L’enterprise AI sta entrando nella sua fase più matura: non più tecnologia sperimentale, ma una componente strutturale dei processi aziendali. È ciò che emerge dal The State of Enterprise AI – 2025 Report di OpenAI , un’analisi basata su dati aggregati di oltre un milione di clienti business.
Nei primi cento caratteri del report è evidente un messaggio chiaro: l’intelligenza artificiale in azienda non è più un fenomeno di adozione periferica, ma una piattaforma di lavoro sempre più integrata nei workflow operativi.
Enterprise AI, l’adozione cresce: 8x nel volume dei messaggi e 320x nell’uso di modelli di reasoning
I dati del report mostrano come l’enterprise AI stia avanzando con profondità crescente nei processi aziendali. ChatGPT Enterprise ha registrato una crescita di 8 volte nel traffico dei messaggi, mentre il consumo di token di reasoning tramite API è aumentato del 320% anno su anno, segnale che i modelli più evoluti stanno diventando l’intelligenza operativa dentro prodotti, applicazioni e sistemi interni.
Una delle accelerazioni più significative riguarda i Custom GPTs e i Projects: l’uso settimanale è cresciuto di 19 volte, e il 20% dei messaggi enterprise passa ormai attraverso workflow personalizzati. Nel report viene citato il caso BBVA, che utilizza oltre 4.000 GPT interni come strumenti operativi, un esempio concreto di come l’AI venga trasformata in processi replicabili e persistenti.
Sul fronte developer, oltre 9.000 organizzazioni hanno superato i 10 miliardi di token elaborati via API, e quasi 200 hanno superato quota trilione. Codex sta diventando un acceleratore di sviluppo software end-to-end: generazione di codice, refactoring, debugging e test automatizzati.
Produttività: fino a 60–80 minuti risparmiati al giorno e nuove competenze abilitate dalla AI
Secondo il sondaggio condotto su 9.000 lavoratori provenienti da quasi 100 imprese, il 75% dichiara che l’AI ha migliorato qualità o velocità del proprio lavoro. L’impatto più tangibile è il tempo risparmiato: 40–60 minuti per giorno attivo, con punte di 60–80 minuti per data scientist, ingegneri e professionisti della comunicazione.
Il valore però non si limita al tempo. Il 75% dei lavoratori afferma di essere oggi in grado di svolgere attività prima impossibili, in particolare:
- programmazione e revisione del codice,
- analisi di dati e automazione di fogli di calcolo,
- sviluppo di strumenti tecnici personalizzati,
- progettazione di agenti e GPT su misura.
Questo fenomeno sta ridefinendo i confini dei ruoli: anche team non tecnici vedono crescere del 36% i messaggi legati a coding e data analysis.
Importante anche il divario tra gli utenti più maturi e la media. Gli utenti che risparmiano oltre 10 ore alla settimana consumano circa 8 volte più “intelligenza” (misurata in crediti) e utilizzano un ventaglio di strumenti più ampio. L’uso intensivo genera un impatto proporzionalmente maggiore.
Crescita globale e settoriale: tecnologia, sanità e manifattura corrono più di tutti
L’enterprise AI mostra dinamiche di adozione eterogenee. A livello industriale, la crescita mediana è superiore a 6x, con la tecnologia a 11x, l’healthcare a 8x e la manifattura a 7x. I settori più maturi restano professional services, finanza e tecnologia, ma sanità e industria stanno chiudendo rapidamente il gap.
Geograficamente, la crescita non è più concentrata negli Stati Uniti: Australia (+187%), Brasile (+161%), Olanda (+153%) e Francia (+146%) guidano l’accelerazione mondiale, mentre Giappone e Germania emergono come mercati strategici sia per seats Enterprise sia per utilizzo API.
Il riferimento esterno è rappresentato dal contesto di trasformazione globale descritto da numerose analisi di settore, che sottolineano come la transizione all’AI agentica sia la nuova priorità delle imprese internazionali.
Il riferimento interno riguarda invece molte discussioni aperte in ambito enterprise in Italia, dove il dibattito ruota attorno a sovranità del dato, infrastrutture e agentic AI, come raccontato più volte nei nostri approfondimenti.
Il divario tra leader e ritardatari: fino a 17x nell’uso dei tool di coding e 7x nei GPT aziendali
Il report evidenzia un gap crescente tra “frontier workers” (95° percentile) e utenti medi. I power user inviano 6 volte più messaggi e utilizzano 16 volte più strumenti di data analysis. La forbice si allarga ulteriormente sulle attività di scrittura, analisi e soprattutto coding, dove il divario arriva a 17 volte.
Lo stesso pattern compare a livello aziendale: le organizzazioni più mature generano il doppio dei messaggi per seat e 7 volte più messaggi ai GPT, dimostrando che il vantaggio competitivo nasce da workflow standardizzati, API integrate e strumenti condivisi. Chi rimane indietro spesso non ha ancora attivato i connettori interni che permettono ai modelli di accedere ai dati aziendali: un’impasse che il report definisce la principale barriera organizzativa.
Impatti di business: i casi Intercom, Lowe’s, Indeed, BBVA, Oscar Health e Moderna
Il documento include una serie di case study concreti che mostrano come l’AI generi effetti misurabili su costi, ricavi e customer experience.
Intercom ha ridotto del 48% la latenza del proprio voice agent “Fin Voice” e risolve end-to-end il 53% delle chiamate, con un abbattimento dei costi di supporto calcolato in centinaia di milioni di dollari all’anno.
Lowe’s ha lanciato Mylow e Mylow Companion, che gestiscono un milione di domande al mese per clienti e store associate, raddoppiando il conversion rate degli utenti che interagiscono con l’assistente.
Indeed utilizza spiegazioni generative per migliorare il matching: +20% di application start e +13% di success rate (interviste e assunzioni), mentre Career Scout aumenta del 38% la probabilità di essere assunti.
BBVA ha automatizzato oltre 9.000 verifiche legali all’anno (bastanteo), liberando l’equivalente di tre FTE e raggiungendo il 26% del KPI annuale di saving della divisione Legal Services.
Oscar Health ha creato chatbot integrati con dati clinici, capaci di rispondere istantaneamente al 58% delle domande su benefit e processi sanitari.
Moderna ha ridotto da settimane a poche ore una delle fasi critiche per lo sviluppo dei Target Product Profile, con impatti diretti su time-to-market e qualità decisionale.
Cosa fanno le aziende più mature: cinque leve decisive
Il report individua i comportamenti ricorrenti delle imprese leader nell’adozione di enterprise AI:
- attivano connettori sicuri per dare all’AI accesso controllato alle informazioni aziendali;
- standardizzano i workflow e diffondono GPT riutilizzabili;
- investono su sponsorship esecutiva e change management;
- rendono machine-readable la conoscenza aziendale e misurano costantemente le performance;
- costruiscono modelli operativi che combinano governance centrale ed evangelizzazione diffusa.
Il messaggio finale è chiaro: le tecnologie sono mature, il limite oggi è la capacità organizzativa di integrarle.
Uno sguardo al futuro dell’enterprise AI
Il report si conclude indicando la direzione della prossima ondata: AI più performante su compiti ad alto valore economico, maggiore comprensione del contesto aziendale, e passaggio dalla richiesta di output all’assegnazione di workflow complessi, la vera essenza dell’AI agentica.
Le organizzazioni che sapranno integrare questi modelli nei processi di front-office, produzione, customer experience e sviluppo prodotto otterranno un vantaggio competitivo duraturo, trasformando l’AI da strumento di produttività a motore strategico di crescita.
