La vera ragione per cui i tuoi progetti pilota di IA continuano a fallire e come rimetterli in carreggiata
La maggior parte dei progetti di intelligenza artificiale non fallisce a causa della tecnologia scadente. Falliscono quando una buona tecnologia incontra persone impreparate.
Lo scorso anno, una ricerca del MIT ha fatto notizia in tutto il mondo quando ha scoperto che il 95% dei progetti pilota di intelligenza artificiale generativa non porta a un ROI misurabile. Il tasso di fallimento non ha nulla a che vedere con le capacità del modello. Le organizzazioni implementano strumenti di IA a una velocità vertiginosa senza alcuna struttura di governance, nessuna responsabilità per la formazione, nessuno scopo chiaro comunicato ai team. Nel giro di poche settimane, i sistemi si interrompono perché le persone non erano pronte.
Le persone utilizzano gli strumenti in modo incoerente, causando una variabilità estrema dei risultati. La qualità precipita. I dipendenti diventano dipendenti da sistemi che non comprendono, e le loro competenze di base si atrofizzano. Sotto pressione per ottenere risultati, abbandonano del tutto gli strumenti ufficiali e si affidano a qualsiasi IA personale che sembri più semplice.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Oggi chiamiamo tutto questo "shadow AI".
Il costo non è solo tempo di sviluppo sprecato. Sono perdite di produttività, degrado della qualità dei risultati, esposizione a rischi di conformità e una direzione strategica fuorviante.
Perché i progetti pilota di IA falliscono
I leader vedono l’adozione dell’IA come una semplice implementazione tecnologica, mentre in realtà è una trasformazione organizzativa.
Una implementazione è una sfida tecnica. Occorre disporre dei dati giusti per lo strumento scelto, sistemare licenze e accessi e premere l’interruttore.
La trasformazione è una sfida umana. Coinvolge comportamenti, flussi di lavoro, modalità operative, identità personali e capacità. Il vero cambiamento avviene nel modo in cui le persone pensano, decidono e collaborano, non nello strumento in sé.
Non penso sia saggio trattare l’IA generativa come un semplice dispiegamento tecnologico. È davvero più un esercizio di gestione del cambiamento, perché implica portare le persone a pensare in modo diverso su come lavorano e comporta il cambiamento delle loro abitudini. E poi, alla fine, vorresti che quei comportamenti si trasformassero in abitudini.
Quando si salta il lavoro di trasformazione, si ottiene caos travestito da innovazione.
La pressione ad agire rapidamente è reale. Tutti pensano che i concorrenti stiano correndo avanti, così saltano il duro lavoro di progettazione dei sistemi e di revisione dei processi. Alcune organizzazioni adottano un approccio superficiale dall’alto, spinte dal desiderio di tagliare i costi, aumentare l’efficienza o apparire all’avanguardia.
Risultato? Il 42% delle aziende ha abbandonato le proprie iniziative di IA nel 2025, in netto aumento rispetto al 17% dell’anno precedente.
I tre gap di competenze che compromettono il ROI dell’IA
Il gap di competenze non è un unico problema. Si tratta di tre distinti deficit di capacità che si sommano portando al fallimento organizzativo.
1. Giudizio tecnico per le decisioni di implementazione
Il tuo team deve capire quando usare lo strumento e quando no. È diverso dal sapere come si usa.
Troppo spesso le persone non hanno la capacità di valutare se l’output dell’IA sia abbastanza buono, adeguato al contesto o se stia anche solo rispondendo alla domanda giusta. Non riescono a distinguere tra “lo strumento ha generato qualcosa” e “lo strumento ha generato qualcosa di utile”.
Questo non ha nulla a che vedere con le competenze su SQL o il version control. Si tratta di sviluppare il discernimento necessario per prendere decisioni intelligenti sull'implementazione dell’IA nei contesti di lavoro reali.
Taylor Blake, SVP di AI Labs presso Degreed, sottolinea una disconnessione fondamentale.
“La differenza tra una demo di IA e l’IA nella pratica può essere davvero enorme. E non lo sai fino a quando non ci metti le mani e devi vedere e affrontare davvero quei problemi”, ha detto.
2. Standard di qualità e framework di valutazione
Nella maggior parte delle organizzazioni si mostra alle persone come funziona lo strumento. Questo permette di grattare solo la superficie.
Quello che manca è la capacità di valutare i risultati secondo standard significativi. Senza chiari framework di qualità, le persone si limitano a dire “ha prodotto qualcosa, quindi lo userò”.
Il divario dell’ROI è importante perché il vero ritorno deriva dal migliorare le persone nel loro lavoro di maggior valore, non dal generare più output. In un mondo in cui tutti hanno accesso agli stessi strumenti, creare un ambiente in cui le persone applicano l’IA in modo strategico differenzia i risultati della tua azienda.
3. Applicazione creativa e risoluzione dei problemi
La maggior parte della formazione fallisce completamente qui. Insegna le funzionalità invece di ispirare la risoluzione creativa dei problemi.
