Il piano dei Big Labs per portare l'AI in azienda

Il 4 maggio 2026 OpenAI finalizza un accordo da dieci miliardi di dollari con un gruppo di fondi di private equity. Nello stesso pomeriggio Blackstone, Hellman & Friedman e Goldman Sachs annunciano la propria joint venture con Anthropic, valore 1,5 miliardi. Le due mosse rispondono alla stessa intuizione: non basta vendere modelli perché i clienti li usino.

L’accordo di OpenAI prende il nome di Deployment Company, una nuova società progettata per aiutare le organizzazioni a creare e implementare sistemi di intelligenza artificiale affidabili per le loro attività più importanti. TPG entra come investitore di riferimento, accompagnato da Brookfield Asset Management, Bain Capital, Advent International, Goanna Capital e altri quattordici nomi, tutti provenienti dal settore degli investimenti, della consulenza e dell’integrazione di sistemi. Il valore complessivo è dieci miliardi di dollari.

OpenAI acquisisce anche Tomoro, una società di consulenza AI nata a Londra nel 2023 in alleanza con OpenAI stessa e che porta in dote 150 ingegneri specializzati nell’installazione di modelli AI dentro grandi aziende.

La struttura di Anthropic ha cifre più piccole ma un’architettura simile. Blackstone, Hellman & Friedman e Anthropic stessa mettono circa 300 milioni di dollari ciascuna, Goldman Sachs aggiunge 150, completano il giro Apollo, General Atlantic, Leonard Green, GIC e Sequoia. Il target sono le aziende di taglia media controllate dai fondi di private equity, dalla sanità alla manifattura, dai servizi finanziari al retail al real estate. Anthropic incorpora i propri ingegneri dentro la nuova struttura, con il mandato di ridisegnare i processi delle aziende possedute dai fondi attorno agli agenti AI.

Fino a febbraio, OpenAI e Anthropic vendevano modelli attraverso API (le interfacce tecniche con cui un programma di un’azienda si collega a un modello AI), abbonamenti consumer e partnership con i grandi fornitori di cloud. Vendere installazioni però è un mestiere diverso, fatto di persone in carne e ossa che entrano negli uffici dei clienti, capiscono come funzionano, scrivono software su misura e restano fino a quando il sistema gira in produzione. È il mestiere delle società di consulenza, con marginalità più basse, ciclo di vendita più lungo, una struttura di costi fatta di persone più che di codice.

Perché allora due aziende valutate dai mercati per la capacità di scalare a costi marginali bassi hanno deciso di entrare in un business con la struttura opposta?

Tra il 28 gennaio e il 13 febbraio 2026, a Wall Street, è successo qualcosa che aiuta a spiegare le mosse dei laboratori. In quelle due settimane il settore del software per aziende ha perso oltre duemila miliardi di dollari di capitalizzazione. Salesforce è scesa del 37%, ServiceNow del 42%, Workday del 45%. Le grandi case di software per aziende, costruite negli ultimi venticinque anni come fornitori essenziali di ogni grande impresa del pianeta, hanno visto evaporare in poco più di due settimane una cifra vicina al PIL annuale italiano.

La stampa finanziaria ha battezzato l’evento “saaspocalypse”, apocalisse del SaaS, dove “SaaS” sta per “Software as a Service”, la formula in abbonamento con cui le aziende comprano software dalla fine degli anni Novanta.

L’innesco dell’apocalisse sono stati i plugin di Claude Cowork (lo strumento di Anthropic che permette agli agenti AI di operare su computer in autonomia). Insieme ai progressi di Claude Code (l’agente AI specializzato in programmazione), hanno mostrato che un sistema AI può fare buona parte del lavoro oggi affidato a una piattaforma SaaS dedicata.

Due giorni dopo il lancio, Dario Amodei, CEO di Anthropic, pubblica un saggio dal titolo The Adolescence of Technology in cui parla di sistemi AI capaci di sostituire fino al 50% dei lavori di ingresso da impiegato in un orizzonte di uno-cinque anni.

Il mercato ha quindi ragionato così: se l’AI fa quello che fa Salesforce, perché continuare a pagare Salesforce?

Il 15 febbraio, però, anche Andrea Pignataro pubblica un saggio, che intitola The Wrong Apocalypse. Pignataro è fondatore e CEO del gruppo ION, uno dei più grandi operatori italiani di software finanziario e dati di mercato, con circa seimila dipendenti nel mondo.

Secondo lui le SaaS non esistono perché un’azienda da sola non sappia redigere un’analisi di vendita o calcolare uno stipendio. Esistono perché un’azienda ha bisogno che migliaia di persone, ciascuna con i suoi permessi, le sue competenze e i suoi incentivi, parlino la stessa lingua per coordinarsi.

