Quanto rende davvero l'AI? Il 95% dei piloti non rientra — ecco dove sta il ritorno (e in quanto tempo)

C'è un numero che nessun fornitore di AI ti metterà in slide, ed è il più importante di tutti: secondo lo studio del MIT «The GenAI Divide» (2025), circa il 95% dei progetti pilota di AI generativa nelle imprese non produce alcun impatto misurabile sul conto economico. Solo un progetto su venti arriva a un'accelerazione concreta dei ricavi. Non è una statistica per scoraggiarti — è il punto di partenza onesto da cui si costruisce un ritorno vero, invece di inseguirne uno immaginato.

Perché la lettura del MIT è quasi controintuitiva: quel 95% non è un problema di qualità dei modelli. Gli strumenti funzionano. Il MIT lo chiama «learning gap» — divario di apprendimento: le aziende non riescono a innestare l'AI nei flussi di lavoro, nell'organizzazione e nelle abitudini. Il modello è bravo; è l'implementazione attorno che manca. Ed è esattamente il pezzo che decide se sei nel 5% o nel 95%.

Il soffitto onesto: la maggioranza non rientra della spesa

Il dato del MIT non è isolato. La PwC 2026 CEO Survey lo conferma dal lato di chi firma: il 56% degli amministratori delegati dichiara zero aumento di ricavi o riduzione di costi dall'AI finora, e solo il 12% riporta entrambi. Ma il dettaglio che conta è un altro: i CEO che vedono un ritorno hanno da due a tre volte più probabilità di aver diffuso l'AI in modo ampio tra le operazioni, invece di averla provata in un solo reparto. Il ritorno non arriva dal pilota isolato: arriva dall'adozione che entra nei processi.

Tenere insieme questi due numeri — 95% dei piloti a impatto nullo, 56% dei vertici senza ritorno — serve a una cosa sola: tarare le aspettative prima di firmare. Chi ti promette un ritorno rapido e garantito ti sta vendendo l'eccezione come se fosse la regola. La regola è che l'AI rende solo dove qualcuno chiude il divario di implementazione. Il resto dell'articolo è dove il ritorno si concentra davvero, e in quanto tempo arriva onestamente.

Dove il ROI si concentra davvero — e non è dove va il budget

Il MIT ha misurato anche dove il ritorno appare, e la risposta ribalta l'intuizione comune: più della metà dei budget di AI generativa va agli strumenti per vendite e marketing, ma il ROI misurato più alto si trova nell'automazione del back-office — eliminare spesa di outsourcing, tagliare costi di agenzie esterne, snellire i flussi di amministrazione e operations. Il denaro insegue il caso d'uso più spettacolare; il ritorno sta in quello più noioso.

È un argomento diretto contro il riflesso «partiamo da un chatbot per il commerciale». Per una PMI la lettura pratica è: guarda prima dove il lavoro è ripetitivo, misurabile e a basso rischio — il ciclo passivo, la riconciliazione, il triage documentale — non dove è più visibile. Sono i casi di amministrazione e finanza e di operations a dare il prima/dopo più netto, non la vetrina.

Sullo stesso asse c'è la scelta comprare contro costruire: acquistare da un fornitore specializzato riesce circa il 67% delle volte, mentre i progetti costruiti internamente riescono all'incirca un terzo delle volte (~33%) — la metà del tasso di successo. Per una PMI senza un team di data science, comprare (o farsi innestare uno stack già pronto) non è la scelta pigra: è quella empiricamente più sicura. È il tema dell'articolo comprare o costruire, qui confermato dai numeri.

I tempi di payback sono più lunghi di quanto te li vendano

La seconda aspettativa da correggere è il quando. Il mercato vende ritorni entro l'anno; l'evidenza dice altro, e concorde su più fonti:

• Gartner (782 responsabili di infrastrutture e operations, fine 2025): solo il 28% delle iniziative di AI soddisfa pienamente le aspettative di ROI, e il 20% fallisce del tutto. Tra chi riporta battute d'arresto, il 38% cita lacune di competenza del team e il 38% la scarsa qualità o accessibilità dei dati — entrambe risolvibili da un partner di implementazione, non da un software migliore.
• Deloitte (1.854 dirigenti, Europa e Medio Oriente): solo il 6% delle organizzazioni vede un payback in meno di un anno, e anche tra i progetti migliori appena il 13% rientra entro i 12 mesi. La maggioranza si aspetta due-quattro anni per un ritorno soddisfacente — contro i sette-dodici mesi tipici di un investimento tecnologico ordinario.
• BCG («Closing the AI Impact Gap», 2025): il ROI realizzato si attesta intorno al 10%, contro un obiettivo del ~20% che la maggior parte delle aziende si era data — e l'uso quotidiano in prima linea è fermo al 51% anche dove dirigenti e manager usano l'AI più volte a settimana (oltre il 75%). Di nuovo: il divario è la profondità di adozione, non la qualità dello strumento.

