Tra fallimenti e nuove strategie

L’Intelligenza artificiale in azienda: tra fallimenti e nuove strategie

Oggi, 16 settembre 2025, un’analisi approfondita rivela un quadro complesso sull’adozione dell’intelligenza artificiale (AI) nel mondo aziendale. Mentre l’entusiasmo per questa tecnologia continua a crescere, emergono ombre significative che mettono in discussione l’efficacia delle strategie attuali. Un recente studio del MIT, dal titolo “The GenAI Divide: State of AI in Business 2025”, ha evidenziato un dato allarmante: il 95% delle iniziative di AI implementate nelle aziende non riesce a generare un valore di business misurabile, nonostante gli investimenti massicci. Questo dato solleva interrogativi cruciali sull’effettivo ritorno economico di tali progetti e sulle sfide che le aziende devono affrontare per trasformare il potenziale dell’AI in risultati tangibili.

Gli ostacoli all’implementazione dell’IA

Le difficoltà riscontrate nell’adozione dell’AI non derivano da una carenza intrinseca della tecnologia, ma piuttosto da una serie di ostacoli interconnessi che ne impediscono un’integrazione fluida ed efficiente nei processi aziendali. Tra le principali barriere identificate emergono:

• La mancanza di un solido allineamento strategico: Troppo spesso, le aziende si lanciano nell’implementazione dell’AI senza aver definito una strategia chiara e obiettivi ben precisi. L’AI viene vista come una soluzione universale, senza un’adeguata comprensione di come possa effettivamente supportare gli obiettivi aziendali e generare valore reale. Un’implementazione efficace richiede una visione chiara di come l’AI si inserisce nella strategia complessiva dell’azienda.
• La rigidità dei flussi di lavoro esistenti: I processi aziendali consolidati, spesso strutturati in modo rigido e inflessibile, rappresentano un ostacolo significativo all’integrazione dell’AI. Quest’ultima richiede un ripensamento dei processi, un adattamento e una flessibilità che molte aziende faticano a realizzare. L’AI non può essere semplicemente “aggiunta” a processi esistenti; è necessario un approccio più organico e integrato.
• La scarsa qualità dei dati: I modelli di AI si basano su dati di alta qualità per funzionare correttamente. La mancanza di accesso a dati pertinenti, accurati, completi e ben strutturati può compromettere seriamente l’efficacia delle applicazioni di AI. Spesso, le aziende si trovano a dover affrontare problemi di dati incompleti, obsoleti o incoerenti, che rendono difficile l’addestramento di modelli di AI affidabili.
• Il “Learning Gap”: Le soluzioni di AI aziendali spesso faticano ad apprendere e adattarsi ai contesti specifici delle singole aziende. A differenza degli strumenti di AI di livello consumer, che si adattano facilmente alle esigenze individuali, le soluzioni aziendali richiedono un addestramento e una personalizzazione più complessi. Questo “gap” di apprendimento può limitare l’efficacia dell’AI in ambienti aziendali complessi.
• La carenza di competenze specialistiche: La realizzazione di progetti di AI richiede competenze specialistiche in data science, machine learning, sviluppo di AI e altre aree correlate. La carenza di professionisti qualificati rappresenta un ostacolo significativo per molte aziende, che faticano a trovare o a formare il personale necessario per implementare e gestire soluzioni di AI complesse.

Superare questi ostacoli richiede un cambio di mentalità e un approccio più strategico all’implementazione dell’AI. Le aziende devono investire nella formazione del personale, nella revisione dei processi aziendali e nella creazione di una cultura aziendale favorevole all’innovazione e all’adozione di nuove tecnologie.

Fallimenti celebri e storie di successo nell’implementazione dell’IA

La cronaca aziendale è ricca di esempi di progetti di AI che si sono conclusi con un nulla di fatto, se non con perdite economiche significative. La Digital Media Initiative (DMI) della BBC, lanciata nel 2008 con l’ambizioso obiettivo di rivoluzionare la gestione dei contenuti multimediali, ne è un esempio lampante. Dopo anni di sviluppo e ingenti investimenti, il progetto si è arenato nel 2013, lasciando un buco finanziario di quasi 100 milioni di sterline. Le cause del fallimento sono state attribuite a una governance inadeguata, a una mancanza di supervisione e a una sottovalutazione della complessità del progetto. Anche The co-operative bank ha subito un’esperienza simile, dilapidando circa 300 milioni di sterline nel tentativo di rifondare completamente i propri sistemi bancari. L’eccessiva ambizione, la mancanza di competenze interne e i cambiamenti in corso d’opera hanno contribuito al naufragio del progetto. Non meno significativa è la vicenda di Ford, che, nel tentativo di accelerare la propria trasformazione digitale, ha creato una divisione ad hoc, la Ford Smart Mobility, separandola dal core business aziendale. Questa strategia, anziché favorire l’innovazione, ha generato inefficienze e ritardi, dimostrando l’importanza di integrare le strategie digitali in tutte le aree dell’organizzazione. Questi esempi, pur nella loro diversità, evidenziano come la mancanza di una strategia chiara, la sottovalutazione della complessità tecnologica e la scarsa attenzione alle dinamiche organizzative possano compromettere seriamente il successo dei progetti di AI.

