Avete introdotto l'IA. Il 95% dei progetti non produce un euro di ritorno.

La scena è sempre la stessa, e non ha niente di tecnologico.

L'azienda ha comprato le licenze. Ha fatto il kick-off con le slide giuste, ha erogato mezza giornata di formazione, ha mandato la comunicazione interna. Sei mesi dopo, in produzione, l'intelligenza artificiale la usano tre persone su venti, in modo estemporaneo, e nessuno sa dire quante ore o quanti euro abbia fatto risparmiare.

Nel frattempo, in reparto, qualcun altro la usa lo stesso. Con il proprio account personale, dal proprio telefono, incollandoci dentro il capitolato di un cliente. Perché lo strumento aziendale non risolve il problema che ha davvero.

Il numero che spiega la scena

Nell'agosto 2025 il progetto NANDA del MIT ha pubblicato The GenAI Divide: State of AI in Business: oltre trecento implementazioni aziendali analizzate, cinquantadue casi studio, centocinquantatré interviste a dirigenti. Il risultato è diventato famoso: il 95% dei progetti di IA generativa non produce alcun ritorno misurabile sul conto economico. Solo il 5% genera valore finanziario documentabile.

Non è un dato isolato. McKinsey, nel State of Organizations 2026 — oltre diecimila dirigenti, quindici paesi, sedici settori — trova che l'88% delle organizzazioni sperimenta l'IA, ma meno del 20% ne vede risultati significativi e solo l'1% descrive l'adozione come matura.

Due ricerche diverse, metodi diversi, stessa forma: la tecnologia è entrata quasi ovunque, il ritorno quasi da nessuna parte.

La parte che di solito non viene citata è la conclusione del MIT, ed è quella che conta. I progetti non falliscono perché i modelli sono deboli. Falliscono per flussi di lavoro fragili, per assenza di apprendimento del contesto aziendale, per disallineamento con il lavoro di tutti i giorni. Il vincolo non è la qualità della tecnologia: è la qualità della gestione.

Perché la diagnosi è quasi sempre sbagliata

Di fronte a un'adozione ferma, le spiegazioni che circolano in azienda sono tre, e sono tutte e tre rassicuranti.

«La gente si abitua piano.» Cioè: è un problema di tempo, aspettiamo. Ma il tempo da solo non ha mai fatto adottare niente, e sei mesi di attesa sono sei mesi di canone pagato.

«Serve più formazione.» Cioè: è un problema di competenza. Quasi mai lo è. Le persone che usano l'IA di nascosto con il proprio account dimostrano esattamente il contrario: la competenza c'è, manca il permesso e manca il posto dove metterla.

«Aspettiamo la prossima versione dello strumento.» Cioè: è un problema del fornitore. È la più comoda delle tre, perché sposta la responsabilità fuori dall'azienda e giustifica un altro anno di immobilità.

Nessuna delle tre descrive quello che sta succedendo davvero, che è molto più semplice: lo strumento è stato affiancato al lavoro invece di essere messo dentro il lavoro. Nessuno ha riscritto il processo, e un processo che non cambia produce esattamente i risultati di prima. È lo stesso meccanismo che fa fallire l'adozione di un gestionale, e l'ho raccontato altrove: la spesa è stata fatta, il beneficio no.

Il costo che non compare in nessuna riga di bilancio

Le licenze non sfruttate sono la parte visibile e la meno grave. Il costo vero è un altro, e il MIT lo ha misurato: mentre solo il 40% delle aziende dichiara di aver acquistato un abbonamento ufficiale a uno strumento di IA, i dipendenti di oltre il 90% delle aziende interpellate dichiarano di usare regolarmente strumenti di IA personali per lavoro.

È quella che è stata chiamata economia ombra dell'IA. Vale la pena leggerla nel verso giusto, perché il verso sbagliato è quello istintivo.

Il verso sbagliato è disciplinare: «i dipendenti aggirano le regole, serve una policy». Il verso giusto è diagnostico: se le persone usano di tasca propria uno strumento che l'azienda ha già comprato, il problema non è la loro disciplina, è che l'azienda non ha dato una direzione utilizzabile. Hanno un lavoro da fare, hanno trovato un modo per farlo meglio, e lo hanno fatto fuori dal perimetro perché dentro il perimetro non c'era.

Le conseguenze sono tre, in ordine di gravità crescente. Primo: dati aziendali — offerte, listini, dati di clienti e dipendenti — che escono dal controllo dell'azienda e finiscono in servizi mai valutati. Secondo: nessuno verifica la qualità di quel lavoro, perché ufficialmente non esiste. Terzo, il peggiore: il miglioramento non si capitalizza. Il collega che ha trovato il modo di preparare un'offerta in venti minuti invece che in due ore resta l'unico a saperlo, e quando cambia azienda se lo porta via.

Cosa fa il 5%

Le aziende che un ritorno lo ottengono non hanno una tecnologia migliore. Hanno tre pratiche, e nessuna delle tre è tecnica.

