Fallimento progetti IA: l'errore strategico dietro l'80% degli insuccessi
- Andrea Viliotti
- 21 set
- Tempo di lettura: 11 min
Dopo anni di consulenza strategica sull'integrazione dell'Intelligenza Artificiale Generativa, emerge un bivio fondamentale che ogni imprenditore e dirigente si trova ad affrontare. Non è una distinzione accademica, ma la sintesi di ciò che osservo sul campo ogni giorno. A inquadrare questo scenario è intervenuta anche la nuova legge italiana sull'IA ("Disposizioni e deleghe al Governo in materia di intelligenza artificiale", approvata il 17 settembre 2025), che stabilisce un chiaro percorso per uno sviluppo antropocentrico della tecnologia. Da una parte, c'è la richiesta più comune: trovare un partner che trasformi un'esigenza in un "prodotto" di IA, trattando la tecnologia come l'ennesima macchina da ottimizzare.
Dall'altra, c'è la postura più rara ma vincente: il desiderio di capire, prima di tutto, chi sia questo nuovo collaboratore digitale e come possa trasformare il business. Se il fallimento dei progetti IA supera l'80%, la causa è proprio questo errore di fondo. Questo articolo nasce dall'esperienza diretta per guidare i leader a scegliere il percorso corretto, quello della consapevolezza strategica, evitando l'errore più comune e costoso.
2. Il mondo deterministico vs. probabilistico: la ragione pratica per cui il vecchio approccio fallisce
1. L'errore di fondo che causa il fallimento dei progetti IA: "macchine" vs "collaboratori"
Nella mia esperienza al fianco delle aziende, ho visto ripetersi uno schema per decenni. Di fronte a ogni nuova tecnologia, la logica è sempre stata quella di ottimizzare il "motore" esistente. L'acquisto di un nuovo software o di un CRM rientra in questo paradigma: è l'introduzione di una macchina più performante per estrarre più efficienza da una catena del valore che non viene messa in discussione. Questo approccio "meccanico", che si basa su regole certe e prevedibili, ha garantito la crescita per molto tempo.
Oggi, sul campo, vedo le aziende tentare di applicare la stessa, vecchia logica all'Intelligenza Artificiale Generativa. E falliscono. Cercare un partner che fornisca una "soluzione IA" è l'errore più comune. L'IA Generativa non è un ingranaggio migliore per il vecchio motore; è un motore completamente nuovo. La lezione più importante che ho imparato è questa: non stiamo introducendo un macchinario, ma stiamo integrando un nuovo collaboratore. Un partner con un "cervello" digitale, che non esegue comandi ma interagisce. La postura corretta, in linea con la visione della nuova legge italiana sull'IA che promuove una dimensione antropocentrica della tecnologia, non è quella di chi chiede "costruiscimi questo strumento", ma di chi domanda "aiutami a capire chi è questo nuovo collaboratore e come può aiutarci a ripensare il nostro business". Qui si trova la linea di demarcazione tra l'investimento perso e il vantaggio competitivo.
2. Il mondo deterministico vs. probabilistico: la ragione pratica per cui il vecchio approccio fallisce
La ragione per cui l'approccio tradizionale fallisce la vedo ogni giorno nelle difficoltà operative delle aziende. Il mondo digitale in cui siamo cresciuti è deterministico: 2+2 fa sempre 4. Un software esegue un compito nello stesso modo, con lo stesso risultato, infinite volte. Tutta l'ottimizzazione aziendale si basa su questa prevedibilità. Con l'IA Generativa, le aziende entrano, spesso senza rendersene conto, in un mondo probabilistico. Qui, 2+2 non fa sempre 4. È altamente probabile che il risultato sia 4, ma la risposta può avere sfumature, variazioni, persino errori. Questo perché il sistema non sta eseguendo un'istruzione, ma sta ragionando sulla base di pattern.
Applicare una mentalità deterministica a una tecnologia probabilistica è una ricetta per il fallimento che osservo costantemente. È come pretendere che un collaboratore creativo si comporti come un robot da catena di montaggio. L'azienda che cerca di "automatizzare" un processo con la GenAI sta chiedendo a un sistema flessibile di essere rigido. Questo non solo ne limita il potenziale, ma genera frustrazione e risultati inaffidabili. Il motivo pratico del fallimento è che ci si concentra sullo strumento, aspettandosi prevedibilità, invece che sul collaboratore, con cui bisogna imparare a interagire.
