Il Grande Divario della GenAI: Perché le Aziende Faticano a Tradurre l’Investimento in Valore Reale

• Autori: Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari (MIT NANDA)
• Titolo Originale: The GenAI Divide: State of AI in Business 2025

Siamo nel bel mezzo di un’ondata di euforia per l’Intelligenza Artificiale Generativa (GenAI). Aziende di ogni dimensione stanno riversando miliardi di dollari in questa tecnologia, sperando di sbloccare nuove efficienze e opportunità. Ma dietro il clamore si nasconde una realtà sorprendente e, a tratti, deludente: la maggior parte di questi investimenti non produce alcun ritorno misurabile. Il 95% delle organizzazioni che si avventurano nella GenAI si ritrovano con un ROI pari a zero. Questa disparità, un vero e proprio abisso tra aspettative e risultati, è ciò che l’MIT NANDA ha battezzato “Il Divario della GenAI”. Ma cosa sta frenando il progresso e come si può davvero attraversare questo divario?

1. L’Illusione dell’Adozione: Dove si Nasconde il Divario

L’adozione della GenAI è innegabilmente alta. Strumenti come ChatGPT e Copilot sono stati esplorati o testati da oltre l’80% delle organizzazioni, con quasi il 40% che li ha già integrati. Questi strumenti, tuttavia, eccellono principalmente nel migliorare la produttività individuale, come un assistente personale che sbriga piccoli compiti. Ma quando si tratta di impattare in modo significativo il conto economico aziendale, la loro efficacia svanisce.

Il problema si acuisce con i sistemi GenAI di livello enterprise, quelli progettati per compiti complessi e specifici:

• Il 60% delle organizzazioni li ha valutati.
• Solo il 20% è arrivato alla fase pilota.
• Appena il 5% ha raggiunto la piena produzione.

Questo fallimento non è dovuto alla qualità dei modelli o alle normative, ma all’approccio con cui le aziende li adottano. Il Divario della GenAI si manifesta in quattro modelli chiari:

• Disorganizzazione limitata: Solo due settori su otto (Tecnologia e Media) mostrano cambiamenti strutturali significativi. Per gli altri, l’AI è più un aggiustamento che una rivoluzione.
• Paradosso delle grandi aziende: Le grandi imprese guidano il volume dei progetti pilota, ma sono le più lente a scalarli.
• Bias di investimento: La maggior parte dei budget (circa il 70%) va a funzioni visibili come vendite e marketing, anche se le operazioni di back-office offrono spesso un ROI maggiore.
• Vantaggio nell’implementazione: Le partnership esterne registrano un tasso di successo doppio rispetto ai progetti sviluppati internamente.

La vera barriera non è l’infrastruttura, la regolamentazione o la mancanza di talento. È, in ultima analisi, una questione di apprendimento: la maggior parte dei sistemi GenAI non impara dal feedback, non si adatta al contesto e non migliora nel tempo.

2. Il Divario di Apprendimento: Perché i Piloti Falliscono

Perché così tanti progetti pilota GenAI si arenano? La risposta è semplice: le aziende si ritrovano intrappolate da strumenti statici, che non imparano, non si integrano bene nei flussi di lavoro e mancano di memoria contestuale.

Immaginate di avere un collaboratore che dimentica ogni singola conversazione non appena questa finisce. Per i compiti più semplici, come scrivere una bozza veloce, può essere utile. Ma per lavori critici che richiedono continuità, comprensione del contesto e apprendimento dalle interazioni passate, sarebbe frustrante e inefficace. Molte soluzioni AI aziendali funzionano proprio così.

Questo genera un paradosso notevole:

• L’economia dell’AI “ombra”: Mentre le iniziative ufficiali GenAI aziendali stentano, una sorprendente “economia ombra” di AI sta prosperando. Il 90% dei dipendenti usa regolarmente strumenti AI personali (come ChatGPT o Claude) per il lavoro, spesso senza l’approvazione IT. Solo il 40% delle aziende ha acquistato abbonamenti ufficiali. Questi “prosumer” dimostrano che l’AI può essere efficace se flessibile e reattiva.
• L’insoddisfazione per gli strumenti enterprise: Gli stessi utenti che elogiano ChatGPT per la sua immediatezza e flessibilità, criticano gli strumenti AI aziendali come “fragili, iper-ingegnerizzati o disallineati con i flussi di lavoro reali”. Un avvocato d’azienda, pur preferendo ChatGPT per le bozze iniziali, ha evidenziato come per contratti complessi e ad alto rischio, l’AI non retaininga la conoscenza delle preferenze del cliente o non impari dalle modifiche precedenti, rendendo l’intervento umano indispensabile.

