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 rivela che l'investimento in AI è stato istituzionalizzato molto prima che si sviluppasse la capacità di governarlo. Tutte le organizzazioni intervistate 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 registrano 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 affatto. Per i dirigenti tecnologici, il rischio più insidioso è strutturale. La responsabilità della spesa in AI è ripartita quasi equamente tra Technology (55%) e Finance (53%), e il conto alla rovescia dei 12 mesi sul ROI è già partito senza un titolare chiaro.D

La spesa in AI ha superato una soglia che cambia i termini della discussione per ogni CTO e CIO. La domanda non è più se investire. Tutte le organizzazioni di questa ricerca lo stanno già facendo. La domanda è se qualcuno sia in grado di dimostrare cosa stia rendendo quell'investimento, prima che chi lo ha approvato cominci a chiederlo.

È questa la tensione al centro di un'indagine indipendente condotta da Sapio Research nel febbraio 2026, commissionata da DoiT e che ha coinvolto 500 responsabili Finance in organizzazioni con almeno 1.000 dipendenti tra Stati Uniti e Regno Unito. Tutte le organizzazioni rappresentate dagli intervistati stanno attualmente spendendo in AI. La ricerca è stata progettata per cogliere la pratica reale e non le intenzioni dichiarate, e il quadro che ne emerge è quello di un settore che ha formalizzato l'investimento in AI molto più rapidamente di quanto abbia costruito l'infrastruttura finanziaria per gestirlo.

Ecco il numero da portare alla prossima presentazione in CdA: l'89% delle organizzazioni che si autovalutano molto mature o all'avanguardia sul fronte FinOps ha registrato sforamenti di costo legati all'AI negli ultimi 12 mesi. La loro sovraspesa media raggiunge il 30,9%, la più alta di qualsiasi segmento dello studio.

Al contrario, le organizzazioni nelle prime fasi di sviluppo FinOps mostrano un tasso di sforamento del 69% e una sovraspesa media del 16,1%. A una lettura rapida può sembrare un argomento contro l'investimento in governance. È esattamente l'opposto. Le organizzazioni mature gestiscono programmi di AI più ampi e complessi e dispongono della strumentazione per portare alla luce sforamenti che le organizzazioni meno mature semplicemente non intercettano. Gli sforamenti nelle organizzazioni meno mature non sono più contenuti perché la spesa è controllata meglio. Lo sono sulla carta, perché gran parte di quella spesa non viene misurata.

La conclusione pratica riformula il modo in cui i leader tecnologici dovrebbero motivare l'investimento nella governance dei costi dell'AI. L'argomento non può essere che strumenti migliori preverranno gli sforamenti, perché i dati mostrano che proprio le organizzazioni meglio strumentate sforano di più. L'argomento è che la governance permette 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.

Uno dei risultati più rilevanti non ha nulla a che vedere con gli strumenti e tutto a che vedere con la prospettiva. Gli intervistati C-suite valutano la maturità FinOps della propria organizzazione al 93% di livello maturo o superiore. I rispondenti a livello manageriale collocano lo stesso dato al 60%. Un divario di 33 punti, mentre i due gruppi descrivono la stessa organizzazione.

Non è un disaccordo sui fatti. È un problema strutturale di visibilità. La leadership vede l'ambizione di investimento, l'intento di governance e i framework presentati al CdA. L'operatività vede i progetti privi di un responsabile di costo nominato, i sistemi di attribuzione pianificati ma mai realizzati e gli sforamenti che impattano budget reali, non slide strategiche.

Per i dirigenti tecnologici, quel divario è un'esposizione diretta. L'indagine ha rilevato che la responsabilità della spesa in AI è ripartita quasi equamente tra la leadership Technology al 55% e Finance al 53%, senza un titolare unico chiaro a livello operativo. Alla domanda su chi detenga l'autorità finale in un conflitto di spesa, i rispondenti C-suite hanno indicato il CEO tre volte più spesso dei 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 definita. La responsabilità condivisa, nella pratica, tende a tradursi in assenza di responsabilità, e la spesa in AI è oggi uno degli ambiti più costosi in cui lasciar vivere questa ambiguità.

La finestra di pazienza sull'investimento in AI si sta chiudendo più rapidamente di quanto stiano maturando la maggior parte dei programmi di governance. L'83% dei responsabili Finance si aspetta ritorni chiari e quantificabili dall'AI entro 12 mesi. L'81% sta già aggiustando la propria spesa in AI o prevede di farlo entro l'anno.