3. Chi è il nuovo collaboratore digitale: un profilo basato sull'esperienza sul campo
Per capire come interagire con questo nuovo partner, dobbiamo tracciarne un profilo realistico. Alla base dell'IA Generativa c'è una simulazione digitale del cervello umano. Insisto sulla parola simulazione: non è un cervello vero, manca di coscienza e di buon senso. Di per sé, è meno performante di un umano in compiti che richiedono intuito e comprensione del contesto. Tuttavia, dalla mia osservazione diretta, possiede tre "superpoteri" che derivano dalla sua natura digitale:
● Resistenza e disponibilità totali: a differenza di un team umano, lavora 24/7 senza mai stancarsi.
● Accesso a una conoscenza sconfinata: ha assimilato una quantità di informazioni che nessun esperto umano potrebbe mai processare.
● Velocità di elaborazione: processa e genera alternative a una velocità che nessun essere umano è in grado di replicare.
Nelle applicazioni di successo che ho seguito, queste caratteristiche lo rendono un potente generatore di "pre-lavorati". Non è un esecutore autonomo, ma un acceleratore incredibile. Produce bozze, analisi preliminari, alternative creative che diventano la materia prima per il lavoro umano. Ho imparato che il valore non risiede mai nel suo output grezzo, ma nella successiva fase di analisi critica. È l'esperienza umana a trasformare il "pre-lavorato" in un risultato di business. Questo ciclo di guida, generazione e verifica non è solo una best practice, ma un principio cardine della nuova legge italiana (art. 3), che sancisce la necessità di garantire sempre la sorveglianza e l'intervento umano.
4. Il primo passo che vedo mancare: la presa di coscienza culturale della dirigenza
Il vero punto di partenza per un progetto di successo non è mai tecnico. È un percorso culturale che deve iniziare dal vertice aziendale. Questo è il passo che, più di ogni altro, vedo mancare o essere sottovalutato. Richiede un investimento di tempo da parte della dirigenza per comprendere la natura di questa tecnologia, andando oltre le promesse del marketing. Dalla mia esperienza, questo significa capire a fondo che:
● L'IA non è una soluzione "plug-and-play", ma un sistema che va guidato e supervisionato.
● I risultati non sono garantiti; il processo si basa su sperimentazione e apprendimento.
● Il vero valore non è automatizzare un compito, ma trasformare un intero flusso di lavoro.
● L'integrazione richiede un ripensamento di ruoli, competenze e processi.
Solo quando la dirigenza ha metabolizzato questi punti, può costruire una visione realistica e allineata ai principi di trasparenza e conoscibilità richiesti dalla normativa nazionale. Vedo troppe aziende iniziare cercando un fornitore senza aver fatto questo lavoro interno. È un errore strategico che spiega perché così tanti progetti falliscono: non per limiti della tecnologia, ma per una mancanza di visione di chi li ha commissionati.
5. Approccio tattico vs. strategico: le conseguenze che osservo nelle scelte aziendali
La distinzione tra mentalità "meccanica" e "collaborativa" si traduce in scelte operative con conseguenze molto diverse, che osservo ogni giorno.
L'approccio tattico è la diretta conseguenza della mentalità "meccanica". L'azienda si concentra su guadagni di efficienza immediati. È un approccio seducente, ma nella pratica vedo che porta a frammentazione degli strumenti ("Shadow AI"), a costi nascosti e a un'incapacità di scalare il valore.
L'approccio strategico, al contrario, nasce dalla consapevolezza di integrare un "collaboratore". L'obiettivo non è fare le stesse cose più velocemente, ma fare cose nuove. Questo, sul campo, significa investire in modo diverso: non solo in tecnologia (20%) e algoritmi (10%), ma dedicando la maggior parte delle risorse, il 70%, a persone e processi.
6. Anatomia del fallimento dei progetti IA: i pattern che vedo ripetersi
I tassi di fallimento superiori all'80% sono il risultato di pattern che vedo ripetersi. I progetti falliscono perché le aziende tentano di gestire un "collaboratore" con le procedure di una "macchina". La crisi della leadership è il primo sintomo: una direzione che tratta l'IA come un progetto IT, con aspettative di ROI irrealistiche. Il secondo è un fondamento di dati inadeguato. È come chiedere a un collaboratore di lavorare senza dargli informazioni chiare. Un'altra costante è la resistenza culturale. Se l'IA viene imposta come una "macchina" che minaccia i posti di lavoro, i team la boicotteranno. Infine, vedo una cronica mancanza di KPI adeguati. Le aziende misurano l'IA con le metriche di una macchina (es. output orario), ignorando quelle di un collaboratore (innovazione, qualità).