La direzione partecipa al disegno, non lo delega. Decidere dove l'IA entra nel lavoro è una scelta di processo e di priorità, non una scelta di software. Delegarla all'IT — o, peggio, al fornitore — significa ottenere uno strumento configurato correttamente per un processo che nessuno ha discusso.

Si riscrive il flusso di lavoro, non lo si affianca. È il fattore con l'impatto più alto misurato: secondo la ricerca BCG del 2025 sul divario fra adozione e impatto, le aziende ad alte prestazioni hanno una probabilità circa sette volte maggiore di aver ridisegnato i processi da capo a fondo. Non «usiamo l'IA per scrivere più in fretta le mail che scrivevamo prima», ma: questo passaggio del processo sparisce, questo cambia mano, questo controllo si sposta all'uscita invece che all'ingresso.

Qualcuno risponde del risultato, non dell'installazione. È il punto che manca più spesso. La stessa ricerca BCG rileva che più della metà degli amministratori delegati dichiara di non vedere il legame fra l'IA e il conto economico, e che solo il 14% definisce con chiarezza l'impatto atteso su tutte le proprie iniziative. Le aziende che invece lo fanno si aspettano un ritorno più che doppio rispetto alle altre. Un responsabile di progetto risponde della messa in esercizio; qui serve qualcuno che risponda di un numero, entro una data.

C'è poi una raccomandazione di McKinsey che vale la pena riportare per intero perché è scomoda: per ogni euro investito in tecnologia ne andrebbero investiti cinque nelle persone. Nella maggior parte delle aziende il rapporto è esattamente rovesciato — e la formazione è la prima voce che salta quando il budget si stringe.

Nelle PMI lo stesso errore ha un altro nome

Nelle imprese che seguo il problema raramente si presenta come «progetto di intelligenza artificiale». Si presenta come un abbonamento attivato dall'ufficio marketing, un assistente incluso in un aggiornamento del gestionale, una prova avviata da un responsabile volenteroso. Nessuno dei tre ha un obiettivo scritto, e nessuno dei tre ha un proprietario.

Un caso che ho visto più di una volta: l'ufficio tecnico prepara le offerte a partire da capitolati lunghi decine di pagine. È un lavoro che consuma le persone più esperte in un compito che di esperto ha poco — leggere, estrarre, ricopiare. È esattamente il punto in cui uno strumento di IA vale qualcosa. Ma vale qualcosa solo se qualcuno riscrive il processo di offerta: dove entra lo strumento, chi controlla cosa produce, cosa succede quando sbaglia, e quanto tempo si è liberato. Senza questo, l'esito è quello di sempre: due tecnici su otto lo usano quando se ne ricordano, e a fine anno la domanda «quanto ci ha reso» non ha risposta.

C'è un dato del MIT che per una PMI è particolarmente utile: le soluzioni acquistate da fornitori specializzati riescono in circa due terzi dei casi, mentre quelle costruite internamente riescono un terzo delle volte. Per un'azienda da venti o cinquanta persone la traduzione è netta: il vantaggio non sta nel costruire lo strumento, sta nel ridisegnare il processo intorno a uno strumento che esiste già. La prima è una spesa che non vi compete. La seconda è l'unica cosa che nessun fornitore può fare al posto vostro.

Da dove si comincia

Prima di aggiungere altri strumenti, serve una mappa. Si fa in una settimana e richiede quattro risposte scritte.

• Quali tre o quattro processi userebbero l'IA in modo strutturato e ripetuto — non estemporaneo. Tre o quattro, non quindici: la dispersione è il modo più efficace per non ottenere niente.
• Cosa cambia nel flusso di ciascuno di quei processi. Quali passaggi spariscono, quali controlli si spostano, chi fa cosa dopo. Se la risposta è «niente, si lavora come prima ma più in fretta», quel processo va tolto dalla lista.
• Chi risponde del risultato di ciascuno, con nome e cognome, e su quale numero: ore liberate, tempo di risposta, errori evitati, offerte prodotte.
• Entro quando quel numero viene misurato, e cosa si fa se non arriva. La soglia va dichiarata prima, non commentata dopo.

E una quinta domanda, da fare per prima e a voce, non per iscritto: chi in azienda sta già usando l'IA per conto suo, e per fare cosa? Quelle persone hanno già svolto gratuitamente la parte più difficile del lavoro, che è capire dove serve davvero. Vanno cercate e ascoltate, non riprese.

Il punto

Il 95% non è un dato sulla tecnologia. È un dato sul management.

Un'azienda che compra licenze e fa formazione ha comprato una possibilità, non un risultato. Il risultato arriva quando qualcuno riscrive il modo di lavorare e mette il proprio nome accanto a un numero e a una data. Finché questo non succede, l'IA resta quello che è oggi nella maggior parte delle imprese: uno strumento che qualcuno usa di nascosto, non un metodo che l'azienda governa.

Come accompagno l'adozione →