Il 2026 ha segnato per il mercato dei modelli linguistici di grandi dimensioni un punto di discontinuità che difficilmente potrà essere riassorbito. Quello che fino a diciotto mesi fa appariva come un monopolio sostanziale di OpenAI sull’intelligenza artificiale generativa di consumo si è frantumato in un ecosistema competitivo articolato, dove almeno sei piattaforme conversazionali si contendono attenzione, sessioni d’uso e contratti enterprise. Il dato non è soltanto numerico: riguarda la riorganizzazione di un’intera infrastruttura informativa, quella attraverso cui centinaia di milioni di persone formulano domande, ricevono risposte e prendono decisioni di acquisto.
In questo scenario, l’adozione aziendale degli LLM (Large Language Models) ha smesso di essere una sperimentazione confinata ai dipartimenti di innovazione per diventare un dato infrastrutturale del marketing, del customer care, della ricerca interna e della generazione documentale. I numeri pubblicati nel 2025 e nel primo semestre del 2026 da ISTAT, dall’Osservatorio Artificial Intelligence del Politecnico di Milano, da Statcounter e da Similarweb consentono per la prima volta di leggere questa transizione con dati consolidati, non più con proiezioni di tendenza.
L’analisi che segue mette a confronto due geografie distinte — quella italiana e quella internazionale — per ricostruire un quadro che ogni direzione marketing dovrebbe oggi avere ben presente: dove si trovano effettivamente gli utenti, quali modelli stanno usando, con quali finalità professionali e, soprattutto, quali sono le implicazioni strategiche per chi non intende vedere il proprio brand scomparire dalle risposte generate dai motori conversazionali.
La fine del monopolio: come si è ridisegnata la mappa globale degli LLM
Per quasi due anni, parlare di intelligenza artificiale generativa di consumo ha significato parlare di ChatGPT. Tra il 2023 e la prima metà del 2024, la piattaforma di OpenAI deteneva una quota di mercato delle interfacce conversazionali stimata intorno all’ottantasette per cento. I dati aggregati pubblicati da Statcounter e Similarweb a maggio 2026 raccontano però uno scenario profondamente diverso: ChatGPT mantiene la leadership, ma la sua quota globale è scesa in una forbice compresa tra il sessanta e il sessantotto per cento, pur conservando un volume di traffico stimato intorno ai cinque miliardi e mezzo di visite mensili.
A erodere questa dominanza non è stato un singolo concorrente, ma la combinazione di più alternative che hanno saputo presidiare nicchie specifiche. Google Gemini ha raddoppiato la propria quota nell’arco di dodici mesi, attestandosi tra il quindici e il venticinque per cento grazie all’integrazione con l’ecosistema Workspace, Android e Search e a una multimodalità avanzata che ha intercettato l’utenza meno tecnica. Microsoft Copilot, leva strategica del bundle Office, oscilla tra il quattro e mezzo e il dodici e mezzo per cento. Perplexity AI, posizionatosi come motore di ricerca generativo con citazioni esplicite delle fonti, viaggia tra il cinque e l’otto per cento. Claude di Anthropic, penetrato in profondità nel segmento sviluppatori e nei contesti aziendali ad alta complessità, si muove tra il due e il sei per cento, ma con tassi di crescita relativi tra i più alti dell’intera categoria. Chiude il quadro DeepSeek, focalizzato sugli ambienti di sviluppo, in una forbice tra l’uno e mezzo e il quattro per cento.
La conseguenza strategica di questa frammentazione è netta: non esiste più una sola piattaforma su cui un brand possa concentrare i propri sforzi di visibilità conversazionale. Ogni LLM ha un proprio bacino di utenti, una propria pipeline di dati prevalente e una propria logica di selezione delle citazioni in risposta. Approfondire questo nuovo paradigma è una delle ragioni per cui abbiamo costruito una guida dedicata alla Generative Engine Optimization (GEO), la disciplina che si occupa proprio di posizionare entità e contenuti dentro le risposte sintetizzate dagli LLM.