Il risultato è chiaro: per i compiti semplici, come la stesura di e-mail o analisi di base, l’AI è preferita 7 volte su 10. Ma per progetti complessi, come la gestione clienti o lavori multi-settimanali, gli esseri umani sono preferiti 9 volte su 10. La linea di demarcazione non è l’intelligenza bruta, ma la capacità di memoria, adattabilità e apprendimento continuo.

3. La Scelta Strategica: Costruire o Comprare, Interno o Esterno?

Le organizzazioni che stanno superando il Divario della GenAI hanno un approccio radicalmente diverso:

• Acquistare, non costruire: I progetti realizzati tramite partnership esterne con fornitori di AI learning-capable raggiungono la fase di implementazione nel 67% dei casi, il doppio rispetto ai progetti sviluppati internamente (33%). Questo perché le partnership offrono una personalizzazione profonda, una migliore integrazione nei flussi di lavoro, tempi di realizzazione più rapidi e costi inferiori.
• Dare potere ai manager di linea, non ai laboratori centrali: Le implementazioni di successo partono spesso da “power user” e manager di team, che identificano problemi specifici e guidano l’adozione dal basso verso l’alto, garantendo l’allineamento con le operazioni quotidiane.
• ROI nel back-office, non solo nel front-office: Sebbene sales e marketing catturino la maggior parte degli investimenti (circa il 70%), il ROI più significativo, sotto forma di risparmi sui costi, si trova spesso nelle funzioni di back-office (operazioni, finanza). Questo include l’eliminazione di costi BPO (Business Process Outsourcing), la riduzione delle spese per agenzie esterne e l’ottimizzazione di processi interni, senza tagli significativi al personale. La GenAI sta riducendo le attività esternalizzate e limitando nuove assunzioni, ma non sta causando licenziamenti di massa generalizzati.
• Criteri di selezione dei fornitori: Le aziende di successo cercano sistemi AI che siano flessibili, capaci di migliorare nel tempo, con chiare garanzie sulla gestione dei dati, minima interruzione dei flussi di lavoro esistenti, una profonda comprensione delle loro esigenze e, soprattutto, fornitori affidabili.

4. Il Futuro è “Agentico”: Verso un’Intelligenza Adattiva

La chiave per superare il Divario della GenAI risiede nell’AI agentica: sistemi che incorporano memoria persistente e apprendimento iterativo fin dalla progettazione. A differenza degli strumenti attuali che richiedono un contesto completo ad ogni interazione, i sistemi agentici ricordano, imparano e possono orchestrare autonomamente flussi di lavoro complessi.

L’infrastruttura per questa trasformazione sta emergendo attraverso protocolli come Model Context Protocol (MCP), Agent-to-Agent (A2A) e NANDA (Networked Agents And Decentralized Architecture), che insieme formano la base di un “Web Agentico”. In questo futuro, i sistemi AI non solo interopereranno ma navigheranno autonomamente il web, scopriranno e valuteranno fornitori, integreranno API in tempo reale e gestiranno transazioni.

La finestra per adottare questi sistemi learning-capable e integrati è stretta, con un orizzonte di 18 mesi in cui le aziende si legheranno a relazioni con fornitori che diventeranno difficili da sciogliere. I leader di domani saranno coloro che riconosceranno questo cambiamento e si concentreranno su sistemi AI che imparano dai dati, dai flussi di lavoro e dal feedback, creando così un vantaggio competitivo duraturo.

Conclusione: La Scelta è Creare Valore Reale

Il Divario della GenAI non è una condanna, ma un segnale d’allarme e una chiara indicazione della strada da percorrere. Le organizzazioni che avranno successo non saranno quelle che si limiteranno a “spruzzare” l’AI su processi esistenti, ma quelle che la useranno come fondamenta per costruire qualcosa di nuovo.

Per attraversare con successo questo divario, le aziende devono:

1. Smettere di inseguire la “moda” e investire in sistemi AI che apprendono, ricordano e si adattano.
2. Passare da “costruire” a “comprare”, privilegiando partnership strategiche con fornitori che offrono soluzioni personalizzate e profondamente integrate.
3. Dare potere ai manager di linea per guidare l’adozione e l’innovazione, piuttosto che centralizzare tutto in laboratori isolati.
4. Guardare oltre il front-office e sfruttare il potenziale di trasformazione e risparmio di costi nel back-office.
5. Prepararsi all’era dell’AI agentica, dove l’integrazione profonda e l’autonomia dei sistemi definiranno il successo.

La rivoluzione della GenAI è qui per restare, ma la sua promessa di valore si realizzerà solo per chi farà scelte fondamentalmente diverse in termini di tecnologia, partnership e design organizzativo. La domanda non è più se adottare l’AI, ma come farlo per diventare un autentico creatore di valore.