Argo's New Dreams

TL;DR: In biologia il salto di specie (spillover) è il passaggio di un patogeno a un nuovo ospite, non la trasformazione di una specie. Applicato all’AI, il parallelo dice una cosa precisa: la tecnologia ha già saltato, è l’organizzazione che deve cambiare per conviverci. E chi accompagna l’adozione, cioè le società di consulenza, deve saltare per primo: il suo ritardo si moltiplica su ogni cliente.

Sto scrivendo un capitolo su come le aziende assorbono l’AI, e a un certo punto mi è scappata l’espressione “salto di specie”. Mi suonava bene, così l’ho lasciata. Poi ho fatto quello che consiglio sempre agli altri: sono andato a controllare cosa significa davvero. E ho scoperto che il senso letterale non è quello che avevo in testa. Non è la specie che salta e diventa altro; è il patogeno che passa da un ospite all’altro. Per un attimo ho pensato di togliere il termine. Poi mi sono accorto che, preso alla lettera, descrive la situazione meglio di come la intendevo io. Nella mia esperienza di consulente, infatti, il problema non è quasi mai la tecnologia: è l’ospite. Questo articolo è il tentativo di spiegare perché, con i numeri alla mano.

Cosa significa “salto di specie” e perché usarlo per l’AI non è una forzatura

Il salto di specie, in inglese spillover, è in microbiologia «il trasferimento di un agente patogeno da una specie all’altra»; le malattie passate dagli animali all’uomo si chiamano zoonosi (Treccani, s.d.). Non è la trasformazione di una specie in un’altra. Applicato all’AI, il termine va dichiarato per quello che è: una metafora, in cui il “patogeno” è la tecnologia e il “nuovo ospite” è l’organizzazione.

Mi rendo conto che chiamare l’AI “patogeno” suona male, e infatti qui lo uso senza alcun giudizio di valore: serve solo a tenere ferma la direzione del salto. Il punto della metafora è che, dopo il salto, ciò che deve adattarsi è l’ospite, non l’agente che è arrivato.

Due dettagli della biologia rendono il parallelo più utile di quanto sembri. Primo: il salto avviene «in genere a seguito di un contatto prolungato» e dopo vari «tentativi di salto», e più l’esposizione è ravvicinata, più diventa probabile (Fondazione Umberto Veronesi, s.d.). Tradotto: non è stato un evento improvviso, è il risultato di anni di esposizione crescente, dai modelli linguistici ai copiloti nelle suite da ufficio. Secondo: dopo il salto, il nuovo ospite non torna indietro. Si adatta, oppure soffre.

La parola, peraltro, è entrata nel lessico comune proprio con la pandemia. Barbi (2025) analizza come il Covid-19 abbia favorito «la nascita e la diffusione di numerosi neologismi di natura semantica» (le cosiddette neosemie), spesso provenienti da linguaggi settoriali come quello della medicina e dell’informatica. “Spillover” compare tra le voci registrate dai repertori italiani di neologismi del 2020 con il significato di «salto di specie, passaggio di un agente patogeno da una specie animale all’uomo» (Biolatti, s.d., che riporta la fonte Il Libraio). [VERIFY: Barbi (2025) tratta esplicitamente “salto di specie”/”spillover” tra le neosemie analizzate – fonte: Barbi, L’influenza del Covid-19 sulla lingua italiana: forestierismi e neosemie virali, testo integrale] Quanto all’uso figurato del termine applicato a tecnologie e organizzazioni, non ho trovato un’attestazione lessicografica: [DATO NON VERIFICATO – cercare in: Barbi 2025 testo integrale; Treccani Neologismi; Accademia della Crusca, sezione “Parole nuove”]. Lo dichiaro: qui la metafora è mia.

Perché l’80% dei lavoratori si sente più produttivo con l’AI ma solo il 37% delle aziende lo vede sui conti?