La conseguenza pratica per una PMI è netta: promettere un payback sotto i dodici mesi non è credibile contro questa evidenza. La cornice onesta è due-quattro anni, con i casi di back-office e ops/finance come le vittorie realistiche più rapide. Un fornitore che ti garantisce di più sta ignorando gli stessi dati che dovrebbe conoscere — e la differenza tra il 28% che rientra e il 20% che fallisce non è il software, sono le competenze e i dati: esattamente ciò su cui lavora un'implementazione fatta bene.

La trappola dei licenziamenti: il ROI non arriva tagliando teste

C'è un ultimo numero che vale come bussola di posizionamento, non solo come statistica. Sempre Gartner (350 dirigenti di aziende sopra il miliardo di ricavi): l'80% delle aziende che ha sperimentato AI e automazione riporta riduzioni di personale — ma il tasso di riduzione è quasi identico tra le aziende ad alto ROI e quelle a basso ROI. In altre parole: nessuna correlazione tra tagliare posti e ottenere ritorni migliori. Come sintetizza la vicepresidente Gartner Helen Poitevin, «inseguire il valore solo attraverso la riduzione del personale porta la maggior parte delle organizzazioni verso ritorni limitati».

Le aziende migliori hanno usato l'AI per potenziare le persone — più produttività sullo stesso organico — non per sostituirle. Per una PMI italiana è al tempo stesso la storia eticamente più pulita e quella che i dati sostengono davvero: il ritorno non sta nel licenziare, sta nel liberare ore e rimetterle su lavoro a maggior valore. Ed è anche il modo in cui il team accetta il cambiamento invece di resistergli: uno strumento che aumenta chi lo usa viene adottato; uno che minaccia il posto viene sabotato, e uno strumento non usato ha ROI zero per quanto buono sia.

Cosa significa per la tua azienda

Se leghi insieme i numeri, esce un metodo, non un pessimismo. Quattro regole per stare dalla parte del 5% che rientra invece del 95% che non lo fa:

• Parti dal back-office, non dalla vetrina. Il ROI misurato più alto è nell'automazione di amministrazione, finanza e operations — non nel chatbot per il commerciale, dove va invece la metà del budget.
• Compra, non costruire. Per una PMI senza team ML, adottare uno stack pronto riesce il doppio delle volte rispetto al costruirsi tutto in casa.
• Metti in conto due-quattro anni, non dodici mesi. È l'orizzonte che regge davanti a chi tiene i conti — e la credibilità, qui, vale più di una promessa gonfia.
• Punta sul potenziare, non sul sostituire. È ciò che i dati correlano al ritorno, ed è ciò che fa attecchire l'adozione nel team.

Tutte e quattro le regole hanno un filo in comune, ed è il divario che il MIT ha nominato: il ritorno non lo decide il modello, lo decide l'implementazione. Il 38% che cita competenze mancanti, il 38% che cita dati non pronti, il pilota che non entra mai nei flussi — è tutto learning gap, ed è tutto il lavoro che sta tra «abbiamo comprato uno strumento» e «l'azienda rende di più». È il motivo per cui la frase di Innesti non è «ti vendiamo l'AI» ma «te la innestiamo»: la parte che decide il ROI è quella che quasi tutti saltano.

Prima di stimare qualunque ritorno, però, serve sapere da dove parti. Abbiamo trasformato quel primo passo in una valutazione self-serve e gratuita: poche domande e un'indicazione su dove l'AI può rendere nella tua azienda, con quali controlli attorno e come misurarlo — il metodo per misurare il ROI è l'articolo fratello di questo. Fai la valutazione di AI-readiness — poi, se ha senso, ne parliamo.

Questo articolo ha scopo orientativo. Le cifre di ritorno, tasso di successo e tempi di payback citate provengono da studi e sondaggi di settore — MIT NANDA «The GenAI Divide: State of AI in Business 2025»; PwC 2026 CEO Survey; Gartner (sondaggi su responsabili I&O di fine 2025 e su dirigenti di grandi aziende); Deloitte (indagine 2025 su 1.854 dirigenti in Europa e Medio Oriente); BCG «Closing the AI Impact Gap» (2025) — e vanno lette come indicazioni di direzione, non come garanzie di risultato: campioni, definizioni e orizzonti variano tra le fonti, e ogni stima va verificata sul contesto della singola impresa. Ogni scelta di strumento e di investimento in AI va valutata sui dati, sui controlli e sugli obiettivi della tua azienda, con la supervisione di chi ne risponde a bilancio.