Perché tanti progetti AI non arrivano a destinazione
In Italia l'adozione cresce in fretta: nel 2025 usa l'AI il 16,4% delle imprese con almeno 10 addetti, il doppio dell'anno prima (Istat, dicembre 2025). Arrivare a un risultato è un'altra storia. Secondo una ricerca del MIT pubblicata nel 2025, circa il 95% dei progetti pilota di AI generativa analizzati non ha prodotto un impatto misurabile sui conti (Fortune, agosto 2025).
La tecnologia raramente è il problema: i modelli sono maturi e le demo funzionano. A fermare i progetti sono obiettivi vaghi, dati che mancano e nessun piano per portare il risultato nelle mani di chi lavora. La stessa ricerca nota che i ritorni più alti arrivano dai processi interni, come l'amministrazione e le operazioni, più che dai progetti più visibili.
1. Parti da un problema, non dall'AI
“Usiamo l'AI” non è un obiettivo. “Rispondere alle richieste dei clienti entro un'ora invece che in un giorno” lo è. Un buon punto di partenza si descrive in una frase e ha un numero che oggi si può misurare: tempo, errori, richieste perse, ore spese.
2. Scegli un primo progetto piccolo
Il primo progetto deve dimostrare valore in fretta. I candidati migliori succedono spesso, oggi richiedono tempo a una persona e hanno un risultato facile da verificare: smistare le email in arrivo, estrarre dati dai documenti, preparare bozze di risposta. Se il compito è sempre uguale, forse l'AI non serve nemmeno: in Agente AI o automazione? trovi come distinguere i due casi.
3. Controlla i dati prima di costruire
Tra le imprese italiane che hanno valutato l'AI senza poi adottarla, il 45,2% indica come ostacolo la scarsa disponibilità o qualità dei dati (Istat, 2025). Prima di scrivere codice conviene rispondere a tre domande:
- Le informazioni che servono esistono già? E dove si trovano?
- Sono accessibili da un sistema, o vivono in caselle email e fogli sparsi?
- Ci sono dati personali o riservati che richiedono attenzione particolare?
Se i dati non ci sono, il primo passo è organizzarli. Spesso basta un'automazione che li raccolga nel posto giusto, come raccontiamo in Cosa automatizzare in azienda.
4. Arriva presto agli utenti reali
Una demo deve funzionare una volta, davanti a un pubblico ben disposto. Un sistema in produzione deve funzionare ogni giorno, su casi che nessuno aveva previsto. Per questo la prima versione va messa in mano a chi la userà davvero entro poche settimane, con un perimetro ridotto e una persona che controlla i risultati.
In questa fase l'AI lavora affiancata: propone, e una persona approva. Quando i risultati sono stabili, si decide cosa può fare in autonomia.
5. Misura e decidi
Il numero scelto al primo passo è il metro di giudizio. Dopo un mese si confronta con la situazione di partenza. Se migliora, si estende ad altri casi o processi. Se non migliora, si capisce perché e si corregge, oppure si ferma il progetto prima di spendere altro: fermarsi presto è un buon risultato quanto andare avanti.
Chi se ne occupa dopo il lancio
Ogni sistema AI ha bisogno di qualcuno che lo segua: che legga i casi in cui sbaglia, aggiorni le istruzioni e i documenti a cui attinge e verifichi che i costi restino sotto controllo. Può essere una persona del tuo team o il partner che l'ha costruito, ma va deciso prima di iniziare.
I segnali che il progetto sta deragliando
- Dopo un mese nessuno sa dire se sta funzionando.
- Il perimetro continua ad allargarsi prima che la prima parte sia in uso.
- Gli utenti tornano al vecchio metodo appena possono.
- Il prototipo è sempre “quasi pronto”.
Se vuoi impostare il primo progetto nel modo giusto, scrivici: partiamo dal problema e ti diciamo con franchezza se l'AI è la risposta.
Domande frequenti
Quanto costa un primo progetto AI?
Dipende dal processo e dai sistemi da collegare. Un primo progetto ben delimitato costa molto meno di un programma ampio, ed è il modo più sicuro per verificare il ritorno prima di investire di più.
Servono competenze tecniche interne?
No. Serve una persona che conosca bene il processo e abbia il tempo di provarlo. La parte tecnica si può affidare a un partner.
I nostri dati sono al sicuro?
Dipende da come viene costruito il sistema. Si scelgono fornitori che non usano i tuoi dati per addestrare i loro modelli, si limitano gli accessi a ciò che serve e si tengono fuori dal flusso i dati sensibili che non sono necessari.