I numeri italiani: un’adozione che è raddoppiata in dodici mesi
Il caso italiano è particolarmente eloquente, perché racconta il passaggio compiuto da un Paese tradizionalmente cauto sull’innovazione digitale verso un’integrazione strutturale dell’intelligenza artificiale nei processi produttivi. Secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, incrociati con le rilevazioni del Ministero del Lavoro, il mercato italiano dell’IA ha raggiunto 1,2 miliardi di euro nel 2024, registrando un incremento del cinquantotto per cento rispetto all’anno precedente. Di questo valore complessivo, la sola IA generativa pesa per il quarantatré per cento degli investimenti — un dato che segnala come gli LLM non siano più un complemento, ma il cuore della spesa innovativa.
Ancora più significativi sono i numeri ISTAT contenuti nel report annuale Imprese e ICT pubblicato a fine 2025. Nelle aziende italiane con almeno dieci addetti, l’uso dell’intelligenza artificiale è passato dal cinque per cento del 2023 all’otto virgola due per cento del 2024, per arrivare al sedici virgola quattro per cento del 2025. In due anni l’adozione è triplicata. Si tratta della crescita più rapida mai registrata su un parametro di digitalizzazione strutturale nel tessuto produttivo italiano.
Dentro questa progressione, il dato più rivelatore riguarda la specifica crescita dei sistemi RAG (Retrieval-Augmented Generation): i casi d’uso in cui un LLM viene combinato con basi di conoscenza aziendali — manuali, normative, documentazione tecnica, archivi commerciali — sono cresciuti dell’ottantasei per cento in un solo anno. Non si tratta più, dunque, di un’intelligenza artificiale impiegata per giocare con il linguaggio, ma di un’infrastruttura che interroga e sintetizza il patrimonio informativo interno delle organizzazioni.
Grandi imprese e PMI: il divario strutturale che pesa sul Paese
Il dato aggregato sull’adozione nasconde un fenomeno meno rassicurante. Quando lo si scompone per dimensione aziendale, la fotografia ISTAT mostra una sproporzione marcata: il cinquantanove per cento delle grandi imprese italiane utilizza già tecnologie di intelligenza artificiale, mentre il tasso crolla drasticamente nelle piccole e medie imprese, dove la maggior parte delle organizzazioni non ha ancora integrato in modo sistematico nessuna applicazione basata su LLM nei propri processi.
Le ragioni di questo divario non sono economiche, almeno non in prima battuta. Le grandi aziende hanno risorse interne — data scientist, dipartimenti di innovazione, partnership con system integrator — che permettono loro di sperimentare e di scalare rapidamente le soluzioni più promettenti. Le PMI italiane, al contrario, lamentano in modo trasversale una carenza di competenze tecniche interne sufficienti a valutare i fornitori, configurare i flussi di lavoro e misurare il ritorno sull’investimento. È un divario di alfabetizzazione, prima che di portafoglio.
A questo si somma una geografia ineguale dell’innovazione. Lombardia e Veneto guidano l’adozione nazionale con quote superiori alla media, mentre interi distretti produttivi del Centro-Sud restano sotto la soglia minima. Il rischio è che la dinamica si autoalimenti: le aziende che integrano oggi gli LLM nei processi di vendita, customer care e produzione documentale accumulano un vantaggio competitivo che, nel giro di pochi trimestri, diventa difficilmente colmabile. Non si tratta più di scegliere se introdurre l’intelligenza artificiale generativa, ma di decidere quanto rapidamente farlo prima che il gap con la concorrenza diventi strutturale.
L’Europa tra adozione diffusa e sovranità tecnologica
Allargando lo sguardo all’Unione Europea, lo scenario complessivo è di adozione mediamente più rapida rispetto a quella italiana, pur dentro un quadro regolamentare significativamente più stringente. Già nel 2024 la media di adozione dell’IA nelle aziende dell’area UE27 si attestava intorno al tredici virgola cinque per cento, percentuale che l’Italia ha superato soltanto nel corso del 2025. In termini di posizionamento competitivo, dunque, il Paese sta recuperando il ritardo accumulato, ma da una posizione di partenza arretrata.
