La corsa all’intelligenza artificiale sembrava già vinta, almeno sulla carta. Tra investimenti miliardari in data center, l’accordo strategico con OpenAI e l’integrazione di Copilot praticamente ovunque, da Windows 11 a Microsoft 365 passando per GitHub, la società di Redmond si era posizionata come il punto di riferimento assoluto per la nuova generazione di software. Eppure i numeri raccontano una storia diversa. E a dirlo non è un osservatore qualsiasi, ma Mat Velloso, ex dirigente Microsoft con oltre 12 anni di esperienza interna, passato poi da Google DeepMind e Meta Superintelligence Labs. Velloso ha lavorato direttamente su progetti AI e ha ricoperto anche il ruolo di advisor tecnico di Satya Nadella. Quando uno così sostiene che Microsoft abbia “perso l’onda AI” dopo aver mancato quella mobile, il settore non può far finta di niente.
Il dato che ha fatto più discutere riguarda Microsoft 365 Copilot. Secondo le stime citate da Velloso e riprese da diversi analisti, Microsoft avrebbe convertito all’uso di Copilot circa 15 milioni di licenze su una base di oltre 450 milioni di utenti. In pratica, un tasso di adozione attorno al 3,3%. Numeri che pesano ancora di più se messi accanto alle decine di miliardi investiti in cluster GPU basati su acceleratori NVIDIA Hopper e Blackwell per espandere Azure AI. Redmond continua a sostenere che il ritorno economico arriverà nel medio periodo, ma gli investitori iniziano a chiedere risultati concreti.
Il punto è che Copilot appare integrato ovunque: barra delle applicazioni di Windows 11, Word, Excel, Outlook, Teams, Edge, GitHub. L’idea era aumentare l’esposizione facendo dell’assistente AI una componente quotidiana del desktop. Ma la presenza continua non coincide automaticamente con l’utilizzo. Molti utenti aziendali si appoggiano ancora a workflow tradizionali fatti di macro Office, strumenti legacy, script PowerShell e piattaforme ERP integrate negli anni. Inserire un chatbot generativo sopra questa struttura non basta a cambiare abitudini consolidate da decenni. Lo stesso Velloso si chiede se, al di là di Copilot, Microsoft abbia davvero costruito prodotti AI capaci di risolvere problemi reali oppure se abbia accelerato troppo l’integrazione senza una domanda concreta da parte degli utenti.
AI PC e NPU: l’hardware è arrivato prima del bisogno
Uno degli elementi più controversi dell’intera operazione riguarda gli AI PC basati su NPU, le Neural Processing Unit dedicate all’esecuzione locale dei modelli AI. Microsoft ha spinto fortemente questa architettura con il programma Copilot+ PC, fissando requisiti come almeno 40 TOPS di potenza AI locale. I principali produttori hanno risposto rapidamente: Qualcomm Snapdragon X Elite, Intel Lunar Lake e AMD Ryzen AI integrano tutti acceleratori neurali dedicati. Sulla carta il vantaggio è evidente: inferenza locale, minore latenza, elaborazione offline.
Il problema è che gli utenti faticano ancora a percepire benefici concreti. Funzioni come Recall, Studio Effects, Live Captions o Cocreator restano scenari molto specifici. Per molti clienti aziendali una CPU moderna e una GPU integrata continuano a essere più che sufficienti. Velloso ha criticato apertamente proprio questo: OEM e partner hardware hanno investito pesantemente sulle NPU senza che Windows e Office offrissero casi d’uso realmente irrinunciabili. Microsoft avrebbe cercato di creare domanda partendo dall’hardware anziché da esigenze software consolidate. Le NPU moderne, tra l’altro, presentano ancora limiti tecnici importanti: memoria condivisa che riduce le prestazioni, supporto software legato a runtime specifici come ONNX Runtime e DirectML, modelli generativi avanzati troppo pesanti per l’esecuzione locale completa.
Anche GitHub Copilot, che avrebbe dovuto rappresentare il caso perfetto di monetizzazione AI tra sviluppatori, mostra segnali preoccupanti. Velloso ha segnalato che per alcuni servizi collegati il livello di affidabilità garantito dagli SLA è sceso sotto il 90%, una soglia generalmente considerata inaccettabile per le infrastrutture aziendali moderne. Ogni richiesta passa attraverso sistemi di orchestrazione complessi su Azure e, aumentando il numero di utenti, cresce anche il costo operativo. Il modello economico dell’AI generativa non assomiglia a quello del software tradizionale: ogni query produce un costo reale di elaborazione, e se l’utente paga poco ma usa molto il servizio, i margini si comprimono in fretta.
OpenAI cambia gioco, Windows 11 cambia rotta
A complicare ulteriormente il quadro c’è il rapporto con OpenAI, che sta diventando sempre più ambiguo. Il lancio della divisione DeployCo e l’assunzione di ingegneri dedicati all’implementazione AI nelle aziende Fortune 500 indicano una direzione chiara: la società di Sam Altman vuole controllare direttamente il rapporto con i clienti enterprise, offrendo servizi di consulenza, integrazione e personalizzazione. Questo significa invadere il campo in cui Microsoft ha sempre dominato. Se da un lato Redmond resta il principale partner infrastrutturale attraverso Azure, dall’altro rischia di veder erosa una parte della propria area più redditizia. Va detto che sostituire Microsoft nelle grandi organizzazioni resta estremamente difficile: Active Directory, Exchange, Entra ID, SharePoint, Teams e Office formano una rete tecnologica profondamente radicata.
Sul fronte Windows 11, però, qualcosa si muove nella direzione giusta. Dopo anni di richieste ignorate, il team Windows ha iniziato a reintrodurre funzioni storicamente desiderate dagli utenti: menu Start ridimensionabile, maggiore personalizzazione della barra delle applicazioni, ottimizzazioni delle app native. Alcune funzioni di sistema stanno perdendo il branding esplicito AI, tornando verso implementazioni più leggere. Microsoft sembra aver capito che prestazioni, stabilità e qualità del desktop restano priorità assolute anche nell’era dell’intelligenza artificiale.
Azure continua a crescere, Windows resta dominante nel desktop enterprise, Office mantiene una posizione quasi irraggiungibile nella produttività aziendale. Il problema non è la solidità dell’azienda, ma le aspettative gonfiate attorno all’AI generativa. Le aziende devono fare i conti con governance dei dati, conformità al GDPR, costi GPU, auditing degli output AI e integrazione con software legacy. Nessun modello linguistico elimina automaticamente questi ostacoli. Velloso ha probabilmente ragione su un punto specifico: Microsoft ha cercato di forzare troppo rapidamente l’adozione AI dentro prodotti già maturi. Però conserva ancora il vantaggio più difficile da replicare, cioè la distribuzione. Milioni di aziende utilizzano ogni giorno Active Directory, Windows Server, Azure, Intune e Microsoft 365: costruire un agente AI è relativamente semplice, integrarlo in modo sicuro dentro infrastrutture enterprise complesse è tutta un’altra storia.
