Il 95% dei progetti AI aziendali fallisce. Ecco perché.
Il numero che nessuno vuole sentire.
Secondo un report del MIT pubblicato nell'agosto 2025, il 95% dei progetti di AI generativa nelle aziende non ha prodotto risultati finanziari misurabili entro sei mesi dal lancio.
Non il 50%. Il novantacinque percento.
Per mettere il dato in prospettiva: nel 2025 le aziende nel mondo hanno investito 684 miliardi di dollari in intelligenza artificiale. Di questi, oltre 547 miliardi — l'80% — non hanno generato valore di business misurabile. (Fonte: Pertama Partners)
Non è un problema di tecnologia
GPT-4, Claude, Gemini funzionano. Li usiamo ogni giorno per scrivere email, riassumere meeting, generare codice. Come strumenti individuali sono straordinari.
Ma c'è una differenza enorme tra usare l'AI e trasformare un'azienda con l'AI.
Secondo lo stesso report:
- Il 73% dei progetti falliti non aveva metriche di successo chiare
- Il 68% non aveva investito in data governance
- Il 61% ha trattato l'AI come un progetto IT invece che come una trasformazione di business
- Il 56% ha perso lo sponsorship del management entro 6 mesi
Il pattern è sempre lo stesso. Un'azienda compra ChatGPT Enterprise, lo distribuisce ai dipendenti, e dopo tre mesi il feedback è: "Carino, ma non ha cambiato niente."
Il vero collo di bottiglia: i dati
Il problema non è mai stato quale AI usare. Il problema è sempre stato come ci entrano i dati nell'AI.
L'AI più potente del mondo non serve a niente se non conosce la tua azienda.
Non sa quanto ti costa un dipendente per centro di costo. Non sa qual è il tuo margine operativo. Non sa che ogni dicembre il costo del lavoro sale del 12% per via dei ratei di tredicesima e quattordicesima.
E nessuno gliel'ha mai detto. Perché quei dati stanno in un PDF di buste paga, in un export CSV del gestionale, in un Excel con formule che solo una persona sa usare.
Il quadro italiano
L'Italia sta facendo progressi. Secondo i dati ISTAT 2025, l'adozione dell'AI nelle imprese è raddoppiata in un anno: dall'8,2% al 16,4% delle aziende con almeno 10 addetti. (Fonte: ISTAT)
Ma il divario dimensionale è allarmante:
| Dimensione | Adozione AI |
|---|---|
| Piccole imprese (10-49 addetti) | 7% |
| Medie imprese (50-249 addetti) | 15% |
| Grandi imprese (250+ addetti) | 32% |
Il gap non si sta chiudendo. Si sta allargando — da 20 punti percentuali nel 2023 a 25 nel 2025.
La grande impresa ha il CTO, il data team, il budget per i proof of concept. La PMI ha un gestionale paghe, un Excel e un commercialista.
Cosa serve davvero
La domanda giusta non è "quando adotterai l'AI". È "quando i tuoi dati saranno pronti per l'AI".
Nel 2025, il 77% delle aziende giudica la qualità dei propri dati "media o peggio". L'80% del tempo nei progetti AI viene speso a pulire e preparare i dati, non a creare valore. (Fonte: AIMultiple)
Garbage in, garbage out. Il principio non è cambiato dal 1957, quando venne coniato. Solo che ora il "garbage" costa 547 miliardi.
Nelle prossime settimane
Questo è il primo di una serie di articoli in cui esplorerò:
- Perché il vero problema non è l'AI ma il Data Transformation Layer — lo strato mancante tra i gestionali e l'intelligenza artificiale
- Come Jack Dorsey (Block) sta costruendo il primo World Model aziendale — e perché anche le PMI possono avere il loro
- I tre livelli di adozione AI e dove si ferma il 95% delle aziende
Se gestisci i costi del personale, la produttività o il controllo di gestione in una PMI, questi temi ti riguardano direttamente.
Guido Parrinello — Quidoo Pulse, AI Data Transformation Layer per PMI
Fonti
- MIT Report: 95% of GenAI pilots failing — Fortune, Agosto 2025
- AI Project Failure Statistics 2026 — Pertama Partners
- Imprese e ICT 2025 — ISTAT
- AI Data Quality 2026 — AIMultiple
- McKinsey State of AI 2025 — McKinsey
- Data Transformation Statistics 2026 — Integrate.io