Il tratto distintivo dell’approccio europeo è la combinazione tra spinta all’adozione e tentativo di costruire una sovranità tecnologica sugli LLM. L’entrata a pieno regime dell’AI Act ha definito un perimetro normativo che impone obblighi specifici di trasparenza, valutazione del rischio e tutela dei dati. Allo stesso tempo, investimenti pubblici e privati si stanno concentrando su modelli open-source addestrati su infrastrutture europee — il caso più visibile è Mistral in Francia, ma analoghe iniziative procedono in Germania, Spagna e in alcuni progetti consortili italiani — con l’obiettivo dichiarato di ridurre la dipendenza dai fornitori statunitensi e cinesi.
La conseguenza, dal punto di vista di chi si occupa di marketing e comunicazione, è che lo scenario europeo offrirà nei prossimi anni una pluralità di LLM ancora maggiore di quella attuale, con modelli specializzati per lingua, settore e contesto regolamentare. La visibilità di un brand sulle risposte generative non sarà più un problema riconducibile a una sola piattaforma: sarà un problema distribuito su un ecosistema in cui il presidio dell’autorevolezza informativa diventa una competenza permanente, non un progetto a termine.
Stati Uniti: la migrazione professionale verso Claude e Perplexity
Gli Stati Uniti restano il mercato leader assoluto per volumi d’uso, investimenti e sviluppo. Oltre il settantatré per cento delle aziende incluse nella classifica Fortune 500 ha aumentato gli investimenti in chatbot e LLM tra il 2024 e il 2025, secondo le rilevazioni incrociate di più istituti di analisi. Ma il dato più interessante non è quantitativo: riguarda la segmentazione dell’uso.
Le rilevazioni di Apptopia e le analisi di traffico di Similarweb mostrano una migrazione professionale verso modelli specifici. Mentre ChatGPT continua a essere lo strumento più diffuso tra studenti e nell’uso generico, le aziende e gli studi professionali statunitensi stanno spostando in modo aggressivo i carichi di lavoro ad alta densità cognitiva — analisi legale, due diligence finanziaria, programmazione software complessa, ricerca scientifica — verso Claude e Perplexity. Il primo è apprezzato per la capacità di gestire contesti molto ampi e per le policy stringenti sul trattamento dei dati; il secondo per la trasparenza delle fonti citate, requisito non opzionale in contesti regolati.
Il significato strategico di questa segmentazione è che gli LLM non sono più intercambiabili. Un utente che cerca un’opinione informale e un partner di acquisto in una conversazione di consumo userà probabilmente ChatGPT o Gemini. Un’utente che valuta un fornitore B2B (business-to-business), confronta termini contrattuali o seleziona un partner tecnologico opera molto spesso su Claude o Perplexity. Per un brand, essere presente solo su una di queste piattaforme equivale oggi a essere invisibile per intere categorie professionali ad alto valore. È esattamente il fenomeno che proviamo a contrastare con il nostro lavoro di LLM Authority Building, pensato per garantire un presidio coerente del brand su tutti i principali motori conversazionali.
Dalla conversazione all’azione: agenti IA, sistemi RAG e nuovi casi d’uso
Il salto qualitativo più importante del 2026 non riguarda però la quantità di utenti né la frammentazione delle piattaforme. Riguarda la natura stessa dell’interazione con gli LLM. Per quasi tre anni questi modelli sono stati utilizzati come oracoli conversazionali: l’utente poneva una domanda, l’algoritmo restituiva una risposta. Nel corso del 2025 si è imposta una seconda generazione di applicazioni, gli agenti IA, capaci di eseguire azioni, navigare interfacce, completare flussi di lavoro multi-step in autonomia.
La conseguenza è che gli LLM hanno smesso di essere uno strumento di lettura per diventare uno strumento di esecuzione. Un agente può oggi consultare un’inbox aziendale, classificare i messaggi, redigere risposte preliminari, programmare meeting, aggiornare un CRM e produrre un report di sintesi a fine giornata. In parallelo, l’esplosione dei sistemi RAG nel tessuto aziendale italiano — l’ottantasei per cento di crescita citato in apertura — sta costruendo un’infrastruttura di knowledge management interna che, di fatto, sostituisce intere funzioni di documentazione e formazione.