Forse qualcuno non ha difficoltà a generare testi di marketing, una volta ricevute le direttive creative. Ma quando si tratta di analizzare le opzioni e decidere una direzione, si blocca. Questa è la loro vera opportunità, il punto in cui l’IA potrebbe rimodellare il loro approccio al lavoro.
Mostrare le diverse funzionalità per ispirare un’applicazione creativa aiuta i dipendenti ad affrontare le sfide più dispendiose in termini di tempo. È lì che avviene la vera trasformazione.
La crisi d’identità che stai ignorando
L’identità personale non compare nella maggior parte dei piani di introduzione dell’IA. Ma dovrebbe.
Quando l’IA inizia a gestire parti del ruolo di qualcuno, crea una profonda insicurezza e ansia. Le persone temono cosa accadrà se non si adattano ai cambiamenti nella forza lavoro. Questa paura si manifesta in due modi distruttivi.
1.) Resistono o sabotano gli sforzi dell’azienda riguardo l’IA. Non in modo palese, ma tramite mancata adozione passiva, soluzioni alternative e un silenzioso sabotaggio dei sistemi ufficiali.
2.) Si affidano a strumenti che risultano più facili da usare, a prescindere dal fatto che tali strumenti soddisfino effettivamente il bisogno aziendale. Questo genera il problema dell’IA ombra: il 90% dei lavoratori utilizza strumenti di IA personali come ChatGPT quotidianamente per attività lavorative, mentre solo il 40% delle aziende possiede abbonamenti LLM ufficiali.
I dati sull’ansia dei dipendenti sono impressionanti. Il 65% dei dipendenti è ansioso che l’IA possa sostituire il suo lavoro. Circa due terzi sono preoccupati di non sapere come usare l’IA in modo etico. Questa ansia ostacola direttamente l’adozione, con fino al 70% delle iniziative di cambiamento legate all’IA che falliscono a causa dell’opposizione dei dipendenti o del sostegno manageriale insufficiente.
Justin Angsuwat, Chief People Officer presso Culture Amp, ha osservato qualcosa di controintuitivo durante il lancio interno del coach AI.
Il paradosso è spietato: le persone sono contemporaneamente ansiose di rimanere indietro e attivamente ostacolano i sistemi progettati per aiutarli ad avere successo.
Partire dal lavoro umano
Per un COO o CHRO che sta per introdurre strumenti di IA, l’intervento inizia con la comunicazione e la costruzione della fiducia.
I dipendenti hanno bisogno di capire perché si agisce in questo modo, cosa ci guadagneranno e come ciò influenzerà il loro futuro—sia in azienda che professionalmente.
Potrebbero comunque non aderire completamente. Ma la trasparenza crea le fondamenta per una reale adozione.
Il team di Angsuwat si è concentrato sul rafforzare la fiducia prima ancora di preoccuparsi della perfetta implementazione.
“Il nostro obiettivo era migliorare la fiducia dei dipendenti nell’usare l’IA perché misurare un momento ‘aha’ non è semplice”, spiega. “Si trattava intenzionalmente di imparare, sperimentare, semplicemente di provarci, davvero. Non era questione di ottenere subito risultati perfetti, il che ha veramente tolto pressione.”
Il ripensamento che conta è aiutare le persone a vedere la collaborazione con l’IA come un’opportunità per sviluppare nuove competenze e ridefinire la propria principale fonte di valore. Non come una minaccia al loro ruolo attuale, ma come una possibilità per evolvere verso qualcosa di più prezioso.
Ma la formazione da sola non basta. Angsuwat lo ha scoperto a proprie spese.
“Quello che è stato interessante è che anche partecipando a questo programma di sei settimane, alcune persone seguivano e facevano i piccoli esercizi, creavano il loro gioco per computer, e poi tornavano nelle loro attività quotidiane... e si sentivano di nuovo intimiditi.”
Serve che la leadership faccia il lavoro duro in anticipo, prima del lancio, non quando emergono i problemi.
Cathey sottolinea la necessità di creare spazio per la sperimentazione.
"Penso che sia davvero importante per le aziende riconoscere che, quando si tratta di cambiamento, le persone dovranno rallentare per poter poi accelerare. Nessuno passa da principiante a esperto in un giorno. Serve un processo e bisogna dare alle proprie persone lo spazio e il tempo per sperimentare in sicurezza."
La Cieca della Governance
Quando la leadership rilascia strumenti senza una chiara proprietà, strutture di responsabilità o visibilità sui modelli di utilizzo, si crea un vero e proprio far west.
La maggior parte delle aziende non monitora davvero che tipo di lavoro viene svolto con la tecnologia o come viene utilizzata. Questa è la ricetta perfetta per una crisi di governance.
Senza un framework di governance per l’AI, le organizzazioni rischiano danni reputazionali dovuti a risultati incoerenti o problematici, perdita di fiducia dei clienti quando viene meno la qualità, perdite finanziarie dovute a investimenti sprecati e rifacimenti, nonché sanzioni normative per non essere conformi.
