecnologiche non è più facoltativa. I marchi che vinceranno nel 2026 hanno completato questo cambiamento culturale nel 2025.
Tempo di consegna.
