Negli ultimi due anni, l’AI è diventata un tema impossibile da ignorare. Articoli, webinar, nuove funzionalità nei software. Negli ultimi anni, la pressione sulle PMI per integrarla nei propri processi è reale. Eppure il Gartner Hype Cycle 2025 racconta una storia diversa da quella che siamo abituati a sentire: la Generative AI è già uscita dal picco delle aspettative ed è entrata nel cosiddetto Trough of Disillusionment, la fase in cui l’entusiasmo si scontra con la realtà dei progetti concreti. Il momento forse non è quello che pensi, ed è proprio per questo che vale la pena capirlo bene.
Dove siamo davvero nel ciclo dell’AI
Il Gartner Hype Cycle descrive come le tecnologie vengono percepite nel tempo, dal lancio fino alla stabilizzazione nell’uso reale, attraverso cinque fasi.
Tutto parte dal Technology Trigger, il momento in cui una tecnologia emerge e inizia a generare interesse. Segue il Peak of Inflated Expectations, il picco dell’entusiasmo: aspettative alte, casi d’uso ancora limitati. Poi arriva il Trough of Disillusionment, la fase in cui l’entusiasmo iniziale si scontra con la complessità reale dell’implementazione, e molti progetti vengono abbandonati o ridimensionati. Da lì si risale lungo lo Slope of Enlightenment, quando emergono i casi d’uso che funzionano davvero, fino al Plateau of Productivity, il momento in cui la tecnologia diventa uno strumento maturo e integrato nei processi.
Ogni tecnologia segue una curva simile, con tempi diversi.
Secondo Gartner (2025), la Generative AI si è spostata dal Peak of Inflated Expectations al Trough of Disillusionment. Significa che le grandi aspettative si stanno confrontando con i risultati effettivi, con conseguente ridimensionamento delle aspettative.
I dati italiani confermano questa lettura. Secondo l’Osservatorio AI del Politecnico di Milano (2025), solo una grande impresa su cinque ha una vera pervasività dell’AI in più funzioni aziendali. Tra le PMI la situazione è ancora più frammentata. Il mercato AI in Italia vale 1,8 miliardi di euro e cresce del 50%, ma l’adozione reale nei processi operativi rimane limitata.
Con questo non vogliamo dire che l’AI non sarà protagonista nei prossimi anni, ma che c’è ancora un gap significativo tra le aspettative e ciò che viene effettivamente implementato.
Troppo o troppo poco. I due rischi per le PMI industriali.
Le PMI industriali si trovano di fronte a due rischi simmetrici, entrambi potenzialmente costosi.
Il primo è ignorare completamente il fenomeno AI. Chi resta fermo perde terreno rispetto ai competitor che stanno già automatizzando parti della loro operatività. È un rischio concreto, che si traduce in efficienza, tempi, qualità dei contenuti e delle analisi.
Il secondo errore è inseguire l’hype senza un criterio. Investire in strumenti AI senza un’analisi del contesto aziendale e dei processi in essere porta a implementazioni superficiali e a sprechi di budget.
I dati ISTAT (2025) mostrano che l’83,6% delle PMI italiane non ha ancora adottato strumenti AI. Le barriere principali sono: mancanza di competenze digitali (55,1%) e costi percepiti come elevati (49,6%). Questi numeri raccontano aziende che non hanno ancora trovato un metodo chiaro per valutare cosa adottare e quando.
Il problema riguarda soprattutto il metodo di adozione, più che la tecnologia in sé.
Chi era già digitalizzato parte avvantaggiato
L’AI non è nata dall’oggi al domani. Le aziende che già usavano CRM, marketing automation o strumenti di analisi dei dati hanno le fondamenta per integrarla in modo efficace.
C’è anche un punto su cui vale la pena essere chiari: molto di ciò che oggi viene chiamato AI era già automazione. La distinzione tra i due termini è spesso più di vocabolario che di sostanza.
Il gap tra grandi imprese e PMI nell’adozione AI è significativo: 53,1% contro 15,7%, una differenza di 37,4 punti percentuali (ISTAT, 2025). Parte di questo gap si spiega con la maturità digitale preesistente. Le grandi imprese hanno più dati strutturati, più processi documentati, più risorse per sperimentare. Una PMI che ha lavorato negli ultimi anni sulla propria presenza digitale e sulla qualità dei dati è già un vantaggio competitivo rispetto a chi parte da zero.
Come muoversi in concreto
Non si parte dalla scelta dello strumento, ma dalla mappatura dei processi esistenti.
Il primo passo è identificare un processo ripetitivo e misurabile dove l’AI può ridurre attrito reale: redazione di testi, analisi di dati, gestione delle richieste ricorrenti. Usarla dove c’è un problema concreto da risolvere.
Ecco alcune domande da farsi per capire se un processo è davvero pronto per l’AI, prima di investire:
- Il processo è ripetibile e già documentato, o cambia ogni volta in modo imprevedibile?
- I dati su cui l’AI dovrebbe lavorare sono accessibili e in un formato utilizzabile?
- È possibile misurare un risultato concreto, come tempo risparmiato o errori ridotti, prima e dopo?
- C’è in azienda qualcuno che può gestire lo strumento, o la dipendenza è totale dal fornitore?
Se la risposta a queste domande è incerta, probabilmente non è il momento di investire su quel processo specifico. Meglio scegliere un caso più semplice, dove le risposte sono più chiare.
Da lì si parte in piccolo, si misura, si scala. Questo approccio è coerente con i dati: secondo McKinsey (2025), il 66% delle aziende che usano Generative AI nel marketing e nelle vendite registra un aumento di revenue. I risultati arrivano quando l’AI viene integrata in workflow esistenti.
L’Osservatorio B2B (Marketing Arena / Ca’ Foscari, 2025) conferma che le aziende B2B che ottengono i risultati migliori usano l’AI per generare contenuti, personalizzare le comunicazioni e supportare la creatività nei diversi canali. Sono tutte attività che si innestano su processi di marketing già strutturati.
Per chi non ha ancora una presenza digitale consolidata, il percorso è lo stesso, con un passaggio in più: prima si costruisce la base, poi si aggiunge l’AI dove ha senso. L’ordine non è invertibile.
Il Gartner Hype Cycle 2025 dice che la Generative AI è nel momento più scomodo del ciclo: quello in cui le promesse vengono misurate sui risultati reali. Per una PMI industriale, potrebbe essere un buon momento per muoversi. Non c’è più l’urgenza dell’hype, ma c’è già abbastanza evidenza per capire cosa funziona davvero. La domanda giusta non è “usi l’AI?”. È “perché la usi, e su quale processo?”
