Dopo due anni caratterizzati da investimenti spesso guidati dalla necessità di sperimentare rapidamente le nuove tecnologie, le imprese iniziano a valutare con maggiore attenzione il ritorno economico dei progetti AI, la sostenibilità dei costi operativi e l’effettiva adozione da parte degli utenti. È in questo scenario che si inseriscono le nuove previsioni di Gartner, secondo cui la spesa mondiale destinata a modelli e piattaforme AI raggiungerà i 64 miliardi di dollari nel 2026, registrando una crescita del 63,4% rispetto ai circa 39 miliardi del 2025.

Il dato evidenzia come il mercato continui a espandersi a ritmi sostenuti, ma segnala anche un cambiamento significativo nelle priorità delle organizzazioni. Se infatti fino a poco tempo fa il principale obiettivo era ottenere l’accesso ai modelli linguistici più avanzati, oggi CIO e responsabili IT cercano soprattutto strumenti in grado di ottimizzare i consumi, monitorare le prestazioni e mantenere sotto controllo una spesa che, con l’affermarsi dei modelli a consumo, può aumentare rapidamente.

Secondo Gartner, la crescita maggiore arriverà proprio dai modelli generativi. Il segmento dei foundation model dovrebbe infatti più che raddoppiare nel corso del prossimo anno, passando da circa 11,4 a oltre 23,3 miliardi di dollari con un incremento superiore al 104%. Ancora più impressionante è però la dinamica prevista per i Domain-Specific Language Models (DSLM) e per i modelli specializzati, destinati a crescere del 210% fino a sfiorare i 5 miliardi di dollari.

Questo dato conferma come per le aziende un modello generalista, per quanto potente, non rappresenti sempre la soluzione più efficiente. I modelli verticali, addestrati per specifici settori industriali, processi aziendali o domini di conoscenza, permettono infatti di ottenere risultati più accurati, tempi di risposta inferiori e costi di inferenza decisamente più contenuti.

Anche il comparto delle piattaforme continua a mostrare un’evoluzione significativa. Le piattaforme dedicate allo sviluppo di applicazioni AI cresceranno del 38,6% raggiungendo circa 9,5 miliardi di dollari, mentre quelle dedicate al data science e al machine learning arriveranno a oltre 26 miliardi, con un incremento del 36,3%. Si tratta di numeri che confermano come il valore risieda anche nell’intero ecosistema software necessario per svilupparli, integrarli e governarli.

screenshot-www.gartner.com-2026.07.20-13_37_27

Per Gartner il vero elemento distintivo dei prossimi anni sarà la capacità di offrire strumenti che consentano alle aziende di amministrare efficacemente il loro utilizzo. Con un numero crescente di modelli disponibili sul mercato e una concorrenza sempre più serrata, la scelta della tecnologia più adatta rischia infatti di diventare un problema tanto complesso quanto la sua implementazione.

Le imprese chiedono sempre più frequentemente dashboard per il monitoraggio dei consumi, sistemi di valutazione automatica delle prestazioni, strumenti di confronto tra modelli differenti e meccanismi di governance capaci di applicare policy aziendali, verificare la conformità normativa e controllare la qualità delle risposte generate. Tutti elementi che stanno assumendo un peso crescente nelle decisioni di acquisto.

Anche il modello economico sta cambiando. L’affermarsi della fatturazione basata sull’effettivo utilizzo rende infatti molto più difficile prevedere con precisione i costi di esercizio di un’infrastruttura AI. Ogni richiesta elaborata da un modello genera consumo di token e, di conseguenza, spesa. Questo obbliga le organizzazioni a introdurre strumenti di osservabilità sempre più sofisticati per evitare sprechi e identificare tempestivamente eventuali anomalie.

Secondo Gartner, saranno proprio i fornitori capaci di integrare funzioni di controllo dei costi, valutazione delle prestazioni e monitoraggio continuo all’interno delle proprie piattaforme a conquistare le maggiori quote di mercato. L’attenzione si sposta quindi dalla semplice disponibilità del modello alla capacità di renderne sostenibile l’utilizzo nel lungo periodo.

La crescente diffusione di modelli open source e di soluzioni proprietarie contribuisce inoltre ad ampliare il ventaglio di opzioni disponibili per le aziende. Questa maggiore varietà aumenta la competitività del settore, ma rende ancora più importante poter confrontare qualità, costi, latenza e affidabilità prima di scegliere quale tecnologia adottare per ciascun caso d’uso.

Per i grandi hyperscaler e per i principali sviluppatori di modelli linguistici sarà necessario dimostrare che le proprie soluzioni vengono realmente utilizzate, che producono benefici misurabili e che consentono alle aziende di mantenere sotto controllo investimenti destinati a crescere rapidamente nei prossimi anni.

(Immagine in apertura: Shutterstock)