Il 95% dei progetti pilota di IA aziendale non produce risultati e il problema non è la tecnologia
La cifra è difficile da ignorare: il 95% dei progetti pilota aziendali di intelligenza artificiale generativa non produce alcun impatto finanziario misurabile. Non si tratta di una stima pessimistica di analisti critici della tecnologia. È la conclusione centrale del rapporto The GenAI Divide: State of AI in Business 2025, elaborato dall'iniziativa NANDA del MIT, sulla base di circa 300 implementazioni pubbliche e più di 150 interviste con dirigenti. Per contestualizzare la portata del fallimento: i progetti tecnologici ordinari falliscono a un tasso del 25%. L'IA quadruplica quel numero.
Il dato di BCG va nella stessa direzione: il 74% delle aziende dichiara di non aver ottenuto alcun valore dal proprio investimento in IA. S&P Global ha registrato che la proporzione di aziende che hanno abbandonato la maggior parte delle loro iniziative di IA è balzata dal 17% al 42% in un solo anno. E Gartner prevede che più del 40% dei progetti di IA agentiva verrà cancellato prima della fine del 2027, soffocato da costi eccessivi, ROI indefinito e assenza di controlli del rischio.
Queste cifre descrivono una tecnologia che funziona, dispiegata da organizzazioni che non sono progettate per utilizzarla. Ecco dov'è la crepa. Non nei modelli, non negli algoritmi, non nella potenza computazionale. La crepa sta nel modo in cui le aziende strutturano — o non strutturano — l'integrazione dell'IA nelle loro operazioni reali.
Automatizzare un processo difettoso produce più errori, più velocemente
Il modello di fallimento documentato da MIT, BCG e S&P Global non è casuale. Ha una meccanica specifica che si ripete con sufficiente consistenza da poterla chiamare progettazione difettosa.
La sequenza tipica è questa: un'azienda acquista uno strumento di IA, lancia un progetto pilota su un processo esistente e attende i risultati. Quello che non fa è chiedersi se quel processo abbia la struttura necessaria perché l'IA operi in modo affidabile. E quasi sempre non ce l'ha.
Ogni processo aziendale contiene fessure. Un preventivo approvato verbalmente. Un file cliente che vive nella memoria di un venditore. Un listino prezzi obsoleto che continua a circolare nelle catene di e-mail. I dipendenti umani tappano costantemente queste fessure: chiedono a un collega, applicano il proprio giudizio, notano quando qualcosa non torna. L'IA non fa nulla di tutto ciò. Introduce più volume, più velocità, nello stesso processo con le stesse crepe. Il risultato è una propagazione degli errori alla velocità di una macchina.
Il caso del chatbot di Air Canada lo illustra con conseguenze legali concrete. Il sistema informò un passeggero identificato nei documenti del tribunale come Jake Moffatt che poteva richiedere una tariffa di lutto dopo aver effettuato il viaggio, quando la politica reale richiedeva di farlo prima. Air Canada sostenne che il chatbot era un'entità separata e che la compagnia aerea non poteva essere ritenuta responsabile di ciò che il sistema diceva. Il Tribunale di Risoluzione Civile della Columbia Britannica respinse quell'argomento: la società aveva un dovere di cura nei confronti dell'utente e non aveva adottato misure ragionevoli per garantire che il suo chatbot fosse accurato. Il tribunale ordinò il rimborso più interessi e spese. Il sistema non fallì in senso tecnico. Fece esattamente ciò per cui era stato configurato, ovvero rispondere senza limiti né verifica.
Un altro caso citato nelle analisi di Forbes riguarda una catena di ristoranti il cui sistema di IA al servizio drive-through accettò un ordine di 18.000 bottiglie d'acqua perché nessuno aveva programmato un limite massimo di quantità. Il sistema non fraintese l'ordine. Lo eseguì. Perché nessuno gli aveva dato l'istruzione di dubitare di qualcosa del genere.
Entrambi i casi condividono un'architettura identica: nessun limite definito, nessun punto di supervisione umana, nessuna chiara catena di responsabilità sull'output. Lo strumento funzionò. Il progetto fallì.
Lo specialista in operazioni Tim Mobley, citato su Inc., articola la diagnosi con precisione: la maggior parte delle aziende non ha un problema di IA, ha un problema di progettazione del flusso di lavoro. E il fallimento vive nei passaggi di consegna: il momento in cui l'IA produce qualcosa e un essere umano agisce su di esso, dove l'accountability scompare silenziosamente.
Una sequenza in quattro fasi che la storia già conosce
Ciò che sta accadendo con l'IA non è nuovo nella sua struttura. È la stessa sequenza che ha accompagnato ogni ondata tecnologica rilevante degli ultimi trent'anni, con attori diversi e cifre aggiornate.
Negli anni Novanta, le aziende affidarono ai sistemi di posta elettronica il potere di invio illimitato senza alcun tipo di governance. Il risultato fu il collasso dei server, tempeste di risposte di massa e una crisi dello spam che sfociò in una legislazione federale. Nel periodo del boom delle dot-com, Boo.com bruciò 135 milioni di dollari costruendo un sito di commercio elettronico tecnicamente troppo sofisticato per le connessioni dial-up utilizzate dal 90% dei suoi potenziali clienti. Nel decennio del 2010, JCPenney puntò miliardi su una trasformazione digitale che spinse i propri clienti verso canali che nessuno aveva richiesto, e perse la metà del suo valore in borsa.
La sequenza è sempre la stessa: trattare la nuova tecnologia come magia, dispiegarla senza limiti né governance, vedere come i piccoli fallimenti si accumulano fino a diventare grandi problemi, e poi ricevere la correzione — dal mercato, dai regolatori, o da entrambi.
