I dati sulla spesa in AI che il suo CdA sta per chiederle

Un'indagine condotta su 500 responsabili Finance di grandi aziende statunitensi e britanniche mostra che gli investimenti in AI sono stati istituzionalizzati molto prima che si sviluppasse la capacità di governarli. Tutte le organizzazioni interpellate stanno già spendendo in AI, il 79% ha registrato sforamenti di costo negli ultimi 12 mesi e solo il 15% riesce a calcolare il ROI dell'AI senza colli di bottiglia significativi. Il dato più controintuitivo: le organizzazioni con le pratiche FinOps più mature sono quelle che dichiarano i tassi di sforamento più elevati, perché i programmi maturi sono più ampi e molto più efficaci nel portare alla luce problemi che le organizzazioni meno mature non rilevano mai. Per i vertici tecnologici, il rischio più insidioso è strutturale. La responsabilità della spesa in AI è ripartita quasi equamente tra Technology (55%) e Finance (53%), e i 12 mesi entro cui dimostrare il ROI scorrono già, senza un titolare chiaro.

La spesa in AI ha superato una soglia che cambia i termini del confronto per ogni CTO e CIO. La domanda non è più se investire. Tutte le organizzazioni di questa ricerca lo hanno già fatto. La domanda è se qualcuno sia in grado di dimostrare il rendimento di quell'investimento prima che chi lo ha approvato cominci a chiederlo.

È questa la tensione di fondo di un'indagine indipendente realizzata da Sapio Research nel febbraio 2026, commissionata da DoiT, che ha coinvolto 500 responsabili Finance di organizzazioni con almeno 1.000 dipendenti negli Stati Uniti e nel Regno Unito. Tutte le aziende degli intervistati stanno attualmente investendo in AI. La ricerca è stata progettata per fotografare la pratica reale e non le intenzioni dichiarate, e ne emerge il quadro di un settore che ha formalizzato gli investimenti in AI molto più rapidamente di quanto abbia costruito l'infrastruttura finanziaria per gestirli.

Ecco il numero che vale la pena portare nella prossima presentazione al CdA: l'89% delle organizzazioni che si autovalutano come molto mature o all'avanguardia in ambito FinOps ha subìto sforamenti di costo legati all'AI negli ultimi 12 mesi. Lo sforamento medio arriva al 30,9%, il più alto tra tutti i segmenti dello studio.

Per contro, le organizzazioni nelle prime fasi del percorso FinOps mostrano un tasso di sforamento del 69% e uno sforamento medio del 16,1%. A una lettura rapida, sembrerebbe un argomento contro qualsiasi investimento in governance. È esattamente l'opposto. Le organizzazioni mature gestiscono programmi AI più ampi e complessi e dispongono della strumentazione per far emergere sforamenti che le organizzazioni meno mature semplicemente non intercettano. Gli sforamenti nelle organizzazioni meno mature non sono più contenuti perché la spesa è gestita meglio. Lo sono solo sulla carta, perché gran parte di quella spesa non viene misurata.

L'implicazione pratica cambia il modo in cui i leader tecnologici devono motivare l'investimento nella governance dei costi AI. La tesi non può essere che strumenti migliori preverranno gli sforamenti, perché i dati mostrano che sono proprio le organizzazioni meglio strumentate a sforare di più. La tesi è che la governance consente di vedere gli sforamenti in tempo per intervenire. La maturità fa emergere i problemi. Non li previene, e presentarla come prevenzione significa fare una promessa che i dati non sosterranno.

Una delle evidenze più rilevanti non riguarda affatto gli strumenti, ma la prospettiva. Gli intervistati della C-suite valutano la maturità FinOps della propria organizzazione come matura o superiore nel 93% dei casi. Gli intervistati di livello manager collocano lo stesso dato al 60%. Sono 33 punti di differenza, e i due gruppi stanno descrivendo la stessa azienda.

Non è un disaccordo sui fatti. È un problema strutturale di visibilità. La leadership vede l'ambizione degli investimenti, l'intento di governance e i framework presentati in CdA. Chi sta all'operatività vede i progetti senza un titolare di costo nominato, i sistemi di attribuzione definiti ma mai realizzati e gli sforamenti che ricadono su budget reali, non sulle slide di strategia.

Per i vertici tecnologici, quel divario è un'esposizione diretta. L'indagine ha rilevato che la responsabilità della spesa in AI è divisa quasi equamente tra la leadership Technology al 55% e il Finance al 53%, senza un unico titolare chiaro a livello operativo. Alla domanda su chi detenga l'autorità finale in caso di conflitto sulla spesa, gli intervistati della C-suite hanno indicato il CEO tre volte più spesso rispetto ai manager. Al livello in cui la spesa avviene davvero, in altre parole, la questione di chi controlli il budget AI spesso non ha una risposta univoca. La responsabilità condivisa, nella pratica, finisce per tradursi in assenza di responsabilità, e la spesa in AI è oggi uno dei terreni più costosi su cui lasciar prosperare questa ambiguità.

La finestra di pazienza sugli investimenti in AI si chiude più velocemente di quanto maturino i programmi di governance. L'83% dei responsabili Finance si attende ritorni chiari e quantificabili dall'AI entro 12 mesi. L'81% sta già intervenendo sulla propria spesa in AI o prevede di farlo entro l'anno.

