Indagare nel rapporto MIT NANDA di luglio 2025: perché il tasso di fallimento del 95% dell’AI non è la fine

Sono un ottimista provato e tengo la mente aperta per qualsiasi nuova tecnologia che mi si presenti. La mia ultima ossessione che è destinata a durare nel lungo termine? L’AI.

Il MIT NANDA ha recentemente pubblicato un documento intitolato ‘The GenAI Divide. State of AI in Business in 2025’, e credo che il documento valga la pena di essere letto. Fornisce una visione sobria sull’AI e il suo ruolo nel mondo aziendale di oggi. I feed di LinkedIn potrebbero sembrare quasi isterici su come l’AI sia arrivata a cambiare tutto, ma il rapporto dipinge un quadro diverso.

Iniziamo, cosa è il MIT NANDA?

Networked Agents e Decentralized AI (acronimo NANDA) è un ambizioso progetto di ricerca del MIT Media Lab. Il progetto coinvolge più di 18 importanti istituti di ricerca di 6 continenti e alcuni grandi nomi del settore tecnologico, come Meta, Dell, Microsoft e altri. L’obiettivo del NANDA è veramente futuristico, se non rivoluzionario. L’ambizione è quella di costruire le fondamenta per l’Internet degli agenti AI, ovvero una rete decentralizzata in cui gli agenti AI scoprono, verificano e collaborano tra loro online oltre i confini organizzativi. In sostanza, il NANDA sta lavorando a regole, protocolli, linee guida e framework chiari che consentono agli agenti AI di interagire con altri agenti per conto di esseri umani e organizzazioni. Il progetto NANDA è open-source, il che significa che accoglie imprenditori, visionari, tecnologi e responsabili politici come collaboratori a pieno titolo. (Stai ricevendo vibrazioni Wikipedia?)

La ragione per cui ti sto parlando di questo è che il rapporto del MIT NANDA è la ciliegina sulla torta della ricerca quando si tratta di AI. Gli autori sono alla frontiera del mondo dell’AI e le loro scoperte dovrebbero essere prese seriamente (anche se con un pizzico di sale).

Il documento è stato in preparazione da gennaio e pubblicato finalmente a luglio 2025. Il rapporto si basa su una revisione sistematica di oltre 300 iniziative AI pubblicamente dichiarate e interviste con leader di 52 organizzazioni, nonché sondaggi di 153 leader senior in quattro importanti conferenze di settore.

5% di tasso di successo dei piloti di AI

Il rapporto introduce il termine ‘The GenAI Divide’ per descrivere la disruption che si verifica (o non si verifica) nelle organizzazioni e anche negli stessi settori che impiegano con successo (o insuccesso) l’AI. Se un’azienda si trova ‘dall’altra parte della divisione’, secondo il NANDA, l’azienda non riesce a cambiare veramente, a evolversi e a ripensare la sua struttura e le sue operazioni aziendali. Essere quindi ‘dalla parte giusta della divisione’ significa avere un risultato tangibile nell’impiego dell’AI—“Questo pregiudizio di investimento perpetua la GenAI Divide dirigendo le risorse verso casi d’uso visibili ma spesso meno trasformativi, mentre le opportunità con il più alto ROI nelle funzioni di back-office rimangono sottopagate”.

La ragione per cui il rapporto ha ricevuto così tanto hype è la sua scoperta chiave. Il riassunto esecutivo afferma: “Nonostante 30-40 miliardi di dollari di investimenti aziendali in GenAI, questo rapporto rivela un risultato sorprendente nel fatto che il 95% delle organizzazioni non ottiene alcun ritorno … Solo il 5% dei piloti di AI integrati estrae milioni di valore, mentre la stragrande maggioranza rimane bloccata senza alcun impatto misurabile sul P&L.” Non molto promettente, vero?

La limitazione fondamentale che impedisce alle organizzazioni di realizzare il vero valore dell’AI è ciò che il rapporto definisce come ‘il divario di apprendimento’. La maggior parte dei sistemi GenAI manca fondamentalmente della capacità di trattenere il feedback, adattarsi al contesto o migliorare nel tempo.

