«Siamo in un momento di volatilità e continui cambiamenti destinato a durare. Questo rende difficile il ruolo del CIO, del leader per lo sviluppo tecnologico nelle aziende», esordisce Diego Lo Giudice, Vice President e Principal Analyst di Forrester Italia, intervenendo sul palco del Forrester Prediction Event 2026 che si è svolto nei giorni scorsi a Milano.
Lo scenario e il mercato globale sono complessi da interpretare e gestire, tra minacce crescenti alla resilienza della Supply Chain, operazioni militari e guerre commerciali, spinte sempre più forti verso la sovranità digitale, problemi di competitività e necessità sempre più stringenti di compliance a legislazioni europee e mondiali.
Evoluzioni complesse in corso e punti di riferimento che vacillano, ma gli analisti di Forrester mettono in primo piano tre prospettive destinate a caratterizzare il prossimo futuro.
Indice degli argomenti
Tre prospettive per lo sviluppo tecnologico e dell’AI
La prima riguarda i budget: «Prevediamo che una quota di investimenti pari al 25% dei budget sull’AI del 2026 sarà spostata in avanti, oltre quest’anno. L’analisi del mercato indica che il ritorno degli investimenti sta diminuendo, ed è per questo che prevediamo uno shift del budget», sottolinea Lo Giudice.
La seconda previsione è che lo sviluppo software diventerà il primo caso d’uso dell’intelligenza artificiale all’interno delle imprese. Nel corso del 2026 «vedremo aziende dove il vertice spinge per un uso AI-native, mentre il CIO deve gestire i rischi e la conformità agli standard regolamentari. I vendor dell’AI hanno investito cifre elevate nei Frontier Models, i modelli AI di frontiera, ma non è chiaro quando questi soldi rientreranno».
L’obiettivo di aumentare la produttività
Nello sviluppo del software «è difficile misurare la produttività perché non sappiamo come viene riutilizzato il tempo risparmiato dallo sviluppatore – fa notare l’analista –. Nel 2023 avevo previsto i TuringBots, strumenti AI nel ciclo di vita del software. Eravamo partiti con una produttività del 15-20% dove l’AI era un supporto per lo sviluppatore. Ora, nel 2026, l’AI diventa più smart, collaborativa e multimodale, con l’obiettivo di raddoppiare la produttività. Dal 2028 in poi i TuringBots diventeranno più autonomi, automatizzando anche workflow complessi».
Oggi molte aziende usano strumenti come GitHub Copilot, Amazon Q o Google Assistant. L’AI sta rivoluzionando tutti i ruoli, scrive specifiche, genera disegni e usa agenti per scrivere codice e testare.
Compiti automatizzati e ruoli che restano umani
Esistono già esperimenti di autonomia totale, come agenti AI che sviluppano siti web o compilatori per Linux in due giorni senza intervento umano.
Uno studio quantitativo su 12 ruoli dello sviluppo software mostra che l’AI rimpiazzerà gli umani nella generazione di asset (codice, test, documentazione), mentre i ruoli che richiedono comunicazione, negoziazione e gestione rimarranno appannaggio degli operatori in carne e ossa.
Già oggi l’AI scrive dal 30 al 40% del codice generato nelle attività di business, e «prevediamo che nei prossimi 5-10 anni ci sarà dal 5 al 15% di sviluppatori in meno».
La Process Intelligence salverà il 30% dei progetti AI dal fallimento
«Dobbiamo imparare a gestire gli agenti, lavorando in modo parallelo – evidenzia –. L’ecosistema degli strumenti è esploso e abbiamo strumenti per lo Spec-driven Development e per il testing dell’AI stessa. Suggeriamo di aggiornare le skill, non solo con il Prompt Engineering, abituarsi a lavorare in modo diverso e utilizzare le nostre analisi per definire piani strategici e roadmap dei prossimi mesi».
La terza prospettiva e previsione, per il 2026, è che la Process Intelligence salverà il 30% dei progetti AI dal fallimento. «Spesso i progetti falliscono perché si applica l’AI su processi così come sono, senza sapere come vengono realmente eseguiti. La Process intelligence fa mining dei processi reali e permette di migliorarli prima di applicarvi l’AI».
Eliminare le inefficienze prima di automatizzarle
Con l’AI generativa e agentica «possiamo gestire processi più variabili e non programmati, ma serve un’architettura di supporto e una governance chiara per bilanciare variabilità e rischio di errori.
Attraverso la Process Intelligence, le aziende possono analizzare come i flussi di lavoro vengono effettivamente eseguiti, eliminando le inefficienze prima di automatizzarle. Questo approccio permette di gestire processi più variabili e dinamici, trasformando la Process intelligence in un ‘mattoncino’ fondamentale dell’architettura agentica dell’impresa moderna.
L’obiettivo è passare da un’analisi passiva a un controllo attivo, integrando queste capacità direttamente nei copiloti AI utilizzati dai dipendenti.
Tre mosse per concentrarsi sul valore generato
Chi si occupa di tecnologia, è il suggerimento di Lo Giudice «deve pensare a come scalare, governare e rendere sicura tutta la parte di AI, Generative AI e Agentic AI, mentre cambia velocemente. Al momento usiamo l’AI soprattutto per ottimizzazione ed efficienza di processi e task, ma il prossimo passo, sempre più ravvicinato, è quello di estenderne l’adozione all’interno delle aziende in maniera più ampia, integrata e strategica».
Secondo gli analisti di Forrester, dobbiamo concentrarci sulla generazione di valore vero dall’AI, attraverso un approccio a tre mosse: «considerare l’AI come una strategia di business, considerare e comunicare il valore complessivo, non solo quello legato a piccoli progetti isolati, e prioritizzare gli investimenti a lungo termine sulle infrastrutture e sull’architettura agentica».
Due strategie per restare competitivi in un mondo volatile
Le principali strategie per restare competitivi in un mondo volatile, suggerisce in conclusione l’analista, sono due: «L’Adaptive Change, ovvero la capacità di abituarsi al cambiamento frequente e diffuso, e la sperimentazione continua, per essere pronti a fare pivot se necessario».
I vari stakeholder, secondo Lo Giudice, dovrebbero collaborare in questo quadro e in questa direzione: il business definisce il ritorno finanziario, la governance assicura la compliance e la qualità – evitando bias e controllando le allucinazioni –, la tecnologia sceglie infrastrutture e partner, e i data scientist lavorano sulla qualità dei dati.
