Il progetto pilota di AI è finito. E adesso?

Negli ultimi due anni molte aziende hanno fatto il loro primo progetto di intelligenza artificiale. Un chatbot sul sito, una prova su un archivio di documenti, qualche licenza di un assistente per l'ufficio commerciale. La dimostrazione è andata bene, il fornitore ha presentato i risultati, tutti erano d'accordo che fosse interessante. Poi il progetto si è fermato.

Non è un caso isolato, ed è utile capire perché succede prima di decidere il passo successivo.

Cosa dicono i numeri

Nel 2025 un gruppo di ricerca del MIT ha analizzato circa 300 progetti di AI generativa in azienda, con 150 interviste a dirigenti e un sondaggio su 350 dipendenti. La conclusione, ripresa da Fortune, è che il 95% dei progetti pilota non produce effetti misurabili sul conto economico. Solo una piccola parte arriva a risultati concreti.

Lo stesso studio osserva una differenza netta tra due strade: i progetti realizzati con fornitori specializzati arrivano a risultato in circa due casi su tre, quelli sviluppati internamente tre volte meno spesso.

In Italia il quadro è simile, con una distanza in più tra grandi e piccole aziende. Secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano il 71% delle grandi imprese ha progetti di AI in corso. L'Osservatorio sulle PMI dello stesso ateneo stima che solo l'8% delle piccole e medie imprese abbia progetti attivi o in sperimentazione. Istat, che misura l'uso di almeno una tecnologia di AI, conta il 16,4% delle imprese con almeno dieci addetti nel 2025.

Questi dati non dicono che l'AI non funziona. Dicono che una prova riuscita e un risultato in produzione sono due cose diverse.

Perché i progetti pilota si fermano

Il gruppo del MIT parla di un divario di apprendimento: gli strumenti generici sono ottimi per il singolo utente perché sono flessibili, ma in azienda non si adattano ai flussi di lavoro e non imparano da essi. Guardando i progetti che si arenano, le cause concrete sono quasi sempre le stesse cinque.

1. Si è partiti dalla tecnologia, non dal processo. La domanda era "cosa possiamo fare con l'AI?" invece di "quale lavoro ripetitivo ci costa più ore?".
2. Mancava un indicatore. Nessuno aveva misurato la situazione di partenza, quindi alla fine nessuno poteva dire se il progetto avesse fatto risparmiare tempo o denaro.
3. Il pilota non era collegato ai sistemi. Mostrava una risposta su uno schermo, ma non scriveva nel gestionale né nel CRM. Qualcuno doveva comunque ricopiare il risultato.
4. Nessuno se ne occupava dopo la dimostrazione. I modelli cambiano, i fornitori cambiano i formati dei documenti, le regole aziendali evolvono. Un'automazione senza manutenzione smette di funzionare in pochi mesi.
5. Le persone non erano state coinvolte. Chi doveva usare lo strumento non sapeva quando fidarsi e quando no, e alla prima risposta sbagliata è tornato al metodo di prima.

Dal pilota alla produzione: quattro domande

Prima di riprovare conviene rispondere per iscritto a quattro domande. Se una risposta manca, il nuovo progetto rischia di fare la fine del primo.

Quale processo, con quali volumi? Un processo ripetitivo, con regole chiare e volumi alti: ordini via email, documenti dei fornitori, richieste dei clienti, riconciliazioni. Conta quante volte succede in un mese e quante ore richiede.

Con quale indicatore? Uno o due numeri da misurare prima e dopo: ordini inseriti senza intervento, tempo di prima risposta, documenti abbinati in automatico. Se il risultato non si può misurare, non si può nemmeno difendere in consiglio.

Come entra nei sistemi? L'automazione deve leggere e scrivere dove lavorano già le persone. Senza collegamento al gestionale il guadagno resta sulla carta.

Chi la gestisce e chi risponde degli errori? Serve qualcuno che controlli l'andamento, intervenga quando qualcosa cambia e renda conto dei risultati. Può essere una risorsa interna o il fornitore, ma va deciso prima.

Sono le stesse domande da cui parte il nostro assessment, che si chiude con il processo da cui partire e gli indicatori con cui misurarlo. Per i processi più comuni esistono già prodotti con un agente sviluppato e indicatori definiti.

Agenti AI: la stessa trappola, più costosa

Oggi quasi ogni fornitore propone agenti AI, cioè sistemi che non si limitano a rispondere ma svolgono passaggi di lavoro nei sistemi aziendali. L'idea è giusta, ma il rischio è lo stesso dei progetti pilota, con costi più alti.

Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027, per costi in crescita, valore poco chiaro o rischi non controllati. Lo stesso comunicato segnala che molti prodotti presentati come agenti sono chatbot o automazioni tradizionali con un nome nuovo.

La difesa è la stessa: pochi processi, valore misurabile, una persona che controlla i casi dubbi e qualcuno che risponde del risultato. Un esempio concreto di come funziona è il caso degli ordini via email nel gestionale.

Cosa fare questo mese

Non serve un piano triennale per ripartire. Bastano alcune settimane di lavoro ordinato:

• elenca i processi in cui le persone ricopiano dati da un documento a un sistema;
• per ciascuno, stima volumi mensili e ore dedicate;
• scegli un solo processo, quello con più volume e regole più chiare;
• misura per due o tre settimane la situazione di partenza;
• decidi chi gestirà l'automazione una volta in produzione e come verrà formato chi la usa.

A quel punto il progetto ha un obiettivo, un numero da migliorare e qualcuno che ne risponde. È la differenza tra una dimostrazione riuscita e un risultato che resta.