Uno studio della prestigiosa università di Boston ha mandato nel panico gli investitori di tutto il mondo: l’impatto dell’intelligenza artificiale sul lavoro sarebbe sovrastimato. Ma siamo sicuri che lo studio rappresenti la realtà in modo fedele? La nostra analisi
Un report basato su 52 interviste ha fatto tremare le borse mondiali, dando la stura ai catastrofisti. Il report del MIT di Boston non ha rivelato il fallimento dell’IA, ma il cortocircuito tra aspettative irrealistiche e realtà organizzative.
Mentre il 95% delle aziende resta intrappolato in pilot sterili, il 90% dei dipendenti usa già l’IA ogni giorno. Il vero divide non è tecnologico, ma culturale: tra chi pretende trasformazioni istantanee e chi comprende che l’IA, come ogni rivoluzione, richiede pazienza strategica e ripensamento profondo di come lavoriamo.
L’IA non è già morta, quindi. Sta solo imparando a camminare in un mondo fuori allenamento, che pretende che sia lei a correre al posto suo.
Il 18 agosto Fortune pubblica un articolo di Shery Estrada che diventa virale, in cui si dice: “Alcune applicazioni dell’IA di grandi aziende e startup giovani stanno eccellendo. Startup guidate da ragazzi di 19-20 anni hanno visto i ricavi saltare da zero a 20 milioni in un anno”. Fin qui nulla di nuovo, ma la vera notizia è: “Le aziende scommettono sull’IA, eppure quasi tutti i piloti aziendali sono bloccati alla linea di partenza”.
Il giorno successivo, Fortune rilancia con il concetto di “Shadow AI Economy”: dipendenti che usano strumenti IA personali mentre le iniziative aziendali falliscono. Gizmodo titola: “Il report rivelatore ha spaventato gli investitori e fatto crollare i titoli AI”. I numeri, in effetti, sono brutali. Futurism interpreta con uno sbalorditivo “il 95% dei tentativi di incorporare l’IA generativa sta fallendo”.
Matthew Field del Telegraph evoca lo spettro del 2000: “‘Quando scoppierà la bolla internet?’ chiedeva Barron’s il 20 marzo 2000. Ora alcuni temono che quel suono spiacevole di scoppio possa essere imminente per l’IA”. Il Financial Times nella newsletter FirstFT sintetizza: “Solo il 5% delle applicazioni pilota IA integrate sta estraendo milioni di valore, mentre la grande maggioranza rimane bloccata senza impatto misurabile sul bilancio delle aziende”.
Il selloff del 20 agosto non è solo numeri: Nvidia perde 3,5%, Palantir crolla del 9%, Arm Holdings -3,8%, SoftBank -7%. Ma è Sam Altman, CEO di OpenAI, a gettare benzina sul fuoco commentando il report MIT. Le sue parole sono chirurgiche: “Siamo in una fase in cui gli investitori nel loro complesso sono troppo entusiasti dell’intelligenza artificiale? La mia opinione è sì. L’intelligenza artificiale è la cosa più importante che sia successa da molto tempo? Anche in questo caso, la mia opinione è sì”.
Altman usa la parola “bubble” più volte, tracciando parallelismi espliciti con la bolla dotcom. Ammette che “alcuni investitori saranno molto scottati” quando l’hype si ridimensionerà, pur confermando che OpenAI “continuerà a spendere trilioni in IA e data center”. Il messaggio è paradossale: siamo in una bolla speculativa ma la tecnologia è reale. È il tempismo delle aspettative a essere sbagliato, non la direzione.
Il report The GenAI Divide. State of AI in Business 2025 del MIT di Boston racconta una storia che nessuno si aspettava, ma che tutti sapevano. I ricercatori hanno intervistato 52 organizzazioni, analizzato oltre 300 progetti IA pubblici e raccolto dati da 153 leader aziendali.
Quello che hanno scoperto è un paradosso da 40 miliardi di dollari: montagne di investimenti, risultati quasi zero. Ma solo in apparenza.
Immaginate un canyon profondissimo. Da un lato, il 5% delle aziende che stanno facendo milioni con l’IA. Dall’altro, il 95% che brucia soldi in progetti che non vanno da nessuna parte. Questo è il “GenAI Divide”, la spaccatura generazionale dell’intelligenza artificiale.
Ma ecco il colpo di scena: l’80% delle aziende ha già adottato ChatGPT o strumenti simili. I dipendenti li adorano, li usano ogni giorno. Però quando le stesse aziende provano a costruire soluzioni IA personalizzate per problemi specifici – sistemi per automatizzare le vendite, gestire i contratti, ottimizzare la produzione – solo il 5% riesce a farle funzionare davvero. O meglio, ad avere metriche che possano definire se e quanto funzionano in termini di miglioramento del bilancio economico dell’azienda.
