Le aziende comprano tool AI, non sanno cosa farci fare davvero

Comprare l’AI è facile, usarla bene è un altro mestiere

Il 95% dei pilot di intelligenza artificiale generativa avviati dalle aziende non produce alcun impatto misurabile sul conto economico. Lo rivela che il 95% dei progetti fallisce il report “The GenAI Divide: State of AI in Business 2025” del MIT NANDA, basato su 52 interviste a dirigenti, una survey su 153 leader aziendali e l’analisi di 300 progetti pubblici. A fronte di questo fallimento diffuso, gli investimenti censiti valgono tra i 30 e i 40 miliardi di dollari.

Il dato interessante non è solo la percentuale di insuccesso, ma la differenza tra chi compra e chi costruisce. Le aziende che acquistano strumenti da vendor specializzati hanno un tasso di successo del 67%, contro un terzo scarso di chi prova a sviluppare AI in casa. Comprare funziona meglio che fare da soli, ma la maggioranza dei budget finisce comunque su vendite e marketing, mentre il ritorno più solido si osserva altrove: nell’automazione dei processi di back-office, l’area meno raccontata nelle presentazioni di prodotto.

La spiegazione di questo scarto tra spesa e risultato non è tecnica. emerge dal report Forbes un’analisi che individua la causa nell’attrito organizzativo che le aziende evitano sistematicamente: è più comodo attivare un tool che ridisegnare un processo. Il problema non riguarda mai se il modello sa scrivere un’email o riassumere un contratto, riguarda cosa succede dopo, quando quell’output entra in un flusso di lavoro che nessuno ha aggiornato. Un caso simile lo avevamo già raccontato parlando di come ha un problema enorme l’AI aziendale sul fronte del ritorno economico.

Ammesso che l’AI funzioni e che faccia risparmiare tempo, resta da capire dove finisce quel tempo. Una ricerca condotta da Workday insieme a Hanover Research su 3.200 rispondenti in Nord America, area Asia-Pacifico ed Europa, rilevata a novembre 2025, ha pubblicato una ricerca che risponde con dati poco incoraggianti. L’85% dei dipendenti dichiara di risparmiare tra una e sette ore a settimana grazie all’AI, un numero che qualunque fornitore userebbe volentieri in una slide.

Il problema arriva subito dopo: quasi il 40% di quel tempo risparmiato si perde di nuovo in correzioni, riscritture e verifiche degli output prodotti dai modelli. Il guadagno netto si assottiglia molto più in fretta di quanto raccontino i comunicati dei vendor.

Il tempo che resta, poi, viene reinvestito in modo squilibrato. Le aziende lo destinano più alla tecnologia (39%) che allo sviluppo delle persone (30%). Circa un terzo dei rispondenti, il 32%, ammette che quel tempo si traduce semplicemente in più lavoro da svolgere, non in lavoro migliore: non formazione, non tempo per decisioni più solide, ma un carico aggiuntivo scaricato su chi il tool lo usa ogni giorno. Il tema è collegato a quello, più ampio, della governance degli strumenti in azienda: ne avevamo già scritto quando la formazione invecchia più in fretta delle policy aziendali sull’uso dei dati riservati.

Qui si arriva al nodo che i white paper dei fornitori tendono a saltare. Se comprare da un vendor specializzato funziona più spesso del costruire in casa, come mostra il report MIT NANDA, la spiegazione sta nel pacchetto che arriva insieme al software: il vendor porta con sé un minimo di metodo imposto dall’esterno, tempi, processo di implementazione, disciplina che l’azienda cliente spesso non ha da sola. Il paradosso è che proprio questo metodo, la parte che fa davvero la differenza tra un progetto riuscito e uno abbandonato dopo sei mesi, è anche la parte che nessun fornitore ha interesse a vendere fino in fondo.

