Perché i big dell'AI non chiamano la tua PMI (e chi lo fa)

Immagina il titolare di una carpenteria metalmeccanica da trenta dipendenti. Ha letto ovunque che l'AI cambierà il suo mestiere, ha visto i nomi — Anthropic, OpenAI, Google, Mistral — e si è fatto una domanda ragionevole: se questa roba è così importante, prima o poi qualcuno di loro chiamerà anche me? La risposta, guardando come questi laboratori vendono davvero, è secca: no. Non ti chiameranno. E non perché la tua azienda sia troppo piccola per contare — ma perché il modo in cui portano la loro tecnologia sul mercato non passa, e non è costruito per passare, dalla porta di una PMI.

Non è un giudizio, è la struttura del mercato. E capirla non è un esercizio accademico: ti dice chi ti servirà davvero, quali prezzi ha senso aspettarti, e perché il pezzo che ti manca — qualcuno che ti metta le mani nei processi, non che ti venda una licenza — non arriverà da Mountain View. In questo articolo mettiamo in fila le prove, tutte pubbliche e datate, e alla fine tracciamo la riga che collega i punti.

I big non vendono a te. Vendono ai loro integratori

Il primo dato è il più solido di tutti, perché non è un'opinione: è un elenco di accordi annunciati, con nomi e date. Ogni grande contratto enterprise dei frontier lab nel 2025-2026 passa da un system integrator o da una società di consulenza — le Big Four e i GSI globali — non dal laboratorio direttamente all'azienda cliente:

• Anthropic × Deloitte (ottobre 2025): Claude portato a oltre 470.000 persone di Deloitte in più di 150 Paesi, con un Center of Excellence dedicato e 15.000 professionisti certificati. È il più grande dispiegamento enterprise di Anthropic a quella data, confermato indipendentemente da CNBC lo stesso giorno; il target dichiarato sono i settori regolati — servizi finanziari, sanità, life sciences, servizi pubblici — non la PMI (Anthropic, ottobre 2025).
• Accenture × OpenAI (dicembre 2025): «decine di migliaia» di persone di Accenture ricevono ChatGPT Enterprise, e OpenAI consegna ad Accenture i playbook di implementazione, sicurezza e deployment da rivendere ai clienti — un movimento enterprise mediato dalla consulenza per costruzione (OpenAI, dicembre 2025).
• Accenture × Microsoft — Forward Deployed Engineering practice (marzo 2026): «migliaia di ingegneri qualificati sull'AI» affiancati alla frontier AI di Microsoft, che lavorano direttamente dentro i clienti — un modello di consegna ad alto contatto pensato solo per ingaggi di grande impresa (Accenture Newsroom, marzo 2026).
• Deloitte × Google Cloud/DeepMind — Agentic Transformation Practice (aprile 2026): accesso anticipato ai modelli Gemini di frontiera e ingegneri forward-deployed per i «casi d'uso più difficili» dei clienti, con Gemini Enterprise già attivo per oltre 25.000 persone di Deloitte (in scala verso 100.000); focus su retail, sanità, servizi finanziari e settore pubblico (Google Cloud, aprile 2026).
• Accenture Federal Services × OpenAI (maggio 2026): porta le agenzie federali statunitensi dal pilota alla produzione «mission-grade» — un focus su governo e grandi istituzioni (Accenture Newsroom, maggio 2026).
• PwC × Anthropic (maggio 2026): Claude Code e Cowork integrati nella forza lavoro globale di PwC (centinaia di migliaia di persone), 30.000 certificati; pochi giorni dopo KPMG × Anthropic annuncia il «Digital Gateway Powered by Claude» per i suoi oltre 276.000 dipendenti. Lo stesso reporting registra la serie di accordi che OpenAI ha chiuso a febbraio 2026 con McKinsey, BCG, Accenture e Capgemini (PwC Newsroom, maggio 2026).
• Capgemini × Mistral AI (alleanza ampliata da maggio 2025, con SAP e Microsoft come ulteriori partner): oltre 50 casi d'uso enterprise pre-costruiti per i settori regolati — servizi finanziari, settore pubblico, aerospazio e difesa, energia e utility (Capgemini, 2025).

