L'ascesa del cambio modello AI in ambito enterprise

Perplexity è l'unica piattaforma AI enterprise che fornisce accesso a modelli di vari provider in un'unica interfaccia. Nel frattempo, il 92% delle aziende Fortune 500, incluse sei delle Magnificent 7, utilizza Perplexity per ottenere risposte e prendere decisioni. Ciò ci offre una posizione unica per osservare come le aziende utilizzino effettivamente modelli AI differenti per task e team diversi.

I dati del 2025 rivelano un pattern chiaro: a parte i team di ingegneria, nessun modello ha superato il 17% di quota nell'utilizzo complessivo e, man mano che i modelli AI e gli utenti sono diventati più sofisticati, l'utilizzo tra i modelli si è frammentato sempre di più. A gennaio 2025, due modelli principali rappresentavano oltre il 90% dell'utilizzo enterprise. A dicembre, quattro modelli avevano ciascuno una quota superiore al 10% e persino il modello leader ha catturato solo circa il 23% delle query.

L'ascesa della forza lavoro multi-modello

I dati sull'utilizzo enterprise mostrano che i dipendenti trattano ora i modelli come un menu di opzioni, non come un singolo strumento predefinito. Tra i posti enterprise, il 12,5% si qualifica come utenti esperti, che interagiscono almeno 12 giorni su 28. Questi utenti esperti guidano l'esplorazione dei modelli: il 40% utilizza attivamente 6+ modelli, rispetto al 20% degli utenti regolari. Il pattern si estende anche a livello organizzativo. I primi 50 account enterprise utilizzano in media 30 modelli rispetto ai sette degli account tipici.

Come i team enterprise abbinano i modelli ai task

Le aziende leader nel settore AI hanno lanciato 46 nuovi modelli nel 2025 e Perplexity li ha offerti tutti entro 24 ore dal rilascio. Questo approccio basato sull'aggregatore ha risolto un grave problema di flusso di lavoro: i dipendenti possono passare da un modello all'altro senza dover gestire accessi o contratti separati.

Tra i clienti enterprise, il 43,6% delle organizzazioni ha utilizzato più di un modello in un dato momento durante il 2025, riflettendo un cambiamento decisivo lontano dalla standardizzazione su modello singolo e verso l'uso di più modelli. Il 9,1% degli utenti enterprise che hanno utilizzato più modelli nello stesso giorno indica un comportamento da utenti esperti che indirizzano task diversi a modelli diversi. Tra gli utenti che scelgono modelli specifici, il 53% ha cambiato modello almeno una volta durante una giornata lavorativa nel 2025, sottolineando quanto sia diventato routinario il passaggio da un modello all'altro per questo gruppo.

Specializzazione dei modelli per casi d'uso

Nel corso del 2025, gli utenti enterprise hanno selezionato un modello Claude per il 38% delle query di programmazione. A livello di organizzazione, il 40% delle imprese utilizza Claude come predefinito per la programmazione, mentre il 22% preferisce GPT.

Ma la programmazione è l'eccezione. Per ogni altra funzione, la leadership è meno chiara. A dicembre 2025, le preferenze variavano in base al tipo di task:

Arti visive: Gemini Flash (40%)

Analisi finanziaria: Gemini 3.0 Pro Ragionamento (31%)

Debug: Claude Sonnet 4.5 (30%)

Sviluppo software: Claude Sonnet 4.5 (29%)

Questioni legali/giudiziarie: modelli Claude Ragionamento (23%)

Ricerca medica: GPT-5.1 Ragionamento (13%)

Con il lancio di nuovi modelli, è probabile che queste preferenze cambino. Ciò che è leader oggi potrebbe non esserlo il prossimo trimestre.

Il panorama dei modelli continua a evolversi

All'inizio del 2025, Claude Sonnet 4 e GPT-4o rappresentavano insieme il 91,5% delle query enterprise (rispettivamente il 47,5% e il 44%). Verso la fine del 2025, i modelli principali si sono divisi più equamente tra i provider: 23,3% Gemini 3.0 Pro Ragionamento, 20,6% Claude Sonnet 4.5, 10,7% Claude Sonnet 4.5 Ragionamento e 7,9% GPT-5.

I nuovi modelli solitamente superano il 50% dell'utilizzo enterprise per alcuni giorni dopo il rilascio, poiché gli utenti sperimentano le nuove funzionalità (GPT-4.1 a fine aprile, GPT-5 a inizio agosto, GPT-5 Chat a fine ottobre). Tale dato cala rapidamente al massimo al 35% entro la settimana successiva. I modelli entrano ed escono dal favore degli utenti man mano che arrivano nuove versioni e i team perfezionano quale modello si adatta a quale lavoro.

Perché la flessibilità è meglio che scegliere un unico vincitore

Claude ha dominato per gli ingegneri, ma è stata l'eccezione. Per ogni altra funzione, i team si dividono tra diversi modelli a seconda del task. Quando il panorama cambia così rapidamente, l'accesso a ogni opzione conta più della scelta della migliore del momento.