16 giugno 2026Aggiornato il Fathy Shalaby12 min di lettura
Il 95% dei pilot di IA fallisce? Cosa ha davvero misurato lo studio del MIT
Il 95% non è un tasso di fallimento universale dell’IA. Ecco cosa ha misurato il report MIT NANDA del 2025, perché i critici lo contestano e come i team di prodotto possono valutare un pilot di IA su risultati reali.
No, le prove non dimostrano che il 95% dei pilot di IA fallisca. La cifra viene da un report MIT NANDA di luglio 2025 basato su 52 interviste e 153 risposte a un sondaggio. Dice che il 95% delle organizzazioni non ha visto alcun ritorno misurabile sul conto economico dall’IA generativa. Tra le aziende che hanno davvero sperimentato uno strumento su misura, circa una su quattro è arrivata in produzione, e il report stesso definisce i propri numeri indicativi.
Punti chiave
Il report afferma che «95% of organizations are getting zero return» su 30–40 miliardi di dollari di spesa aziendale in GenAI (MIT NANDA, 2025). Questo descrive organizzazioni e impatto sul conto economico, non l’esito di ogni singolo pilot.
Per gli strumenti specifici per un compito, il 60% delle organizzazioni ne ha valutato uno, il 20% ha fatto un pilot e il 5% è arrivato in produzione. Tra le aziende che hanno fatto un pilot, circa il 25% (5 su 20) ha avuto successo.
«Successo» significava un impatto netto e duraturo sulla produttività o sul conto economico, misurato sei mesi dopo il pilot. È una soglia alta, e il report non la definisce con precisione.
I critici indicano il campione ridotto, l’assenza di peer review, incongruenze interne e l’interesse commerciale degli autori per l’IA agentica che raccomandano (80,000 Hours, 2026).
La lezione utile per i team di prodotto non è un tasso di fallimento. È fissare una baseline, una soglia di successo e una data di decisione prima che il pilot inizi.
Da dove viene la statistica «il 95% dei pilot di IA fallisce»?
Il numero viene da The GenAI Divide: State of AI in Business 2025, scritto da Aditya Challapally, Chris Pease, Ramesh Raskar e Pradyumna Chari e datato luglio 2025. È stato prodotto con Project NANDA, un gruppo del MIT Media Lab che costruisce infrastrutture per agenti di IA in rete (MIT Media Lab). Il report si definisce da sé un insieme di risultati preliminari.
Il metodo dichiarato ha tre parti e copre gennaio-giugno 2025:
una rassegna di oltre 300 iniziative di IA rese pubbliche
interviste strutturate con rappresentanti di 52 organizzazioni
risposte a un sondaggio di 153 dirigenti, raccolte in quattro conferenze di settore
La statistica è diventata mainstream il 18 agosto 2025, quando Fortune ha riportato che il 95% dei pilot di IA generativa nelle aziende stava fallendo (Fortune, 2025). Fortune descriveva la ricerca come 150 interviste con dirigenti, un sondaggio su 350 dipendenti e 300 implementazioni pubbliche. Quei numeri sono da due a tre volte più grandi delle 52 interviste e 153 risposte del report stesso.
Cosa ha misurato davvero il report MIT NANDA?
Il report contiene diversi numeri distinti che i titoli hanno fuso in uno solo. Separarli cambia la storia.
Cosa ripete la gente
Cosa dice il report
Cosa descrive davvero
Il 95% dei pilot di IA fallisce
Il 95% delle organizzazioni non ottiene alcun ritorno
Organizzazioni, giudicate sull’impatto misurabile sul conto economico
Solo il 5% dei pilot ha successo
Il 5% dei pilot di IA integrati estrae milioni di valore
Una quota di tutte le organizzazioni, non dei pilot
I pilot non arrivano in produzione
Il 60% ha valutato strumenti specifici, il 20% ha fatto un pilot, il 5% è arrivato in produzione
Un funnel su tutte le organizzazioni intervistate
Gli strumenti di IA non vengono usati
Oltre l’80% ha esplorato o sperimentato strumenti in stile ChatGPT; quasi il 40% dichiara un rilascio
Strumenti generici, valutati separatamente
La maggior parte dell’IA fallisce
Successo significa un impatto netto e duraturo su produttività e/o conto economico
Dichiarato da utenti o dirigenti, misurato 6 mesi dopo il pilot
Il funnel è ciò che conta di più. Se il 60% delle organizzazioni ha guardato uno strumento specifico, il 20% ha fatto un pilot e il 5% è arrivato in produzione, allora l’80% non ha mai fatto alcun pilot. Tra il 20% che l’ha fatto, 5 su 20 hanno avuto successo: un tasso di passaggio da pilot a produzione di circa il 25%.