Perché il salto è avvenuto a livello individuale, non organizzativo. Secondo la McKinsey Global Survey 2026 (Tinkoff, Van der Veken, Chui e Balakrishnan, 2026), l’80% degli intervistati dichiara che l’AI ha migliorato la propria produttività personale, ma solo il 37% attribuisce all’AI un impatto, anche minimo, sull’EBIT aziendale, quota invariata rispetto al 2025. Le persone hanno già cambiato modo di lavorare; le organizzazioni no.

I numeri della stessa indagine, condotta tra il 4 maggio e l’8 giugno 2026 su 1.719 partecipanti in 97 Paesi, raccontano il resto: il 44% delle organizzazioni dichiara di scalare l’AI a livello enterprise (era il 38% un anno prima), ma gli high performer, cioè chi attribuisce all’AI almeno il 5% dell’EBIT e ne descrive l’impatto come «significativo», restano fermi al 6% (Tinkoff et al., 2026). Il divario tra adozione e valore non si sta chiudendo da solo.

La diagnosi degli autori è netta: «Il fattore limitante è sempre più la capacità dell’organizzazione di assorbire il cambiamento» (Tinkoff et al., 2026; traduzione mia). Ed è qui che la metafora torna utile. La tecnologia ha saltato. Il collo di bottiglia è l’ospite.

Cosa fanno di diverso i pochi che ce la fanno? Secondo McKinsey, quasi tre quarti degli high performer dichiarano di aver ridisegnato in modo radicale i flussi di lavoro a causa dell’AI (erano il 55% l’anno prima), contro appena un quarto degli altri (Tinkoff et al., 2026). Non inseriscono l’AI nei processi esistenti: riscrivono i processi. È la differenza tra ospitare e adattarsi.

Qual è la differenza tra un’azienda che usa l’AI e una che ne accompagna l’adozione?

Entrambe vivono il salto di specie, ma in posizioni diverse. L’azienda che usa l’AI deve riorganizzare i propri processi, le proprie competenze e la propria governance. L’azienda che accompagna l’adozione, cioè chi fa consulenza, integrazione e formazione, deve fare la stessa cosa su sé stessa e, in più, cambiare ciò che vende e come lo vende. Il secondo salto è più lungo del primo.

Ho provato a metterlo in una tabella prima/dopo. È una semplificazione, ma aiuta a vedere dove cade il peso.

Dimensione	Chi usa l’AI: prima	Chi usa l’AI: dopo il salto	Chi accompagna l’adozione: prima	Chi accompagna l’adozione: dopo il salto
Unità di lavoro	Il compito svolto da una persona	Il flusso ridisegnato persona + agente	Le giornate/uomo vendute	Il risultato consegnato e mantenuto nel tempo
Competenza chiave	Conoscere il processo	Saper riconoscere dove l’AI aiuta e dove sbaglia	Conoscere la tecnologia del cliente	Averla già adottata in casa, con le sue cicatrici
Governance	Accesso a un tool	Identità, permessi, costi e ciclo di vita degli agenti	Progetto con inizio e fine	Accompagnamento continuo: l’agente non si consegna, si accompagna
Rischio principale	Usare l’AI fuori dalla sua “frontiera” senza accorgersene	Fidarsi di output coerenti ma sbagliati	Vendere AI che non si usa internamente	Vedere il proprio ritardo moltiplicato su ogni cliente
Misura del successo	Produttività individuale	Impatto sui conti e sui processi	Fatturato a ore	Valore riconosciuto dal cliente a prescindere dalle ore

Il concetto di “frontiera” nella tabella non è mio. Viene da un esperimento preregistrato condotto da Harvard Business School, Wharton, MIT e BCG su 758 consulenti di Boston Consulting Group: sui 18 compiti “dentro la frontiera” delle capacità dell’AI (GPT-4, all’epoca), chi usava l’AI completava il 12,2% di task in più, il 25,1% più velocemente e con qualità significativamente superiore; ma sul compito manageriale complesso scelto “fuori dalla frontiera”, chi usava l’AI aveva il 19% di probabilità in meno di arrivare alla soluzione corretta (Dell’Acqua et al., 2026). Gli autori chiamano questo fenomeno jagged technological frontier, frontiera tecnologica frastagliata: compiti che sembrano di pari difficoltà stanno su lati opposti, e dall’esterno non si distinguono. Vale per chi usa l’AI. Vale il doppio per chi la vende.

