Il Pentagono ha imparato a trasformarsi con l'IA. Le aziende continuano a ripetere i suoi errori precedenti
C'è un dato che dovrebbe mettere a disagio qualsiasi dirigente che abbia approvato un budget per l'intelligenza artificiale negli ultimi due anni: gli Stati Uniti, il paese che produce i modelli più potenti al mondo, occupano il 24° posto nell'adozione globale dell'IA. Il loro tasso è del 28,3%. Singapore è al 61%. Gli Emirati Arabi Uniti al 54%. Goldman Sachs ha registrato che gli investimenti in IA hanno contribuito "praticamente zero" alla crescita del PIL statunitense nel corso del 2025. Il problema non è tecnologico. Non lo è mai stato.
Drew Cukor lo sa meglio di quasi chiunque altro. Come colonnello dei Marines in pensione e fondatore del Progetto Maven, il programma con cui il Dipartimento della Difesa ha integrato l'IA nei suoi flussi operativi più complessi, Cukor ha costruito dall'interno ciò che molti consideravano impossibile: dimostrare che il software commerciale poteva funzionare all'interno della burocrazia più grande del pianeta e produrre risultati che i sistemi precedenti non erano in grado di raggiungere. Oggi, dalla sua società TWG AI, osserva come le aziende americane commettano, punto per punto, gli stessi errori che il Pentagono aveva quasi commesso prima che Maven funzionasse.
La sua diagnosi, pubblicata su Fortune l'11 maggio 2026, coincide con un momento singolare: due giorni dopo, il Dipartimento della Difesa ha annunciato accordi con otto aziende tecnologiche — Amazon Web Services, Google, Microsoft, OpenAI, SpaceX, NVIDIA, Reflection e Oracle — per dispiegare capacità di IA all'avanguardia nelle sue reti classificate di livello IL6 e IL7. Il Pentagono non sta discutendo se adottare l'IA. Sta eseguendo.
Il divario che separa il costruire dall'integrare
L'indice di Stanford 2026 sull'intelligenza artificiale non descrive un fallimento della ricerca. Descrive un fallimento dell'implementazione. Gli Stati Uniti guidano nei benchmark, negli investimenti nei modelli e nella capacità di calcolo. Ma questo vantaggio non si traduce in utilizzo operativo perché le organizzazioni che dovrebbero dispiegare tale tecnologia non hanno modificato la propria architettura interna per accoglierla.
Cukor introduce qui una distinzione che vale più della maggior parte dei framework strategici che circolano nelle conferenze dei C-suite: la differenza tra organizzazione potenziata dall'IA e organizzazione nativa dell'IA. Non è una questione semantica. È la differenza tra applicare un motore nuovo su una struttura vecchia e ricostruire la struttura fin dalla progettazione pensando a quel motore.
Quando il Pentagono ha lanciato Maven, non lo ha trattato come un esperimento tecnologico né come un progetto pilota circoscritto. I leader senior lo hanno assunto personalmente e ne hanno combattuto le battaglie interne alla burocrazia. I flussi di lavoro sono stati smantellati, non ricoperti di software. L'unico indicatore che contava era operativo: cosa potevano fare i soldati che prima non potevano fare. È quella disciplina ciò che ha fatto funzionare il progetto. E quella disciplina è esattamente ciò che manca nella maggior parte dei programmi aziendali di IA esistenti oggi.
L'iniziativa cinese "AI Plus" opera con una logica strutturalmente simile a quella di Maven, sebbene dal lato opposto dello spettro politico. Pechino non sta costruendo modelli per competere nelle classifiche. Sta incorporando l'IA nella manifattura, nella logistica, nella ricerca scientifica, nella sanità e nell'istruzione, con dataset industriali specifici e agenti progettati per flussi concreti. Non dibatte controllo né contenimento. Distribuisce. Questa differenza di velocità tra la potenza inventiva americana e la capacità di integrazione cinese è il divario che Cukor identifica come il rischio competitivo centrale di questo decennio.
Tre fallimenti che il Pentagono è quasi non sopravvissuto
Cukor identifica con precisione i tre errori che hanno reso Maven una trasformazione possibile, perché erano sul punto di non accadere.
Il primo è la delega senza responsabilità. In troppe aziende, la strategia sull'IA viene delegata a un Chief AI Officer o a un laboratorio di innovazione. Queste strutture sono progettate — anche se nessuno lo ammette — per segnalare progresso senza minacciare la distribuzione del potere esistente. Il risultato è ciò che Cukor chiama "il purgatorio del pilota": progetti che non muoiono mai perché nessuno li ha uccisi, ma che non scalano nemmeno perché nessuno li ha spinti davvero. Maven ha funzionato perché i leader senior non hanno delegato la titolarità del problema. Se ne sono assunti la responsabilità.