Tra gli intervistati della C-suite, il 65% sta agendo o agirà sulla spesa in AI entro sei mesi. Solo il 41% dei manager condivide quella stessa urgenza. È in quel divario che i programmi vengono tagliati. Quando i team operativi non hanno fatto propria la tempistica della leadership, i loro progetti diventano i candidati naturali alla ristrutturazione o alla riallocazione alla successiva revisione di budget, a prescindere dal fatto che stessero davvero sotto-performando.

Solo il 15% dei responsabili Finance riesce a calcolare il ROI dell'AI senza colli di bottiglia significativi. Le barriere principali sono la velocità del cambiamento tecnologico al 40%, una diversa definizione di successo tra Finance ed Engineering al 37% e la mancanza di una chiara attribuzione finanziaria al 36%. Il problema della definizione va trattato a parte rispetto agli altri due, perché è l'unica barriera che non richiede nuovi strumenti per essere risolta. Richiede che Finance ed Engineering si accordino su cosa significhi successo dell'AI prima ancora di costruire qualsiasi sistema di misurazione. Gli intervistati della C-suite avvertono questa barriera in modo più acuto: il 43% la cita come ostacolo significativo, contro il 33% dei manager. Chi è meglio posizionato per colmare il divario di definizione è anche chi è più consapevole di quanto stia costando.

L'indagine diventa più utile letta per segmento anziché in aggregato, perché le medie nascondono più di quanto mostrino. Diversi tagli di analisi contano direttamente per i leader tecnologici.

Per dimensione aziendale, le organizzazioni di media taglia con 1.000-4.999 dipendenti registrano sforamenti più frequenti rispetto alle grandi imprese, 81% contro 76%, pur gestendo budget AI in valore assoluto più contenuti. Anche il loro sforamento medio è più alto. Le grandi imprese portano con sé maggiore complessità e cicli di cambiamento più lunghi, il che concede loro più pazienza dal board, ma la ricerca mostra che il loro collo di bottiglia specifico è la complessità di attribuzione, non l'esecuzione. Le organizzazioni con 5.000 o più dipendenti hanno una probabilità nettamente maggiore di indicare la difficoltà di forecasting come la sfida FinOps più ardua.

Per Paese, le organizzazioni statunitensi operano con un vantaggio di urgenza di 14 punti sulle controparti britanniche negli interventi sulla spesa in AI. Sono in testa nella formalizzazione dei budget all'80% contro il 67%, nel tracciamento dei costi per unità al 56% contro il 44% e nell'adozione di logiche di unit economics. Registrano anche tassi di sforamento più alti, in linea con programmi più ampi e deployment più aggressivi. Le organizzazioni britanniche che leggono i propri tassi di sforamento più bassi come prova di una governance più solida farebbero bene a essere caute, perché sforamenti inferiori si correlano anche con un tracciamento meno sistematico e con progetti di portata minore.

Sull'unit economics in particolare, i responsabili Finance delle grandi imprese sono avanti rispetto al resto della platea di addetti ai lavori. Lo State of FinOps 2026 della FinOps Foundation ha rilevato che meno del 20% dei practitioner applica oggi l'unit economics alla spesa in AI. In questa indagine, il 26% dei responsabili Finance l'ha già adottata e il 34% prevede di farlo entro sei mesi. Tra gli intervistati della C-suite, l'80% si aspetta di arrivare all'unit economics entro sei mesi. Tra i manager, il dato scende al 44%. Le organizzazioni che integreranno il tracciamento dei costi per unità prima che la finestra di pazienza si chiuda saranno in una posizione decisamente più forte quando il board chiederà loro di giustificare il proseguimento degli investimenti.

Nulla di tutto questo significa che investire in AI sia sconsigliato, o che gli sforamenti siano sintomo di un fallimento strategico. Tutte le organizzazioni dello studio stanno spendendo in AI, e quelle con la governance più sofisticata stanno anche portando avanti i programmi più ambiziosi. La tesi è più ristretta e più scomoda. Senza governance, non verrà a conoscenza dei problemi che ha già finché non sarà qualcun altro a portarli alla luce, di solito nel momento meno opportuno del ciclo di budget.

L'azione a più alto impatto oggi disponibile per i vertici tecnologici non è una nuova piattaforma di misurazione. È l'allineamento. Finance ed Engineering hanno bisogno di una definizione condivisa di cosa significhi successo dell'AI, stabilita prima di prendere decisioni sugli strumenti. Le organizzazioni che risolvono prima il problema della definizione costruiscono un'infrastruttura di misurazione che produce numeri di cui le persone si fidano davvero. Quelle che acquistano strumenti prima di risolverlo producono numeri a cui nessuno crede: un fallimento più costoso del non avere numeri affatto.

Il dataset completo, segmentato per Paese, seniority, dimensione aziendale, settore e maturità FinOps, è disponibile nel report integrale. È strutturato in modo da permetterle di collocare la sua organizzazione nei dati e capire cosa quella posizione anticipa sulla sua esposizione.

DoiT Cloud Intelligence porta sulla spesa in AI la stessa disciplina finanziaria che i team FinOps applicano già all'infrastruttura cloud, unendo attribuzione dei costi e rilevamento delle anomalie guidati dall'AI all'expertise umana necessaria per tradurre quei segnali in decisioni che un CFO accetterà. Prenoti una demo per capire a che punto è la sua spesa in AI.