Un avvocato aziendale intervistato nel report confessa: “La mia azienda ha speso 50.000 dollari per uno strumento IA specializzato in contratti. Produce riassunti rigidi, senza possibilità di personalizzazione. Io uso ChatGPT, che costa 20 dollari al mese: posso guidare la conversazione, iterare, ottenere esattamente quello che mi serve. È paradossale, ma lo strumento da 20 dollari batte quello da 50.000”. Dite la verità: chi non sottoscriverebbe l’affermazione di questo legale?
Il dato più sorprendente del report è l’esistenza di un’economia sommersa dell’IA. Solo il 40% delle aziende ha acquistato abbonamenti ufficiali a strumenti basati su intelligenza artificiale (generici, non personalizzati). Eppure il 90% dei dipendenti usa quotidianamente ChatGPT, Claude o altri assistenti IA con account personali per il proprio lavoro.
È come se esistessero due realtà parallele: sopra, i progetti ufficiali che arrancano; sotto, una rete invisibile di produttività dove i dipendenti hanno già risolto i loro problemi. “In pratica ogni singola persona che abbiamo intervistato usa un LLM (Large Language Model, N.d.R.) ogni giorno per lavoro”, nota il report. Mentre i CTO presentano roadmap triennali per l’adozione dell’IA, i loro dipendenti l’hanno già adottata da mesi.
Ma perché questo divario? Il report identifica un problema fondamentale che chiama “Learning Gap”, il vuoto di apprendimento. I sistemi IA attuali sono come persone con amnesia permanente. Non ricordano le conversazioni precedenti, non imparano dalle correzioni, non si adattano al modo di lavorare specifico di un’azienda. In altre parole, l’IA è fantastica per le bozze iniziali, ma non ricorda che il cliente odia il gergo tecnico, o che preferiamo sempre il formato bullet point, o che abbiamo già discusso quell’argomento la settimana precedente. Ogni volta occorre rispiegare tutto da capo.
Per lavori semplici l’IA va bene, ma per progetti complessi? Il 90% delle persone preferisce ancora lavorare con un collega umano, anche junior.
Il report quantifica: per task veloci (email, riassunti), il 70% preferisce l’IA. Per progetti articolati che durano settimane, il 90% sceglie ancora gli umani. La discriminante non è l’intelligenza, ma la memoria e la capacità di imparare.
I ricercatori hanno creato un indice da 0 a 5 per misurare quanto ogni settore si sta trasformando a causa dell’IA. Hanno considerato cinque fattori: volatilità delle quote di mercato (stanno emergendo nuovi leader?), crescita di aziende AI-native, nascita di nuovi modelli di business, cambiamenti nel comportamento degli utenti, riorganizzazioni aziendali dovute all’IA. Risultato scioccante: solo due settori su nove mostrano vera disruption. Technology (3,5 punti) e Media & Telecom (2 punti) stanno cambiando in maniera strutturale. Tutti gli altri – Healthcare, Financial Services, Energy, Manufacturing – sono fermi tra 0 e 0,5. C’è “sperimentazione diffusa senza trasformazione”; come avere mille cantieri aperti ma nessun edificio completato.
Un altro dato controintuitivo: le aziende che comprano soluzioni IA da esterni hanno il 66% di probabilità di successo. Quelle che provano a costruirle internamente? Solo il 33%. Il doppio dei fallimenti. Comprare batte costruire 2 a 1. Ma c’è di più: le aziende di medie dimensioni implementano soluzioni IA in 90 giorni. Le grandi corporation impiegano nove mesi o più. È il paradosso delle risorse: più soldi e persone hai, più tutto diventa complicato e lento. Come dice il report, si tratta di “diseconomie di scala cognitive”: più grande è l’organizzazione, più è difficile pensare in modo agile.
Inoltre, quando gli autori del rapporto hanno chiesto ai manager di distribuire ipoteticamente 100 dollari di budget IA, il 50% è andato a sales e marketing. Eppure, i ritorni maggiori vengono dal back-office: automazione documenti, riduzione dei costi di outsourcing, ottimizzazione dei processi interni. Un VP Procurement di una società farmaceutica spiega il dilemma: “Se compro uno strumento che velocizza il mio team, come lo quantifico al CEO? Non riduce direttamente i costi, non aumenta le vendite. L’impatto è reale, ma invisibile. Quindi investiamo dove possiamo mostrare numeri immediati al board, non dove il valore è massimo”.
