All’interno del rapporto applicato sull’AI di Georgian: Vibe Coding emerge mentre le lacune di talento rallentano i progressi dell’AI

Georgian Partners, in collaborazione con NewtonX e un consorzio globale di 11 partner, ha pubblicato il suo rapporto di benchmarking sull’AI applicata, offrendo uno scatto robusto di come l’AI sta trasformando il software B2B e le aziende enterprise in tutto il mondo. Questa seconda ondata estesa si basa su un sondaggio cieco di 612 dirigenti – divisi equamente tra leader R&D e go-to-market – in 10 paesi e 15 settori, rappresentando aziende con entrate annuali che vanno da 5 milioni a oltre 200 milioni di dollari.

Ciò che distingue questo rapporto è la sua portata globale e il sostegno strategico. I partner del consorzio includono l’Alberta Machine Intelligence Institute, AI Marketers Guild, FirstMark, GTM Partners, Untapped Ventures, il Vector Institute e Startup Nation Central e Grove Ventures con sede a Tel Aviv, tra gli altri. La loro partecipazione ha aiutato ad allargare la partecipazione e garantire benchmark settoriali e internazionali diversificati.

Più di una semplice misura dell’adozione, il rapporto cattura le barriere strutturali, i casi d’uso emergenti di AI come Vibe Coding e la curva di maturità evolutiva dell’integrazione dell’AI. Con risultati basati su input di dirigenti validati, il rapporto offre alle aziende un framework pratico per misurare dove si trovano e cosa li sta trattenendo.

L’AI diventa un imperativo strategico

L’intelligenza artificiale non è più considerata opzionale. Il rapporto trova che l’83% delle aziende B2B e enterprise colloca l’AI tra le prime cinque priorità strategiche. In realtà, tre delle prime cinque priorità aziendali più selezionate sono correlate all’AI, mostrando come sia diventata fondamentale in tutta la corporate agenda.

Le principali motivazioni per l’adozione dell’AI continuano ad essere:

• Migliorare la produttività interna
• Creare un vantaggio competitivo
• Migliorare l’efficienza dei costi e la crescita dei ricavi

Ciò che è cambiato, tuttavia, è che la differenziazione competitiva ha ora superato i risparmi sui costi e i ricavi come seconda motivazione più importante. Ciò segna un cambio di mentalità: l’AI non è solo uno strumento per l’automazione, ma un’arma per il leadership di mercato.

Vibe Coding entra nel mainstream

Un insight spicco del rapporto è la rapida ascesa di Vibe Coding – un termine che si riferisce alla generazione e debug automatici del codice utilizzando modelli di intelligenza artificiale. Vibe Coding è diventato il #3 caso d’uso R&D riportato in produzione, utilizzato dal 37% delle aziende, mentre un altro 40% lo stanno attivamente testando.

Questo trend non è semplicemente migliorare la produttività degli sviluppatori. È anche una risposta diretta a una sfida dell’industria: la carenza di talenti tecnici dell’AI, che è ora diventata la #1 barriera alla scalabilità dell’AI. Il 45% dei leader R&D ha citato questa lacuna di talenti come loro principale preoccupazione – superando persino l’elevato costo dello sviluppo del modello.

Vibe Coding sta aiutando a colmare questa lacuna consentendo ai team di ingegneria più snelli di accelerare i tempi di consegna, eseguire il debug più velocemente e produrre codice pulito e documentato con meno sovraccarico. I rispondenti hanno notato riduzioni misurabili dello sforzo manuale in tutto il flusso di lavoro di QA, infrastruttura e distribuzione.

Guadagni di produttività dell’AI – e i loro limiti

L’uso dell’AI in tutta la pipeline di sviluppo sta mostrando chiari benefici. Secondo il rapporto, il 70% dei rispondenti R&D segnala una velocità di sviluppo più rapida, il 63% vede una migliore qualità e documentazione del codice e più della metà ha aumentato la frequenza di distribuzione.

Tuttavia, non tutti i metriche sono migliorate. Aree come tempo medio di ripristino, ciclo di tempo e tasso di fallimento dei cambiamenti rimangono punti deboli. Ciò suggerisce che mentre l’AI sta accelerando la parte iniziale dello sviluppo, la stabilità e la resilienza rimangono dipendenti dall’uomo per il momento.

