La consulenza IA non è più un business di slide. Anthropic e OpenAI stanno trasformando il deployment dell’IA enterprise in un canale di servizi diretto, sostenuto da private equity, alleanze con grandi società di consulenza e ingegneri che lavorano dentro i workflow dei clienti finché il sistema va in produzione.
Questo cambia il mercato più di un nuovo modello. I laboratori non vogliono più vendere solo accesso API e aspettare che i consulenti traducano la capacità in cambiamento operativo. Vogliono una strada diretta verso team finance, underwriting desk, software delivery, support operations e ogni funzione in cui l’IA può generare risparmi misurabili.
Per chi compra, la domanda non è se Anthropic o OpenAI abbia la keynote migliore. La domanda è quale partner può trasformare la capacità del modello in sistemi affidabili senza lasciare dipendenza, vuoti di governance o teatro di trasformazione.
Il segnale: i laboratori diventano implementatori
Il 4 maggio 2026, Anthropic ha annunciato una nuova società di servizi IA enterprise con Blackstone, Hellman & Friedman e Goldman Sachs. L’organizzazione porterà Claude nelle operazioni più importanti di aziende di medie dimensioni, con il supporto dello staff Anthropic Applied AI. Tra i sostenitori ci sono anche General Atlantic, Leonard Green, Apollo Global Management, GIC e Sequoia Capital.
L’11 maggio 2026, OpenAI ha lanciato la OpenAI Deployment Company. È controllata e posseduta in maggioranza da OpenAI, parte con oltre 4 miliardi di dollari di investimento iniziale e si basa su Forward Deployed Engineers che lavorano dentro le organizzazioni clienti. OpenAI ha anche accettato di acquisire Tomoro, portando circa 150 specialisti di deployment dopo il closing.
Tre giorni dopo, PwC e Anthropic hanno ampliato la loro alleanza. PwC prevede di distribuire Claude Code e Cowork, creare un Center of Excellence congiunto e formare e certificare 30.000 professionisti PwC su Claude. PwC cita deployment in produzione: cicli di underwriting ridotti da dieci settimane a dieci giorni, lavoro di sicurezza passato da ore a minuti e miglioramenti di delivery fino al 70% in categorie specifiche.
Insieme, queste mosse dicono una cosa chiara: il deployment dell’IA enterprise è diventato abbastanza strategico perché i laboratori vogliano controllare più della fase di implementazione. È un mercato diverso dalla prima ondata ChatGPT Enterprise, in cui molti compravano licenze, avviavano piloti e speravano che i team interni completassero il resto.
Vediamo lo stesso passaggio nell’ingegneria. In Anthropic’s 2026 Agentic Coding Report: Orchestration Era, la lezione centrale era che il modello è solo una parte del sistema. Permissions, valutazioni, workflow, audit log e human review decidono se il lavoro agentico diventa affidabile. La corsa alla consulenza IA è la versione enterprise della stessa lezione.
Perché la spinta servizi di Anthropic conta
La mossa di Anthropic è interessante perché non sostituisce il Claude Partner Network. Aggiunge un modello di delivery accanto ad Accenture, Deloitte, PwC e altri integratori. Il target non sono solo le grandi multinazionali. Anthropic cita esplicitamente community bank, produttori di medie dimensioni, sistemi sanitari regionali e aziende che non hanno risorse interne per costruire deployment frontier.
Il posizionamento è forte. La parte difficile della consulenza IA non è più spiegare cos’è un large language model. La parte difficile è trovare un workflow in cui Claude rimuova abbastanza attrito da giustificare il cambiamento, poi costruire intorno processo umano, accesso ai dati, controlli e feedback loop. Le aziende mid-market hanno spesso processi preziosi e sistemi disordinati, ma non abbastanza platform engineering per trasformare un pilota in un prodotto duraturo.
Anthropic sta anche spingendo una narrativa di fiducia. Claude è già associato a sicurezza enterprise, affidabilità nel coding e deployment misurato. La nuova società di servizi estende questa storia nell’esecuzione. Se Claude può essere incorporato in medical coding, compliance review, underwriting, finance close e modernizzazione software, Anthropic vende più di licenze. Vende un modello operativo.
Ecco perché l’espansione con PwC conta. PwC non promette solo training. Collega Claude al lavoro dell’ufficio CFO, a settori regolati, deal, engineering e modernizzazione mainframe. Sono domini ad alto attrito, dove l’adozione generica di copilot raramente sopravvive ad approvazioni, controlli e sistemi legacy.
Per chi compra, il vantaggio è evidente: accesso più stretto all’esperienza Anthropic e un partner di delivery con capitale e portata di portafoglio. Anche il rischio è evidente: più l’implementazione diventa specializzata intorno a Claude, più il cliente deve chiedere quanto resta portabile il workflow se cambiano economics, disponibilità o policy del modello.