Perché le società di consulenza devono adottare l’AI prima dei loro clienti?

Per tre ragioni, in ordine crescente di scomodità: competenza, coerenza, interesse. La competenza non si improvvisa su un progetto cliente; la coerenza è ciò che il cliente verifica per primo; l’interesse, cioè il modello di ricavo a ore, è il punto in cui l’AI mette in discussione il mestiere stesso. Chi accompagna un salto deve averlo già fatto.

Competenza. L’esperimento di Dell’Acqua et al. (2026) dice che la frontiera non si vede a occhio. L’unico modo di imparare dove passa è lavorarci dentro, tutti i giorni, sui propri processi, con i propri dati e i propri errori. Un consulente che non ha mai fatto girare un agente nel proprio ufficio non sa dove la frontiera cede. Lo scoprirà a spese del cliente.

Coerenza. Nella mia esperienza il cliente fa sempre la stessa domanda, prima o poi: “E voi, lo usate?”. Se la risposta è “stiamo valutando”, la credibilità del progetto crolla lì. Il lavoro di consulenza è un lavoro di fiducia, e la fiducia non regge la contraddizione tra ciò che si consiglia e ciò che si pratica. Lo scrivevo già in L’AI non è un tool: è un cambio di paradigma: l’AI non è un prodotto da installare presso qualcuno, è una tecnologia trasversale che attraversa processi e competenze. Vale anche per chi la consiglia.

Interesse. Questa è la ragione più netta, e riguarda anche il settore in cui lavoro io, quindi la scrivo con la consapevolezza di parlare anche di me. Se un’attività che richiedeva dodici ore ora ne richiede tre, e si fattura a ore, l’efficienza si trasforma in un taglio del ricavo. È il motivo per cui una parte del settore ha convenienza a rallentare, o a far adottare l’AI ai clienti senza adottarla davvero in casa. I dati suggeriscono però che la direzione è segnata: BCG ha dichiarato per il 2025 ricavi di 14,4 miliardi di dollari (+7%), con i servizi focalizzati su AI e tecnologia oltre il 40% del fatturato e i servizi AI cresciuti del 25% su base annua, e un organico salito a 33.500 persone [VERIFY: dati BCG FY2025 – fonte: comunicato BCG del 23 aprile 2026, riportati da The Economy Markets, 04/08/2026 e da arte.itlibra.com, verifica del 30/09/2026]. Chi ha saltato per primo non si è ristretto: ha cambiato ciò che vende. Chi non salta resta a difendere un’unità di misura, l’ora, che il cliente sta già smettendo di riconoscere.

Cosa succede ai clienti quando il consulente è in ritardo?

Il ritardo di chi accompagna non resta confinato: si moltiplica per il numero di clienti seguiti. Un’azienda in ritardo sull’AI paga il proprio ritardo. Una società di consulenza in ritardo lo fa pagare a ogni organizzazione che segue, trasmettendo processi vecchi, governance inadeguata e stime di effort sbagliate. È l’effetto moltiplicatore, ed è il motivo per cui l’ordine del salto non è indifferente.

In biologia, l’ospite intermedio ha un ruolo preciso: è «una specie che agisce da collegamento» (detta anche “ponte”) tra ospite serbatoio e ospite ricevente e, soprattutto nel caso dei virus, «può fungere anche da sorgente di nuove linee o varianti patogenetiche» (Centorrino, 2022). Il consulente, nel parallelo, è esattamente l’ospite intermedio. Se è sano, cioè se ha già fatto il salto, trasmette pratiche buone: identità per gli agenti, controllo dei costi, cicli di manutenzione, confini chiari tra quello che l’AI fa e quello che deve restare umano. Se è in ritardo, trasmette l’opposto, e lo fa su scala.

