Due linee che prima si muovevano insieme quest'anno si sono separate. Le organizzazioni con oltre 1 miliardo di dollari di ricavi annui sono passate dal 27% al 40% nello scalare agenti AI in almeno una funzione. Le organizzazioni al di sotto di quella soglia sono passate dal 22% al 22% (McKinsey, 2026).
Non più lente. Immobili.
È questo il dato su cui vale la pena fermarsi nell'indagine McKinsey sullo stato dell'AI, pubblicata il 25 agosto 2026 — 1.719 rispondenti in 97 nazioni, rilevazione dal 4 maggio all'8 giugno, ponderata per il contributo di ciascun paese al PIL globale. Nell'anno in cui gli agenti hanno smesso di essere una demo e sono diventati uno schema di produzione, una coorte ha convertito e l'altra non ha convertito affatto.
La spiegazione istintiva è il budget. I dati non la sostengono. La seconda spiegazione istintiva sono le competenze. Nemmeno questa regge. Quel che resta è meno comodo e più azionabile: scalare agenti AI è un problema di capacità esecutiva, e la capacità esecutiva è l'unico input che un team operations snello non può acquistare con un ordine.
Che cosa ha misurato davvero l'indagine
Prima un'avvertenza, perché cambia il modo in cui va letto il numero. Il taglio di McKinsey è per ricavi, non per organico. "Organizzazioni più piccole" significa sotto 1 miliardo di dollari di ricavi annui — un insieme che contiene molte aziende ben più grandi di una struttura da 200 persone. Il 22% va trattato come indicazione di tendenza per il mid-market, non come suo censimento.
Detto questo, la struttura del risultato è insolitamente nitida:
- Agenti scalati in una o più funzioni: le organizzazioni oltre 1 miliardo passano dal 27% al 40%. Le organizzazioni più piccole restano ferme al 22%.
- AI scalata a livello aziendale (qualsiasi AI, non solo agenti): 54% delle grandi organizzazioni contro circa un terzo di quelle più piccole.
- Impatto sull'EBIT: il 37% del totale dei rispondenti attribuisce all'AI almeno un impatto sui risultati economici — invariato rispetto all'anno precedente.
- AI high performer (almeno il 5% dell'EBIT attribuibile all'AI, con impatto dichiarato significativo): stabili a circa il 6% dei rispondenti.
McKinsey ha inoltre validato il confronto anno su anno sui 552 rispondenti che hanno completato sia l'edizione 2025 sia quella 2026, e questo conta: un divario che si allarga in una serie di rilevazioni trasversali è spesso solo un campione cambiato. Questo supera il controllo sul panel.
La storia aggregata, quindi, è di stasi: impatto sull'EBIT fermo, high performer fermi. Sotto quell'aggregato piatto, una coorte si è staccata di 13 punti percentuali sull'unica capacità che ha definito l'anno.
Il budget non è il vincolo stringente
La spiegazione che sento più spesso dai responsabili operations è il costo — gli agenti sono cari da far girare, le bollette di inferenza sono imprevedibili, l'impresa può assorbirle e noi no.
L'indagine mette alla prova questa tesi direttamente. Solo circa uno su cinque dei rispondenti afferma che i costi operativi legati all'AI, token inclusi, hanno limitato il proprio utilizzo dell'AI. Il 60% prevede che la propria organizzazione aumenterà gli investimenti in AI nel prossimo anno. Il 28% destina già all'AI più del 10% del budget ICT complessivo (McKinsey, 2026).
Una coorte che ha in programma di spendere di più, e che non indica la spesa come proprio limite, non è bloccata dal denaro.
C'è un risultato collegato che rafforza il punto in modo silenzioso: il 32% dei rispondenti ha rinunciato ad acquistare almeno un prodotto o una funzionalità software perché poteva costruirla internamente con strumenti di coding agentico. Le organizzazioni che stanno scalando gli agenti non spendono soltanto in modo diverso. Stanno riprezzando il make-or-buy. Questo è uno spostamento di capacità, non una voce di budget.
