Articoli Applicazioni
Perché quasi tutti i progetti pilota di IA si arenano
Il MIT ha rilevato che il 95% dei progetti pilota aziendali di IA generativa non ha effetti misurabili sugli utili. Il nodo è l’ultimo miglio, dove il software incontra l’azienda.

Nell’estate del 2025 un gruppo del MIT ha pubblicato un rapporto con dentro un numero impietoso. Dei progetti pilota di IA generativa esaminati, circa il 95% non aveva alcun effetto misurabile sul conto economico. I ricercatori hanno intervistato 150 dirigenti, sottoposto un questionario a 350 dipendenti e analizzato 300 implementazioni pubbliche. Le aziende hanno speso i soldi e non hanno visto ritorni.
Il dato ha fatto in fretta il giro, anche perché sembrava dire che la tecnologia non funziona. Non dice niente del genere. Gli autori hanno dato la colpa a un «divario di apprendimento». Gli strumenti non si adattavano al modo di lavorare delle aziende, non ricordavano quello che gli veniva detto e non miglioravano con l’uso. Un chatbot che fa colpo in una demo e il lunedì ha già dimenticato tutto è un giocattolo con un budget.
Il sondaggio annuale di McKinsey va nella stessa direzione, dall’altro lato. Nel 2025 l’88% delle aziende interpellate usava l’IA in almeno una parte dell’attività. Solo il 6% circa ha detto che l’IA aveva portato un valore significativo e il 5% o più dell’utile operativo. L’edizione 2026, pubblicata ad agosto, ha rilevato lo stesso 6%. Quindi la maggior parte delle aziende usa l’IA, e pochissime ci guadagnano.
Dove sono finiti i soldi
Il MIT ha anche guardato dove spendevano le aziende. Più della metà dei budget per l’IA generativa è andata a strumenti di vendita e marketing, facili da comprare e facili da mostrare al consiglio di amministrazione. I rendimenti migliori sono arrivati dal back office, dove l’IA ha sostituito processi esternalizzati e lavoro affidato ad agenzie. In pratica: fatture, contratti, richieste di rimborso e acquisti. È un lavoro poco appariscente, con regole chiare, dati in ingresso puliti e un costo che tutti possono misurare. Per questo è il posto giusto da cui partire.
Il secondo risultato è meno comodo per i grandi reparti IT. Gli strumenti acquistati da fornitori specializzati e costruiti con dei partner hanno avuto successo in circa il 67% dei casi. I sistemi sviluppati interamente in casa ci riuscivano tre volte meno spesso.
Un progetto pilota è fatto per essere fermato
La maggior parte dei progetti pilota fallisce perché è costruita come progetto pilota. Gira su un campione di dati pulito, accanto ai sistemi veri invece che al loro interno, con pochi utenti entusiasti e nessuno che risponda del risultato. Quando la sperimentazione finisce, qualcuno deve collegarla all’ERP, farle superare l’esame della protezione dei dati, formare le altre 300 persone e rispondere dei suoi errori. Quel lavoro non è mai stato nel piano, quindi non succede mai.
La messa in produzione parte da altre domande. Quale lavoro costa più ore? Dove stanno i dati, e chi può vederli? Quanto costa una risposta sbagliata, e chi se ne accorge? Quanto si risparmierà al mese, in franchi? Un progetto che non sa rispondere nella prima settimana non risponderà nemmeno al sesto mese.
Come lavoriamo
In OptAI® costruiamo la prima versione sui dati reali del cliente, dentro i sistemi che usa già. La prima settimana si procede più lentamente, all’ottava molto più in fretta, perché non c’è niente da rifare. Misuriamo il lavoro prima di automatizzarlo, così il risparmio è un numero e non una sensazione. E all’inizio concordiamo cosa ci farebbe fermare.
Il 5% dello studio del MIT non aveva modelli migliori degli altri. Ha scelto un lavoro che pesava davvero, l’ha collegato come si deve e ci ha insistito finché non ha reso. È meno emozionante di una demo. Ma è anche l’unica parte che si vede nei conti.
Fonti
- Fortune: MIT report, 95% of generative AI pilots at companies are failing, 18 August 2025
- Computing: MIT report, 95% of corporate generative AI pilots fail to deliver returns
- Virtualization Review: MIT report finds most AI business investments fail, 19 August 2025
- McKinsey: The state of AI in 2025, agents, innovation and transformation, 5 November 2025
- McKinsey: The state of AI in 2026, on the road to ROI, 25 August 2026
Altri articoli
AgentiDai all’agente un mansionarioGartner prevede che oltre il 40% dei progetti di IA agentica sarà annullato entro la fine del 2027. Klarna mostra cosa succede quando un agente viene giudicato solo sui costi.Autore: Rea Stark
IntegrazioneLe tubature sono il prodottoI concorrenti hanno adottato l’MCP di Anthropic. OpenAI e 19 investitori hanno messo oltre 4 miliardi di dollari in una società che manda ingegneri presso i clienti. Il valore dell’IA sta nei collegamenti.Autore: Rea Stark
LaboratorioIl modello più piccolo che fa il lavoroSecondo i ricercatori di NVIDIA, gran parte del lavoro degli agenti di IA si fa meglio con modelli piccoli. Per le aziende svizzere è una buona notizia in fatto di costi, velocità e privacy.Autore: Rea Stark