• I sistemi non imparano dal feedback. In realtà significa che un manager li alimenta con lo stesso set di dati più e più volte, ma non si verifica alcun miglioramento delle prestazioni. Un manager di produzione di mercato medio ha descritto come caricava ripetutamente lo stesso manuale di prodotto nel sistema AI per raffinare le liste di controllo di evasione, ma ogni iterazione copiava le stesse omissioni e errori, senza alcun miglioramento misurabile della qualità di output nonostante più sessioni di feedback.
• È richiesto un contesto manuale eccessivo ogni volta. Gli strumenti AI mancano di memoria tra le sessioni, quindi ogni interazione significa ri-alimentarli con le conoscenze e il contesto passati. I flussi di lavoro complessi, a differenza dei semplici compiti one-off, si trascinano e falliscono nell’agire come supporto affidabile per progetti in corso, sottoponendo a stress la produttività in progetti complessi e multi-stadi. Il rapporto cita un team legale aziendale che, per ogni bozza di contratto, deve reinserire le preferenze del cliente, le note di negoziazione precedente e le restrizioni normative nello strumento AI—trasformando ciò che dovrebbe essere un flusso di lavoro assistito in un compito noioso e dispendioso in tempo che mina la produttività in progetti complessi e multi-stadi.
• Personalizzazione insufficiente per alcuni processi aziendali. Invece di ottenere uno strumento reattivo che si adatta al contesto più ampio, il contesto più ampio si adatta allo strumento, costringendo gli utenti a lavorare intorno a sistemi rigidi. Un CIO ha notato che il loro strumento di analisi del rischio AI fornito dal fornitore “sembrava una scatola unica”, costringendo i team a riplasmare i flussi di lavoro di approvazione del credito per adattarsi agli input rigidi dello strumento invece di avere l’AI che si adatta ai processi stabiliti. La mancata corrispondenza ha alla fine portato all’abbandono dei piloti

Le mie principali scoperte dal rapporto NANDA

1. L’economia ombra dell’AI prospera

Il rapporto introduce il termine ‘economia ombra dell’AI’ per descrivere come i dipendenti utilizzano l’AI a livello personale come strumento, non come strumento approvato a livello aziendale. Ciò mi suona familiare, in realtà. Un’amica mia di un ramo di un marchio automobilistico cinese nella CIS mi ha detto che utilizza ChatGPT per scrivere contenuti all’interno dell’app (notizie, annunci e altro). Dice che al livello del quartier generale non è stato approvato alcun strumento AI per l’uso generale, quindi il suo uso di AI è il suo booster personale e il suo risparmio di tempo che non menziona realmente con il suo manager.

Il rapporto fornisce cifre molto specifiche. Mentre solo il 40% delle aziende ha acquistato abbonamenti ufficiali LLM, i lavoratori di oltre il 90% delle aziende sondaggiate hanno riferito l’uso regolare di strumenti AI personali per compiti di lavoro. Questo uso ombra spesso fornisce un ROI migliore delle iniziative aziendali formali, rivelando ciò che funziona realmente quando gli individui hanno accesso a strumenti flessibili e reattivi.

2. L’allocazione degli investimenti riflette priorità fuorvianti

Il rapporto rivela un significativo disallineamento tra gli investimenti in AI e il potenziale ROI reale. Circa il 50% dei budget GenAI fluisce verso le funzioni di vendita e marketing, principalmente perché i risultati possono essere misurati facilmente e sono allineati con gli indicatori chiave di performance a livello di consiglio di amministrazione. Tuttavia, i ritorni più alti emergono spesso dall’automazione del back-office, come l’eliminazione del BPO che può risparmiare fino a 10 milioni di dollari all’anno, una riduzione del 30% dei costi creativi esterni e 1 milione di dollari risparmiati annualmente sulla gestione del rischio esternalizzata. Questo pregiudizio di investimento perpetua la GenAI Divide dirigendo le risorse verso casi d’uso visibili ma meno trasformativi.

Tuttavia, la mia convinzione personale è questa. Da ciò che ricordo della mia esperienza in una banca internazionale che possiede banche retail in tutto il mondo, introdurre uno strumento che scava nelle viscere dell’organizzazione, si nutre dei suoi dati e (chi lo sa?) fa fuoriuscire informazioni riservate là fuori è un grande rischio. Quindi capisco perché iscriversi a una fabbrica di contenuti AI per facili creativi per gli annunci su Facebook è una scelta facile, mentre le complicazioni back-end più profonde non sono abbracciate con entusiasmo. A meno che non fosse un comando diretto dal livello C, implementare strumenti di disruption AI seri nel midollo dell’azienda avrebbe richiesto almeno 12 mesi.