7. La strategia vincente per evitare il fallimento: lezioni apprese dalle aziende di successo
Le aziende che riescono a creare valore reale con l'IA sono quelle che abbracciano pienamente la logica del "nuovo collaboratore". Il primo tratto comune è una leadership visionaria che guida attivamente la trasformazione. Il secondo è un investimento ossessivo nei dati di alta qualità, visti come il linguaggio comune per dialogare con i partner digitali.
Ma la lezione più importante che ho appreso viene dal modo in cui investono, seguendo il "principio 10-20-70":
● 10% in algoritmi: la scelta dei modelli.
● 20% in tecnologia: l'infrastruttura per farli funzionare.
● 70% in persone e processi: l'investimento più grande e decisivo. Questo 70% è dove si vince o si perde. Include la formazione continua, in linea con quanto promosso dalla nuova legge italiana (art. 24) per l'alfabetizzazione sull'IA, la gestione del cambiamento e la riprogettazione dei flussi di lavoro per integrare la collaborazione uomo-macchina.
8. Un framework nato dall'esperienza (fase 1-2): dalla consapevolezza alla roadmap
Per evitare che le aziende cadano nelle trappole che ho descritto, ho sviluppato un framework operativo che trasforma la visione in un piano d'azione. Le prime due fasi sono dedicate a una pianificazione pragmatica.
La fase 1: Assessment è una valutazione della maturità culturale e strategica dell'azienda. L'obiettivo è capire, attraverso un dialogo diretto con la dirigenza, se la mentalità è ancora quella della "macchina" o se si è pronti per il "collaboratore".
La fase 2: Strategia traduce questa consapevolezza in una roadmap. La leadership, forte della sua nuova comprensione, articola una visione chiara e obiettivi SMART. Poi, prioritizziamo i casi d'uso in base all'impatto strategico e alla fattibilità. Un audit esterno in questa fase, come quello che propongo con Rhythm Blues AI, serve a garantire che la strategia sia fondata su una reale comprensione del paradigma IA, validata dall'esperienza sul campo.
9. Un framework nato dall'esperienza (fase 3-4): abilitare l'organizzazione e scalare
Una volta definita la strategia, il mio framework si concentra sull'azione. La fase 3: Abilitazione consiste nel costruire le fondamenta per supportare i nuovi collaboratori digitali. Questo significa investire nell'infrastruttura dati, ma soprattutto nel capitale umano. Qui, aiuto le aziende a creare piani strutturati di formazione e a stabilire le giuste partnership. In questa fase, definiamo anche un framework di governance e di etica: le regole del gioco per la collaborazione uomo-macchina, in linea non solo con l'AI Act europeo ma anche con le specifiche disposizioni della nuova legge italiana sull'IA.
La fase 4: Esecuzione è il momento in cui i piani diventano realtà, attraverso un processo iterativo. Si parte con progetti pilota controllati, concepiti come "periodi di prova" per testare l'interazione uomo-macchina. Monitoriamo i KPI, misurando non solo l'efficienza ma anche l'impatto qualitativo. I successi e le lezioni apprese dai piloti informano poi un piano di scalabilità e miglioramento continuo.
10. La vera sfida: plasmare una cultura aziendale pronta per collaborare con l'IA
La tecnologia è solo il 10% della soluzione. La vera sfida è plasmare una cultura aziendale pronta a collaborare con l'IA. Questo significa promuovere un'alfabetizzazione diffusa sulla natura e i limiti di questi sistemi e incoraggiare la sperimentazione. Una cultura matura si fonda sulla fiducia, costruita con un impegno visibile verso un'IA Responsabile (RAI).
L'obiettivo finale è creare un ambiente in cui l'IA è vista come un partner che, se guidato correttamente, produce pre-lavorati di alta qualità, permettendo al potenziale umano di concentrarsi sulla verifica critica, l'ottimizzazione e l'applicazione strategica. Questo modello operativo è perfettamente allineato con la legge italiana, che sottolinea come l'IA debba essere impiegata per migliorare le condizioni di lavoro e accrescere la qualità delle prestazioni (art. 11), lasciando sempre all'uomo la decisione finale (art. 7).
