Per mesi la narrativa dominante ha descritto l’intelligenza artificiale generativa come la chiave di volta per la competitività delle imprese. Ma i dati raccontano una realtà diversa. Secondo il report The Generative Use of AI in Business 2025, pubblicato dal MIT Media Lab, solo il 5% dei progetti pilota lanciati dalle grandi aziende con strumenti di Gen AI riesce a generare un impatto economico misurabile. La maggioranza – il 95% – rimane bloccata nella fase sperimentale, senza produrre benefici concreti né ritorni sui margini operativi.
Il problema principale? I modelli linguistici di grandi dimensioni (LLM) faticano a comprendere il contesto e ad adattarsi ai processi organizzativi. Non sanno integrare in modo efficace i feedback ricevuti, non migliorano con il tempo e spesso risultano estranei ai sistemi aziendali già in uso. Ne deriva un divario tra il potenziale della tecnologia e la sua effettiva applicazione.
«Pesano la carenza di competenze interne, le difficoltà di integrazione e infrastrutture ancora non adeguate», spiega Alessandro Piva, direttore dell’Osservatorio Artificial Intelligence del Politecnico di Milano. Un ostacolo che si aggiunge al fenomeno della shadow AI: l’uso spontaneo e non governato di strumenti generativi da parte dei dipendenti, spesso attraverso account gratuiti o personali, con il rischio di esposizione di dati sensibili e problemi di conformità normativa.
Il MIT non è il solo ad accendere un faro critico. A giugno, Apple ha diffuso uno studio dal titolo eloquente, The Illusion of Thinking, che mette in discussione le capacità dei cosiddetti modelli “reasoning”, progettati per simulare processi di ragionamento complesso. Secondo i ricercatori, questi strumenti mostrano limiti evidenti man mano che i compiti si fanno più articolati, e le metriche usate per valutarli risultano viziate dal fatto che i dataset di addestramento contengono già le risposte dei test.
Dietro le promesse di rivoluzione tecnologica, dunque, emergono dubbi e cautele. Gli LLM hanno dimostrato straordinarie capacità di generazione di testo e di supporto alla produttività individuale, ma restano strumenti statistici più che vere intelligenze capaci di ragionare. Ecco perché molti progetti aziendali falliscono: mancano ancora una piena comprensione del contesto, una reale capacità di apprendimento dinamico e, soprattutto, le competenze organizzative per gestirne l’impatto.
Il mito dell’AI come scorciatoia verso l’innovazione è così costretto a fare i conti con la realtà: una tecnologia promettente, ma che richiede tempo, investimenti in formazione e infrastrutture adeguate per esprimere davvero il suo potenziale trasformativo.
Articoli simili
L'Unione Nazionale delle Camere Civili interviene sull'accordo che destina 100 milioni di euro al personale amministrativo degli uffici giudiziari. Il nodo non è il premio…
Le Sezioni Unite della Cassazione, con la sentenza n. 22199/2026, hanno stabilito che nei procedimenti disciplinari a carico degli avvocati il termine breve per impugnare…
Il Garante per la protezione dei dati personali ha inflitto una sanzione di 100mila euro a Lepida, tra i principali gestori dell’identità digitale SPID, per…