Ne ho parlato in Frontier Firms e ruolo dei partner: il partner tecnologico non è un fornitore di licenze, è l’organismo che decide quanto velocemente un intero ecosistema di clienti impara. E in L’Agente Boss: quando il tuo team include le macchine ho raccontato quanto cambia il lavoro di chi deve coordinare persone e agenti insieme: non si può insegnarlo a un cliente senza averlo vissuto.

C’è un segnale ulteriore nei dati McKinsey: il 32% delle organizzazioni dichiara di aver rinunciato ad acquistare almeno un prodotto software perché lo ha potuto costruire internamente con agenti di coding, e i servizi professionali sono tra i settori che lo dichiarano più spesso (Tinkoff et al., 2026). Tradotto: i clienti stanno imparando a fare da soli pezzi di lavoro che prima compravano. Il consulente che arriva dopo trova un ospite che si è già adattato senza di lui.

Implicazioni pratiche per le PMI italiane

Il salto di specie in Italia è appena iniziato, e i numeri dicono dove siamo. Secondo l’Istat (2025), nel 2025 il 16,4% delle imprese con almeno 10 addetti utilizza almeno una tecnologia di intelligenza artificiale: era l’8,2% nel 2024 e il 5,0% nel 2023. Un raddoppio in un anno, ma con un divario che si allarga: le grandi imprese sono passate dal 32,5% al 53,1%, le PMI dal 7,7% al 15,7%, e la distanza tra le due classi è salita da circa 20 punti percentuali nel 2023 a 37 nel 2025 (Istat, 2025). La media Ue27 è al 20,0% (ANSA, 2026).

Il dato che più riguarda questo articolo è un altro: tra le imprese che hanno valutato l’AI e poi non hanno investito, il 58,6% indica come ostacolo la mancanza di competenze, seguita dalla scarsa chiarezza sulle conseguenze legali (47,3%) e dalla disponibilità o qualità dei dati (45,2%) (Istat, 2025). La barriera non è tecnologica: è la capacità dell’ospite di adattarsi. Ed è esattamente il lavoro che una PMI, da sola, fatica a fare.

Cosa suggerisce tutto questo a una PMI che oggi sta nell’84% che non usa ancora l’AI, o nel 15,7% che ha appena cominciato?

1. Chiedere al proprio fornitore o consulente se ha già fatto il salto in casa. Non “se lo propone”, ma se lo usa nei propri processi, con quali risultati e quali errori. È la verifica di coerenza di cui sopra, e costa una domanda.
2. Diffidare delle stime di effort basate sulle ore. Se il consulente stima un progetto AI in giornate/uomo come nel 2019, probabilmente non ha ancora attraversato la propria frontiera.
3. Partire da un processo, non da un tool. I dati McKinsey sugli high performer dicono che il valore arriva dal ridisegno dei flussi di lavoro, non dall’inserimento di uno strumento in un flusso esistente (Tinkoff et al., 2026).
4. Mettere in conto l’accompagnamento continuo. Un agente che funziona a gennaio può smettere di funzionare a marzo perché il modello sottostante è cambiato. L’ospite deve continuare ad adattarsi anche dopo il salto.

L’hype dice che l’AI “trasforma le aziende”. I dati dicono che l’AI è arrivata, e che la trasformazione tocca a noi. È meno epico, ma è più onesto.

Cosa significa “salto di specie” riferito all’intelligenza artificiale?

È una metafora che prende in prestito il termine biologico spillover: il passaggio di un patogeno a un nuovo ospite, non la trasformazione di una specie. Applicata all’AI significa che la tecnologia ha già compiuto il salto verso le organizzazioni, e che ora è l’organizzazione, il nuovo ospite, a dover cambiare processi, competenze e governance per conviverci.