Un modello AI sa scrivere un contratto meglio di chi lo scrive a mano. Non sa chi in azienda ha l’autorità per saltare un passaggio, non sa quando un responsabile va sentito anche se in teoria non serve, non sa quale eccezione di tre anni fa ha causato un audit che oggi rallenta tutto e così via.

Pignataro chiama questa “lingua interna” language game, prendendo l’espressione dal filosofo austriaco Ludwig Wittgenstein. Il senso è che le parole funzionano solo se chi le usa concorda sulle regole del gioco. Salesforce, ServiceNow, Workday sono giochi linguistici fusi con il codice. Migliaia di dipendenti hanno imparato a parlarli ogni giorno per coordinarsi. Sostituire Salesforce in una multinazionale non vuol dire solo scambiare uno strumento, vuol dire chiedere alle migliaia di dipendenti del gruppo di imparare un’altra lingua interna. È un’operazione che richiede anni e che le aziende fanno solo se sono costrette.

L’errore del mercato, in due parole di Pignataro, è la substitution fallacy, l’illusione della sostituzione. Il mercato confonde la capacità dell’AI di svolgere il compito con la sua capacità di sostituire l’infrastruttura che organizza quel compito su scala aziendale. Processi, autorizzazioni, abitudini sedimentate, contratti, audit, tutto quello che il software tiene insieme da vent’anni non scompare perché l’AI è arrivata. Resta lì e ha bisogno di qualcuno che ci entri dentro per ridisegnarlo.

Lo stesso ragionamento lo ha fatto Marc Benioff, fondatore e amministratore delegato di Salesforce, quando, giusto pochi giorni fa, è andato a All-In, il podcast settimanale di quattro investitori della Silicon Valley:

“L’AI è probabilistica, può capire le cose un po’ a tentativi, ma deve essere ancorata a dati reali, a una singola fonte di verità, a uno strato semantico. Altrimenti non funziona.”

Le due joint venture del 4 maggio raccontano proprio questo. I laboratori hanno capito che saper svolgere un compito non basta, servono persone che entrino nelle aziende per riscriverne i processi attorno al modello.

Qualcuno dentro le aziende a ridisegnare i processi attorno all’AI è un mestiere che ha già un nome. Si chiama Forward Deployed Engineer, termine coniato ormai diversi anni fa da Palantir.

Vola dal cliente, si siede accanto a chi lavora ogni giorno con i sistemi, scrive software che avvolge il modello AI attorno a un problema concreto e resta lì finché il sistema gira stabile in produzione.

Per anni il mondo del software ha imparato a evitare questa figura, perché un ingegnere fisso in casa di un cliente costa caro, è difficile da replicare su molti clienti diversi e mangia i margini che il software in abbonamento ha sempre avuto. Adesso però sta tornando di moda, ed è il motivo per cui ne parliamo.

Fino a un paio di anni fa si poteva sostenere che l’AI non valesse l’investimento richiesto per implementarla. I modelli erano troppo imprevedibili, le finestre di contesto troppo ristrette, l’uso degli strumenti troppo inaffidabile.

Oggi però la tecnologia regge e i fallimenti sono quasi tutti errori di implementazione. Framework sbagliato, pipeline dati sbagliata, integrazione sbagliata, architettura di prompt sbagliata. Il modello funziona e può svoltare la produttività, il problema è incastrarlo nel flusso di lavoro reale del cliente.

Portare l'AI in produzione su scala richiede competenze e tempo che la maggior parte delle aziende non ha in casa. La mossa più sensata è quindi quella di affidarsi a società di consulenza specializzate sull'intelligenza artificiale.

L'AI si trasforma a cicli di pochi mesi, a volte settimane, e solo chi ci lavora a tempo pieno con queste tecnologie riesce davvero a tenere il passo con i modelli, gli strumenti e le architetture che funzionano oggi.

Una consulenza generalista che ha aggiunto l'AI al proprio menu di offerte non ha la stessa profondità di una società nata su questo. Una società nata su questo ha già fatto decine di deployment, ha visto cosa regge sotto carico reale e cosa si rompe, conosce i pattern di integrazione e le architetture di prompt che funzionano in produzione.

Così facendo si riduce il rischio di costruire un sistema che funzionerà a metà o che andrà rifatto da capo e nel frattempo le competenze interne sedimentano, lavorando accanto a un sistema che già gira in modo efficace.

Condividi

Se la tua azienda sta cercando di capire come integrare l’intelligenza artificiale nei propri processi, o vuole formare il team per farlo, noi possiamo aiutarti.
Lavoriamo con oltre 500 organizzazioni in Italia e abbiamo più di 300 agenti AI in produzione. Scopri cosa possiamo fare insieme.