Il motivo sta nel modello di business stesso del software as a service. Una licenza si chiude in un ciclo di vendita breve: demo, prova, firma, attivazione. Un progetto di redesign dei processi richiede mesi, un owner interno che se ne faccia carico, resistenze organizzative da smontare pezzo per pezzo, e alla fine non è nemmeno detto che porti a comprare altre licenze. Il fornitore ha ogni convenienza a insistere sulla facilità di attivazione, bastano pochi clic, e a tacere sul fatto che l’attivazione è la parte facile, mentre il redesign è quello che costa e non genera fatturato ricorrente per chi vende. Anche il rollout confuso di molte adozioni aziendali, di cui avevamo scritto a proposito di come il rollout confuso danneggi le aziende, nasce proprio da qui: si acquista lo strumento sperando che il metodo arrivi in dotazione con il pacchetto software.

La checklist che nessun fornitore ti consegna insieme alla licenza

Ogni voce di questa lista è lo specchio di un fallimento già documentato nei dati MIT, non un consiglio da manuale di consulenza. Prima di firmare un contratto, un’azienda dovrebbe poter rispondere a domande che raramente vengono poste in questo ordine:

• Obiettivo di business definito prima di scegliere il tool, non dopo averlo comprato per non restare indietro rispetto ai concorrenti.
• Owner interno che risponde del progetto, non un comitato diffuso che finisce per non rispondere di nulla.
• Metrica di produttività concordata prima dell’acquisto, così che tra un anno si possa dire con dati se ha funzionato o no.
• Ridisegno del flusso di lavoro, non semplice sovrapposizione del tool su un processo che resta identico a prima.
• Formazione ricorrente, non un webinar una tantum al lancio che nessuno ricorderà tre mesi dopo.
• Destinazione esplicita del tempo risparmiato, decisa a monte, invece di lasciare che si trasformi da sola in carico extra.

Non è un elenco astratto, è la fotografia di ciò che manca nel 95% dei progetti che il report MIT classifica come privi di impatto misurabile. Chi applica davvero questi punti ottiene, secondo gli stessi dati, risultati diversi da chi si limita ad attivare una licenza.

Le PMI italiane hanno lo stesso problema, ingigantito

Se questo è il quadro per le grandi aziende, che dispongono almeno in teoria di budget e strutture dedicate, la situazione delle piccole e medie imprese italiane è più critica. Il dato più citato viene da una ricerca Confartigianato realizzata con OpenAI, secondo cui tre PMI su quattro in Italia non investe in intelligenza artificiale e non ha piani concreti per farlo: il 76% resta fuori dal perimetro, appena il 7% ha una struttura organizzativa dedicata e solo il 6% stanzia un budget esplicito per la formazione.

Incrociati con quelli del report MIT, questi numeri raccontano una fragilità doppia. Le PMI italiane che decidono comunque di comprare un tool AI lo fanno quasi sempre senza nessuna delle condizioni, owner, metrica, formazione, che secondo i dati fanno la differenza tra un progetto riuscito e uno che finisce nel dimenticatoio dopo pochi mesi. Il divario, in questo scenario, non si sta chiudendo: si allarga.

A livello globale, la sfiducia sta risalendo fino ai piani alti. Il dato di corollario, coerente con quanto rilevato dal MIT, lo confermano dati PwC: il 56% dei CEO intervistati ammette di non ottenere “nulla” dai propri sforzi sull’AI, nonostante una spesa globale in intelligenza artificiale generativa stimata in 2,5 miliardi di dollari per il 2026.

A guadagnare da questo scenario sono soprattutto i fornitori di software che vendono licenze senza pretendere il redesign dei processi: un ciclo di vendita breve genera fatturato immediato, mentre la trasformazione organizzativa che servirebbe davvero richiede tempo e non produce ricavi ricorrenti aggiuntivi. A pagare il conto sono da un lato i dipendenti, che secondo i dati Workday si ritrovano spesso con più lavoro invece che con più tempo per pensare, e dall’altro le aziende stesse, i cui responsabili finanziari iniziano a chiedere conto di una spesa che nel 95% dei casi non si vede in bilancio. Le PMI italiane rischiano di pagarlo due volte: comprano lo stesso entusiasmo dei grandi gruppi, spesso a un costo proporzionalmente più alto rispetto al fatturato, senza avere nessuna delle strutture minime che i dati indicano come discriminante tra successo e fallimento.