Rob Wiblin, conduttore di 80,000 Hours, ha fatto questa osservazione nell’aprile 2026: la cifra descrive tutte le organizzazioni intervistate, la maggior parte delle quali non ha mai fatto un pilot su misura (80,000 Hours, 2026). Il report favorisce la confusione chiamando in un passaggio il risultato un tasso di fallimento del 95%.
Il report segnala anche i propri limiti. Dice che i numeri dei pilot sono «directionally accurate based on individual interviews rather than official company reporting» (accurati nella direzione, basati su interviste individuali e non su rendicontazioni ufficiali delle aziende), che la dimensione dei campioni varia per categoria e che le definizioni di successo possono differire tra le organizzazioni.
Quali sono le principali critiche allo studio del MIT?
Cinque problemi tornano di continuo. Nessuno dimostra che l’IA aziendale stia andando bene, ma insieme significano che la cifra del 95% non può reggere il peso che le è stato messo sopra.
1. Il campione è piccolo
I tassi dei titoli poggiano su 52 interviste. 80,000 Hours stima che la cifra di successo del 5% possa riflettere due o tre aziende, quindi spostare una o due interviste cambierebbe il titolo. La nota metodologica del report ammette che il campione potrebbe non rappresentare tutti i segmenti aziendali o tutte le regioni, e che le aziende disposte a parlare di IA possono differire da quelle che hanno rifiutato.
2. Non è stato sottoposto a peer review e non era facile da verificare
Il report non era un articolo accademico. Quando la storia di Fortune è diventata virale, il PDF era dietro un modulo di richiesta, così i giornalisti hanno ripetuto il titolo senza leggere il metodo (80,000 Hours, 2026).
3. I numeri non sempre concordano tra loro
Due esempi dallo stesso documento:
Un punto chiave dice che il 50% dei budget GenAI va a vendite e marketing; il paragrafo sotto dice che vendite e marketing hanno ottenuto circa il 70% di una ripartizione ipotetica di 100 dollari.
Il riepilogo dice che solo 2 settori su 8 mostrano un cambiamento strutturale; una sezione successiva dice che 7 settori su 9 non mostrano un reale cambiamento strutturale.
4. Il «successo» è una soglia alta e definita in modo vago
Un pilot contava come riuscito solo se utenti o dirigenti descrivevano un impatto netto e duraturo su produttività o conto economico entro sei mesi. Uno strumento che aiutava le singole persone ma non aveva ancora mosso il conto economico contava come fallimento. Il report ammette perfino che una finestra di sei mesi può essere troppo breve per giudicare sistemi aziendali complessi.
5. Gli autori raccomandano ciò che costruiscono
Il report conclude che i sistemi agentici con memoria e apprendimento colmeranno il divario, e NANDA è un progetto di infrastruttura per agenti. 80,000 Hours sostiene che questo conflitto di interessi avrebbe dovuto essere dichiarato.
Allora qual è il vero tasso di fallimento dei pilot di IA?
Non esiste un unico tasso di fallimento affidabile per i pilot di IA, perché gli studi definiscono il «fallimento» in modi diversi. Un modello può dare risposte sbagliate, gli utenti possono smettere di usare una funzione, un pilot può essere cancellato, un workflow può bloccarsi prima della produzione, oppure un team può non riuscire a misurare l’impatto finanziario.
Il report RAND del 2024 cita stime secondo cui oltre l’80% dei progetti di IA fallisce, il doppio rispetto ai progetti IT senza IA (RAND, 2024). RAND attribuisce quella cifra a stime esterne; le sue prove dirette sono interviste con 65 data scientist e ingegneri con almeno cinque anni di esperienza.
Anche il successo autodichiarato non è affidabile. Nello studio randomizzato di METR con 16 sviluppatori open source esperti che lavoravano su 246 issue reali, gli strumenti di IA li hanno resi il 19% più lenti. Gli sviluppatori si aspettavano un’accelerazione del 24% e, a posteriori, credevano ancora che l’IA li avesse resi il 20% più veloci (METR, 2025). Anche i numeri di successo di NANDA sono autodichiarati, un motivo in più per misurare la tua baseline invece di prendere in prestito il tasso di qualcun altro.