Tuttavia, accanto a questi fallimenti, esistono anche storie di successo che dimostrano come l’AI, se implementata correttamente, possa generare un valore significativo per le aziende. Il report del MIT evidenzia che il 5% dei progetti di AI che raggiungono risultati positivi sono caratterizzati da un focus preciso su problemi specifici, da un’esecuzione impeccabile e da una forte spinta innovativa. Queste aziende, spesso più giovani e agili, sono in grado di identificare i punti critici dei propri processi e di applicare l’AI in modo mirato ed efficace. Il segreto del successo risiede nella capacità di tradurre le potenzialità teoriche dell’AI in soluzioni pratiche e concrete, in grado di generare un impatto reale sul business. È fondamentale che le aziende definiscano con chiarezza gli obiettivi che intendono raggiungere con l’AI, che valutino attentamente le proprie competenze interne e che adottino un approccio graduale e iterativo, sperimentando e imparando dai propri errori.

Prompt for image: An iconographic representation inspired by pointillism and rococo art, with dreamlike transparent layers, depicting the main entities of the article: a stylized MIT building (representing the report), a broken robot (symbolizing AI failures), a group of people collaborating around a digital interface (representing the shadow AI economy and successful implementations), and a low-code/no-code platform interface. The color palette should be predominantly warm tones (reds and yellows), desaturated for an ethereal feel. No text should be present in the image. The image should be simple, unified, and easily understandable, avoiding overly complex details.

L’economia sommersa dell’AI e le alternative low-code/no-code

Uno dei paradossi più interessanti emersi dallo studio del MIT riguarda la cosiddetta “economia sommersa dell’AI”. Mentre le aziende investono ingenti somme in progetti di AI formali, spesso con risultati deludenti, i dipendenti utilizzano quotidianamente strumenti di AI personali, come ChatGPT, per svolgere il proprio lavoro. Questo fenomeno suggerisce che le soluzioni di AI “fai da te”, spesso gratuite o a basso costo, possono essere più efficaci delle implementazioni aziendali complesse e costose. I dipendenti, infatti, conoscono meglio di chiunque altro le proprie esigenze e i propri processi, e sono in grado di adattare gli strumenti di AI alle proprie specifiche necessità. Questo “utilizzo sommerso” dell’AI evidenzia la necessità di un approccio più flessibile e decentralizzato all’implementazione di questa tecnologia. Le aziende dovrebbero incoraggiare i propri dipendenti a sperimentare con l’AI, a condividere le proprie esperienze e a sviluppare soluzioni innovative per i problemi specifici che affrontano quotidianamente. Questo approccio, noto come “citizen development”, può generare un valore significativo per l’azienda, sfruttando la creatività e l’ingegno dei propri dipendenti.

In questo contesto, le piattaforme low-code/no-code (LCNC) rappresentano un’alternativa promettente per democratizzare l’accesso all’AI e ridurre la dipendenza da specialisti IT. Queste piattaforme consentono agli utenti aziendali, anche senza competenze di programmazione avanzate, di creare e implementare applicazioni di AI in modo rapido e semplice. Le piattaforme LCNC offrono interfacce visuali intuitive, componenti predefiniti e modelli di AI pre-addestrati, che semplificano notevolmente il processo di sviluppo. Strumenti come PyCaret, AutoViML e H2O consentono di creare modelli di machine learning con poche righe di codice, rendendo l’AI accessibile a un pubblico più ampio. Le piattaforme LCNC offrono numerosi vantaggi per le aziende, tra cui una maggiore velocità di sviluppo, una riduzione dei costi, una maggiore flessibilità e una maggiore capacità di innovazione. Consentono alle aziende di sperimentare con l’AI, di creare soluzioni personalizzate per le proprie esigenze e di adattarsi rapidamente ai cambiamenti del mercato. Tuttavia, è importante sottolineare che le piattaforme LCNC non sono una panacea. Richiedono comunque una certa competenza tecnica e una buona conoscenza dei processi aziendali. Inoltre, potrebbero non essere adatte per progetti di AI particolarmente complessi o che richiedono un elevato livello di personalizzazione.

