Perché il 95% dei progetti AI non genera ritorno

Negli ultimi mesi un numero è arrivato in molte direzioni aziendali: il 95% dei progetti pilota di AI generativa nelle imprese non produce alcun ritorno misurabile sul conto economico. È il risultato di uno studio del MIT Media Lab, all’interno del progetto NANDA, pubblicato come The State of AI in Business 2025, costruito su oltre 300 iniziative analizzate, 52 interviste e 153 questionari (MIT NANDA, 2025).

La prima reazione, comprensibile, è considerare l’AI l’ennesima moda e rinviare la decisione. È la lettura sbagliata. Il dato non dice che la tecnologia non funziona. Dice che quasi tutti la stanno usando male. È una differenza enorme, soprattutto per chi guida una PMI e deve decidere dove destinare tempo e denaro. Se il problema fosse lo strumento, non resterebbe che attendere. Se invece il problema è l’approccio, puoi intervenire, e il margine di manovra è più ampio di quanto sembri.

Letto con attenzione, lo studio è quasi rassicurante. Il fallimento non dipende dalla qualità del modello: l’AI oggi svolge bene il lavoro linguistico e ripetitivo che serve a un’azienda. Dipende da tre errori di metodo che si ripetono con regolarità, dalla multinazionale allo studio di quindici persone. Sono tre errori evitabili. Li esaminiamo uno per uno, poi vediamo cosa fa chi rientra nel 5% che ottiene un ritorno.

Primo errore: il budget destinato all’area sbagliata

Quando un’azienda decide di «provare l’AI», nella maggioranza dei casi il denaro va dove c’è più visibilità: vendite e marketing. Secondo il MIT NANDA (2025), tra il 50% e il 70% degli investimenti si concentra proprio lì. Ha una sua logica emotiva (è la parte che porta fatturato, quindi sembra la più importante da rafforzare), ma è anche la parte dove il ritorno dell’AI è più basso.

La ragione sta nel tipo di lavoro. Vendite e marketing sono attività dove conta il giudizio, la relazione, la creatività, il contesto di mercato: ambiti in cui uno strumento aiuta ai margini ma raramente cambia i risultati. Il ritorno più alto, dice lo stesso studio, è nel back office: amministrazione, gestione documenti, operazioni. Cioè esattamente il lavoro ripetitivo, regolare, ad alto volume, dove l’AI dà il meglio, perché è lavoro fatto di testo, di regole e di pratiche che si ripetono uguali ogni giorno.

Per una PMI italiana questo è quasi una buona notizia, perché il back office è la parte dove il titolare vede a occhio nudo dove si perde tempo: la fattura da registrare, il preventivo da rifare per la terza volta, la mail di sollecito, l’estrazione dei dati da un PDF, la risposta al cliente che chiede sempre la stessa cosa. Sono attività che non si prestano a una presentazione, ma un’ora risparmiata lì è un’ora effettiva. Chi parte da lì, invece che dalla campagna di marketing assistita dall’AI, parte in condizioni più favorevoli.

Secondo errore: lo strumento aggiunto al processo esistente

Il secondo errore è il più diffuso e il più subdolo, perché sembra la scelta più prudente. Si aggiunge l’AI al processo esistente, senza cambiare niente. Il flusso di lavoro resta identico a prima, con in più uno strumento che dovrebbe accelerarlo.

Il problema è che l’AI aggiunta a un processo invariato non accelera il lavoro: accelera il disordine che c’era già. Se un processo era confuso, con passaggi manuali, controlli fatti a memoria e informazioni disperse tra email, fogli Excel e singole persone, aggiungere l’AI non lo corregge. Lo rende semplicemente più veloce nel produrre lo stesso disordine. E dopo qualche settimana l’azienda conclude, ancora una volta in modo comprensibile, che «non è servito a niente».

Chi ottiene risultati, secondo il MIT NANDA (2025), fa il contrario: ridisegna il processo attorno allo strumento. Non chiede «come inserisco l’AI in quello che facciamo già», ma «visto che ora questa parte la può fare l’AI, come dovrebbe funzionare davvero questo processo». È un cambio di prospettiva piccolo a parole e grande nei fatti.

Un esempio concreto. La gestione dei preventivi in molte aziende è: il commerciale riceve la richiesta via mail, cerca i prezzi in un listino, li incolla in un modello Word, corregge a mano, salva e invia. Appoggiare l’AI qui significa, nella migliore delle ipotesi, farsi aiutare a scrivere il testo. Ridisegnare il processo significa invece: l’informazione arriva in un unico posto, i dati vengono estratti in automatico, il preventivo si genera già compilato secondo le regole aziendali, e alla persona resta solo il controllo e la firma. Il primo caso fa risparmiare qualche minuto. Il secondo risparmia un’ora ogni volta. La tecnologia è la stessa: la differenza è che nel secondo caso qualcuno ha ripensato il flusso.