Perché la Deployment Company di OpenAI conta
La mossa di OpenAI è più diretta. La OpenAI Deployment Company è posseduta e controllata in maggioranza da OpenAI, usa il modello dei Forward Deployed Engineers e parte con oltre 4 miliardi di dollari di investimento iniziale. OpenAI afferma che la società collegherà i modelli a dati, tool, controlli e processi core dei clienti, così che le organizzazioni possano usare sistemi IA affidabili nel lavoro quotidiano.
Conta perché OpenAI ha già trazione consumer, attenzione degli sviluppatori e momentum enterprise. Nella nota enterprise dell’8 aprile 2026, OpenAI ha scritto che l’enterprise rappresenta oltre il 40% dei ricavi ed è sulla traiettoria per raggiungere la parità con il consumer entro la fine del 2026. La stessa nota posizionava OpenAI sia come società di ricerca sia come società di deployment, con Frontier come livello operativo per agenti aziendali.
La strategia è questa: ChatGPT è l’interfaccia familiare, OpenAI Frontier è il control layer enterprise, Codex è il wedge ingegneristico e DeployCo è il team che entra nei workflow complessi del cliente. L’acquisizione di Tomoro aggiunge capacità pratica dal primo giorno, con circa 150 ingegneri e specialisti attesi dopo il closing.
Anche la lista degli investitori è significativa. TPG guida la partnership, Advent, Bain Capital e Brookfield sono co-lead founding partners, e OpenAI cita società di consulenza e integrazione come Bain & Company, Capgemini e McKinsey & Company. Questo porta OpenAI vicino agli stessi boardroom che finora compravano strategie IA dalle grandi società di consulenza.
Si inserisce nel modello che abbiamo analizzato in OpenAI's $122B Funding Round: What the $852B Valuation Tells Us About Enterprise AI. OpenAI sta costruendo un flywheel: infrastruttura, modelli, prodotti, sviluppatori, deployment enterprise e capitale. DeployCo non è una deviazione. È parte della macchina di distribuzione.
Cosa cambia per gli incumbent della consulenza IA
Le società di consulenza tradizionali non spariscono. Alcune sono ora investitori, partner o entrambe le cose. È proprio questo l’aspetto strano. Le aziende che storicamente vendevano programmi di trasformazione stanno finanziando o abilitando strutture che potrebbero comprimere parti degli stessi programmi.
La pressione arriva in tre punti.
Primo, la consulenza IA solo strategica perde forza. Un buyer può chiedere: se Anthropic, OpenAI, PwC, McKinsey, Capgemini, Bain e sponsor private equity vendono tutti deployment, perché pagare per un’altra roadmap astratta? Le roadmap servono ancora, ma solo se sono collegate a capacità di build, risultati misurabili e ownership chiara.
Secondo, l’integrazione generica viene compressa. I laboratori possono pacchettizzare pattern preferiti, deployment engineers, valutazioni, security controls e accesso alle roadmap frontier. Gli integratori vincono ancora su change management, conoscenza di settore, procurement, ERP e scala globale. Ma dovranno dimostrare meglio di saper consegnare workflow IA nativi, non solo wrapper intorno a un’API di modello.
Terzo, gli studi boutique di IA affrontano una soglia più alta. Un piccolo team non batte OpenAI o Anthropic su capitale, accesso ai modelli o portata dei loghi. Può batterli su velocità, specializzazione, franchezza e capacità di costruire esattamente ciò che serve al cliente senza trasformare ogni engagement in un programma trimestrale.
È qui che si apre lo spazio per team come Context Studios. La risposta giusta non è fingere che i laboratori siano irrilevanti. La risposta giusta è diventare il team di cui i buyer si fidano quando hanno bisogno di un workflow in produzione, un prototipo funzionante, un pattern di governance o un’automazione interna consegnata abbastanza velocemente da mantenere viva la curva di apprendimento.
Le prove battono i loghi nel deployment IA enterprise
Il mercato della consulenza IA diventerà più rumoroso. I buyer dovrebbero ignorare gran parte del rumore e chiedere prove.
Un partner credibile dovrebbe mostrare sistemi funzionanti, non solo badge. Dovrebbe spiegare come funzionano i permessi sui dati, dove vivono gli audit log, come vengono valutati prompt e tool, come si escalano gli errori, cosa approvano gli umani, cosa viene rollbackato e quali metriche decidono se il deployment sopravvive dopo la prima demo.
Per questo il design deterministico dei workflow conta. In Archon Workflow Marketplace: Deterministic AI Coding at Scale, l’idea centrale era semplice: i workflow agentici hanno bisogno di route esplicite che gli umani possano revisionare. Lo stesso vale fuori dal software engineering. Un agente finance, un assistente underwriting, un flusso di support triage o un procurement copilot ha bisogno di route, confine e record.
La sicurezza non si aggiunge dopo. In Security Harnesses, Not Vibes: Vercel deepsec, abbiamo sostenuto che la code review IA diventa utile solo quando è legata a harness ripetibili. Il deployment IA enterprise richiede lo stesso approccio: threat model, suite di valutazione, approval gate, vincoli privacy, incident response e controlli operativi noiosi.
