/ AI PMI

Google I/O 2026: il costo nascosto della velocità

Da Gemini Spark che lavora a laptop chiuso a Gemini Omni che genera video da qualsiasi input: gli annunci di Google I/O 2026 spostano l’asticella più in alto. Per una PMI il problema non è la velocità del vendor — è il costo cognitivo e organizzativo che ogni nuovo strumento porta con sé.

Il 19 maggio Google ha tenuto il keynote di I/O 2026 e ha annunciato cento novità che saranno man mano introdotte. Cento è il numero dichiarato dal blog ufficiale, non un’iperbole. Tra modelli nuovi, agenti, piattaforme di sviluppo, occhiali intelligenti e carrelli universali per lo shopping, il messaggio implicito è che l’anno scorso era già vecchio e bisogna ripartire da capo.

Per chi guida una PMI italiana questa non è una notizia tecnologica. È una decisione che arriva sulla scrivania: cosa adottare, cosa lasciare passare, a quale velocità correre. Vorrei provare a rispondere senza fare il recap di tutto quello che è stato annunciato, ma usando tre cose specifiche, Spark, Omni e Antigravity, per ragionare su un punto che nei keynote non viene mai detto: ogni nuovo strumento ha due costi nascosti che non finiscono sulla fattura.

Cosa è cambiato a I/O 2026 (la sintesi per chi non scrive codice)

Se si toglie il rumore, gli annunci che contano per chi prende decisioni di adozione sono quattro.

Gemini 3.5 Flash è il nuovo modello di default. Da subito, in tutto il mondo, dentro la app di Gemini e dentro AI Mode sulla Search di Google. Non c’è bisogno di aggiornare o sottoscrivere niente: se hai aperto Gemini il 19 maggio, lo stavi già usando.

Gemini Spark è il pezzo nuovo più importante. Google lo descrive come “il tuo agente AI personale 24/7” che lavora in background sul telefono o sul laptop “anche quando sono spenti”. Si collega a Workspace — Gmail, Calendar, Docs, Slides — e può eseguire compiti per conto tuo: sintetizzare note di meeting, preparare bozze di email, gestire workflow ricorrenti. Per ora è in rilascio limitato (trusted tester, poi abbonati Ultra negli USA), e Google stesso scrive che “sta dando priorità alla sicurezza in questo primo rilascio”.

Gemini Omni è un modello generativo multimodale: prende in input qualsiasi cosa (testo, immagine, video, audio) e produce in output un video coerente. Tutto quello che genera include il watermark SynthID di Google per identificare i contenuti AI.

Antigravity 2.0 è la piattaforma di sviluppo agentico: permette di orchestrare più agenti in parallelo, far lavorare un agente sul codice mentre un altro genera asset grafici, con sub-agenti che si coordinano tra loro.

Takeaway: la direzione non è più “AI che ti assiste”. È “AI che agisce per te”. Spark lavora a laptop chiuso. Antigravity orchestra agenti che si parlano tra loro. È un cambio di paradigma, non un upgrade.

Il primo costo nascosto: la fiducia

Spark è un caso interessante perché Google lo presenta in modo trasparente: opera “sotto la tua direzione”, scegli tu se attivarlo, ed è progettato per chiederti conferma prima di azioni rilevanti. È il rilascio più cauto che ricordi per un prodotto Google: trusted tester prima, abbonati Ultra USA poi, beta. Quando un vendor frena così tanto sulla velocità di rilascio del proprio prodotto di punta, vale la pena chiedersi perché. Soprattutto se i competitor ci sono già.

La risposta è semplice. Un agente che lavora in background con accesso a Gmail, Calendar, Docs e ai dati di un’organizzazione non è uno strumento di produttività:è una scelta di data governance. Decidere che un sistema autonomo legga le mie email e ne scriva di nuove per conto mio significa concedere fiducia su due piani: che il sistema interpreti correttamente cosa va fatto, e che chi controlla quel sistema (in questo caso Google) lo faccia in modo conforme a come io tratto quei dati.

