Indice
- Un’adozione superficiale: alta sperimentazione, bassa trasformazione
- Il vero ostacolo è il learning gap
- La Shadow AI Economy: l’AI informale funziona meglio di quella ufficiale
- Bias negli investimenti: il front-office cannibalizza il back-office
- Superare il Gen AI Divide: strategie per buyer e builder
- Verso l’Agentic Web: il nuovo paradigma dell’intelligenza autonoma
- ROI e workforce: un cambiamento silenzioso ma radicale
- La finestra si sta chiudendo
Nonostante gli investimenti in GenAI superino i 30 miliardi di dollari, , il 95% delle organizzazioni non registra alcun ritorno concreto. È quanto emerge dallo studio “The GenAI Divide: State of AI in Business 2025”, pubblicato dal MIT Project NANDA, che ha analizzato oltre 300 iniziative AI tra interviste, survey e casi d’uso aziendali.
Il rapporto individua una frattura crescente: tra una minoranza di aziende che estraggono valore reale dall’AI e la maggioranza che resta bloccata in progetti pilota senza impatto sul business. Alla base del problema: sistemi che non apprendono, si integrano male nei workflow, e si adattano al contesto operativo.
Un’adozione superficiale: alta sperimentazione, bassa trasformazione
Secondo il report, oltre l’80% delle aziende ha esplorato o testato strumenti GenAI, spesso attraverso piattaforme note come ChatGPT o Copilot. Di queste, quasi il 40% ha avviato una fase di deployment. Tuttavia, i benefici registrati restano marginali, perlopiù limitati all’aumento di produttività individuale, senza un impatto sistemico sul business.
I sistemi enterprise, invece, soffrono una profonda crisi di fiducia: : il 60% viene valutato, il 20% arriva alla fase pilota, e appena il 5% raggiunge la produzione. Le cause? Workflow troppo rigidi, incapacità di adattarsi al contesto aziendale e mancanza di apprendimento continuo.
Il vero ostacolo è il learning gap
Alla radice del GenAI Divide c’è un problema più profondo: la maggior parte dei sistemi attuali non impara. Non conservano feedback, non si adattano ai comportamenti degli utenti, e non migliorano nel tempo. Sono strumenti “stateless”, incapaci di evolvere con l’azienda.
Nel frattempo, gli utenti si affidano ogni giorno a tool come ChatGPT per risolvere problemi semplici. Ma per attività mission-critical o o ad alto rischio, il 90% continua a preferire l’intervento umano, proprio perché questi strumenti generici non offrono memoria, contestualizzazione né specializzazione.
La Shadow AI Economy: l’AI informale funziona meglio di quella ufficiale
Lo studio del MIT mette in evidenza un fenomeno in rapida crescita: la Shadow AI Economy. Oltre il 90% dei dipendenti usa AI generativa per il lavoro, ma in modo non ufficiale, aggirando i canali IT. Questo significa che l’adozione reale è molto più alta di quanto indicano i progetti “ufficiali” , ma avviene in modo disorganico.
Paradossalmente, sono proprio queste pratiche “ombra” a rivelare cosa funziona davvero: strumenti agili, personalizzabili con interfacce familiari e capacità di apprendimento rapido. Le aziende più lungimiranti stanno monitorando questi usi non autorizzati per modellare le proprie strategie GenAI future.
Bias negli investimenti: il front-office cannibalizza il back-office
Il report evidenzia un forte squilibrio nella distribuzione degli investimenti: circa il 70% del budget GenAI viene destinato a vendite e marketing, settori dove i risultati sono facilmente misurabili e legati a KPI visibili a livello board.
Tuttavia, le maggiori opportunità di ROI spesso si trovano nelle funzioni di supporto : legale , operations, procurement, contabilità. Qui, la GenAI può generare valore eliminando BPO, riducendo errori di compliance, e o velocizzando processi interni— benefici che sfuggono ai radar tradizionali ma producono risultati economici reali e duraturi.
Superare il Gen AI Divide: strategie per buyer e builder
Lo studio MIT offre una serie di raccomandazioni concrete per aiutare aziende e fornitori a superare il GenAI Divide.
Per le aziende (buyer):
- Comportarsi come clienti BPO, non SaaS: esigere soluzioni su misura, radicate nei propri dati e processi.
- Valutare gli strumenti sull’impatto operativo, non su benchmark tecnici.
- Affidarsi a partner esterni: le iniziative GenAI co-sviluppate con fornitori esterni hanno il doppio delle probabilità di successo rispetto agli sviluppi interni.
- Dare potere ai prosumer interni: manager e utenti avanzati sono spesso gli agenti del cambiamento , capaci di guidare l’adozione bottom-up.
- Investire in sistemi che apprendono nel tempo, si integrano senza soluzione di continuità e migliorano con l’uso.
Per i fornitori (builder):
- Progettare sistemi agentici e adattivi, con capacità di memoria feedback e personalizzazione nativa.
- Concentrarsi su use case ristretti ma ad alto impatto , integrati profondamente nei flussi di lavoro.
- Ridurre al minimo la configurazione iniziale, offrendo soluzioni a rapido time-to-value.
- Superare il gap di fiducia attraverso canali consolidati: referral, marketplace enterprise, integrazioni plug-and-play.
Verso l’Agentic Web: il nuovo paradigma dell’intelligenza autonoma
Il report conclude con una visione strategica del futuro: i sistemi AI che imparano , ricordano e agiscono in autonomia diventeranno lo standard. È l’inizio dell’ Agentic Web, un ecosistema in cui agenti intelligenti cooperano, , si scambiano dati, e e orchestrano processi complessi in modo fluido.
Protocolli emergenti come Model Context Protocol (MCP), Agent-to-Agent (A2A), e NANDA saranno le fondamenta di questa nuova architettura digitale. Le aziende che si muoveranno ora verso sistemi agentici potranno costruire vantaggi competitivi difficilmente replicabili nei prossimi anni.
ROI e workforce: un cambiamento silenzioso ma radicale
I benefici economici più significativi derivano dalla sostituzione dei fornitori esterni , non dal taglio del personale. Aziende che hanno implementato GenAI nelle operations riportano risparmi tra i 2 e i 10 milioni di dollari annui riducendo BPO e fino al 30% di riduzione nei costi di agenzia.
Allo stesso tempo, cambia la composizione del workforce: : meno assunzioni in ruoli standardizzati, più enfasi su AI literacy e e competenze digitali avanzate come requisito di base per nuove assunzioni.
La finestra si sta chiudendo
Il tempo per agire è limitato. Le aziende che oggi adottano sistemi con apprendimento continuo stanno già creando barriere all’ingresso strutturali, con costi di switching che aumentano di mese in mese. Chi non investe ora in strumenti adattivi e agentici rischia di restare bloccato sul lato sbagliato del GenAI Divide.
Neodata è pronta ad accompagnare le imprese nell’adozione di soluzioni GenAI realmente trasformative, progettate per apprendere e migliorare nel tempo, con integrazione nativa nei processi e focus sul ROI concreto..
Vuoi scoprire come progettare la tua strategia GenAI per il 2026? Contattaci per scoprire i nostri servizi e le le nostre soluzioni.
AI Evangelist e Marketing specialist per Neodata
-
Diego Arnonehttps://neodatagroup.ai/it/author/diego/
-
Diego Arnonehttps://neodatagroup.ai/it/author/diego/
-
Diego Arnonehttps://neodatagroup.ai/it/author/diego/
-
Diego Arnonehttps://neodatagroup.ai/it/author/diego/