E non è nemmeno il gap di competenze
La seconda spiegazione è il talento — l'impresa ha ingegneri AI, il mid-market no.
La controprova più pulita viene da un'indagine il cui campione è il mid-market, anziché dati enterprise tradotti verso il basso. L'Heartbeat Index di CLA, pubblicato ad agosto 2026 su 722 organizzazioni piccole e medie, ha rilevato che il 69,9% dei leader ritiene che la propria forza lavoro abbia già le competenze necessarie per il successo futuro. Eppure solo il 49,5% ha riportato un qualche miglioramento di efficienza dai recenti investimenti in tecnologia o AI, e appena il 20,2% ha riportato impatti decisamente positivi (CLA, 2026).
È un'inversione, non un divario. La popolazione osservata dichiara che la capacità c'è e che i risultati non ci sono.
Una cautela va tenuta: la fiducia autodichiarata sulle competenze è uno strumento debole, e quel 69,9% potrebbe misurare ottimismo. Ma anche scontato, dice che cosa credono i leader del mid-market — e quindi dove non stanno cercando il problema.
Se il budget è escluso da chi spende e le competenze sono escluse da chi le possiede, il candidato che resta è il lavoro stesso.
Scalare un agente significa farsi carico di un processo riprogettato
Ecco la differenza meccanica tra un pilota e un agente scalato, e non è la qualità del modello.
Un pilota gira accanto al processo esistente. Il giovedì libero di qualcuno, una copia dei dati, un output che una persona rivede e poi reinserisce nel sistema vero. Nulla a valle dipende da lui. Può essere abbandonato senza una riunione.
Un agente scalato è il processo. Significa che i passaggi di consegna vengono riscritti, il percorso delle eccezioni viene definito e presidiato, la tracciabilità soddisfa chi deve firmare, e una persona con nome e cognome risponde quando l'agente sbaglia alle due di notte. Niente di tutto questo è approvvigionamento. È tutta chirurgia organizzativa, eseguita dalle stesse tre persone che già mandano avanti il trimestre.
La ricerca punta nella stessa direzione da due angolazioni indipendenti.
Lo State of AI in the Enterprise 2026 di Deloitte — 3.235 leader in 24 paesi — ha rilevato che la risposta all'AI è sbilanciata verso l'intervento economico. Il 53% sta formando la forza lavoro per aumentarne la fluidità con l'AI. Solo il 30% sta ripensando l'organizzazione attorno ai nuovi schemi dell'AI e il 33% sta ridisegnando i percorsi di carriera. Appena il 34% sta usando l'AI per trasformare in profondità prodotti, processi o modelli di business; gli altri due terzi restano incrementali (Deloitte, 2026).
Il Work Trend Index 2026 di Microsoft — 20.000 lavoratori in 10 paesi, rilevazione dal 18 febbraio al 20 aprile — quantifica quanto costa quello sbilanciamento. I fattori organizzativi come cultura, supporto manageriale e pratiche di gestione del talento pesano più del doppio rispetto ai fattori individuali sull'impatto effettivo dell'AI: 67% contro 32%. E solo il 26% di chi usa l'AI dichiara che la leadership è allineata sulla strategia AI (Microsoft, 2026).
La formazione è una decisione di budget. Riprogettare un processo è una decisione sui diritti decisionali. Le grandi imprese hanno persone il cui lavoro è esattamente il secondo tipo. I team operations del mid-market hanno le stesse tre persone che chiudono anche il mese.
Questa è la tesi della capacità esecutiva — e per essere esplicita sullo statuto epistemico, il nesso causale è la mia lettura, non un risultato di McKinsey. Quel che McKinsey stabilisce è che la divergenza esiste e che il costo non la spiega.
L'obiezione onesta: forse restare fermi è corretto
Prendiamo sul serio la tesi opposta, perché in parte regge.