E non finisce con le Big Four occidentali: anche i grandi integratori indiani — TCS, Infosys, Wipro, HCLTech, Tech Mahindra — hanno stretto in autonomia partnership dirette con Anthropic, OpenAI, Mistral e Microsoft/Azure per costruire le proprie practice di agenti AI enterprise (People Matters / Futurum Group). Sette accordi indipendenti, cinque laboratori, sei integratori, da ottobre 2025 a maggio 2026: non è un caso isolato, è il canale. La frontiera dell'AI raggiunge le grandi imprese attraverso un rivenditore. E un rivenditore da centinaia di migliaia di persone non ha, per costruzione, un'offerta per la carpenteria da trenta dipendenti.

Anche il listino ti tiene fuori

Si potrebbe pensare che le partnership riguardino solo i grandissimi, e che tu possa comunque comprare da solo. In parte è vero — esistono i piani self-serve — ma appena sali di un gradino, il prodotto stesso presuppone la scala enterprise. Il piano Enterprise di Claude richiede un minimo di 20 postazioni, più termini di contratto negoziati — fatturazione, HIPAA BAA, customer success dedicato — raggiungibili solo passando dal team commerciale di Anthropic (Claude Help Center). È costruito per organizzazioni che hanno bisogno di account management dedicato, non per il singolo titolare di PMI che compra sul piano self-serve.

Ma il vero muro è il modello di consegna. Il forward-deployed engineer — l'ingegnere che il laboratorio inserisce dentro il cliente per fare l'implementazione vera — è, nelle parole di Forbes, «tipicamente inaccessibile alle organizzazioni più piccole per il costo di sostenerlo». Gli annunci di lavoro per questo ruolo sono cresciuti di oltre l'800% tra gennaio e settembre 2025; a maggio 2026 Anthropic e OpenAI hanno costituito ciascuna una società di deployment dedicata, per una spesa combinata di circa 5,5 miliardi di dollari, partendo esplicitamente da «marquee account, società in portafoglio di private equity e relazioni enterprise esistenti, non il mid-market e i clienti regionali» (Forbes, maggio 2026). PYMNTS conferma la stessa direzione in modo indipendente: i laboratori stanno riversando miliardi nel forward-deployed engineering per chiudere il gap di adozione enterprise — un modello costruito attorno a team dedicati per ogni grande cliente, non a un supporto scalabile per la PMI (PYMNTS, 2026).

Leggilo dal tuo lato del tavolo: il canale di vendita passa da un integratore che non ti conosce, il piano che dà accesso all'assistenza reale parte da venti postazioni, e l'unico modello che ti metterebbe davvero le mani nei processi — l'ingegnere embedded — è dichiaratamente riservato a chi è abbastanza grande da giustificare un team dedicato. Tre porte, tutte chiuse dallo stesso lato.

Il buco si vede anche dal lato PMI

Se il gap è reale, dovrebbe lasciare una traccia anche nei numeri delle piccole imprese. La lascia. La ricerca 10,000 Small Businesses Voices di Goldman Sachs trova che solo il 14% delle piccole imprese dichiara di aver integrato pienamente l'AI nelle operazioni core — e la inquadra esplicitamente come un «implementation gap», un divario di implementazione distinto da quello di adozione o consapevolezza (Goldman Sachs). Non è che non sappiano che l'AI esiste: è che non riescono a portarla dentro il lavoro.

E le ragioni che citano sono esattamente il tipo di problema che un'implementazione risolve, non una licenza: il 50% indica preoccupazioni di privacy e sicurezza dei dati, il 49% la mancanza di competenza tecnica, il 48% la difficoltà di scegliere gli strumenti, e il 73% dice che beneficerebbe di più formazione e risorse. Molte, aggiunge la ricerca, finiscono spinte verso consulenti esterni costosi — spesso impraticabili — invece di ricevere un supporto pratico direttamente dai fornitori di AI. Il buco non è la voglia di adottare. È la mano che manca tra lo strumento e il processo.