Per fortuna, ho avuto la possibilità di vedere l’interno di un’automazione AI realizzata per il team di vendita di un’azienda di produzione di finestre locali. Hanno assunto un freelancer da n8n e lui ha costruito per loro uno strumento di analisi di chiamate e chat alimentato da AI. L’azienda è ora in grado di trovare i collo di bottiglia nel loro imbuto più velocemente e più punti dolenti sono venuti alla luce poiché l’AI ha aiutato l’azienda a elaborare discorso scritto e parlato. Il loro tasso di soddisfazione era altissimo, con più dati elaborati più velocemente.

3. Le costruzioni interne perdono contro i fornitori esterni

Per essere brutalmente onesto, questa scoperta mi ha sorpreso. Contrariamente alla convinzione comune che le aziende dovrebbero costruire i propri strumenti AI, la ricerca mostra che le partnership strategiche con fornitori esterni sono due volte più probabili di raggiungere il dispiegamento rispetto agli sforzi di sviluppo interni. Chi avrebbe mai pensato, giusto? Beh, evidentemente non io.

Le organizzazioni che trattano i fornitori di AI come fornitori di servizi aziendali—chiedendo una personalizzazione approfondita e tenendoli responsabili dei risultati operativi invece dei benchmark del modello—raggiungono tassi di successo significativamente più alti e un tempo di raggiungimento del valore più veloce.

4. Un investimento più alto significa una maggiore disruption? Non proprio.

Utilizzando un indice composito di disruption del mercato AI, il rapporto rivela che solo due settori—Tecnologia e Media & Telecom—mostrano segni chiari di disruption strutturale da parte della GenAI. Sette dei nove principali settori mostrano un’attività di pilotaggio significativa ma un cambiamento strutturale minimo, con settori come Sanità, Servizi finanziari e Energia che mostrano punteggi di disruption al di sotto di 0,5 su una scala di 5 punti. Questo divario tra visibilità degli investimenti e trasformazione effettiva esemplifica la GenAI Divide a livello di settore.

Perché il tasso di fallimento del 95% è temporaneo

Nonostante i risultati intermedi apparentemente disperanti, c’è una luce alla fine del tunnel. Il rapporto spiega che la GenAI Divide è temporanea e sarà superata attraverso sviluppi emergenti.

Il NANDA stesso è uno dei principali contributori a un mondo AI ancora più connesso. I meccanismi che il rapporto cita sono il Model Context Protocol (o MCP) e l’Agent-to-Agent (o A2A) come fondamenta per l’interoperabilità degli agenti senza soluzione di continuità e la coordinazione autonoma tra i sistemi.

Gli sforzi del NANDA e questi strumenti sono il percorso verso esattamente ciò che il NANDA sta cercando—l’Agentic Web, una rete di agenti in grado di coordinazione autonoma attraverso Internet. La loro interazione sarà progettata per sostituire i flussi di lavoro statici con sistemi auto-istruenti dinamici.

Sembra troppo bello per essere vero o anche magico? Ebbene, Microsoft Copilot Studio’s Multi-Agent Orchestration è la somiglianza più vicina alla visione. Il sistema aiuta a costruire un albero di agenti in cui un agente Copilot principale attiva sottogenti responsabili di compiti specifici come la pianificazione o la generazione di documenti. Ogni agente rimane all’interno della sua area di competenza mentre coordina con gli altri. Per metterlo in termini più pratici, quando un utente richiede “Pianifica il nostro lancio di prodotto del Q4”, l’agente orchestratore delega automaticamente ad agenti specializzati—uno gestisce la ricerca di mercato, un altro gestisce la creazione del calendario e un terzo coordina con gli strumenti di gestione del progetto. Il lavoro procede in sincronia, ma in modo autonomo.

