Il 95% dei progetti AI aziendali fallisce. E non è una sorpresa

In questa ultima settimana ho partecipato a due convegni sull'AI e mi sono capitati sotto gli occhi tre report di istituzioni che di solito sanno quello che dicono: il MIT, il Rapporto Floridi per la Fondazione Leonardo, l'Osservatorio AI del Politecnico di Milano. Mettendoli insieme, e mescolandoli con quello che si sente al bar dopo gli interventi ufficiali, vengono fuori tre numeri che raccontano una storia abbastanza diversa da quella che si legge nei comunicati stampa. Il dato del 95% arriva da un posto più robusto del palco di un convegno. È il report The GenAI Divide, pubblicato nel luglio 2025 dal MIT Project NANDA, basato su oltre 300 progetti AI analizzati e 52 interviste con dirigenti di aziende di varie dimensioni. Rispetto ai sondaggi che girano su LinkedIn con grafici colorati, qui c'è una metodologia dichiarata, con limitazioni metodologiche messe nero su bianco in appendice, cosa che già lo rende più credibile del 90% dei report di settore. Gli altri due riferimenti sono italiani. Il Rapporto Floridi per la Fondazione Leonardo fotografa l'Italia a un tasso di adozione AI del 16,4% nelle imprese, contro il 20% della media europea, con le PMI ferme al 15,7%. L'Osservatorio AI del Politecnico di Milano, nella sua edizione 2025, quantifica il mercato italiano dell'AI a 1,8 miliardi di euro, cresciuto del 50% in un anno, con una differenza impressionante tra grandi e piccole imprese: il 71% delle grandi imprese ha avviato almeno un progetto AI, mentre tra le PMI la quota crolla all'8%. E sul fronte dei lavoratori, il 47% dichiara di usare strumenti AI in azienda, una cifra che da sola basta a spiegare perché il tema della cosiddetta Shadow AI (il tema dei dipendenti che usano strumenti AI personali al lavoro, senza che l'azienda lo sappia) non è teorico, è già qui. Sono dati che da soli sembrano buone notizie. Ma se li metti accanto al report del MIT, che spiega perché quasi tutti i progetti falliscono, la lettura cambia parecchio.

Il problema non è la tecnologia. Non lo è mai stato.

La prima cosa che il report del MIT smonta con una certa soddisfazione è il mito che l'AI non funzioni perché i modelli sono ancora immaturi, o perché la regolamentazione frena, o perché mancano i dati giusti. Secondo le interviste, il vero ostacolo a far funzionare davvero l'AI in azienda non è la tecnologia, non è il talento, non è la burocrazia. È l'apprendimento. La maggior parte dei sistemi AI non tiene memoria di quello che si è detto prima, non si adatta al contesto di chi li usa, non migliora con il tempo. E le aziende, invece di affrontare questo problema, continuano a comprare strumenti nuovi sperando che il prossimo modello risolva quello che il precedente non ha risolto. Il 93% in tecnologia e il 7% in formazione non è una statistica casuale, è la fotografia di un modo molto specifico di sbagliare. Si compra la licenza, si installa il software, si fa un evento di lancio interno con la slide del capo che parla di trasformazione digitale, e poi ci si sorprende che i dipendenti continuino a usare i loro account personali di ChatGPT per fare lo stesso lavoro. Che è poi esattamente quello che descrive il 76%: gente che ha capito che lo strumento funziona, se usato bene, ma che non ha ricevuto né i criteri per usarlo correttamente né il permesso esplicito di farlo al lavoro. Il MIT chiama questa dinamica shadow AI economy, che tradotto significa semplicemente che i lavoratori si portano l'AI da casa. In oltre il 90% delle aziende intervistate, i dipendenti dichiarano di usare regolarmente strumenti AI personali per il loro lavoro. Ma solo il 40% delle aziende ha comprato un abbonamento ufficiale. Definirlo insubordinazione sarebbe facile e anche sbagliato: è semplicemente quello che fanno le persone quando trovano uno strumento che funziona e nessuno gli ha detto come usarlo in azienda. Prima di derubricarlo a problema di controllo, vale la pena chiedersi perché sta succedendo.