Perché le società di consulenza devono adottare l’AI prima dei clienti?

Per tre ragioni: competenza, perché la “frontiera” tra ciò che l’AI fa bene e ciò che sbaglia si impara solo usandola in casa; coerenza, perché il cliente chiede sempre “e voi la usate?”; interesse, perché il modello a ore trasforma l’efficienza in perdita di ricavo e crea un incentivo a rallentare. Il ritardo del consulente si moltiplica su tutti i clienti.

Quante imprese italiane usano già l’intelligenza artificiale?

Secondo l’Istat, nel 2025 il 16,4% delle imprese con almeno 10 addetti usa almeno una tecnologia di AI, contro l’8,2% del 2024 e il 5,0% del 2023. Le grandi imprese sono al 53,1%, le PMI al 15,7%. La media Ue27 è al 20,0%. L’ostacolo principale indicato da chi non investe è la mancanza di competenze (58,6%).

L’AI aumenta davvero la produttività dei consulenti?

Sì, ma solo dentro la sua “frontiera”. In un esperimento su 758 consulenti BCG, chi usava GPT-4 completava il 12,2% di compiti in più e il 25,1% più velocemente sui 18 compiti dentro la frontiera, ma aveva il 19% di probabilità in meno di risolvere correttamente il compito complesso fuori frontiera (Dell’Acqua et al., 2026). Il problema è che la frontiera non si vede a occhio.

Conclusioni

Ho tenuto il termine “salto di specie” proprio perché, preso alla lettera, mi ha costretto a cambiare prospettiva. Non è l’AI che deve diventare qualcosa d’altro: è già qui, e i dati sulla produttività individuale lo confermano. Siamo noi, le organizzazioni, l’ospite nuovo, e il 37% fermo sull’impatto economico dice che l’adattamento è appena iniziato. In questo quadro, chi accompagna l’adozione non ha il lusso di aspettare: deve saltare per primo, perché il suo ritardo non resta suo. La terza ragione, quella sul modello di ricavo, è la più scomoda, e la lascio scomoda. Lavoro in questo settore e so che la domanda “e voi, la usate?” arriverà sempre più spesso. Meglio avere una risposta vera.

Ne parlo in diretta lunedì 12 ottobre 2026

Questo articolo è la lettura preparatoria del mio intervento “L’azienda di frontiera: quando l’AI non è uno strumento ma il fondamento dell’organizzazione”, in programma lunedì 12 ottobre 2026 alle ore 12:00, in diretta LinkedIn, nell’ambito del Fuori Congresso ENIA 2026 di Fondazione ENIA – Ente Nazionale per l’Intelligenza Artificiale, Cantiere Governance dell’Intelligenza Artificiale. Se qui ho descritto l’ospite che subisce il salto, lì proverò a descrivere l’ospite che si riprogetta intorno all’AI: l’impresa AI-native, pensata fin dall’origine assumendo l’AI come componente strutturale dei processi, dei flussi informativi e delle decisioni.

Il Fuori Congresso (7-14 ottobre, 20 dirette in 8 giornate) prepara il II Congresso Nazionale ENIA 2026 “Verso l’Infrastruttura Pubblica dell’Intelligenza Artificiale”, 15-16 ottobre al Grattacielo Pirelli di Milano; gli interventi confluiranno poi nel Libro Bianco a cura di Neural Nexus Review, la rivista scientifica della Fondazione (Fondazione ENIA, 2026).

L’intervento rientra nel percorso di AI Literacy di Fondazione ENIA: chi segue la diretta può richiedere l’Attestato di Partecipazione – AI Literacy | Fuori Congresso ENIA 2026 scrivendo a enia.ai@enia.ai, indicando nome, cognome e intervento seguito.