Il report si conclude con una visione futuristica chiamata “Agentic Web”: una rete di agenti IA autonomi. Invece di avere applicazioni separate che non si parlano, immaginate agenti IA che possono coordinarsi in autonomia attraverso protocolli come NANDA, MCP e A2A (nomi tecnici per standard di comunicazione tra intelligenze artificiali). È come passare da un mondo dove ogni apparecchio elettrico ha la sua presa specifica a uno con prese universali: improvvisamente tutto può connettersi con tutto. Gli agenti IA potranno negoziare tra loro, condividere informazioni, coordinarsi per completare task complessi senza intervento umano.
Ma il report avverte: nei prossimi 18 mesi, le aziende si legheranno a venditori e sistemi specifici. Chi investe ora in sistemi che possono apprendere e adattarsi creerà vantaggi competitivi difficili da colmare. Chi resta fermo con tool statici che richiedono prompt continui resterà indietro. Un CIO di una società finanziaria da 5 miliardi riassume: “Stiamo valutando cinque soluzioni IA diverse. Quella che dimostrerà di poter apprendere e adattarsi ai nostri processi vincerà. Una volta che investiamo tempo per insegnare a un sistema come lavoriamo, i costi per cambiare diventano proibitivi”.
La validità analitica della ricerca non è esente da critiche. Il campione di 52 organizzazioni considerato dal MIT è microscopico per generalizzare su un mercato trilionario. La selezione volontaria introduce bias: chi accetta di discutere fallimenti IA non rappresenta il mercato. Il periodo di sei mesi considerato dalla ricerca, poi, è inadeguato per sistemi enterprise che richiedono 12-24 mesi per maturare – è come giudicare un bambino sulla base della sua capacità di correre, appunto, a sei mesi.
Manca un gruppo di controllo: impossibile isolare l’effetto IA da miglioramenti operativi concorrenti, fattori economici, altri investimenti tech. Il self-reporting senza verifiche oggettive permette sia sovrastime che sottostime basate su percezioni soggettive. La definizione di “successo” come “rapid revenue acceleration” esclude benefici incrementali che potrebbero cumularsi nel tempo.
L’analisi di iniziative “pubblicamente disponibili” sovrarappresenta casi di successo: le aziende pubblicizzano vittorie, non fallimenti. È ricerca esplorativa percepita per censimento definitivo.
Le maratone si vedono al traguardo, non ai primi 500 metri. Nonostante questo, le informazioni raccolte dal MIT, se messe nella giusta prospettiva, possono dirci qualcosa di importante.
Ricapitolando, il report del MIT NANDA, pubblicato a luglio, definisce “successo” come “rapid revenue acceleration” misurabile sul profit and loss in sei mesi. Risultato: solo il 5% ce la fa.
BCG, analizzando 1.000 executive su 20 settori in 59 Paesi, usa 30 parametri aziendali includendo efficienza operativa e benefici di costo. Risultato: il 26% genera valore tangibile, con un ulteriore 4% definito “leader AI”.
La divergenza 5.2x tra MIT (5%) e BCG (26%) rivela bias metodologici opposti: MIT potrebbe essere troppo restrittivo, focalizzandosi su trasformazione rapida; BCG troppo inclusivo, considerando anche benefici operativi minori.
Per McKinsey il 78% delle organizzazioni usa IA, ma solo 1% ha deployment “maturi”. Tuttavia, il 17% attribuisce almeno il 5% dell’EBIT all’IA – tre volte il dato MIT.
“Un CEO può simultaneamente affermare ‘l’IA sta aiutando’ e ‘non vediamo il ROI promesso’ – sta semplicemente usando metri diversi” spiega l’analisi. È il cuore del paradosso: MIT misura trasformazione rapida, altri misurano progresso incrementale.
IBM aggiunge complessità: il 25% delle iniziative IA raggiunge il ROI atteso, ma solo il 16% scala enterprise-wide. Accenture trova che il 36% ha scalato soluzioni GenAI, anche se solo il 13% riporta impatto significativo.
Tutti gli studi concordano su tre punti: alta sperimentazione con basso impatto trasformativo, difficoltà nel passaggio da pilota a produzione, e gap tra adozione individuale e trasformazione aziendale.
Gartner supporta la visione pessimistica: il 50% dei progetti GenAI sarà abbandonato nella fase pilota. MIT Technology Review conferma: l’80-90% dei proof of concept IA fallisce nello scaling.