Le PMI italiane e il cuggino di Google

Ci sono due livelli a cui questo problema si manifesta, e sono abbastanza diversi tra loro, anche se entrambi producono lo stesso risultato finale: zero impatto misurabile. Nelle grandi aziende la questione è piuttosto specifica. Circa il 70% del budget per l'AI va alle funzioni commerciali e di marketing, non perché siano quelle con il ritorno più alto, ma perché sono quelle con i numeri più facili da misurare. Il responsabile acquisti di una grande azienda farmaceutica americana, anonimizzato nel report, lo spiega bene: se compro uno strumento per far lavorare il mio team più velocemente, come giustifichiamo quell'impatto all'amministratore delegato? Le efficienze negli uffici interni, nella gestione dei documenti, negli acquisti sono spesso quelle con i ritorni più concreti e rapidi, ma sono anche quelle più difficili da vendere internamente. Risultato: i soldi finiscono dove è più semplice giustificarli, che non è necessariamente dove produrrebbero più valore. Nelle PMI italiane, e qui parlo di quello che vedo concretamente, il problema è strutturalmente diverso e per certi versi più onesto. Non c'è una strategia AI mal eseguita, semplicemente non c'è una strategia. C'è un imprenditore, spesso con ottime ragioni, che sa vagamente che l'AI esiste, che capisce che probabilmente dovrebbe fare qualcosa, ma che quando si tratta di affidarsi a un consulente risponde no grazie in modo più o meno esplicito, perché il consulente vorrebbe cambiare i metodi di lavoro, e cambiare i metodi di lavoro è il vero costo che nessuno vuole sostenere. Questa resistenza non è irrazionale, e vale la pena dirlo esplicitamente perché la narrativa dominante la dipinge come arretratezza culturale o pigrizia, e questa lettura è comoda quanto sbagliata. Cambiare un processo in una piccola impresa significa redistribuire compiti, ridefinire chi sa fare cosa, spiegare a collaboratori di lunga data che il loro modo di lavorare va parzialmente rivisto. In un contesto con pochi dipendenti, relazioni personali strette e margini spesso risicati, questo ha un costo organizzativo e relazionale reale. Il consulente AI non porta solo uno strumento, porta anche una perturbazione, e la perturbazione, in certi momenti, non è sostenibile. C'è un parallelo che trovo utile. Quando Google era già abbastanza preciso da rispondere a qualunque domanda in dieci secondi, l'amico che continuava a chiederti cose cercabili non è sparito. Non era che non sapesse usare Google, era più comodo, più rassicurante, più umano fare la domanda a te. Qualcosa di simile sta succedendo con l'AI nelle PMI: lo strumento è disponibile, spesso gratuito nella versione base, ma la preferenza per l'intermediario umano (il consulente di fiducia, il fornitore informatico storico, il nipote del titolare che si occupa di queste cose) resiste con una solidità che la narrativa della rivoluzione imminente continua a non riuscire a spiegare. E poi c'è un dato che rende tutto il dibattito italiano un po' surreale: secondo i rilevamenti pubblicati da Our World in Data, l'84% della popolazione mondiale non ha mai usato AI nemmeno nella forma più elementare di un chatbot gratuito. Stiamo parlando di aprire un browser e digitare una domanda. Quattro persone su cinque nel mondo non l'hanno mai fatto. In questo scenario, preoccuparsi che le PMI italiane non capiscano le differenze tra un modello e l'altro è una lettura che si commenta da sola.

Quello che nel report del MIT non finisce nei titoli

Il report ha il pregio di essere onesto sui propri limiti, il che lo rende più utile di molti. Tre passaggi in particolare meritano di essere tirati fuori. I modelli in sé funzionano bene, il punto è che comprare uno strumento senza capire come si integrerà nei processi reali dell'azienda produce quasi sempre questo risultato. Il secondo è più controintuitivo. Le grandi aziende, quelle con più di 100 milioni di fatturato, guidano nel numero di test pilota e destinano più risorse alle iniziative AI. Ma hanno i tassi di successo più bassi di tutti. Le aziende di medie dimensioni si muovono più velocemente, e le migliori nel campione del MIT riportano tempi medi di 90 giorni dal test pilota all'implementazione completa, contro i nove mesi o più delle grandi. Il che dovrebbe far riflettere chi assume che più risorse significhino automaticamente migliori risultati. *"L'hype su LinkedIn dice che tutto è cambiato, ma nelle nostre operazioni nulla di fondamentale si è spostato. Stiamo processando alcuni contratti più velocemente, ma è tutto quello che è cambiato."* — Direttore operativo di un'azienda manifatturiera di medie dimensioni (report MIT) Il terzo punto è il più utile operativamente. Le aziende che ottengono risultati trattano i fornitori di AI come farebbero con un fornitore di servizi esterno o una società di consulenza, non come un semplice acquisto di software. Chiedono personalizzazione profonda sui processi interni, misurano i risultati su indicatori operativi, gestiscono l'introduzione dello strumento come un percorso di evoluzione continua. Le altre comprano una licenza e si aspettano che la magia succeda da sola. Indovinate quali ottengono il 5% di successo e quali il 95% di fallimento.

