Ex dirigente Microsoft: l'azienda ha perso la corsa all'intelligenza artificiale

Tra investimenti miliardari in data center, accordi con OpenAI e integrazione di Copilot in Windows 11, Microsoft 365 e GitHub, la società di Redmond ha cercato di presentarsi come il riferimento assoluto della nuova generazione software, capace di fare perno sulle funzionalità di intelligenza artificiale. Eppure qualcosa non sta funzionando come previsto. I numeri di adozione delle soluzioni AI Microsoft iniziano a mostrare crepe evidenti; i partner hardware fanno fatica a spiegare ai clienti il valore concreto degli AI PC; gli utenti enterprise, almeno in molti casi, continuano a usare i flussi di lavoro tradizionali.

Il dibattito è esploso dopo alcune dichiarazioni di Mat Velloso, ex dirigente Microsoft con oltre 12 anni di esperienza interna e diversi ruoli di primo piano ricoperti successivamente in Google DeepMind e Meta Superintelligence Labs. La critica di Velloso non arriva quindi da un osservatore esterno qualsiasi: Velloso ha lavorato direttamente su progetti AI e ha ricoperto anche il ruolo di advisor tecnico di Satya Nadella. Quando sostiene che Microsoft abbia “perso l’onda AI“ dopo aver mancato quella mobile, la reazione dell’intero settore non può farsi attendere.

Copilot ovunque, ma gli utenti non arrivano

Uno dei dati più discussi riguarda Microsoft 365 Copilot. Secondo le stime citate da Velloso e riprese da più analisti, Microsoft avrebbe convertito all’uso di Copilot circa 15 milioni di licenze su una base di oltre 450 milioni di utenti Microsoft 365. In pratica, un tasso di adozione attorno al 3,3%.

Il dato assume un peso diverso se confrontato con le cifre investite nell’infrastruttura AI. Microsoft ha destinato decine di miliardi di dollari alla costruzione di cluster GPU basati soprattutto su acceleratori NVIDIA Hopper e Blackwell, espandendo Azure AI in modo aggressivo. Redmond continua a sostenere che il ritorno economico arriverà nel medio periodo, ma gli investitori iniziano a chiedere risultati più tangibili.

Copilot, d’altra parte, appare integrato praticamente ovunque: barra delle applicazioni di Windows 11, Word, Excel, Outlook, Teams, Edge, GitHub e perfino funzionalità minori del sistema operativo. L’idea era semplice: aumentare l’esposizione delle funzionalità AI facendole diventare una componente quotidiana del desktop Microsoft. Il problema è che la presenza continua di un assistente AI come Copilot non coincide automaticamente con il suo utilizzo.

Molti utenti aziendali usano ancora workflow tradizionali basati su 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.

Velloso si chiede se, al di là di Copilot, Microsoft abbia davvero costruito prodotti AI capaci di risolvere problemi concreti oppure se abbia accelerato troppo l’integrazione di funzioni generative senza una reale domanda degli utenti.

Microsoft è partita dall’hardware, non da nuove esigenze software degli utenti

Uno degli elementi più controversi dell’intera operazione riguarda gli AI PC basati su NPU, cioè Neural Processing Unit dedicate all’esecuzione locale dei modelli AI. Microsoft ha spinto fortemente questa architettura con il programma Copilot+ PC, fissando nuovi requisiti hardware 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 acceleratori neurali dedicati. Sulla carta il vantaggio è evidente: inferenza locale, minore latenza, elaborazione offline e riduzione del carico cloud.

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 tanto che per molti clienti aziendali una CPU moderna e una GPU integrata continuano a essere sufficienti.

Velloso ha criticato apertamente proprio questo aspetto: OEM e partner hardware hanno investito pesantemente sulle NPU senza che Windows e Office offrissero casi d’uso realmente irrinunciabili. Microsoft avrebbe insomma cercato di creare domanda partendo dall’hardware anziché da esigenze software consolidate.

Inoltre le NPU moderne presentano ancora limiti tecnici importanti: la memoria condivisa riduce le prestazioni in alcuni workload; il supporto software dipende da runtime specifici come ONNX Runtime, DirectML e Windows AI API; molti modelli generativi avanzati restano troppo pesanti per l’esecuzione locale completa. Di conseguenza tante funzionalità continuano a dipendere dal cloud Azure.

GitHub Copilot e il problema dell’affidabilità

GitHub avrebbe dovuto rappresentare il caso perfetto per la monetizzazione AI: gli sviluppatori software sono tra gli utenti più inclini a sperimentare strumenti generativi; inoltre GitHub dispone di una quantità enorme di codice sorgente e dati tecnici.

Anche in questo caso emergono però segnali preoccupanti: Velloso ha segnalato che, per alcuni servizi collegati a GitHub e Copilot, il livello di affidabilità garantito dagli SLA (Service Level Agreement, cioè gli accordi che definiscono gli standard minimi di disponibilità e continuità del servizio) è sceso sotto il 90%. Per le moderne infrastrutture aziendali, valori di questo tipo sono generalmente considerati inaccettabili.