Perché i pilot di IA falliscono, secondo la ricerca?
Il titolo è debole, ma i risultati qualitativi concordano con altre ricerche.
Dal report MIT NANDA:
Il «learning gap». Gli utenti hanno detto che gli strumenti non imparano dal feedback, richiedono troppo contesto ogni volta, non si possono adattare al loro workflow e si rompono nei casi limite.
Lavoro semplice contro lavoro complesso. Il 70% degli intervistati preferiva l’IA per scrivere e-mail e il 65% per analisi di base, ma per lavori complessi di più settimane le persone erano preferite 9 a 1.
Shadow AI. Solo il 40% delle aziende dichiarava di aver acquistato un abbonamento ufficiale a un LLM, eppure i dipendenti di oltre il 90% delle aziende intervistate riferivano di usare regolarmente strumenti di IA personali per lavoro.
Comprare o costruire. Le partnership esterne arrivavano al rilascio circa il 67% delle volte contro circa il 33% degli sviluppi interni. Il report nota che sono dati autodichiarati e che la correlazione non prova la causalità.
Velocità. Le migliori aziende di medie dimensioni dichiaravano circa 90 giorni dal pilot all’implementazione completa; le grandi imprese impiegavano nove mesi o più.
Dalle 65 interviste di RAND, cinque cause profonde: il team ha frainteso o comunicato male il problema; l’organizzazione non aveva i dati; ha inseguito la tecnologia invece del problema dell’utente; mancava l’infrastruttura per rilasciare e gestire i modelli; oppure il problema era troppo difficile per l’IA (RAND, 2024).
Come dovrebbe misurare un team di prodotto un pilot di IA?
Scrivi il piano del pilot prima di estendere una funzione di IA o un assistente di coding a più utenti. Questa checklist in sette punti tiene la decisione legata alle tue prove, non alla statistica di qualcun altro.
Utente e compito. Chi svolge quale compito, e cosa c’è di difficile nel workflow attuale?
Baseline. Come funziona oggi il compito? Registra tempo, completamento, errori, rilavorazioni o un’altra misura rilevante.
Risultato di successo. Quale risultato per l’utente o per il business dovrebbe migliorare? Fissa una soglia prima del pilot.
Limite di qualità. Cosa rende accettabile una risposta o un’azione? Includi esempi rappresentativi, casi limite e modalità di errore note.
Ripiego e responsabilità. Cosa succede quando il modello è incerto o sbaglia? Nomina la persona che può rivedere, scavalcare o fermare il workflow. La guida sulle decisioni di IA con confini mostra come scrivere questo passaggio di consegne.
Costi e limiti operativi. Monitora latenza, costo del modello, impegno di revisione, escalation e carico di supporto insieme ai risultati dei compiti.
Data di decisione. Concordate quando il team estenderà, rivedrà o fermerà il pilot, e chi decide.
Misura a strati; ognuno risponde a una domanda diversa:
Se le persone possono fidarsi dell’output per questo compito
Delivery
Tempo di ciclo, impegno di revisione, rilavorazioni, difetti sfuggiti
Se il lavoro scorre diversamente nel team
Impatto sul prodotto
Completamento dei compiti, uso ripetuto, retention, ricavi o costo di servizio
Se il cambiamento conta per gli utenti o per il business
Costo operativo
Latenza, costo del modello, revisione umana, carico di supporto
Se il valore è sostenibile
Il framework di Google Cloud per gli assistenti di coding con IA, scritto con Nathen Harvey, responsabile di DORA, usa una scala simile: adozione, fiducia, accelerazione e impatto. Mette in guardia dal saltare dall’adozione direttamente all’impatto sul business e suggerisce almeno 6–8 settimane, o quattro sprint di due settimane, prima che l’accelerazione possa emergere (Google Cloud, 2025). I suggerimenti accettati sono un segnale precoce, non la prova che i clienti abbiano ottenuto più valore. Il framework di valutazione dell’IA per i team di prodotto tratta in dettaglio lo strato della qualità.