La parte scomoda

Tre numeri, 95-93-76, che raccontano una cosa sola: abbiamo un problema culturale e organizzativo che stiamo cercando di risolvere comprando tecnologia. È un approccio che non funziona, che non ha mai funzionato, e che probabilmente continueremo a usare per qualche altro anno prima di accettarlo come dato di fatto. Poi ricominceremo con la prossima ondata, che sarà quella degli agenti autonomi (sistemi AI che non rispondono solo a domande, ma eseguono compiti in autonomia), che avranno gli stessi problemi dei modelli linguistici sotto altra veste, e faremo esattamente le stesse cose. Chiamare tutto questo adozione lenta dell'AI sarebbe generoso: quello che sta succedendo davvero nelle PMI italiane è che l'AI viene usata comunque, senza che l'azienda abbia deciso se la vuole adottare o no, in modo frammentato, non governato, e potenzialmente non in regola con nessuna delle normative già in vigore. Il problema vero riguarda tutto quello che sta a monte dello strumento, e che quasi nessuno in questo paese si è ancora messo a fare per davvero: ridisegnare i processi, formare le persone, definire regole chiare, misurare i risultati su indicatori che abbiano senso per il business specifico di ogni azienda. È la parte del lavoro che costa tempo e fatica, e che evidentemente non si compra con una licenza da 20 euro al mese.

Cosa fare, lunedì mattina

Non chiudo con una lista di strumenti da provare, ne trovate a sufficienza online e a prezzi inferiori a quelli che vi chiederebbe un consulente. Chiudo invece con tre domande per categoria. Se non avete già le risposte, probabilmente vale la pena affrontarle prima di qualsiasi altra decisione sull'AI.

Se gestisci un'azienda o un team

• AI invisibile. Sai quanti dei tuoi dipendenti usano già AI per il lavoro, su account personali, senza che tu lo sappia? Se la risposta è no, hai già un problema che non richiede nuovi strumenti per essere risolto. Richiede una conversazione onesta.
• Processi mappati. Hai mai descritto anche solo uno dei tuoi processi chiave abbastanza bene da poter spiegare a qualcuno esterno come funziona passo per passo? Se no, qualsiasi automazione che tenterai fallirà per la stessa ragione per cui fallisce il 95% dei progetti nel campione del MIT.
• Test veri, non dimostrazioni. Quando valuti uno strumento AI, lo fai su una dimostrazione pulita preparata dal venditore o su un test reale in un processo reale con i tuoi dati? La differenza fra queste due cose, secondo il report del MIT, è la differenza fra chi ottiene risultati e chi no.

Se usi AI individualmente per lavoro

• Regole. Sai se il tuo uso degli strumenti AI è conforme alle politiche della tua azienda, al GDPR (la legge sulla privacy) e all'AI Act (la legge europea sull'AI, già applicabile in parte)? Se usi account personali per elaborare dati aziendali o dati di clienti, è una domanda che vale la pena farsi prima che qualcuno te la faccia al posto tuo.
• Quando usarla. Stai usando l'AI per compiti semplici e ripetitivi o stai cercando di usarla per lavoro critico e complesso? Il report del MIT è chiaro: sui compiti rapidi e ripetitivi funziona bene, sui progetti complessi di lungo termine le persone continuano (giustamente) a preferire colleghi umani.
• Condividere ciò che impari. Stai documentando cosa funziona e cosa no, e lo condividi con il tuo team? Le aziende che attraversano il divario di cui parla il MIT sono quelle che hanno trasformato l'uso individuale in pratica organizzativa, non quelle dove ognuno reinventa la ruota da solo.

Se vendi formazione o consulenza AI

• Strumenti o processi? Stai vendendo strumenti o stai aiutando i clienti a cambiare i processi? Sono due mestieri diversi, con tempi diversi e resistenze organizzative diverse da gestire. Il secondo costa di più venderlo, ma è quello che produce risultati.
• Misurare bene. Sai misurare l'impatto del tuo lavoro su indicatori di business, non su indicatori di adozione? Licenze attivate e ore di formazione erogate non sono indicatori di trasformazione. Sono indicatori di fatturato, che è un'altra cosa.
• Onestà sui tempi. Se prometti risultati in tre mesi su una trasformazione che ne richiede diciotto, stai preparando il terreno per essere il prossimo nome nella lista dei fallimenti del 95%. Vale anche per te.

Fonti

• The GenAI Divide: State of AI in Business 2025 — MIT Project NANDA (Challapally, Pease, Raskar, Chari, luglio 2025). Basato su 300+ progetti AI, 52 interviste strutturate, sondaggio a 153 dirigenti.
• L'Italia nell'era dell'IA — Rapporto Floridi per la Fondazione Leonardo (Floridi, Lovecchio, 2026).
• Osservatorio AI del Politecnico di Milano, edizione 2025. Ricerca presentata al convegno "Artificial Intelligence: adozione, trasformazione, equilibrio".
• Our World in Data — Artificial Intelligence, dati sull'adozione globale degli strumenti AI aggiornati a febbraio 2026.
• Forum IT & Intelligence 2026, quinta edizione, 14 aprile 2026, Assolombarda Milano. Organizzato da For Human Relations con Datapizza come main partner.
• Le citazioni anonimizzate dei dirigenti sono tratte direttamente dal report MIT NANDA, che ha anonimizzato tutte le fonti aziendali per rispettare accordi di riservatezza.

Vuoi applicare queste strategie alla tua azienda? Parliamone.