Il 52% dei progetti di IA aziendale non arriva in produzione e il problema non è tecnico
C'è una cifra che dovrebbe mettere a disagio qualsiasi comitato esecutivo che quest'anno ha approvato un budget per l'intelligenza artificiale: secondo una ricerca di CIO&Leader del 2026, il 52% delle aziende intervistate ha dichiarato che meno di uno su quattro progetti pilota di IA riesce a diventare un sistema operativo. Solo l'8% è riuscito a portare oltre tre quarti dei propri esperimenti oltre quella soglia. E appena il 12% ha potuto dimostrare un ritorno sull'investimento significativo e misurabile.
Tutto questo accade mentre Gartner prevede che la spesa globale in IA raggiungerà 2,52 bilioni di dollari nel 2026, un incremento del 44% rispetto all'anno precedente. Le organizzazioni stanno impegnando capitali a una velocità senza precedenti, e allo stesso tempo scartando la maggior parte del lavoro che quel capitale finanzia. Non come conseguenza di una tecnologia immatura. Ma perché il modo in cui la maggior parte delle aziende progetta, approva e gestisce i progetti di IA garantisce, strutturalmente, che poche iniziative sopravvivano al contatto con la realtà operativa.
Questo merita uno sguardo più lento e più scomodo di quello che di solito si dedica a queste conversazioni nelle sale dei consigli di amministrazione.
Progetti pilota progettati per impressionare, non per sopravvivere
Un progetto pilota di IA in condizioni controllate è, per definizione, una versione curata della realtà. I dati sono puliti. Il perimetro è delimitato affinché il sistema brilli. Il cronoprogramma è strutturato per mostrare progressi visibili prima che qualcuno chieda i risultati. È un ambiente di serra in cui quasi qualsiasi proposta tecnica ragionevolmente ben eseguita può sembrare promettente.
La produzione è l'antitesi di tutto questo. È lì che emergono i dati incompleti, i sistemi legacy che nessuno ha documentato correttamente, i processi che nella pratica funzionano diversamente da come sono descritti nel manuale, i requisiti normativi che il team di compliance ha scoperto tre settimane prima del lancio, e gli utenti che nessuno ha formato perché il budget per la gestione del cambiamento è stato il primo a essere tagliato quando il cronoprogramma si è fatto più stretto.
Il salto tra questi due mondi non è tecnico. È organizzativo. E il motivo per cui così tanti progetti muoiono in quel salto non è il fallimento della tecnologia, ma il fatto che l'organizzazione non è mai stata progettata per accoglierla.
Kamran Ozair, CEO di Visionet Systems, lo formula con precisione: i team tendono a trattare la produzione come la fase finale di un progetto, quando dovrebbe essere il punto di partenza della progettazione. Se i vincoli del mondo reale — i controlli di sicurezza, i flussi di eccezione, i requisiti di verificabilità, l'integrazione con i sistemi esistenti — non fanno parte delle decisioni architetturali sin dall'inizio, scoprirli tardi non è un contrattempo. È una condanna.
Ciò che questo schema rivela, osservato dalla prospettiva delle dinamiche organizzative, è qualcosa di più profondo di un semplice fallimento metodologico: è il segnale che molti progetti di IA vengono finanziati per dimostrare che l'azienda sta facendo qualcosa, non per risolvere un problema operativo con metriche di successo concordate in anticipo. Il progetto pilota esiste affinché il direttore tecnologico o il direttore digitale possa presentare progressi nella revisione trimestrale. E questo, a livello di incentivi, produce esattamente i risultati che stiamo osservando.
Quando l'IA diventa prova di attività dirigenziale
C'è una conversazione che di solito non avviene prima di approvare un progetto di IA: quella che definisce con onestà quale processo specifico cambierà, come verrà misurato quel cambiamento, chi è il responsabile di quel risultato all'interno dell'organizzazione e cosa succede se il sistema non mantiene le promesse nei primi novanta giorni.