Il tema dell’affidabilità è cruciale. Gli strumenti AI generativi non funzionano come software deterministici tradizionali: i LLM (Large Language Models) possono produrre output errati, allucinazioni sintatticamente corrette o suggerimenti vulnerabili. Nel caso dello sviluppo software, il codice generato in maniera imperfetta può introdurre bug, problemi di sicurezza o regressioni difficili da individuare.

GitHub Copilot utilizza modelli OpenAI integrati nell’infrastruttura Microsoft Azure: ogni richiesta passa attraverso sistemi di orchestrazione complessi; aumentando il numero di utenti cresce anche il costo operativo, soprattutto lato GPU e networking. Il punto è che il modello economico dell’AI generativa non assomiglia a quello del software tradizionale: ogni query produce un costo reale di elaborazione. Se l’utente paga poco ma utilizza molto il servizio, i margini si comprimono rapidamente.

OpenAI inizia a competere direttamente con Microsoft

Per anni Microsoft ha costruito la propria forza enterprise grazie a una combinazione difficilissima da replicare: infrastruttura cloud, software desktop, directory aziendali, strumenti di collaborazione e una gigantesca rete commerciale globale.

Ora però la relazione con OpenAI diventa più complessa: il lancio della divisione DeployCo e l’assunzione di ingegneri dedicati all’implementazione AI nelle aziende Fortune 500 indicano una direzione molto chiara. La società di Sam Altman vuole controllare direttamente il rapporto con i clienti enterprise non limitandosi più a fornire modelli linguistici. OpenAI intende mette a disposizione servizi di consulenza, integrazione e personalizzazione invadendo il campo in cui Microsoft ha sempre storicamente dominato.

Se da un lato Microsoft resta il principale partner infrastrutturale di OpenAI attraverso Azure, contemporaneamente rischia di vedere erosa una parte della propria area più redditizia: i servizi enterprise ad alto valore.

Va detto però che sostituire Microsoft nelle grandi organizzazioni è estremamente difficile. Active Directory, sistemi Exchange, autenticazione Entra ID, SharePoint, Teams e Office formano una rete tecnologica profondamente radicata.

Windows 11 cambia direzione dopo le critiche

Uno degli aspetti più interessanti riguarda il recente cambio di atteggiamento del team Windows. Dopo anni di richieste ignorate, Microsoft ha iniziato a reintrodurre funzioni storicamente richieste dagli utenti: menu Start ridimensionabile, maggiore personalizzazione della barra delle applicazioni, ottimizzazioni delle applicazioni native e riduzione di alcuni componenti web-based. Ne abbiamo parlato nell’articolo sulle 25 novità che Microsoft introdurrà in Windows 11 nel 2026.

La società sta anche rivedendo diversi elementi Copilot integrati nel sistema operativo: alcune funzioni di sistema stanno perdendo il branding esplicito AI; altre tornano verso implementazioni native più leggere.

Molte applicazioni Windows moderne, inoltre, utilizzano wrapper basati su WebView2 e componenti Edge embedded: è una scelta che accelera lo sviluppo multipiattaforma ma introduce consumo RAM elevato, avvio più lento e maggiore frammentazione dell’interfaccia.

Gli utenti professionali hanno criticato soprattutto questi aspetti e dal canto suo Microsoft sembra aver finalmente capito che prestazioni, stabilità e qualità del desktop restano priorità assolute anche nell’era AI.

In parallelo l’azienda sta lavorando anche sulla qualità dei driver: dopo vari incidenti legati ad aggiornamenti problematici, Microsoft ha rafforzato i controlli WHQL e introdotto criteri più rigidi per driver kernel mode e componenti hardware sensibili.

Microsoft non è in crisi, ma l’AI da sola non basta

Nonostante le critiche, sarebbe sbagliato descrivere Microsoft come un’azienda in difficoltà. Azure continua a crescere; Windows resta dominante nel desktop enterprise; Office mantiene una posizione quasi irraggiungibile nella produttività aziendale.

Il vero problema riguarda le aspettative create attorno all’intelligenza artificiale generativa: per mesi il mercato ha immaginato una trasformazione immediata del software enterprise mentre la realtà è molto diversa.

Le aziende devono affrontare problemi concreti: governance dei dati, conformità con il GDPR e altre normative vigenti, gestione delle identità, costi GPU, auditing degli output AI, rischio di leakage informativo e integrazione con software legacy. Nessun modello linguistico elimina automaticamente questi ostacoli.

Velloso probabilmente ha ragione su un punto specifico: Microsoft ha cercato di forzare troppo rapidamente l’adozione AI dentro prodotti già maturi. Però la società conserva ancora il vantaggio più difficile da replicare: la distribuzione.

Milioni di aziende utilizzano ogni giorno Active Directory, Windows Server, Azure, Intune e Microsoft 365: costruire un agente AI in Python è relativamente semplice; integrarlo in modo sicuro dentro infrastrutture enterprise complesse è tutta un’altra storia.

L’AI generativa non cancella 40 anni di presenza nelle grandi organizzazioni, semmai costringe Microsoft a ripensare il modo in cui costruisce software. E bisogna concentrarsi su innovazione vera, che parta dalle esigenze degli utenti. Non su forzature controproducenti.