Aggiornamenti dell’infrastruttura alimentano lo stack dell’AI

A supportare questi guadagni c’è un drammatico spostamento negli investimenti in infrastruttura. I team guidati dall’AI stanno adottando nuovi strumenti per passare dall’esperimentazione alla produzione:

• piattaforme di osservabilità LLM sono state integrate dal 53% delle aziende
• strumenti di orchestrazione dei dati come Dagster e Airflow sono ora utilizzati dal 51%
• database vettoriali, cron job e motori di flusso di lavoro duraturi stanno venendo distribuiti per supportare la scalabilità e l’affidabilità

Nel frattempo, le aziende stanno sorgendo più dati che mai per alimentare i loro modelli. L’uso di dati di proprietà è aumentato di 12 punti percentuali al 94%, mentre l’uso di dati pubblici è aumentato all’80%. I dati sintetici e oscuri – un tempo fonti marginali – stanno venendo utilizzati da oltre la metà e un quarto delle aziende, rispettivamente.

L’adozione di LLM si diversifica

OpenAI rimane il principale fornitore di modelli di linguaggio di grandi dimensioni, con l’85% dei rispondenti che utilizzano i suoi modelli in produzione. Tuttavia, il paesaggio sta evolvendo rapidamente:

• Google Gemini ha visto un aumento di 17 punti, ora utilizzato dal 41%
• Anthropic Claude è salito al 31%
• la famiglia di Llama 3 di Meta sta guadagnando trazione con un’adozione del 28%
• modelli di ragionamento specifici come o1-mini di OpenAI (35%) e DeepSeek (18%) stanno entrando in produzione

Questo spostamento riflette un passaggio verso stack di AI multi-modello, in cui le organizzazioni abbinano modelli a casi d’uso piuttosto che affidarsi a un singolo ecosistema di vendor.

I guadagni di maturità dell’AI sono disuguali

Georgian segmenta le aziende utilizzando il suo modello di maturità Crawl, Walk, Run per l’AI. Sebbene più organizzazioni stiano progredendo dal livello principiante a quello intermedio, il livello superiore di maturità rimane elusivo:

• i “camminatori” sono scesi al 40%, in calo dal 49%
• i “corridori” sono saliti al 31%, indicando una crescente impulso
• i ” corridori” rimangono stagnanti all’11%, suggerendo un soffitto nella scalabilità

Le aziende che raggiungono il livello “Runner” tendono ad essere quelle che collegano i progetti di AI direttamente ai ricavi o ai risultati sui costi – una capacità ancora poco sviluppata in gran parte dell’industria.

Il ROI rimane elusivo

Una delle sfide più persistenti identificate nel rapporto è la mancanza di una misura chiara del ROI. Più della metà dei team R&D ammette di non collegare i progetti di AI a KPI concreti. Solo il 25% collega direttamente le iniziative di AI a nuovi ricavi e solo il 24% segnala un impatto positivo sui costi di acquisizione dei clienti.

Tuttavia, l’ottimismo persiste. Oltre il 50% dei rispondenti afferma che l’AI ha migliorato la soddisfazione del cliente e il valore a lungo termine. Ma la sensazione generale è che la giustificazione finanziaria dell’AI rimane confusa, in particolare al livello di maturità intermedio.

La gestione dei costi sta migliorando

Mentre il talento rimane il maggior ostacolo, i costi stanno diventando lentamente più gestibili. Il rapporto mostra:

• Un spostamento di 9 punti verso costi di archiviazione dei dati stabili o ridotti
• Costi in calo nella manutenzione del software, nel lavoro e nelle operazioni
• Meno affidamento su misure di riduzione dei costi come restrizioni dei progetti

Inoltre, il 68% delle aziende si affida ora a soluzioni di AI di terze parti per gestire i costi e la complessità, specialmente mentre l’AI si integra nel software di GTM e nelle piattaforme interne.

Uno sguardo al futuro

Le implicazioni di questi dati di benchmarking si estendono ben oltre i dashboard e le sale riunioni. Mentre l’AI diventa centrale per come il software viene costruito, distribuito e mantenuto, l’industria sta entrando in una nuova fase – una in cui la produttività non è più solo questione di persone, ma di come i team possano amplificare se stessi con partner macchina.

Vibe Coding rappresenta un punto di svolta. Non è solo uno strumento di produttività; sta diventando uno strato fondamentale dello sviluppo del software moderno. Per le aziende che affrontano carenze di talenti persistenti, offre un modo per sbloccare la produttività, ridurre i tempi di mercato e migliorare la qualità del codice senza aumentare la scala della forza lavoro allo stesso ritmo. E per coloro che sono più avanti nella curva di maturità, crea la spina dorsale per flussi di lavoro di ingegneria nativi dell’AI – quelli che possono scalare con osservabilità, affidabilità e impatto aziendale misurabile.

Il messaggio più ampio è chiaro: le aziende che avranno successo non useranno solo l’AI – la renderanno operativa, la incorporeranno ed evolveranno con essa. In questa nuova era, l’automazione non è questione di sostituire gli sviluppatori. È questione di amplificarli.

Coloro che trattano Vibe Coding e la sua infrastruttura di supporto come investimenti strategici – e non come esperimenti – definiranno la prossima ondata di innovazione aziendale.