La spesa aziendale statunitense in IA raggiunge un nuovo picco, la crescita rallenta tra i cambiamenti dipartimentali

La spesa aziendale statunitense in IA ha raggiunto un nuovo massimo nell'ottobre 2026, secondo The Decoder, che ha riportato un modesto aumento dell'1,65% su base mensile basato sul Ramp AI Index. Questa crescita, pur raggiungendo un picco, segnala una decelerazione nella rapida espansione osservata nei periodi precedenti.

Cosa è successo

Il Ramp AI Index, che traccia la spesa in IA tra i clienti aziendali del fornitore di servizi finanziari Ramp, ha indicato che la spesa aziendale statunitense in IA ha registrato un aumento dell'1,65% su base mensile nell'ottobre 2026. The Decoder, citando Ramp, osserva che gli utenti più assidui di IA hanno speso significativamente più delle aziende tipiche; l'uno percento delle aziende con la maggiore spesa in IA ha pagato una mediana di $10.200 per dipendente al mese, rappresentando un aumento del nove percento. Al contrario, un'azienda tipica ha speso solo $16,32, un leggero aumento di meno di un dollaro rispetto al mese precedente.

I dati di Ramp, ricavati da oltre 85.000 aziende statunitensi, riflettono le tendenze di mercato ma potrebbero sovrastimare l'adozione complessiva dell'IA a causa della sua base clienti orientata verso aziende in crescita, tecnologicamente avanzate e di maggiori dimensioni. Gli strumenti di IA gratuiti e l'utilizzo tramite account personali sono probabilmente esclusi da queste cifre, secondo The Decoder. La crescita specifica dei fornitori ha mostrato OpenAI in aumento del 2,1% su base mensile, mentre Anthropic è cresciuta dello 0,5%. L'economista capo di Ramp, Ara Kharazian, ha sottolineato che l'uno percento delle aziende genera l'80 percento dei ricavi sia per OpenAI che per Anthropic, principalmente aziende sostenute da venture capital nei settori tecnologico, finanziario e dei servizi tecnici, con l'adozione dell'IA che si diffonde a malapena al di fuori di questi settori.

Contemporaneamente, i prezzi dell'IA stanno diminuendo; il prezzo medio per milione di token di testo elaborati è sceso del 21% il mese scorso, come riportato da The Decoder, citando Ramp. Ciò indica che il volume di utilizzo sta crescendo più rapidamente della spesa, spinto dalla pressione competitiva e dai modelli a peso aperto. Anthropic ha raggiunto il 44,8% di adozione, con un aumento di 1,1 punti percentuali, mentre OpenAI è rimasta stabile al 40,6%. L'adozione complessiva dei servizi di IA è salita al 56,8%.

La spesa dipartimentale ha visto dei cambiamenti: i team di sviluppo software, pur rappresentando ancora il 72 percento di tutta la spesa in IA tracciata, hanno mostrato un calo rispetto ai massimi estivi. I dipartimenti di supporto clienti e successo clienti hanno registrato la crescita più forte, con la loro quota di spesa in IA che è salita dallo 0,8 percento di giugno al 13,3 percento di ottobre, potenzialmente spinta dai chatbot IA. Anche i team di leadership hanno leggermente aumentato la loro spesa. Tuttavia, Kharazian ha notato che la crescita del supporto clienti non sta eguagliando il ritmo rapido precedentemente osservato nei team di sviluppo, e questi casi d'uso spesso favoriscono modelli di IA più economici e veloci.

Perché è importante per i leader RevOps

Per i leader RevOps, queste tendenze sottolineano un punto di svolta critico nell'adozione dell'IA e nella strategia di investimento. La decelerazione nella crescita complessiva della spesa, unita alla concentrazione di spese elevate tra una piccola frazione di grandi aziende tecnologicamente avanzate, suggerisce che le aziende più piccole e di medie dimensioni devono affrontare l'integrazione dell'IA con un chiaro focus su risultati di ricavo misurabili, piuttosto che su investimenti ampi e indifferenziati. La significativa crescita della spesa in IA all'interno dei dipartimenti di supporto clienti e successo clienti presenta un'opportunità diretta per RevOps di migliorare l'intero ciclo di vita dei ricavi, dal miglioramento dell'esperienza e della fidelizzazione del cliente alla razionalizzazione delle operazioni di servizio che influiscono sulla redditività. L'integrazione di strumenti di IA in queste aree può generare dati preziosi per modelli di attribuzione e previsione, a condizione che le pipeline di dati siano sufficientemente robuste per acquisire e analizzare questi nuovi input.

La diminuzione dei prezzi dei modelli di IA e la preferenza per opzioni più economiche e veloci nei ruoli a contatto con il cliente evidenziano un'opportunità di ottimizzazione dei costi. I leader RevOps possono sfruttare questi modelli più accessibili per raggiungere specifiche efficienze operative senza incorrere nei costi più elevati associati ai modelli di punta, migliorando così il ritorno sull'investimento in IA. Ciò richiede un approccio di pensiero sistemico alla valutazione delle soluzioni di IA, allineando le scelte tecnologiche con le esigenze dipartimentali specifiche e gli obiettivi di ricavo complessivi. La disparità nell'adozione al di fuori dei settori tecnologico e finanziario segnala anche che le aziende di altri settori hanno la possibilità di ottenere un vantaggio competitivo implementando strategicamente l'IA per ottimizzare i loro processi di ricavo unici.

Cosa fare questa settimana

1. Verificare l'utilizzo attuale dell'IA: Esaminare gli strumenti di IA esistenti in tutta l'organizzazione, in particolare nei team a contatto con il cliente e di sviluppo, per identificare la spesa attuale, i modelli di utilizzo e le potenziali aree per guadagni di efficienza o applicazioni espanse.
2. Implementare l'IA in via sperimentale nei team a contatto con il cliente: Esplorare e implementare in via sperimentale chatbot o strumenti basati sull'IA all'interno dei dipartimenti di supporto clienti e successo clienti per migliorare i tempi di risposta, personalizzare le interazioni e raccogliere dati per una migliore fidelizzazione del cliente e opportunità di upsell.
3. Valutare modelli di IA economicamente vantaggiosi: Indagare la fattibilità dell'implementazione di modelli di IA più economici e veloci per compiti specifici all'interno delle operazioni di ricavo, assicurandosi che soddisfino i requisiti di performance ottimizzando al contempo la spesa tecnologica e migliorando il ROI.

Fonti

• US corporate AI spending hits a new high in October, but growth slows to 1.65 percent — The Decoder