Per una PMI italiana questa non è una questione astratta. I dati che Spark elabora ricadono sotto GDPR? Le bozze che genera possono contenere informazioni che non dovrebbero uscire dall’azienda? Se Spark prende un’azione sbagliata — manda un’email al cliente sbagliato, conferma un appuntamento che non doveva confermare — chi risponde? Sono domande che oggi non hanno risposte preconfezionate, e che richiedono un passaggio in più prima di attivare lo strumento.

Tre domande di governance prima di attivare un agente AI con accesso ai dati aziendali

  1. Quali categorie di dati l’agente può leggere e quali deve poter solo scrivere? (Asimmetria di permessi)
  2. Quali azioni possono essere autonome e quali richiedono conferma umana? (Tracciabilità delle decisioni)
  3. Esiste un log auditabile di cosa l’agente ha fatto e quando? (Responsabilità ex-post)
I/O Google 2026 e la data governance

Non sono domande tecniche, sono domande di processo da farsi prima di accendere lo strumento, non dopo che ha fatto qualcosa di imprevisto.

Il secondo costo nascosto: il tempo di apprendimento

Gemini Omni illustra bene l’altro costo. Generare un video da un’immagine più un prompt testuale più un riferimento vocale è uno strumento potente, ma richiede un modello mentale diverso da “scrivo cosa voglio in una casella di testo”. Bisogna imparare a comporre input multimodali, a capire quale combinazione produce il risultato desiderato, a riconoscere quando il modello sta confondendo riferimenti che pensavi fossero chiari.

Non è una critica a Omni. È che ogni 6-12 mesi lo strumento di riferimento cambia. Tre anni fa il modello mentale era “scrivi un prompt a ChatGPT”. Due anni fa erano i prompt strutturati con role, context, constraints. Un anno fa erano i workflow agentici. Oggi sono input multimodali e orchestrazione di sub-agenti. Tra sei mesi qualcos’altro.

Il punto non è che prima dell’AI non servisse imparare gli strumenti, è ovvio che la necessità c’era anche prima. Il punto è che oggi il tempo di vita utile della competenza acquisita si è accorciato. Hai investito due settimane di tuo team su prompt engineering nel 2024? Buona parte di quel sapere è già obsoleto.

I dati di Gallup di aprile 2026, su un campione di 1.572 ragazzi tra 14 e 29 anni, raccontano questo paradosso meglio di mille spiegazioni: anche tra gli utenti quotidiani di AI, l’entusiasmo è sceso di 18 punti in un anno. Usano l’AI quanto prima ma piace molto meno. Il Pew Research Center a settembre 2025 segnala che il 50% degli adulti americani è più preoccupato che entusiasta dell’AI nella vita quotidiana, contro il 37% del 2021. Tredici punti in quattro anni.

Una tendenza controcorrente rispetto agli ambienti tecnologici delle Big Tech che invece montano l’hype, spingono a dashboard “ad alto tasso di token bruciati”.

Una considerazione interessante arriva dai commenti all’analisi che Alberto Romero ha fatto di questi dati. Ashley Striblet, una ex-ricercatrice Google scrive nei commenti al post di Romero: “un chatbot non è un modello mentale intuitivo per la persona media. La gente lo usa come un motore di ricerca, perché quale altro modello mentale ha?

Va presa per un’opinione, non un dato, ma cattura un punto importante: la curva di apprendimento di questi strumenti è ricorrente, non una tantum. E ricorrente significa: ogni volta che cambio lo strumento, devo rifare l’investimento.

Il costo organizzativo: agenti, processi, integrazione

Spark e Omni sono prodotti per il singolo utente. Antigravity 2.0, invece, è la piattaforma per costruire e orchestrare agenti dentro un’organizzazione. Sulla carta è bellissima: più agenti che lavorano in parallelo, sub-agenti che si coordinano, integrazione nativa con Workspace, Android, Firebase. Nella pratica significa che qualcuno nell’azienda deve disegnare quei flussi, validarli, manutenerli, capire cosa succede quando un agente fallisce.

