Nel 2025 il progetto NANDA del MIT ha pubblicato uno studio intitolato The GenAI Divide. Dentro c'era un numero che ha fatto il giro di tutte le casse: su cento progetti pilota di AI generativa avviati in azienda, novantacinque non hanno prodotto un effetto misurabile sui conti.
Prima che qualcuno lo trasformi in una sentenza: non vuol dire che novantacinque progetti su cento siano falliti. Vuol dire che nella finestra osservata, circa sei mesi, in bilancio non si vedeva niente. È un campione piccolo, basato su quello che le aziende hanno dichiarato di sé, e non è passato da una revisione scientifica. Chi lo cita come «il 95% dell'AI fallisce» sta esagerando una cosa che non aveva bisogno di essere esagerata.
Perché il dato interessante non è la percentuale. È dove lo studio va a cercare il colpevole: non nella qualità dei modelli, ma nel modo in cui gli strumenti vengono infilati dentro il lavoro.
Il cartello che manca sullo scaffale
C'è una frase che vale la pena tenere, ed è la cosa più scomoda che si possa dire a chi vende questa roba: un agente accelera quello che trova.
Se entra in un flusso chiaro, con dati che tornano e responsabilità assegnate, quel flusso lo fa correre. Se entra in un processo dove ognuno racconta i passaggi a modo suo, dove lo stesso numero esiste in tre versioni diverse e dove nessuno sa chi firma la decisione finale, accelera anche quello. Più in fretta, con più convinzione, e per un po' nessuno se ne accorge.
«Abbiamo automatizzato un processo che non avevamo mai messo per iscritto. Adesso sbaglia alla velocità della luce.» — Una frase che prima o poi si sente in ogni azienda
Cosa c'è scritto davvero sull'etichetta
Un agente non è un modello a cui si chiede una cosa. È qualcosa a cui si affida un obiettivo, e che poi decide da solo quali passi compiere: recupera il contesto, usa uno strumento, valuta com'è andata, sceglie la mossa dopo. Può muoversi dentro il CRM, il gestionale, un database, la posta, i documenti — ma solo dove gli è stato dato accesso e solo per le azioni che qualcuno ha previsto.
È lì che sta il salto rispetto all'AI generativa a cui ci siamo abituati. A quella chiediamo un risultato: scrivi, riassumi, analizza, rispondi. A un agente possiamo affidare una sequenza intera. «Controlla le offerte ferme nel gestionale, individua quelle che meritano un richiamo, prepara le informazioni per il commerciale» sono tre verbi, non uno.
I cinque ingredienti
Per reggere quella sequenza servono cinque cose. Non sono opzioni, sono la lista della spesa:
- Processo — cosa deve succedere, nell'ordine in cui deve succedere.
- Dati — dove trova quello che gli serve, e in che stato lo trova.
- Strumenti — con quali sistemi deve parlare.
- Regole e limiti — cosa può fare da solo e cosa no.
- Controllo — come verifichiamo a posteriori quello che ha combinato.
Provate a togliere il quinto e tenere gli altri quattro: avete un collaboratore velocissimo di cui nessuno rilegge il lavoro. Togliete il primo: avete un collaboratore velocissimo che non sa dove andare.
Un esempio che sembra banale
«Avvisami prima di andare fuori scorta.» Detta così sta in sette parole. Per farla funzionare servono la disponibilità aggiornata, gli ordini aperti, i consumi, i tempi di riapprovvigionamento, le consegne previste e una soglia che qualcuno deve aver deciso. Se quei dati stanno in posti diversi e non si parlano, l'agente non ha niente da leggere.
E poi c'è la domanda che quasi nessuno si fa prima: quando se ne accorge, cosa fa? Segnala e basta? Propone un'ordine? Lo apre da solo? Tre risposte diverse, tre progetti diversi, tre livelli di fiducia diversi.
Morale della corsia
Quel 95% non misura l'intelligenza artificiale. Misura quante aziende hanno comprato il prodotto senza guardare cosa c'era sotto, nella loro, di dispensa.
P.S. Sulla lattina c'è scritto «accelera quello che trova». È l'unica avvertenza che conti, ed è stampata piccola.
