Tutti usano l'AI. Quasi nessuno ne vede il ritorno.

Secondo l'indagine globale di McKinsey sullo stato dell'AI del 2025, l'88% delle organizzazioni usa regolarmente l'intelligenza artificiale in almeno una funzione aziendale, contro il 78% dell'anno prima. L'AI generativa in particolare sta al 72%. Con questi numeri la discussione sull'adozione è finita: ogni concorrente che avete usa questa tecnologia.

Poi la stessa indagine chiede quanto valga, e il quadro si rovescia. Solo il 39% dei rispondenti riesce a indicare un effetto misurabile sul risultato economico, e quasi tutti lo collocano sotto il 5%. Appena il 7% descrive l'AI come pienamente scalata nell'organizzazione. Circa il 6% si qualifica come alta prestazione, attribuendole più del 5% dell'EBIT.

Leggete quei tre numeri come un imbuto e il problema si racconta da solo. Arrivare all'88% ha richiesto l'acquisto di una licenza. Arrivare al 39% richiede saper misurare. Arrivare al 7% richiede cambiare il modo in cui il lavoro viene fatto davvero. Quasi tutte le organizzazioni si sono fermate alla licenza.

Perché i progetti pilota si arenano

Nel marketing a fallire raramente è il modello. Il punto è che il progetto pilota viene costruito attorno a uno strumento invece che attorno a un processo, così quello che produce non ha dove andare. Un team genera duecento varianti di annuncio in un pomeriggio e poi scopre che il collo di bottiglia non era mai stato la produzione delle varianti: erano la revisione legale, il caricamento in piattaforma e il fatto che l'impianto di misurazione non riesce comunque a distinguere duecento creatività.

Se il vincolo a valle resta identico, accelerare il passo precedente produce una coda più lunga, non un risultato migliore.

Il secondo fallimento è il controfattuale. I team dichiarano tempo risparmiato perché il tempo risparmiato è facile da autodichiarare. Quasi nessuno conduce il gruppo di controllo che direbbe se il lavoro assistito dall'AI ha reso più del lavoro che ha sostituito. Senza quello, avete un aneddoto con un numero attaccato.

Cosa sembra fare diversamente quel 6%

• Ridisegnano il flusso, non il passaggio. La domanda è come appare il processo dando per scontato un modello capace, non dove si può infilare un modello nel processo di oggi.
• Strumentano prima di rilasciare. La metrica di successo e il suo controfattuale vengono concordati prima che esca il primo output, che è l'unico modo perché un risultato sopravviva al confronto con un direttore finanziario.
• Concentrano. Pochi casi d'uso portati fino in produzione battono un portafoglio di piloti, perché il valore compare solo dopo l'ultimo miglio.
• Tengono una persona responsabile dell'output. Non che riveda ogni asset: che risponda dello standard a cui gli output vengono tenuti.

Cosa ci facciamo noi

Trattiamo l'AI come una capacità di produzione e di decisione, non come una fabbrica di contenuti. In concreto: sistemi creativi che generano e declinano asset a partire da un brief e da un manuale di marca; strati di analisi che comprimono la reportistica da giorni a minuti e fanno emergere le tre cose cambiate invece delle quattrocento rimaste uguali; e un impianto di misurazione capace davvero di attribuire un incremento all'intervento.

La parte scomoda è che il terzo punto è quello che rende i primi due degni di essere pagati, ed è puntualmente quello che nessuno vuole finanziare. Il 39% non è un problema di tecnologia. È un problema di misurazione travestito da problema di tecnologia.