Quella conversazione ha un costo. Obbliga a impegnarsi con metriche che saranno poi verificabili. Mette in luce quanta parte dell'entusiasmo iniziale era retorica. Richiede che qualcuno a livello esecutivo metta il proprio nome accanto a un risultato concreto, non accanto a un'iniziativa. E nelle organizzazioni in cui il fallimento ha conseguenze politiche interne, è più sicuro finanziare un progetto pilota a tempo indefinito che assumersi la responsabilità di un sistema in produzione con indicatori di prestazione visibili.
Il dato di Camunda è rivelatore in questo senso: più del 70% delle organizzazioni intervistate ha dichiarato di aver implementato agenti di IA nell'anno precedente, ma solo l'11% di quei casi è arrivato in produzione. Esiste un divario enorme tra "abbiamo implementato l'IA" e "abbiamo un sistema che opera e genera valore quotidianamente". Le aziende dichiarano la prima con facilità. La seconda è scomodamente verificabile.
Ozair descrive questo problema come la confusione tra capacità e impatto: le organizzazioni investono nelle capacità del sistema prima di definire il problema aziendale che stanno cercando di risolvere. Senza chiarezza su quali processi il sistema modificherà e su come misurare quel cambiamento, il risultato più probabile è un costoso artefatto tecnico che nessuno in area operativa ha richiesto e che difficilmente qualcuno adotterà in modo sostenuto.
La governance concepita come una lista di controllo successiva allo sviluppo è un altro segnale di questa stessa dinamica. Quando i requisiti di privacy, verificabilità e controllo normativo vengono scoperti dopo aver costruito il sistema, il costo non è solo tecnico: è politico. Le riprogettazioni tardive erodono la fiducia dei team che avevano creduto nel progetto, generano attriti con le aree di compliance che non erano state coinvolte in tempo, e producono quello stato di paralisi cronica che molte organizzazioni chiamano "valutazione dei rischi" ma che nella pratica è un progetto che nessuno vuole formalmente interrompere e che nessuno ha il mandato di salvare.
L'architettura del fallimento ha una logica perfettamente razionale
Ciò che rende difficile correggere questo problema è che non emerge dall'incompetenza. Emerge da incentivi perfettamente coerenti con il modo in cui la maggior parte delle aziende gestisce gli investimenti tecnologici.
I team di innovazione vengono valutati in base ai progetti pilota avviati, non ai sistemi in produzione. I fornitori di tecnologia hanno una maggiore capacità di vendere una promessa che di accompagnare la trasformazione operativa che quella promessa richiede. I dirigenti che approvano i budget devono mostrare movimento prima della chiusura dell'esercizio fiscale. E i dipendenti che utilizzeranno il sistema raramente vengono consultati nella fase di progettazione, il che garantisce che l'adozione sia, nel migliore dei casi, forzata e, nel peggiore, ignorata.
Il modello proposto da Visionet — definire il risultato aziendale prima di scrivere una riga di codice, misurare le prestazioni rispetto a quel risultato nei primi novanta giorni, costruire governance e sicurezza a partire dall'architettura iniziale, integrare i sistemi negli strumenti già utilizzati dai team — non è sofisticato in termini tecnici. È disciplina operativa di base applicata a un dominio in cui il settore, fino a oggi, ha tollerato l'assenza di tale disciplina perché l'entusiasmo per la tecnologia colmava il vuoto lasciato dai risultati.
La domanda che la spesa di 2,52 bilioni di dollari pone sul tavolo di qualsiasi consiglio di amministrazione non è se l'IA funzioni. Questo è già sufficientemente dimostrato. La domanda è se l'organizzazione possiede la maturità operativa per convertire la capacità tecnica in valore verificabile. E quella maturità non si acquista con il budget. Si costruisce con la disponibilità a sostenere conversazioni scomode prima di approvare il prossimo progetto pilota.
Quando i dati mostrano che l'88% delle aziende non è in grado di dimostrare un ritorno misurabile dalle proprie iniziative di IA, la spiegazione più probabile non è che tutte stiano utilizzando una tecnologia scadente. La spiegazione più probabile è che la maggior parte stia evitando la conversazione che trasforma un esperimento in una responsabilità.