I dati di mercato suggeriscono che questo è il punto in cui la maggior parte delle aziende si blocca. Il report 2026 di Writer, basato su un survey ai C-level, dice che il 79% delle organizzazioni ha difficoltà nell’adottare AI, dieici punti in più rispetto al 2025. Il 54% dei dirigenti afferma che adottare AI “sta lacerando l’azienda”. E questo nonostante il 59% delle aziende investa più di un milione di dollari all’anno in tecnologia AI.

Una survey McKinsey citata in un’analisi del 2026 aggiunge un altro tassello: solo l’1% dei dirigenti considera l’adozione AI della propria azienda matura. La maggioranza è in fase POC, proof of concept che quasi mai diventano produzione.

Il problema non è “AI sì o AI no”. È capire dove integrarla senza rompere processi che oggi funzionano. Ogni nuovo strumento porta con sé tre costi che non vanno nel budget IT: il tempo che il team impiega per impararlo, la complessità di farlo dialogare con ciò che già esiste, e il carico mentale di decidere quando usarlo e quando no.

Un criterio per decidere: tre filtri prima di adottare

Per uscire dalla logica del “tutto subito” propongo tre filtri da applicare a qualunque strumento AI prima di portarlo in azienda. Non sono certezze, sono domande.

Filtro reversibilità. Se questo strumento non funziona, posso disinstallarlo senza perdere dati o senza dover rifare il processo? Se la risposta è no, se attivarlo significa migrarci dentro dati che poi non posso più portare via, o se cambia un workflow in modo irreversibile, il livello di prudenza richiesto sale parecchio.

Filtro carico cognitivo. Quante persone del team devono impararlo, e quante ore servono nei primi trenta giorni perché diventi produttivo? Uno strumento che richiede dieci ore di formazione a venti persone costa duecento ore di lavoro che non stai facendo. Se quelle duecento ore non sono compensate da un beneficio concreto e misurabile, lo strumento sta drenando risorse, non aggiungendole.

Filtro sostituzione. Cosa smetto di fare (o di pagare) quando questo strumento entra? Se la risposta è “niente”, probabilmente è solo un costo in più che si somma a quelli che hai già. Gli strumenti AI dovrebbero sostituire qualcosa: un task ripetitivo, un tool obsoleto, un processo manuale. Se si aggiungono senza sostituire, stai accumulando.

Una matrice di valutazione semplice Su un asse: impatto sul business (alto/basso). Sull’altro: costo di apprendimento (alto/basso).

  • Alto impatto + basso apprendimento → adotta subito
  • Alto impatto + alto apprendimento → pianifica, non improvvisare
  • Basso impatto + basso apprendimento → spazio per esperimenti
  • Basso impatto + alto apprendimento → lascia perdere, costa più di quello che rende
Matrice valutazione impatto AI su business

Scegliere la propria velocità

I/O 2026 mostra dove sta andando il mercato dei vendor AI. Non dove deve andare la tua azienda. Sono due cose diverse, e confonderle è la prima ragione per cui le adozioni AI falliscono.

L’errore non è restare indietro. È correre dietro a ogni annuncio. Una PMI italiana che adotta Spark, Omni, Antigravity, Universal Cart, AI Inbox, Docs Live, Daily Brief e Google Pics tutti insieme nei prossimi sei mesi non sta facendo trasformazione digitale: sta accumulando debito cognitivo. E il debito cognitivo, come quello finanziario, prima o poi va ripagato, con glininteressi.

La velocità giusta è quella che la tua organizzazione può sostenere senza spezzarsi. È meno di quella che Google rilascia. Saperlo è già metà del lavoro.

Fonti