Quindi, cosa ci lascia il rapporto del NANDA? La finestra per superare la GenAI Divide si sta restringendo rapidamente poiché le aziende iniziano a bloccare le relazioni con i fornitori di strumenti in grado di apprendere che producono disruption e ottimizzano le operazioni aziendali nel back-end, aggiungendo velocità al nucleo stesso delle organizzazioni. Il successo risiede nell’acquisto di sistemi di agenti AI invece di costruirli da zero internamente. Man mano che i sistemi di apprendimento agente, memorizzazione e auto-sufficienti diventano più diffusi, il tasso di fallimento attuale del 95% lascerà spazio a una nuova era in cui i sistemi AI collaborano senza soluzione di continuità tra fornitori, domini e confini organizzativi. Quel futuro è il vero ROI degli investimenti attuali.

Alternative views on AI adoption

Il progetto NANDA ha fatto un lavoro incredibile nel raccogliere dati da molteplici fonti e nel sondare i leader di molti campi. Ma è la voce ultima sull’adozione dell’AI a livello mondiale? Se, come me, hai trovato The GenAI Divide un po’ deprimente, se non scoraggiante, ho trovato queste alternative views sull’adozione dell’AI per mantenere la mia fiamma personale sull’AI accesa.

• Jed Nykolle Harme di IT Brief UK ha analizzato il CIO Playbook 2025 di Lenovo. Lo studio include il feedback dei leader IT in tutta l’area EMEA (Europa, Medio Oriente e Africa) e la sua conclusione è molto più promettente. Risulta che il settore retail è in testa quando si tratta di soddisfazione dell’AI, dove il 96% delle prestazioni dei piloti di AI soddisfa o supera le aspettative.
• In precedenza ho espresso compassione per i grandi giocatori del mercato aziendale che trovano difficile implementare l’AI e non sono particolarmente aperti all’incorporazione intensiva. Lenovo, tuttavia, presenta un quadro diverso con i settori Banking, Financial Services e Insurance (BFIS): nonostante il tasso di adozione dell’AI più basso del 7%, il 33% di coloro che testano l’AI riferisce che i piloti superano le aspettative. Il segreto di tali tendenze positive è ‘un approccio cauto’, come Arabian Business lo definisce.
• Un altro rapporto rassicurante IBM CEO Study si apre con un prologo coraggioso del Vice Chairman di IBM Gary Cohn: “Man mano che l’adozione dell’AI si accelera… il pagamento finale arriverà solo ai CEO con il coraggio di affrontare il rischio come opportunità. … Quando l’ambiente aziendale è incerto, utilizzare l’AI e i dati aziendali per identificare dove si ha una leva è un vantaggio competitivo. A questo punto, i leader che non stanno sfruttando l’AI e i propri dati per andare avanti stanno prendendo una decisione aziendale consapevole di non competere.”
• Lo studio IBM CEO mostra alcuni fatti ispiratori. Ad esempio, la crescita degli investimenti in AI è prevista più che raddoppiare nei prossimi due anni, quindi quasi il 20% dei budget IT totali sarà allocato all’AI—l’impegno dimostra che nonostante le sfide visibili e comprovate, la fiducia nell’AI è forte e, cosa più importante, è un investimento strategico piuttosto che una spesa reattiva.
• Infine, il 64% dei CEO nel rapporto concorda che il rischio di rimanere indietro spinge gli investimenti in nuove tecnologie ben prima che si abbia una chiara comprensione del loro impatto. Tuttavia, non ci sono decisioni rapide. Invece, i responsabili delle decisioni optano per ‘un posizionamento strategico’. In termini semplici, quando un concorrente lancia un chatbot AI per raccomandazioni personalizzate, fai lo stesso per il tuo sito web. Potresti non essere sicuro dell’aumento del ricavo, ma sai che se rimani indietro per due anni fino a quando non si compila il ‘set di dati perfetto’, perderai irreversibilmente slancio. Quindi la regola è semplice: copia aggressivamente, poi vedi il risultato.

Conclusione

In conclusione, vorrei esprimere la mia convinzione personale nell’AI. Come imprenditore, CMO, sviluppatore aziendale e ex dipendente di banca, vedo molti modi in cui l’AI può aiutare a ottimizzare i budget, a semplificare i flussi di lavoro e a boost teams. Il futuro è aumentato e accelerato. Se un’azienda vuole competere, deve essere fluente in AI. Mentre le scoperte che ho presentato sono controverse, sono convinto che il paesaggio attuale dell’AI, con le sue vette e le sue valli, è un quadro di apprendimento naturale, ripetuto più e più volte con ogni nuova tecnologia.