L’evidenza suggerisce che la realtà si colloca tra il pessimismo del MIT e l’ottimismo di BCG. È probabile che il 10-20% delle organizzazioni raggiunga vera trasformazione, mentre la maggioranza ottiene benefici incrementali senza rivoluzione del business model. Il paradosso non è nei numeri, ma nelle aspettative. Le aziende stanno ottenendo qualche valore dall’IA, ma solo una minoranza raggiunge il sacro Graal della trasformazione rapida e misurabile.
La lezione? Prima di investire miliardi in IA, è bene definire che cosa significa “successo” per la propria organizzazione.
Come il gatto di Schrödinger, che è allo stesso tempo vivo e morto finché non apriamo la scatola che lo contiene, l’IA aziendale esiste in uno stato di sovrapposizione: fallimento totale e successo straordinario coesistono nello stesso momento. Il report MIT ha aperto la scatola e ci ha mostrato entrambe le realtà.
Viviamo una dissonanza cognitiva organizzativa profonda. Il 90% dei dipendenti usa ChatGPT in privato, producendo valore reale, mentre rifiuta gli strumenti enterprise ufficiali. Quali sono i motivi? Le aziende non sanno interpretare le esigenze dei singoli lavoratori? Oppure la fiducia dei lavoratori nelle soluzioni aziendali è al minimo storico? Michel de Certeau l’avrebbe chiamata “l’arte del fare”: tattiche quotidiane di appropriazione che sovvertono le strategie ufficiali. I dipendenti creano spazi di autonomia produttiva al di fuori del controllo manageriale. La Shadow AI Economy non è solo un fenomeno tecnologico: è l’emergere di economie parallele come forma di resistenza alla rigidità strutturale.
Lo schema del 95% di pilot che non scalano suggerisce quella che Chris Argyris definirebbe una “routine difensiva organizzativa”: le aziende mantengono l’apparenza di innovazione attraverso pilot continui senza reale intenzione trasformativa. Recitiamo l’innovazione per legittimarci agli occhi di investitori, clienti, dipendenti; forse anche di noi stessi. I pilot diventano rituali propiziatori, offerte agli dei della disruption digitale, senza vera fede nella trasformazione. È una forma di “learned helplessness” collettiva: continuiamo a investire nonostante il fallimento ripetuto, incapaci di modificare strategie nonostante feedback negativi costanti.
Le aziende medie implementano in 90 giorni, le grandi corporation in nove mesi o più. È il paradosso delle “diseconomie di scala cognitive”; maggiori risorse creano maggiore complessità decisionale, non accelerazione. Le grandi organizzazioni, con le loro risorse immense, dovrebbero dominare l’innovazione. Invece assistiamo a una tragedia dei common cognitivi: le strutture organizzative inibiscono capacità presenti a livello individuale. L’iper-agenzia del singolo (ancora una volta: il 90% usa l’IA a livello personale) coesiste con l’inerzia collettiva (il 95% dei progetti fallisce). Servono nuovi modelli organizzativi. Unità di cambiamento interno, ad alto potere decisionale. Aziende nelle aziende con un mandato preciso: far cambiare le cose.
Gli utenti preferiscono ChatGPT, “imperfetto ma controllabile”, a sistemi enterprise “ottimizzati ma rigidi”. Non è irrazionalità, ma saggezza inconscia: valorizzano l’agire sopra l’efficienza teorica. È una lezione profonda sulla natura umana: non vogliamo solo risultati, vogliamo partecipazione nel processo. L’illusione del controllo è più importante dell’ottimizzazione oggettiva. ChatGPT offre conversazione; i sistemi enterprise offrono dettatura.
Il fallimento dell’IA enterprise non rivela limiti tecnologici, ma disfunzioni organizzative preesistenti. L’IA agisce come dispositivo diagnostico involontario, uno specchio che riflette rigidità strutturale, disconnessione tra livelli gerarchici, incapacità di apprendimento sistemico. Come il test di Rorschach rivela la psiche individuale, l’implementazione IA rivela la psiche organizzativa. Vediamo aziende che allocano il 50% del budget a sales e marketing (dove l’attribuzione è facile) ignorando il back-office (dove il valore è massimo). È il trionfo della visibilità sull’efficacia, del teatro sulla sostanza.