Il pericolo operativo è immediato. Senza strutture di governance chiare, non si può assegnare alcuna responsabilità quando i sistemi di AI falliscono o causano conseguenze negative. Stabilire la responsabilità è essenziale per affrontare i problemi e migliorare i sistemi nel tempo.
Il gap di competenze va oltre le singole capacità. È radicato nella necessità di costruire sistemi organizzativi che creino visibilità, responsabilità e miglioramento continuo.
La Questione da 5,5 Trilioni di Dollari
Oltre il 90% delle aziende globali dovrà affrontare carenze critiche di competenze entro il 2026. Le perdite previste generate dal persistere di questi gap: 5,5 trilioni di dollari di performance del mercato globale.
Potrebbe sembrare una previsione teorica o sensazionalistica, ma il 94% dei leader affronta già oggi carenze critiche di competenze per l’AI, secondo il World Economic Forum. Uno su tre riporta gap pari o superiori al 40%.
La pressione competitiva è reale, ma la corsa a implementare senza creare le giuste capacità sta generando un problema ancora più grande. Le organizzazioni che puntano su partnership esterne raggiungono tassi di successo nell’implementazione pari al 67%, rispetto al 33% degli sviluppi interni. La mentalità "facciamolo da soli" che funzionava nel software tradizionale boicotta attivamente il successo con l’AI.
Nel frattempo, il 75% delle organizzazioni riferisce di essere prossima, già arrivata o addirittura oltre il punto di saturazione del cambiamento. In media, ogni dipendente ha vissuto 10 cambiamenti aziendali pianificati negli ultimi anni, rispetto a soli due nel 2016. Più della metà dei professionisti IT dichiara di aver accelerato il rollout dell’AI negli ultimi 24 mesi.
Il costo umano dell’andare troppo veloci si somma ai fallimenti tecnici.
4 Passi per Evitare che i Tuoi Piloti Falliscano
Se sei un COO o un CHRO pronto a implementare l’AI, ecco cosa deve succedere prima di "tirare la leva". Vale anche la pena considerare come potresti integrare l’AI nei processi di gestione del cambiamento.
1. Definisci la trasformazione, non solo l’implementazione
Mappa quali flussi di lavoro cambieranno realmente. Identifica i ruoli che saranno coinvolti e in che modo. Definisci cosa significa successo oltre il semplice "strumento distribuito" e stabilisci una chiara proprietà per formazione, governance e supporto continuativo.
2. Costruisci l’infrastruttura di comunicazione
Spiega il motivo della scelta di questo approccio. Illustra cosa guadagneranno i dipendenti a livello professionale e affronta apertamente le preoccupazioni legate all’identità e all’ansia. Crea circuiti di feedback che permettano di individuare i problemi fin da subito.
More Articles
3. I primi 30 giorni: crea sistemi per sviluppare capacità
Oltrepassa la formazione "ecco come funziona" per arrivare a "ecco come pensare con l’AI". Aiuta le persone a identificare i problemi di maggior valore da risolvere. Definisci standard di qualità e framework di valutazione. Mostra applicazioni creative che ispirino un utilizzo strategico.
Dai alle persone il permesso di rallentare all’inizio. Riconosci che il cambiamento comportamentale richiede tempo e che occorre dare spazio alla sperimentazione senza timore di penalizzazioni sulla produttività.
4. In itinere: crea governance e visibilità
Monitora l’effettivo utilizzo e i risultati. Crea strutture di responsabilità per la qualità, la conformità e il monitoraggio dei cambiamenti dell’AI. Sviluppa meccanismi di feedback per migliorare il sistema. Affronta l’AI nascosta prima che diventi una crisi.
Controllo di realtà fondamentale: solo il 15% dei dipendenti statunitensi dichiara che, sul loro posto di lavoro, sia stata comunicata una chiara strategia per l’AI. Se il tuo team non sa spiegare perché lo stai facendo e quali vantaggi porta, sei già in ritardo.
Il ponte che devi costruire
Le adozioni stanno fallendo perché le organizzazioni implementano gli strumenti più rapidamente di quanto non costruiscano l'infrastruttura umana necessaria a governarli, implementarli e sfruttarli efficacemente.
Il divario di competenze è sotto gli occhi di tutti e i costi sono misurabili mentre la pressione competitiva continua ad aumentare. Ma la soluzione non è rallentare l'adozione dell'IA. Bisogna invece sviluppare in parallelo le capacità umane. Ciò significa trattarla come una vera e propria trasformazione organizzativa, non come un progetto tecnologico con una data di avvio.
Se ci riesci, trasformi l'IA in un vantaggio competitivo durevole. Se trascuri la componente umana, entri a far parte di quel 95% i cui progetti pilota non generano mai ROI, spesso perché le organizzazioni misurano male il ROI dell'IA sin dall'inizio.
I leader si comportano come se dovessero scegliere tra velocità e preparazione. In realtà, stanno scegliendo tra una trasformazione sostenibile e un fallimento costoso.