Verso un nuovo paradigma: apprendimento continuo e cultura aziendale

Il report del MIT rappresenta un invito a riflettere sulle strategie di implementazione dell’AI e a superare le aspettative irrealistiche che spesso accompagnano questa tecnologia. Il successo nell’era dell’AI richiede un approccio basato sull’apprendimento continuo, sull’adattamento e sulla collaborazione. Le aziende devono essere disposte a sperimentare, a imparare dai propri errori e a rivedere le proprie strategie in base ai risultati ottenuti. È fondamentale che le aziende creino una cultura aziendale favorevole all’innovazione e all’adozione di nuove tecnologie. Questo implica la creazione di un ambiente di lavoro in cui i dipendenti si sentano liberi di sperimentare, di condividere le proprie idee e di collaborare per risolvere i problemi. Le aziende devono anche investire nella formazione del personale, per sviluppare le competenze necessarie per lavorare con l’AI. Questo include la formazione in data science, machine learning, analisi dei dati e altre aree correlate. La formazione non deve essere vista come un costo, ma come un investimento strategico nel futuro dell’azienda. I dipendenti che hanno le competenze necessarie per lavorare con l’AI sono in grado di generare un valore significativo per l’azienda, sviluppando soluzioni innovative, migliorando i processi aziendali e prendendo decisioni più informate.

Infine, è importante che le aziende definiscano una governance chiara per i progetti di AI. Questo implica la definizione di ruoli e responsabilità, la creazione di un comitato di supervisione e l’implementazione di politiche e procedure per garantire che l’AI venga utilizzata in modo etico e responsabile. Le aziende devono anche prestare attenzione alla sicurezza dei dati e alla protezione della privacy, implementando misure appropriate per proteggere le informazioni sensibili. L’AI ha il potenziale per trasformare il mondo aziendale, ma solo se viene implementata in modo strategico, responsabile ed etico. Le aziende che sapranno superare gli ostacoli all’implementazione, adottare strategie realistiche e creare una cultura aziendale favorevole all’innovazione saranno in grado di sfruttare appieno il potenziale di questa tecnologia trasformativa e ottenere un vantaggio competitivo duraturo.

Oltre il fallimento: un futuro di intelligenza collaborativa

La chiave per sbloccare il vero potenziale dell’AI risiede in un cambio di prospettiva: non più un’entità autonoma, ma un partner collaborativo. Le aziende devono abbracciare un modello in cui l’AI supporta e amplifica le capacità umane, anziché sostituirle. Questo significa focalizzarsi su soluzioni che migliorino la produttività, facilitino il processo decisionale e creino esperienze cliente personalizzate, mantenendo sempre al centro il valore dell’interazione umana. Immaginiamo un futuro in cui l’AI gestisce le attività ripetitive e noiose, liberando i dipendenti per concentrarsi su compiti più creativi e strategici. Un futuro in cui l’AI fornisce informazioni dettagliate e analisi predittive, consentendo ai manager di prendere decisioni più informate e di anticipare le tendenze del mercato. Un futuro in cui l’AI personalizza l’esperienza del cliente, offrendo prodotti e servizi su misura per le loro esigenze specifiche. Questo futuro è possibile, ma richiede un impegno costante nell’apprendimento, nell’adattamento e nella collaborazione. Le aziende devono essere disposte a sperimentare, a imparare dai propri errori e a rivedere le proprie strategie in base ai risultati ottenuti. Devono anche investire nella formazione del personale, per sviluppare le competenze necessarie per lavorare con l’AI. Ma soprattutto, devono creare una cultura aziendale che valorizzi l’innovazione, la creatività e la collaborazione. Solo così potranno trasformare il potenziale dell’AI in realtà e costruire un futuro di intelligenza collaborativa.

Amici, spero che questo viaggio nel mondo dell’intelligenza artificiale vi sia piaciuto! Per capire meglio di cosa abbiamo parlato, immaginate l’AI come un sofisticato programma per computer capace di imparare dai dati e prendere decisioni. E, per fare un passo avanti, pensate alle reti neurali, ispirate al funzionamento del cervello umano, che permettono all’AI di riconoscere modelli complessi e risolvere problemi ancora più difficili. Riflettiamo insieme: come possiamo utilizzare al meglio questa tecnologia per migliorare il nostro lavoro e la nostra vita, senza dimenticare l’importanza dell’etica e della responsabilità?