Il 29% del Fortune 500 ha già adottato l'AI: i dati di a16z
Andreessen Horowitz (a16z) ha pubblicato la prima analisi sull'effettiva penetrazione dell'AI nelle grandi imprese, basata su dati di prima parte e non su survey autodichiarate. Il risultato principale: il 29% del Fortune 500 e il 19% del Global 2000 sono già clienti paganti di almeno una delle principali startup AI, con contratti top-down firmati, piloti convertiti e prodotti in uso attivo nell'organizzazione. In poco più di tre anni dal lancio di ChatGPT, un terzo delle più grandi aziende al mondo ha adottato AI enterprise in modo operativo.
Stiamo parlando di un tasso di adozione significativo nella parte più conservativa e lenta del mercato: grandi organizzazioni con procurement complesso, cicli di vendita lunghi, legacy tecnologica pesante.
Il caso più netto è il coding. Per ordine di grandezza, il coding supera qualsiasi altro caso d'uso enterprise: le aziende che sviluppano software hanno adottato strumenti come Cursor, Claude Code e Codex a velocità senza precedenti, con aumenti di produttività dichiarati tra 10 e 20 volte. D'altronde, il codice presenta le caratteristiche ideali: è verificabile (funziona o non funziona), garantisce dati di addestramento di alta qualità in abbondanza, è un lavoro prevalentemente individuale e consente cicli di feedback rapidi tra modello e sviluppatore. Nessun altro caso d'uso enterprise porta con sé tutte queste caratteristiche positive nello stesso momento.
Al di sotto del coding, le applicazioni con chiara trazione sono il customer support e la ricerca documentale. Il supporto funziona perché è un lavoro ad alto volume, già in gran parte esternalizzato a BPO, con procedure operative standard e metriche misurabili. L'AI non ha bisogno di risolvere il 100% dei casi: l'escalation verso un operatore umano è sempre disponibile come uscita di sicurezza. La ricerca documentale interna è invece il caso d'uso più diffuso di ChatGPT in ambito lavorativo, inoltre ha generato aziende indipendenti di scala rilevante come Glean.
Due industrie hanno adottato l'AI con grande rapidità: il settore legale e quello sanitario. Il motivo è comune per entrambi: il software tradizionale non aveva mai offerto valore reale a medici e avvocati perché il loro lavoro è non strutturato, essendo basato su sfumature interpretative. L'AI si adatta a queste caratteristiche meglio di qualsiasi strumento precedente. Harvey, specializzata nel legale, ha raggiunto circa 200 milioni di dollari di ARR in tre anni dalla fondazione. Nel sanitario, aziende come Abridge e Ambience Healthcare hanno scalato rapidamente su use case discreti come la trascrizione in ambito medico, senza dover sostituire i sistemi di archiviazione dei dati esistenti.
Il dato più rilevante per capire dove andrà il mercato nei prossimi anni riguarda la velocità di miglioramento dei modelli. In soli sette mesi (tra settembre 2025 e aprile 2026), le capacità sui compiti economicamente rilevanti sono cresciute in modo significativo: contabilità e revisione hanno registrato un salto di quasi 20 punti percentuali sul benchmark GDPval di OpenAI, l'ingegneria industriale di quasi 30. Significa che le risposte dei modelli battono quelle dei lavoratori umani nel 20 o 30% dei casi in più rispetto alle misurazioni precedenti. Molti settori oggi ancora lenti nell'adozione (manifatturiero, costruzioni, finanza tradizionale) non lo sono per mancanza di capacità dei modelli, ma per ostacoli strutturali: lavoro fisico, costi di coordinamento tra i diversi attori coinvolti, vincoli regolatori, assenza di output verificabili.
L'analisi di a16z è una fotografia di quello che è già accaduto, tratta dai contratti firmati e dai prodotti in uso. Il messaggio implicito è scomodo: nei settori a bassa adozione il problema non sono più i modelli, ma le organizzazioni. I leader che si sono mossi prima stanno allargando il distacco rispetto a chi si è arenato nelle fasi di test.
Fonte: Andreessen Horowitz — Where Enterprises are Actually Adopting AI, aprile 2026