Terzo errore: fare tutto internamente, senza esperienza

Il terzo errore riguarda chi lo fa. Molte aziende affrontano il progetto AI come un compito da svolgere in casa, con le risorse che hanno: si affida il progetto a chi in azienda ha più dimestichezza con l’informatica, nei ritagli di tempo. È un approccio che rispetta il budget, ma riduce molto le probabilità di successo.

I numeri del MIT NANDA (2025) sono netti: i progetti gestiti solo internamente arrivano in produzione (cioè diventano qualcosa che l’azienda usa davvero, tutti i giorni) nel 22% dei casi. Quando invece si lavora con un partner specializzato, la stessa soglia sale al 67%. In altri termini: tenere tutto in casa, senza esperienza specifica, triplica le probabilità che il progetto resti un esperimento senza seguito.

È una questione di curva di apprendimento, non di capacità delle persone interne, spesso molto competenti. Chi fa questo lavoro tutti i giorni ha già commesso, su altri progetti, gli errori tipici: sa dove si perde tempo, quali processi rendono subito e quali no, come si porta uno strumento dall’entusiasmo iniziale all’uso quotidiano senza che le persone lo abbandonino dopo due settimane. Un’azienda che parte da zero deve imparare tutto questo sul campo, e la maggior parte abbandona prima di arrivare al punto in cui il ritorno diventa visibile.

Cosa fa chi rientra nel 5%

Messi in fila i tre errori, le condizioni per rientrare nel 5% sono evidenti. Sono una questione di metodo, non di tecnologia:

• Parti dal back office, non dalla parte commerciale. Cerca il ritorno dove c’è, cioè nel lavoro ripetitivo di amministrazione, documenti e operazioni, non nelle attività in cui prevale il giudizio, come vendite e marketing.
• Ridisegna il processo, non aggiungere lo strumento a quello esistente. Prima di scegliere qualsiasi tecnologia, ripensa come dovrebbe funzionare il flusso se il lavoro manuale sparisse. L’AI viene dopo, non prima.
• Non farlo da solo la prima volta. L’esperienza di chi ha già portato progetti in produzione è ciò che separa il 22% dal 67%. Serve soprattutto all’inizio, per non sprecare i primi mesi imparando dagli errori più prevedibili.
• Misura un solo risultato, e misuralo con rigore. Scegli un processo, definisci prima quante ore o quanti errori vuoi eliminare, e verifica dopo se è successo. Il 95% dei progetti fallisce anche perché nessuno aveva deciso in anticipo cosa voleva dire «ha funzionato».

C’è un filo che tiene insieme questi quattro punti, ed è la modestia dell’ambizione iniziale. I progetti che riescono non partono da «trasformiamo l’azienda con l’AI». Partono da una richiesta precisa: eliminare una specifica attività ripetitiva a tre persone e verificare se funziona. È un obiettivo piccolo, verificabile, che si conclude in poche settimane. Quando funziona, si allarga. Quando non funziona, è costato poco e ha insegnato molto. È l’opposto del grande progetto che assorbe budget per un anno e poi non arriva mai in produzione.

Il dato del 95% non dice che l’AI non funziona. Dice che quasi nessuno l’ha ancora usata nel modo corretto. Per chi lo capisce, oggi, è un vantaggio: la barriera è di metodo, non tecnologica, e il metodo si può copiare.

Vale la pena ripeterlo, perché è la conclusione che conta. Se il 95% fallisce per la tecnologia, allora attendere è saggio. Ma il MIT NANDA (2025) dice il contrario: fallisce per l’approccio. E l’approccio giusto (budget dove rende, processo ridisegnato, esperienza in campo, una metrica chiara) non richiede di essere una grande azienda né di avere un reparto informatico. Richiede di partire dal punto giusto e in piccolo. L’AI, oggi, è pronta per la sua parte del lavoro. La parte che decide il risultato è il modo in cui la introduci in azienda.

Se vuoi capire quale processo del tuo back office renderebbe di più (e come ridisegnarlo attorno allo strumento invece che il contrario) puoi prenotare una call e ne parliamo sul tuo caso, senza gergo tecnico. E se preferisci prima farti un’idea con calma, trovi tutto spiegato passo passo nella nostra guida gratuita «La guida sull’AI per PMI».