Secondo le analisi di Gartner e lo stesso rapporto del MIT, l'IA aziendale si trova attualmente tra la seconda e la terza fase di questa sequenza. Molte aziende hanno già effettuato dispiegamenti aggressivi e stanno iniziando ad assorbire le conseguenze: cancellazioni, svalutazioni, esposizione legale e revisioni del portafoglio. Quelle che sono sopravvissute alle ondate precedenti non lo hanno fatto muovendosi più velocemente né spendendo di più. Lo hanno fatto perché si sono chieste cosa la tecnologia non avrebbe dovuto fare prima di chiedersi cosa poteva fare.
Quella domanda — cosa non dovrebbe fare — non è istintiva per le organizzazioni orientate all'esecuzione. Richiede un tipo di disciplina progettuale che la maggior parte delle aziende non esercita nei propri processi interni e tanto meno quando adotta una nuova tecnologia. La fretta di dimostrare di "stare già usando l'IA" tende a spostare in secondo piano quel lavoro.
Il 5% che funziona non ha accesso a una tecnologia migliore
Ciò che separa il 5% delle implementazioni riuscite dal restante 95% non è il modello di IA, il budget né le dimensioni dell'azienda. È un insieme di decisioni progettuali che la maggior parte delle organizzazioni non prende mai perché le considera amministrative, non strategiche.
I limiti vengono definiti prima di attivare le capacità. Un agente per i preventivi ha un prezzo minimo. Un bot per l'assistenza clienti ha un elenco chiuso di politiche che può discutere e una regola esplicita per escalare tutto il resto. Un sistema di ordini ha validazioni di buon senso: nessun cliente ha mai ordinato 18.000 bottiglie d'acqua. I limiti non restringono l'utilità dell'IA. Sono ciò che rende l'IA operabile in un'azienda reale con conseguenze reali.
Gli esseri umani vengono ridisegnati all'interno del flusso, non eliminati da esso. La domanda di partenza nelle implementazioni riuscite non è "cosa possiamo automatizzare". È dove il giudizio umano crea valore che la macchina non può replicare e come il lavoro viene strutturato attorno a ciò. L'IA gestisce il volume: richieste di routine, classificazione, recupero di informazioni, prime bozze. Gli esseri umani gestiscono le eccezioni: il cliente la cui situazione non si adatta ad alcun modello, il reclamo con rischio legale, il numero che sembra leggermente sbagliato. Le aziende che invertono questa assegnazione ottengono i fallimenti che meritano.
La supervisione è un lavoro formale, non un'ipotesi implicita. Il rapporto di supervisione dell'IA di Connext Global per il 2026 ha rilevato che il 28% degli utenti afferma che l'IA necessita ancora di supervisione attiva per produrre risultati affidabili. Quel dato non descrive una limitazione tecnica temporanea. Descrive una funzione permanente che qualcuno deve ricoprire in modo formale. Rivedere, correggere e fornire feedback al sistema è un lavoro reale che richiede un titolare nominato. Un'implementazione di IA senza un responsabile umano identificato non è automazione. È abbandono di responsabilità.
Ogni output ha una catena di accountability. Il caso Air Canada ha chiuso la discussione sul fatto che un'azienda possa appropriarsi dei successi della propria IA ignorandone gli errori. Non può. Se il sistema fa una promessa, l'azienda la mantiene. Costruire il registro di audit — cosa ha detto l'IA, su quale base, revisionato da chi — è meno costoso prima del contenzioso che dopo.
Nessuna di queste abitudini è glamour. Nessuna genera un comunicato stampa sulla trasformazione digitale. Tutte sono lavoro di progettazione organizzativa che avviene prima che lo strumento sia visibile verso l'esterno.
Aspettare non è più la posizione più sicura
I dati sull'adozione hanno superato la soglia oltre la quale restare fuori ha smesso di essere prudenza per diventare rischio competitivo attivo.
L'uso dell'IA generativa tra le piccole imprese statunitensi è passato dal 40% al 58% in un anno. Le aziende che usano l'IA hanno 2,3 volte più probabilità di registrare una crescita dei ricavi rispetto a quelle che non la usano. Tra le piccole imprese che l'hanno già adottata, il 91% riporta aumenti misurabili nei ricavi. Sono dati della Camera di Commercio degli Stati Uniti e di ricerche di Salesforce compilate nel 2026.
Dall'altro lato, il 77% delle aziende che non hanno ancora adottato l'IA cita come ragione principale che "non si applica alla propria attività". Quella frase ha una storia nota. Con esattamente quelle parole, sostituendo il nome della tecnologia, si giustificò il non avere un sito web, il non vendere online, il non migrare sul cloud. Le aziende che la dissero sono quelle che oggi protagonizzano i casi di studio su cosa non fare.
La scelta che si trova di fronte un'azienda nel 2026 non è se implementare l'IA. È se implementarla nel modo in cui lo fa il 95% — strumento prima, progettazione del processo mai, accountability da nessuna parte — oppure nel modo in cui opera il 5% che genera risultati: processo ridisegnato, limiti stabiliti, esseri umani posizionati dove il giudizio conta, e un nome associato a ogni output che il sistema produce.
La tecnologia non è mai stata l'ostacolo. Ciò che fallisce è la struttura organizzativa che viene costruita attorno ad essa, o che si decide di non costruire. Non è un problema di IA. È un problema di progettazione, e le organizzazioni che non lo tratteranno come tale continueranno ad accumulare fallimenti alla velocità di una macchina.