La prova migliore non è una demo perfetta. È una traccia di decisioni e misure:
- il costo del processo prima dell’IA;
- il primo workflow scelto e il perché;
- dati e tool collegati;
- vincoli di sicurezza e compliance;
- il set di valutazione prima del lancio;
- i punti di approvazione umana;
- la metrica di adozione dopo il lancio;
- i casi di errore che hanno generato redesign.
Questa evidenza separa implementazione da teatro. Protegge anche i buyer dal vendor lock-in mascherato da trasformazione.
Come scegliere un partner di deployment IA
Il partner giusto dipende dal problema.
Se un’azienda deve gestire trasformazione a livello board su molte business unit, una Big Four o un integratore globale può restare l’ancora giusta. Possono gestire stakeholder, procurement, comitati di governance, training e cambiamento operativo pluriennale. Se l’azienda è già profonda su Claude o OpenAI, un team vicino al laboratorio può accorciare il percorso da capacità a produzione.
Se l’azienda ha bisogno di velocità, uno studio boutique può essere la scelta migliore. Il boutique utile non compete promettendo un metodo più grande. Compete consegnando una fetta più piccola più velocemente: un workflow, un’automazione, un agente, un evaluation harness, un control layer, un miglioramento misurabile.
La checklist del buyer deve essere diretta:
- Il partner può nominare il workflow che cambierà nei primi 30 giorni?
- Può costruire con i tool e i permessi reali dell’azienda?
- Può spiegare un fallback modello se il provider preferito cambia prezzo, policy o qualità?
- Può mostrare eval prima del lancio e log dopo il lancio?
- Rende il team più forte, non più dipendente?
- Collega il successo a metriche operative invece che a teatro di adozione?
È lo stesso bias operativo dietro The GSD Framework: How to Make AI Agents Actually Ship. Il lavoro agentico migliora quando lo scope è abbastanza piccolo da essere consegnato, i checkpoint sono espliciti e il feedback loop è corto. Il deployment IA enterprise non è diverso. Ha solo più stakeholder e conseguenze più alte.
FAQ
Cos’è la corsa alla consulenza IA?
La corsa alla consulenza IA è la competizione tra laboratori di modelli, società di consulenza, sponsor private equity e studi boutique per controllare il deployment IA enterprise. Riguarda la trasformazione della capacità del modello in workflow di produzione, non solo la vendita di licenze o slide.
La società di servizi di Anthropic, la OpenAI Deployment Company e il rollout Claude di PwC sono esempi dello stesso spostamento: la capacità di implementazione diventa strategica.
Perché Anthropic e OpenAI entrano nella consulenza?
Anthropic e OpenAI entrano nella consulenza perché il valore enterprise dipende dal deployment. I modelli producono impatto solo quando si collegano a workflow, dati, tool, approvazioni, controlli di sicurezza e metriche di adozione.
Costruendo o sostenendo team di deployment, i laboratori riducono l’attrito tra capacità e ricavi e imparano direttamente dalle operazioni dei clienti.
Le società di consulenza tradizionali diventano obsolete?
No. Le società tradizionali restano importanti per change management, procurement, compliance, training e trasformazione su larga scala. Però il lavoro IA solo strategico diventa più debole quando i buyer possono chiedere sistemi consegnati e risultati misurabili.
Vinceranno le società che combinano profondità di dominio, capacità di build e prove di performance in produzione.
Conviene scegliere Anthropic, OpenAI o uno studio indipendente?
Le aziende dovrebbero scegliere in base a workflow, rischio e indipendenza desiderata. Team allineati con Anthropic o OpenAI possono offrire accesso profondo al modello. Studi indipendenti possono offrire velocità, flessibilità sui provider e focus esecutivo più stretto.
Spesso il pattern più sicuro è ibrido: usare l’expertise dei laboratori dove conta, ma mantenere portabili architettura, dati, eval e governance.
Cosa chiedere prima di firmare un engagement di consulenza IA?
I buyer dovrebbero chiedere il primo workflow, la metrica di produzione, il piano di valutazione, il modello di sicurezza, i punti di approvazione umana, il percorso di rollback e il piano di portabilità. Senza queste risposte, l’engagement è ancora un pitch, non un piano di implementazione.
Un buon partner dovrebbe mostrare come l’organizzazione sarà più forte dopo il progetto, anche se il vendor cambia.
Conclusione: il deployment è il moat adesso
Anthropic e OpenAI non stanno combattendo solo per la preferenza sul modello. Stanno combattendo per il livello in cui i modelli diventano cambiamento operativo.
È positivo per il mercato. Dovrebbe eliminare la consulenza IA debole e costringere ogni provider a mostrare prove. Dovrebbe anche rendere i buyer più esigenti. Il logo nella slide conta meno del workflow che va live, dei controlli che reggono e della metrica che si muove.
Per gli studi boutique di IA il messaggio è chiaro: non competere con i laboratori sul capitale. Competere sull’esecuzione. Essere più veloci, più specifici, più onesti e più utili nel punto esatto in cui un team reale deve cambiare il modo in cui lavora.
È lì che si vincerà l’IA enterprise: non nella keynote, ma nel mezzo disordinato tra capacità e produzione.