Tra i rispondenti C-suite, il 65% sta intervenendo o interverrà sulla spesa in AI entro sei mesi. Solo il 41% dei manager condivide questa urgenza. È in quel divario che i programmi vengono tagliati. Quando i team operativi non hanno interiorizzato la tempistica della leadership, i loro progetti diventano i candidati più ovvi a ristrutturazione o 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%, Finance ed Engineering che definiscono il successo in modi diversi al 37% e l'assenza di una chiara attribuzione finanziaria al 36%. Il problema della definizione va separato dagli altri due, perché è l'unica barriera che non richiede nuovi strumenti per essere risolta. Richiede che Finance ed Engineering si mettano d'accordo su cosa significhi successo per l'AI prima di costruire qualsiasi sistema di misurazione. I rispondenti C-suite percepiscono questa barriera in modo più acuto: il 43% la indica come ostacolo significativo, contro il 33% dei manager. Le persone meglio posizionate per colmare il divario di definizione sono anche quelle più consapevoli di quanto costi.

L'indagine diventa più utile quando viene letta per segmento anziché in aggregato, perché le medie nascondono più di quanto rivelino. Diversi tagli di lettura sono direttamente rilevanti per i leader tecnologici.

Per dimensione aziendale, le organizzazioni di media grandezza con 1.000-4.999 dipendenti subiscono sforamenti con maggiore frequenza rispetto alle grandi imprese, l'81% contro il 76%, pur gestendo budget AI assoluti più contenuti. Anche la loro sovraspesa media è più elevata. Le grandi imprese si portano dietro maggiore complessità e cicli di cambiamento più lunghi, il che concede loro più pazienza da parte del CdA, ma la ricerca mostra che il loro collo di bottiglia specifico è la complessità di attribuzione più che l'esecuzione. Le organizzazioni con 5.000 dipendenti o più hanno una probabilità nettamente maggiore di indicare la difficoltà di forecasting come la loro sfida FinOps più ardua.

Per Paese, le organizzazioni statunitensi operano con un vantaggio di urgenza di 14 punti rispetto a quelle britanniche sugli aggiustamenti della spesa in AI. Sono in testa nella formalizzazione del budget all'80% contro il 67%, nel tracciamento del costo per unità al 56% contro il 44% e nell'adozione delle unit economics. Registrano anche tassi di sforamento più elevati, coerenti con programmi più ampi e implementazioni più aggressive. Le organizzazioni britanniche che leggono i propri tassi di sforamento più bassi come prova di una governance più solida farebbero bene a essere prudenti, perché sforamenti più contenuti si correlano anche con un tracciamento meno sistematico e progetti più piccoli.

Sul fronte specifico delle unit economics, i responsabili Finance delle grandi imprese sono in anticipo rispetto al campo più ampio dei practitioner. Lo State of FinOps 2026 della FinOps Foundation ha rilevato che meno del 20% dei practitioner applica oggi le unit economics alla spesa in AI. In questa indagine, il 26% dei responsabili Finance le ha già implementate e il 34% prevede di farlo entro sei mesi. Tra i rispondenti C-suite, l'80% si aspetta di arrivare alle unit economics entro sei mesi. Tra i manager, il dato scende al 44%. Le organizzazioni che integrano il tracciamento del costo per unità prima che la finestra di pazienza si chiuda saranno in una posizione molto più solida quando il CdA chiederà loro di giustificare il proseguimento della spesa.

Nulla di tutto questo sostiene che investire in AI sia poco saggio, o che gli sforamenti siano il segnale di un fallimento strategico. Tutte le organizzazioni dello studio stanno spendendo in AI, e quelle con la governance più sofisticata gestiscono anche i programmi più ambiziosi. L'argomento è più circoscritto e più scomodo. Senza governance, dei problemi che già avete verrete a sapere solo quando sarà qualcun altro a farli emergere, di solito nel momento meno opportuno del ciclo di budget.

L'azione a maggior leva oggi disponibile per i dirigenti 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, fissata 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 in cui nessuno crede, un fallimento più costoso del non avere numeri affatto.

Il dataset completo, segmentato per Paese, livello di seniority, dimensione aziendale, settore e maturità FinOps, è disponibile nel report integrale. È strutturato in modo che possiate individuare la vostra organizzazione nei dati e capire cosa la vostra posizione anticipa sulla vostra esposizione.

Cloud Intelligence™ porta alla spesa in AI la stessa disciplina finanziaria che i team FinOps applicano già all'infrastruttura cloud, combinando attribuzione dei costi guidata dall'AI e rilevamento delle anomalie con la competenza umana necessaria a tradurre quei segnali in decisioni che un CFO accetterà. Prenoti una demo per vedere a che punto è la sua spesa in AI.