Riferimenti (APA)

• ANSA. (2026, 27 febbraio). Istat, il 16% imprese con almeno 10 addetti in Italia usa Ia. https://www.ansa.it/osservatorio_intelligenza_artificiale/notizie/societa/2026/02/27/istat-il-16-imprese-con-almeno-10-addetti-in-italia-usa-ia_ebc92ffb-dc67-4098-a611-d1c288c9d51c.html — Livello B — 27/02/2026
• Barbi, M. (2025). L’influenza del Covid-19 sulla lingua italiana: forestierismi e neosemie virali. In In ottica della pandemia: risvolti linguistici e strategie didattiche. https://www.academia.edu/146236068/In_ottica_della_pandemia_risvolti_linguistici_e_strategie_didattiche — Livello A — 2025 (consultato solo l’abstract)
• Biolatti, D. (s.d.). Il lessico che cambia: neologismi italiani 2020-2026. https://www.biolatti.it/neologismi/ — Livello C (repertorio divulgativo che cita Accademia della Crusca e Il Libraio) — s.d.
• Centorrino, F. (2022, 17 maggio). Spillover: dinamiche di un salto molto pericoloso. Microbiologia Italia. https://www.microbiologiaitalia.it/didattica/spillover-dinamiche-di-un-salto-molto-pericoloso/ — Livello C — 17/05/2022
• Dell’Acqua, F., McFowland III, E., Mollick, E., Lifshitz, H., Kellogg, K. C., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2026). Navigating the jagged technological frontier: Field experimental evidence of the effects of artificial intelligence on knowledge worker productivity and quality. Organization Science, 37(2), 403-423. https://doi.org/10.1287/orsc.2025.21838 — Livello A — marzo 2026
• Fondazione ENIA. (2026). ENIA 2026 – Verso l’Infrastruttura Pubblica dell’Intelligenza Artificiale. II Congresso Nazionale, 15-16 ottobre 2026. Programma definitivo [PDF]. Fondazione ENIA – Ente Nazionale per l’Intelligenza Artificiale. [verificare URL] — Livello B — ottobre 2026
• Fondazione Umberto Veronesi. (s.d.). Spillover – Salto di specie (Glossario, Educazione alla salute). https://www.fondazioneveronesi.it/educazione-alla-salute/glossario/spillover-salto-di-specie — Livello B — s.d.
• Istat. (2025, 15 dicembre). Imprese e Ict – Anno 2025 (Comunicato stampa). https://www.istat.it/comunicato-stampa/imprese-e-ict-anno-2025/ — Livello B — 15/12/2025
• The Economy Markets Editorial Board. (2026, 4 agosto; agg. 25 agosto). How AI is reshaping the consulting industry in 2026. https://economy.ac/market/2026/08/202608290818 — Livello C (fonte secondaria per i dati BCG) — 04/08/2026
• Tinkoff, D., Van der Veken, L., Chui, M., & Balakrishnan, T. (2026, 25 agosto). The state of AI in 2026: On the road to ROI. McKinsey & Company, QuantumBlack. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai — Livello B — 25/08/2026
• Treccani. (s.d.). Spillover. Enciclopedia on line. https://www.treccani.it/enciclopedia/spillover_res-af0f74ed-56e0-11ea-ad1b-00271042e8d9/ — Livello B — s.d.

Fonti verificate al 07/10/2026.

Link interni Argos

• L’AI non è un tool: è un cambio di paradigma
• Frontier Firms e ruolo dei partner
• L’Agente Boss: quando il tuo team include le macchine

---

Trasparenza sull’uso dell’intelligenza artificiale

Questo articolo è stato redatto con l’assistenza di un sistema di intelligenza artificiale generativa (Claude Sonnet 5, tramite l’agente Argos Newsroom su Microsoft Copilot Studio) per la ricerca delle fonti, la strutturazione e la prima stesura. Il testo è stato successivamente verificato, corretto e approvato da un autore umano, Luca Borio, che ne detiene la responsabilità editoriale ai sensi dell’art. 50 del Regolamento (UE) 2024/1689. Dati, citazioni e link sono stati controllati sulle fonti originali indicate. Eventuali errori residui sono miei.

---