I ritorni aggregati non si sono mossi. L'impatto sull'EBIT è fermo al 37% e gli high performer a circa il 6%. Un'organizzazione più piccola che è rimasta fuori da un anno in cui il ritorno misurabile non è migliorato non ha evidentemente perso nulla. Aspettare che gli strumenti maturino e i costi unitari scendano è un'allocazione difendibile di attenzione scarsa.
Il tasso di scaling degli agenti non è un risultato di business. È una metrica di input. Inseguirlo perché un'indagine dice che lo insegue l'impresa è la forma più pura di pilotite — finanziare movimento per colmare un benchmark anziché un vincolo.
Lo scaling enterprise è in parte un artefatto del denominatore. Un'azienda da 40.000 persone ha più funzioni, quindi la probabilità che almeno una abbia scalato un agente cresce meccanicamente con la dimensione. Parte di quei 13 punti è superficie, non superiorità.
Dove l'obiezione cade è nel costo di partire tardi. La capacità che si costruisce dentro quei 13 punti non è competenza sugli agenti. È il muscolo del riprogettare un processo end-to-end e convivere con le conseguenze — che si accumula, si trasferisce tra funzioni e non si può comprare dopo, in fretta. Un concorrente che quest'anno ha riprogettato l'order-to-cash riprogetterà il quote-to-contract più in fretta l'anno prossimo. Voi starete ancora quotando la vostra prima riprogettazione.
La conclusione corretta non è "scalare gli agenti". È: fate una vera riprogettazione quest'anno, così la capacità esiste quando i ritorni arriveranno.
Il test del processo unico
La mossa pratica è smettere di finanziare un portafoglio di piloti e riprogettare end-to-end esattamente un processo in questo trimestre. Sceglietelo con quattro domande. Se un candidato ne fallisce anche una sola, è il processo sbagliato — non perché gli agenti non sappiano farlo, ma perché non arriverete in fondo.
- Una sola persona possiede l'intero percorso? Se il processo attraversa un confine dove due responsabili devono mettersi d'accordo, state comprando una trattativa, non un rilascio. Per il primo, restate dentro un unico perimetro di responsabilità.
- Avete una baseline misurata prima di toccarlo? Tempo di ciclo, tasso di errore, costo per transazione, volumi. Senza un numero pre-rilascio non potete distinguere un guadagno reale da una storia plausibile — e ripiegherete su "sembra più veloce".
- Esiste un percorso delle eccezioni definito, con un titolare? Gli agenti non falliscono in modo rumoroso; falliscono in modo plausibile. Decidete ora chi rivede quale quota di esecuzioni, e che cosa accade quando l'agente sbaglia con sicurezza.
- È noioso, ad alto volume e visibile internamente? L'alto volume dà segnale statistico dentro il trimestre. La visibilità interna fa sì che il primo errore sia una lezione, non un incidente con un cliente.
Poi mettete un cancello decisionale. A fine trimestre il processo è scalato, chiuso, o esplicitamente rimandato con una nuova ipotesi. La deriva silenziosa — il pilota che non muore e non parte — è ciò che produce una linea piatta al 22% per un anno.
Il divario si accumula, e non è fatto di soldi
Il numero che dovrebbe preoccuparvi non è il 40%. È il 22% — lo stesso 22% dell'anno scorso, in una coorte che dichiara di non essere vincolata dai costi e che ritiene le proprie persone pronte.
Fermi, con soldi disponibili e competenze dichiarate presenti, non è un problema di risorse. È un problema di sequenza. Le organizzazioni che sono riuscite a scalare agenti AI non hanno comprato di più: si sono impegnate a presidiare un processo riprogettato fino in fondo, percorso delle eccezioni incluso.
Prima che questo trimestre si chiuda, indicate il singolo processo che riprogetterete end-to-end, indicate la persona che ne risponde, e mettete per iscritto oggi il numero di partenza — finché è ancora misurabile.