11. Conclusioni: cosa ho imparato guidando le aziende oltre l'hype
La lezione più importante che ho imparato è che il successo con l'IA Generativa non è una questione tecnologica, ma concettuale. È la capacità di evolvere la propria mentalità, passando dalla logica della "macchina" a quella del "partner strategico". Continuare ad applicare i vecchi modelli di digitalizzazione è un'illusione di progresso che porta al fallimento dei progetti IA. L'esperienza dimostra che il successo non appartiene a chi compra più software, ma a chi investe nel 70% più importante: le proprie persone, i propri processi e, prima ancora, la propria cultura. La sfida per voi, leader d'azienda, non è diventare esperti di algoritmi, ma architetti di un nuovo modello organizzativo in cui l'intelligenza umana e quella artificiale collaborano in un ciclo virtuoso.
12. Domande frequenti (FAQ)
1. Qual è la differenza fondamentale tra l'IA generativa e un software tradizionale? Un software tradizionale è deterministico: esegue un compito specifico sempre nello stesso modo. L'IA generativa è probabilistica: "ragiona" sulla base di dati e fornisce la risposta più probabile, che può variare.
2. Perché il primo passo deve essere culturale e non un progetto pilota? Perché avviare un progetto pilota senza la giusta mentalità porta a definirlo e misurarlo con criteri sbagliati, condannandolo al fallimento. La consapevolezza culturale è la base per progettare esperimenti che abbiano senso.
3. Cosa cambia per la mia azienda con la nuova legge italiana sull'IA? La nuova legge rafforza la necessità di un approccio strategico e responsabile. Rende obbligatori principi come la supervisione umana, la trasparenza e la non discriminazione. Trattare l'IA come un "collaboratore" da gestire eticamente non è più solo una best practice, ma un requisito normativo.
4. Cosa significa che l'IA generativa non sostituisce ma supporta? Significa che il suo ruolo è produrre un pre-lavorato (una bozza, un'analisi). Questo output non è mai il prodotto finale, poiché manca del giudizio critico umano. Il lavoro umano di verifica, ottimizzazione e decisione finale, come previsto anche dalla legge italiana (art. 7, art. 15), rimane cruciale.
5. Perché un consulente strategico dovrebbe rifiutare un progetto di IA? Perché un consulente etico sa che un progetto basato su un presupposto sbagliato (la logica della "macchina") è destinato a fallire. Il primo dovere è aiutare il cliente a impostare il percorso corretto, partendo dalla cultura.
6. Qual è un esempio pratico di approccio "collaborativo" vs "meccanico"? Approccio meccanico: "Usa l'IA per scrivere 10 post al giorno". Approccio collaborativo: "Collabora con l'IA per analizzare trend, generare bozze creative e poi, come team, scegliamo e ottimizziamo le migliori".
7. Quanto tempo richiede la fase di "presa di coscienza" culturale? Dipende dalla complessità dell'azienda, ma può variare da alcune settimane a diversi mesi. È l'investimento di tempo con il ROI più alto.
8. È necessario avere dati perfetti per iniziare? No, ma è necessario avere una strategia per i dati. La fase di assessment serve a capire lo stato dei dati e a definire un piano per migliorarne la qualità.
9. L'AI Act europeo è sufficiente o devo considerare anche la legge italiana? La legge italiana si applica conformemente all'AI Act europeo, ma introduce disposizioni e principi specifici per il contesto nazionale, ad esempio in sanità, lavoro e pubblica amministrazione. È fondamentale conoscere entrambi i quadri normativi.
10. Come preparo il mio team al cambiamento? La comunicazione è la chiave. Spiegate che l'IA non è un sostituto ma un acceleratore che produce bozze da perfezionare. Il loro ruolo diventerà meno esecutivo e più strategico, focalizzato sulla guida dell'IA e sulla revisione critica dei suoi output.
13. Fissa una consulenza strategica
Comprendere questo nuovo paradigma è il primo, decisivo passo. Se senti la necessità di essere guidato in questo percorso di consapevolezza strategica, per capire cosa l'IA Generativa significhi realmente per il DNA della tua azienda, ti invito a un confronto diretto.
Commenti