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.