La nostra lettura

Qui va fatta una distinzione onesta, perché è il punto in cui l'analisi diventa argomento. Nessuna delle fonti citate sopra afferma che «i frontier lab ignorano le PMI». Goldman Sachs documenta il gap delle piccole imprese, non la sua causa; gli accordi con le Big Four documentano come i laboratori vendono, non chi escludono di proposito. La riga che collega i due lati — labs che alimentano le grandi imprese via GSI e forward-deployed engineer, mentre nessuno prodottizza l'implementazione pratica per la fascia PMI — è la nostra sintesi, il quadro che ne esce mettendo insieme le prove. Non te la vendiamo come un fatto citato.

I laboratori portano l'AI alle grandi imprese attraverso i loro rivenditori e squadre di ingegneri riservate agli account più grossi; nessuno, in quel disegno, vende alla PMI il pezzo che le serve davvero — l'implementazione, non il playbook.

Ma il quadro, una volta composto, è difficile da non vedere. Entrambi i canali dei big — il rivenditore GSI e l'ingegnere embedded — sono strutturalmente chiusi a una PMI italiana: nessuna relazione con un integratore globale su cui salire, nessun budget per un team di ingegneri dedicato, e il minimo di 20 postazioni del piano Enterprise di Claude che sta già sopra la testa del compratore tipico. Nel frattempo l'86% delle piccole imprese non ha integrato pienamente l'AI, e le ragioni che citano — competenza, scelta degli strumenti, formazione — sono precisamente il lavoro di implementazione, non di semplice consegna di un metodo. Il posto vuoto c'è. È solo che chi costruisce i modelli non è attrezzato per occuparlo.

Chi lo fa: l'innesto per la PMI

Questo è esattamente il posto che Innesti occupa. Non rivendiamo licenze e non ti consegniamo un PDF con dieci buone idee: facciamo per la PMI ciò che il forward-deployed engineer fa per la grande impresa — ci innestiamo nel processo, mano nel lavoro, e portiamo l'AI dentro le operazioni finché non gira davvero. È lo stesso modello ad alto contatto che i laboratori riservano ai «marquee account», riportato alla scala, ai tempi e al prezzo di un'azienda da trenta persone. Chiamalo innesto: un intervento che attecchisce sul processo esistente, non un impianto nuovo da imparare da zero.

Se questa lettura del mercato ti torna, il modo giusto di verificarla non è a parole ma sui tuoi processi. Due articoli fratelli aiutano a inquadrare la scelta: consulente, corso o playbook — quale ha senso per una PMI (perché il consulente costoso è spesso impraticabile, e cosa cambia con un'implementazione embedded) e come valutare l'affidabilità di un fornitore AI/SaaS (cosa chiedere su sicurezza e dati prima di legarti a chiunque). Il primo ti dice chi ti serve; il secondo di chi fidarti; questo, perché il pezzo che ti manca non arriverà dai big.

Il primo passo concreto lo abbiamo reso una valutazione self-serve e gratuita: poche domande, e un'indicazione su quale processo ha senso automatizzare per primo e con quali risultati realistici. Fai la valutazione di AI-readiness — poi, se il quadro ha senso anche per te, ne parliamo e guardiamo insieme dove innestare.

Questo articolo ha scopo orientativo e non costituisce consulenza. I dati citati — gli accordi dei frontier lab con le società di consulenza, il minimo di 20 postazioni del piano Enterprise di Claude, la crescita dell'800% degli annunci per forward-deployed engineer e i circa 5,5 miliardi di spesa, il 14% di piccole imprese con AI pienamente integrata e le relative ragioni — provengono dalle fonti indicate nel testo (Anthropic, CNBC, OpenAI, Accenture, Google Cloud, PwC, Capgemini, People Matters, Claude Help Center, Forbes, PYMNTS, Goldman Sachs) e riflettono dati aggiornati a luglio 2026: vanno riverificati sulle fonti originali prima di basarvi una decisione. La tesi secondo cui la PMI resta strutturalmente non servita da questo mercato è la nostra lettura delle prove, non un'affermazione attribuita a nessuna delle fonti citate.