A livello globale, il principale caso d’uso degli LLM nelle imprese non è più l’assistenza clienti, che si attesta intorno al trentasette per cento, ma le vendite e la generazione di lead, oggi al quarantuno per cento delle implementazioni. Le aziende che integrano LLM nei processi commerciali riportano aumenti di conversione legati alla rapidità delle interazioni: il sessantadue per cento degli utenti dichiara di preferire una risposta istantanea di un assistente conversazionale all’attesa di un operatore umano. È un riposizionamento profondo del rapporto tra cliente e brand, che incide direttamente sul modo in cui le aziende devono pensare la propria presenza informativa online — un tema che approfondiamo nella nostra guida alla content strategy in ottica AI.
Il rischio invisibilità: perché non essere citati significa non esistere
Tutto ciò che è stato analizzato fin qui converge su un punto che non riguarda la tecnologia, ma la geografia dell’attenzione. Quando un utente formula una domanda complessa a Claude, a Perplexity o a Gemini — “qual è il miglior fornitore di X per un’azienda manifatturiera in Lombardia”, “quali agenzie di link building lavorano con metodi white hat in Italia”, “quali sono le piattaforme di e-commerce headless più affidabili per il settore moda” — l’algoritmo non restituisce un elenco di dieci link blu. Restituisce una risposta sintetica che cita uno, due, al massimo tre brand. Tutti gli altri, semplicemente, non esistono per quell’utente in quel momento.
Questa è la mutazione che ridefinisce le regole del marketing digitale nel 2026. Per due decenni la visibilità di un’azienda è dipesa dalla capacità di posizionarsi nelle pagine di Google. Oggi, accanto a quella competizione che resta importante, se ne è aggiunta una nuova: la competizione per essere parte del training set degli LLM, della loro memoria di lungo periodo e, soprattutto, delle pipeline di retrieval che alimentano le risposte in tempo reale. Un brand citato da fonti autorevoli — testate giornalistiche di rango, riviste verticali, documentazione editoriale strutturata — entra in queste pipeline. Un brand invisibile alle fonti autorevoli viene semplicemente saltato dall’algoritmo, indipendentemente dalla qualità reale dei suoi prodotti o servizi.
È qui che la frammentazione del mercato degli LLM smette di essere una curiosità statistica e diventa un problema operativo. Presidiare un solo motore generativo non basta più: occorre costruire un’autorevolezza informativa trasversale, riconoscibile da ChatGPT, da Gemini, da Claude, da Perplexity e dai modelli che emergeranno nei prossimi diciotto mesi. È un lavoro che si fa attraverso la digital PR strutturata, il link building editoriale su domini ad alto trust e la costruzione di un’identità di entità coerente nei dataset che alimentano i modelli — esattamente il perimetro su cui lavoriamo da anni e che abbiamo dettagliato nella nostra guida operativa alla link building.
Da qui in avanti: una scelta di presidio
Se sei arrivato fin qui, hai davanti un quadro che difficilmente lascia spazio all’attendismo. I numeri ISTAT confermano che le aziende italiane stanno integrando gli LLM nei propri processi a una velocità che non ha precedenti. I dati Statcounter e Similarweb dimostrano che la conversazione tra utenti e algoritmi non si svolge più su un’unica piattaforma. Le rilevazioni statunitensi mostrano come la migrazione professionale verso modelli specializzati stia ridisegnando il modo in cui decisori, buyer e investitori cercano informazioni. In tutto questo, il rischio per un brand non è di perdere posizioni: è di sparire del tutto dalle risposte che gli utenti riceveranno nei prossimi mesi.
In TiLinko lavoriamo dal 2009 su questa frontiera, prima nella forma tradizionale della digital PR e del link building su testate ad alta autorevolezza, oggi anche nella declinazione più recente dell’LLM Authority Building, la disciplina che abbiamo costruito proprio per garantire ai brand una presenza coerente e citata dentro le risposte dei motori conversazionali.
Se la mappa che abbiamo tracciato qui sopra ti riguarda — e quasi certamente ti riguarda, se operi in un settore in cui i tuoi clienti pongono domande complesse prima di acquistare — il momento per costruire un presidio strutturato sugli LLM è ora, non al prossimo riposizionamento competitivo. Contatta la nostra redazione per una consulenza preliminare approfondita: analizzeremo insieme la visibilità attuale del tuo brand sui principali motori conversazionali e definiremo un percorso editoriale e di link building coerente con il tuo posizionamento.