Il secondo errore è sovrapporre l'IA a processi ereditati. C'è un modo di utilizzare l'IA che garantisce risultati mediocri: prendere il flusso di lavoro attuale e aggiungerci un modello. I guadagni di efficienza saranno marginali perché la struttura che genera il collo di bottiglia rimane intatta. Se dopo il lancio di un'iniziativa di IA l'organigramma, le catene di approvazione e il ritmo operativo dell'azienda sono gli stessi di prima, non è avvenuta alcuna trasformazione. È avvenuta una decorazione.
Il terzo errore è misurare l'attività invece dei risultati. Modelli addestrati, proof of concept completate, alleanze annunciate: questi sono indicatori di movimento, non di impatto. Maven si misurava in base a ciò che gli operativi potevano fare che prima non potevano fare. Questa è l'unica domanda che conta in un programma di IA che pretende di cambiare qualcosa.
Questi tre errori non sono incidenti di ingegneria. Sono incidenti di governance. Nascono da organizzazioni che vogliono l'immagine della trasformazione senza assumersi il costo politico interno che implica lo smantellamento di ciò che esiste.
Cosa rivela l'annuncio del 13 maggio sull'esecuzione reale
L'accordo annunciato il 13 maggio 2026 dal Dipartimento della Difesa con otto aziende tecnologiche per operare nelle reti classificate IL6 e IL7 non è semplicemente una notizia di contratti. È un segnale sul tipo di istituzione capace di scalare l'IA in condizioni di massima complessità e restrizione.
Il fatto che il Pentagono, storicamente noto per i suoi fallimenti nell'acquisizione di software, sia riuscito ad articolare una piattaforma di IA funzionale in ambienti di massima classificazione è, di per sé, un caso di maturità strutturale. Non di tecnologia. Il CTO del Dipartimento della Difesa ha unificato il processo sotto una struttura di allineamento aziendale, come descrivono le analisi del programma. Ciò significa che qualcuno ha preso la decisione di abbattere i silos che storicamente hanno impedito ai sistemi tecnologici del Pentagono di funzionare in modo coerente.
La lezione che tale movimento offre al settore privato è scomoda: se una burocrazia di quella scala e di quella rigidità storica è stata capace di riorganizzarsi per integrare l'IA in modo operativo, la spiegazione più onesta del perché le aziende private non lo facciano non è mancanza di risorse né mancanza di talento. È mancanza di volontà di assumersi il costo politico interno di cambiare chi decide cosa, come e con quale velocità.
L'analisi di Cukor sulla differenza tra aziende che eseguono esperimenti di IA e aziende che eseguono trasformazioni di IA punta esattamente a quel punto. Non è un problema di budget. È un problema di chi ai vertici è disposto a mettere il proprio nome sul fallimento intermedio che precede qualsiasi trasformazione profonda.
La maturità strutturale non è ciò che il sistema afferma di avere
C'è una fragilità specifica che emerge prima che il problema sia visibile. Le organizzazioni che falliranno nella loro trasformazione dell'IA non lo annunciano. Hanno roadmap, hanno laboratori, hanno Chief AI Officer con budget. Ma se si osserva da vicino la catena delle decisioni, emerge lo schema: le decisioni difficili, quelle che implicano l'eliminazione di processi o il cambiamento delle strutture di potere, non vengono mai prese. Vengono rinviate, trasformate in piloti, studiate. E il sistema continua a funzionare, con un'apparenza di modernizzazione, finché i concorrenti che hanno effettivamente preso quelle decisioni rendono impossibile ignorare il costo dell'inerzia.
Cukor descrive questo come un "regolamento dei conti dei colletti bianchi" che potrebbe essere peggiore dell'ondata di delocalizzazione industriale degli anni Settanta, ma più rapido e meno perdonabile. Non perché l'IA sia inevitabilmente sostitutiva dell'occupazione, ma perché le PMI — e le grandi imprese — che non riorganizzeranno le proprie strutture di decisione, approvazione e operazione si troveranno in una posizione di svantaggio cumulativo rispetto ai concorrenti che lo hanno fatto, siano essi occidentali o provenienti da economie asiatiche che stanno già trattando l'IA come infrastruttura operativa.
La differenza tra il Pentagono prima di Maven e quello dopo non è che oggi disponga di modelli migliori. È che ha imparato a sostenere una trasformazione con responsabilità esecutiva, con lo smantellamento di ciò che esisteva e con metriche che misuravano i risultati. Quell'apprendimento ha impiegato anni a consolidarsi ed è stato sul punto di collassare diverse volte. Le aziende private non hanno la stessa tolleranza al tempo, ma non hanno nemmeno la stessa scusa per ignorare lo schema.
Un sistema che sembra forte perché dispone di tecnologia avanzata, ma che non ha toccato la propria struttura decisionale né la propria catena di approvazioni, non è un sistema trasformato. È un sistema che ha comprato tempo. Quanto tempo dipende da quanto ci mettono i suoi concorrenti a fare ciò che esso ancora non ha fatto.
