Microsoft ha deciso di affrontare di petto il problema piu' imbarazzante dell'intelligenza artificiale aziendale: il fatto che, nella maggior parte dei casi, non funziona. Con un investimento da 2,5 miliardi di dollari, l'azienda ha lanciato "The Microsoft Frontier Company", una nuova struttura operativa che distacca circa 6.000 tra ingegneri e specialisti di settore direttamente all'interno delle aziende clienti, per costruire, far funzionare e migliorare nel tempo i loro sistemi di IA. A guidarla e' Rodrigo Kede Lima, dirigente storico di Microsoft, gia' presidente di Microsoft Asia.
Il contesto in cui nasce l'iniziativa e' spietato. Una ricerca del progetto NANDA del MIT ha rilevato che il 95% dei progetti pilota di IA generativa nelle imprese non produce alcun impatto misurabile su profitti e perdite. Detto altrimenti: le aziende spendono, sperimentano, ma quasi mai vedono un ritorno concreto. Microsoft, con 2,5 miliardi e 6.000 persone, prova a diventare il piu' grande "riparatore" di questo divario.
Cos'e' il 'forward-deployed engineering'
Il modello si chiama forward-deployed engineering, ingegneria dispiegata sul campo. Consiste nell'inviare i propri tecnici a lavorare fisicamente dentro le operazioni del cliente, per progettare, costruire, mettere in produzione e gestire i sistemi di IA sul posto. Non e' consulenza tradizionale, che si ferma alle diapositive e alle raccomandazioni: e' personale che mette le mani nei processi reali, adatta gli strumenti ai dati e ai flussi specifici dell'azienda e resta finche' qualcosa non produce risultati.
La logica nasce da una constatazione: la tecnologia dei modelli e' ormai potente, ma il collo di bottiglia si e' spostato sull'ultimo miglio, cioe' sull'integrazione con i dati aziendali, i processi e le persone. E' li' che il 95% dei progetti si arena, e li' che Microsoft vuole intervenire con personale dedicato.
Una corsa a quattro: OpenAI, Anthropic, AWS, Microsoft
Microsoft non e' sola in questa scommessa, ed e' anzi arrivata per ultima ma con la mossa piu' grande. A maggio OpenAI aveva lanciato la propria Deployment Company, entita' autonoma controllata dalla societa' ma sostenuta da oltre 4 miliardi in una partnership guidata dal fondo di private equity TPG. Nello stesso mese Anthropic aveva creato una joint venture da 1,5 miliardi con Goldman Sachs, Blackstone e Hellman & Friedman per inserire ingegneri nelle aziende di medie dimensioni. Il 30 giugno era stata la volta di AWS, con un impegno interno da 1 miliardo. A 2,5 miliardi e 6.000 persone, Microsoft e' oggi la piu' grande delle quattro.
La convergenza e' significativa: i quattro colossi hanno capito che vendere l'accesso ai modelli non basta. Se i clienti non riescono a estrarne valore, il rischio e' una brusca frenata degli investimenti, con conseguenze su tutta la filiera — dai data center ai produttori di chip. Distaccare ingegneri e' costoso e poco scalabile, ma per ora sembra l'unico modo per trasformare i progetti pilota in sistemi che generano ricavi.
Perche' il 95% dei progetti fallisce
Il dato del MIT merita di essere spiegato, perche' e' il fondamento dell'intera operazione. Il fallimento raramente dipende dalla qualita' del modello: dipende dal fatto che i sistemi pilota restano scollegati dai dati reali dell'azienda, non si integrano con i processi esistenti, non vengono adottati dai dipendenti o non hanno un obiettivo di business misurabile. Molte imprese hanno lanciato sperimentazioni per "esserci", senza un caso d'uso che generasse davvero risparmi o ricavi. Il risultato e' una collezione di dimostrazioni impressionanti che non arrivano mai in produzione.
Il forward-deployed engineering nasce proprio per colmare questo divario dell'ultimo miglio. Non basta un modello potente: serve qualcuno che lo colleghi ai gestionali, che ripulisca e strutturi i dati, che ridisegni il flusso di lavoro e che accompagni le persone nel cambiamento. E' un lavoro lento, artigianale, poco scalabile — l'esatto opposto della promessa di automazione istantanea con cui l'IA viene spesso venduta.
I dubbi degli scettici
Non tutti sono convinti. Alcuni osservatori notano che schierare migliaia di ingegneri dentro i clienti assomiglia molto alla vecchia consulenza informatica, un modello a bassa marginalita' e difficilmente scalabile: se per far funzionare l'IA servono eserciti di tecnici sul campo, dove sta la rivoluzione dell'automazione? Altri leggono l'iniziativa come un'ammissione implicita che la tecnologia, da sola, non mantiene le promesse di ritorno immediato. C'e' infine chi teme che questi programmi servano soprattutto a legare i clienti a un unico ecosistema, rendendo poi difficile e costoso cambiare fornitore.
Cosa cambia per le imprese
Per le aziende clienti, la promessa e' allettante: non solo software, ma persone che lo fanno funzionare. Il rovescio della medaglia e' la dipendenza. Affidare a un fornitore la costruzione e la gestione dei propri sistemi di IA significa legarsi strettamente al suo ecosistema — nel caso di Microsoft, ad Azure, a Copilot e ai modelli su cui poggiano. Il blog ufficiale insiste sul tema della protezione del patrimonio informativo del cliente, ma la scelta strategica di dove far girare i dati e con quali strumenti resta cruciale.
Il vero test sara' nei numeri. Se Frontier Company riuscira' davvero a spostare l'ago di quel 95% di progetti falliti, sara' la prova che il collo di bottiglia dell'IA era organizzativo, non tecnologico. In caso contrario, sara' la conferma che gonfiare le aspettative e' facile, mantenerle molto meno.