Il successo nell’era dell’IA richiede non apprendimento, ma “disapprendimento organizzativo”: abbandonare paradigmi consolidati, dismettere certezze, svuotarsi di saperi cristallizzati. Le organizzazioni devono disimparare il controllo per imparare la co-evoluzione, disimparare la pianificazione per imparare l’emergenza, disimparare la gerarchia per imparare la rete. Stiamo assistendo all’emergenza dell’Agentic Web: non solo agenti IA che si coordinano in autonomia, ma un nuovo paradigma organizzativo dove l’agency è distribuita, negoziata, emergente. Le strutture gerarchiche command-and-control diventano obsolete in un mondo dove l’intelligenza è liquida, accessibile, infiltrante.
Il MIT ha giudicato il successo in sei mesi, un tempo risibile per trasformazioni profonde. Le tecnologie trasformative richiedono quello che Bergson chiamava “durée”: non il tempo cronologico dell’orologio, ma il tempo vissuto della maturazione. Eppure, il report avverte: la finestra si sta chiudendo. È il paradosso temporale della trasformazione digitale: richiede pazienza strategica ma punisce chi aspetta troppo. L’IA promette democratizzazione delle capacità, ma produce una nuova élite: il 5% che realizza valore contro il 95% che fallisce. Mai così tanti hanno avuto accesso a così tanto potere computazionale, mai così pochi ne hanno estratto valore reale. La vera divisione non è tra chi ha accesso all’IA e chi no, ma tra chi sa trasformare l’accesso in valore e chi resta intrappolato nel teatro dell’innovazione.
Forse la vera domanda che il report solleva ma non esplora è: che cosa ha fatto di diverso quel 5% di organizzazioni che ce l’ha fatta? Quali caratteristiche organizzative, culturali, strategiche le distinguono? Hanno superato il learning gap con soluzioni tecniche o con approcci organizzativi innovativi? Hanno trovato il modo di far coesistere la Shadow AI Economy con l’innovazione formale? Le risposte a queste domande potrebbero essere più preziose di qualsiasi analisi dei fallimenti. Perché mentre è importante capire perché il 95% fallisce, è ancora più importante capire come il 5% riesce. Sono loro che stanno scrivendo il manuale per navigare la trasformazione IA – un manuale che ancora non abbiamo letto.
Il report MIT pone questioni fondamentali sul nostro rapporto con l’intelligenza artificiale. Non è una questione di ROI o implementation rate, ma di come negoziamo la coesistenza con sistemi che sono allo stesso tempo strumenti e quasi-agenti, servitori e quasi-partner, estensioni e quasi-altri. La vera lezione del GenAI Divide non è che l’AI sta fallendo, ma che stiamo attraversando una fase liminale, un rito di passaggio collettivo verso forme di organizzazione e collaborazione che ancora non comprendiamo appieno. Il 95% di fallimento non è un verdetto, ma un sintomo: stiamo applicando logiche del ventesimo secolo a una tecnologia del ventunesimo.
L’IA non è morta. Come il gatto di Schrödinger, esiste in uno stato di sovrapposizione quantistica –rivoluzionaria e deludente, trasformativa e inefficace, presente e assente. Il report MIT ha fotografato questo momento di indeterminazione, scambiandolo per un verdetto definitivo. Ma finché la scatola resta aperta, entrambe le possibilità coesistono. E forse è proprio in questa coesistenza paradossale che risiede il futuro dell’IA aziendale.
L’articolo che hai appena letto è finito, ma l’attività della redazione SenzaFiltro continua. Abbiamo scelto che i nostri contenuti siano sempre disponibili e gratuiti, perché mai come adesso c’è bisogno che la cultura del lavoro abbia un canale di informazione aperto, accessibile, libero.
Non cerchiamo abbonati da trattare meglio di altri, né lettori che la pensino come noi. Cerchiamo persone col nostro stesso bisogno di capire che Italia siamo quando parliamo di lavoro.
Photo credits: theaustralian.com
C’è ancora qualcuno che si ostina ad applicare alle piccole e medie imprese lo stereotipo di fine Novecento, e le descrive come realtà dove l’innovazione è guidata dalla creatività dell’imprenditore e si fa in modo destrutturato e informale; dove la managerializzazione della gestione è presente a macchia di leopardo, la direzione delle risorse umane è […]
I paradossi del lavoro contraddistinguono la società del XXI secolo nella quale si registrano situazioni poco chiare come nelle facoltà umanistiche dove la frequenza del dottorato non è compatibile con i corsi di abilitazione all’insegnamento. I dottorati che intendono insegnare nelle scuole medie devono iniziare un percorso nuovo, perdendo quel tempo prezioso e procrastinando di […]
L’impatto dell’emergenza COVID-19 ha accelerato la trasformazione digitale delle città italiane, anche se in modo non uniforme: quali sono le più smart d’Italia? Intanto i borghi si aprono all’e-commerce.