Esempio pratico: criteri di accettazione generati dall’IA
Questo esempio è illustrativo, non un risultato di un cliente. Supponi che un team di 6 persone faccia un pilot di criteri di accettazione scritti dall’IA per i ticket. Contare le bozze non gli direbbe nulla, quindi scrive prima il piano:
Baseline (ultimi 20 ticket): 3 giorni dalla richiesta al brief approvato; i revisori trovano 4 casi limite mancanti ogni 10 ticket; 2 ticket su 10 richiedono rilavorazione da parte dell’ingegneria dopo il kick-off.
Soglia: brief approvato in 2 giorni o meno, con rilavorazioni non superiori a 2 su 10.
Limite di qualità: nessun requisito inventato; ogni criterio deve essere riconducibile alla richiesta o a una nota cliente collegata.
Limite di costo: il tempo di revisione per brief non deve salire oltre i 30 minuti.
Data di decisione: dopo 8 settimane o 40 ticket, a seconda di quale arriva prima.
Se i brief arrivano in un giorno ma le rilavorazioni salgono a 4 su 10, il pilot ha fallito sul risultato che conta, per quanto veloci fossero le bozze. Se le bozze richiedono lo stesso tempo ma le rilavorazioni si dimezzano, può valere la pena estenderlo.
Errori comuni nella lettura delle statistiche sui pilot di IA
Trattare un sondaggio sulle organizzazioni come un tasso per il tuo progetto. Le tue probabilità dipendono dal tuo problema, dai tuoi dati e dal tuo workflow, non da una media su 52 aziende.
Contare l’attività come successo. Prompt inviati, bozze generate e suggerimenti accettati mostrano adozione, non valore.
Fidarsi di quanto sembra veloce. Gli sviluppatori di METR si sentivano il 20% più veloci mentre erano il 19% più lenti. Cronometra il lavoro.
Saltare la baseline. Senza numeri «prima», nessun numero «dopo» significa qualcosa.
Lasciare aperta la data di fine. I pilot senza data di decisione tendono a trascinarsi come esperimenti permanenti.
Specky legge chiamate con i clienti, feedback, Slack, Jira e analytics in un Product Graph, scrive spec con le prove a sostegno citate nel testo e verifica dopo il lancio se la scommessa ha funzionato. Per un pilot di IA, questo significa che baseline, soglia e data di decisione stanno accanto alla spec, invece che in una slide che nessuno riapre. Le tue misurazioni restano ciò che decide se il pilot ha avuto successo.
Domande frequenti
È vero che il 95% dei pilot di IA fallisce?
No. Il report MIT NANDA dice che il 95% delle organizzazioni intervistate non ha visto alcun ritorno misurabile sul conto economico dall’IA generativa. Il suo stesso funnel mostra che solo il 20% delle organizzazioni ha fatto un pilot di uno strumento specifico e il 5% è arrivato in produzione, quindi circa un quarto delle aziende con un pilot ha avuto successo. Il campione era di 52 interviste e 153 risposte a un sondaggio.
Chi ha scritto lo studio del MIT sui pilot di IA?
Aditya Challapally, Chris Pease, Ramesh Raskar e Pradyumna Chari hanno scritto The GenAI Divide: State of AI in Business 2025, pubblicato a luglio 2025 con Project NANDA del MIT Media Lab. Presenta risultati preliminari da gennaio a giugno 2025 e non è stato sottoposto a peer review.
Cosa conta come pilot di IA fallito?
Il report del MIT considerava un pilot riuscito solo se utenti o dirigenti descrivevano un impatto netto e duraturo su produttività o conto economico entro sei mesi. Altre definizioni includono la cancellazione, la scarsa adozione o errori dannosi. Definisci il fallimento per il tuo pilot prima che inizi, con una soglia misurabile e una data.
Perché la maggior parte dei pilot di IA fallisce?
La ricerca indica soprattutto cause di prodotto: problemi poco chiari, scarsa aderenza al workflow, dati mancanti, strumenti che non imparano dal feedback e nessuna misura di successo concordata. Le interviste di RAND con 65 professionisti hanno rilevato che la causa profonda più comune era aver frainteso o comunicato male il problema che l’IA doveva risolvere.
Quanto dovrebbe durare un pilot di IA?
Abbastanza a lungo da confrontare con una baseline sul risultato che ti interessa. Google Cloud suggerisce almeno 6–8 settimane prima che possano comparire guadagni di produttività dagli assistenti di coding con IA. Fissa la data di decisione e la dimensione del campione, per esempio 8 settimane o 40 compiti, prima che il pilot inizi.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing