Hai comprato le licenze di ChatGPT, Gemini o Claude per tutto il team. Qualcuno le usa ogni giorno, qualcuno le ha aperte una volta, qualcuno continua a usare il proprio account personale (con dentro i dati dei clienti). Dopo tre mesi l’amministratore delegato chiede: quanto ci sta facendo risparmiare l’AI? Silenzio.
Comprare un abbonamento non significa integrare l’AI in azienda. Significa averle consegnato le chiavi di casa senza mostrarle le stanze.
I numeri lo confermano. Lo studio del MIT The GenAI Divide: State of AI in Business 2025 racconta che solo il 5% dei progetti pilota di AI generativa porta risultati tangibili. E Gartner prevede che le aziende abbandoneranno il 60% dei progetti di AI non supportati da dati pronti. Non è un problema di modelli. È un problema di metodo, di processi e, soprattutto, di persone.
Quello che segue è il percorso in 11 passi che uso in formazione e in consulenza. Non è una checklist tecnica: è un modo per far sì che l’AI crei valore umano, non solo velocità.
Perché i progetti di intelligenza artificiale in azienda falliscono
Prima di parlare di cosa fare, conviene guardare in faccia cosa va storto. I fallimenti che vedo si dividono in tre famiglie, e quasi mai arrivano da soli.
Fallimenti di business
L’AI non risponde a un problema reale e quindi non produce valore. Oppure lo produce, ma nessuno lo misura. Intorno a questo si muovono resistenze e politica interna, governance assente, competenze mancanti, strumenti e modelli scelti perché di moda e non perché adatti. Nella ricerca Gartner che porto spesso in aula, la prima barriera è portare l’AI dentro i processi reali: il pilot funziona, la produzione no.
Fallimenti in produzione
Qui entra in gioco la tecnica, e con lei gli agenti AI, ovvero sistemi che decidono da soli la sequenza di azioni da compiere. Più passaggi fa un agente, più gli errori si moltiplicano. Ci sono loop senza fine che bruciano token, contesti che si degradano quando le informazioni crescono, integrazioni fragili (un’API cambia il nome di un campo e il modello lo interpreta male). E il rischio più serio: un agente che ha il potere di pubblicare il proprio errore.
La mia posizione è netta: molti sistemi che oggi chiamiamo “agenti” dovrebbero essere workflow deterministici, con uno o pochi passaggi agentici. Meno magia, più controllo.
Fallimenti umani
Sono i più sottovalutati. Le persone remano contro per paura di perdere il lavoro. Non fanno revisione degli output perché nessuno ha spiegato a cosa serve lo strumento e perché dovrebbero usarlo. Si usa l’AI senza un data warehouse alle spalle. E si lasciano indietro interi team, come l’amministrazione, che restano fuori dalla trasformazione proprio dove avrebbe più impatto.
Tre famiglie di fallimento, una sola radice: si è partiti dallo strumento invece che dal sistema.
Come integrare l’AI in azienda: gli 11 passi
Gli 11 passi si leggono in tre fasi. I primi quattro preparano il terreno (persone, processi, regole). Dal quinto all’ottavo si progetta (processi, casi d’uso, priorità, dati). Gli ultimi tre fanno vivere l’integrazione nel tempo. Saltare la prima fase è l’errore più comune, e il più costoso.
1. Formazione: senza cultura non c’è cambiamento
Il primo passo non è scegliere il tool. È far capire alle persone cosa hanno in mano. Un percorso minimo copre l’AI literacy, cioè la capacità di capire come funziona l’AI e dove sbaglia, il prompting e il context engineering, i casi d’uso applicati al proprio lavoro, lo human in the loop e l’etica, il quadro normativo e i rischi, l’aggiornamento continuo sui tool.
Non è solo buon senso: dal 2 febbraio 2025 l’articolo 4 dell’AI Act chiede a chi usa sistemi di AI di garantire un livello adeguato di alfabetizzazione del personale. Eppure, secondo un’analisi Aidapt, il 65% delle imprese non ha dato alcuna direttiva ai dipendenti e meno del 20% ha avviato un percorso di formazione.
Se parti da zero, comincia dalle basi dell’intelligenza artificiale spiegate in modo semplice. Senza formazione non c’è cultura. Senza cultura non c’è cambiamento.
2. Analisi dei processi: chiedi a chi lavora dove sta il valore
Ricordi l’email che nel 2025 chiese a migliaia di dipendenti pubblici americani di elencare in cinque punti cosa avessero fatto la settimana precedente? Usata per controllare, quella domanda genera ansia. Ribaltata, diventa uno strumento di ascolto.
In pratica: una survey breve a tutte le funzioni. Quali attività ti consumano tempo? Quali ripeti ogni settimana? Quali ti fanno sentire davvero utile? Le risposte alla terza domanda sono quelle da non automatizzare. L’AI deve creare valore umano, e gli umani sanno dov’è.
3. Strategia: stakeholder, bisogni, punti d’incontro
Definisci chi è coinvolto (direzione, IT, HR, legale, chi usa gli strumenti ogni giorno), quali bisogni ha ciascuno e dove questi bisogni si incontrano. È qui che la facilitazione fa la differenza rispetto alla consulenza frontale: la risposta è nel sistema, e il gruppo la tira fuori.
Per mettere tutto su un foglio puoi usare l’AI strategy canvas. Questo gioco si fa in squadra, altrimenti ognuno rema contro.
4. Manifesto: il buon senso comune, scritto
Dove la legge non sta al passo, serve il buon senso comune. Ma va definito. Il manifesto aziendale dell’AI raccoglie regole, consigli, la proposizione di valore (perché la usiamo), i do e i don’t.
Non serve un regolamento di quaranta pagine. Serve un documento breve che tutti conoscano, anche per far emergere lo shadow AI, cioè l’uso di strumenti non autorizzati: secondo la stessa analisi Aidapt riguarda il 27% dei dipendenti. Se vuoi approfondire la parte valoriale, parti dal rapporto tra AI, etica e responsabilità sociale.
5. Definizione dei processi: dove sta il valore aggiunto dell’umano
Il service blueprint è la mappa di un servizio vista da due lati: quello che vede il cliente (frontstage) e quello che succede dietro (backstage e processi di supporto), separati dalla linea di visibilità. Aggiungi una corsia dedicata all’AI e guarda dove si inserisce.
Scoprirai che alcuni passaggi sono perfetti per l’automazione e altri no, perché è lì che sta la relazione, il giudizio, la responsabilità. Se non capisci bene un processo, non vedi dove sta il valore aggiunto dell’umano. E quel valore non va automatizzato.
6. Definizione dei casi d’uso: una mappa per quando remi e pensi meno
Ogni caso d’uso merita una scheda di una pagina con sei voci: obiettivo strategico, task, owner, dati richiesti, temi etici e legali (privacy, GDPR, bias), KPI. Sembra burocrazia. È la mappa che ti serve quando sei nel mezzo del progetto e non hai tempo di ripensare tutto.
È la stessa logica con cui impariamo a trasformare un dato in un caso d’uso: se non c’è un’azione alla fine, non c’è un caso d’uso.
7. Priorità e roadmap: l’integrazione è una somma di sprint
Metti i casi d’uso su una matrice a due assi: valore e facilità di implementazione. Ne escono quattro aree: quick win (facili, valore basso), casi ideali (facili, valore alto), potenziale a lungo termine (difficili, valore alto) e casi da evitare. Ai due assi aggiungi i criteri che contano per te: costo e impatto, vantaggio competitivo, richieste degli investitori.
Inizia dai casi ideali e da un paio di quick win che diano fiducia al team. L’integrazione non è un momento unico. È una somma di sprint.
8. Data model e tecnologia: l’AI è il motore, i dati la benzina
Solo ora si parla di tecnologia. Definisci i dati necessari con un piano di misurazione, scegli tool e integrazioni, scegli il modello, verifica la fattibilità nel dettaglio. Se i dati sono sporchi o sparsi, nessun modello ti salverà: è il motivo per cui Gartner prevede l’abbandono di tanti progetti.
Un buon punto di partenza è impostare la data strategy con il data flow canvas. L’AI è il motore, ma i dati sono la benzina.
9. Sviluppo e monitoring: se non lo misuri, non l’hai fatto
Durante lo sviluppo ti servono due domande fisse. Quanto tempo ho risparmiato? Su quali task il compito dell’essere umano resta importante? Lo human in the loop, ovvero la presenza di una persona che controlla e decide nei punti critici del flusso, si misura anche lui: accuratezza, velocità, quantità.
Un esempio concreto: un flusso con un webhook in ingresso, un agente collegato a pochi strumenti e un router che smista i casi. Dove il router non è sicuro, decide una persona. Misurare il ROI dell’AI significa misurare entrambe le parti. Se non lo misuri, non l’hai mai fatto.
10. Governance: smetti di reinventare la ruota
Senza centralizzazione ogni team reinventa la ruota cento volte. La governance dell’AI vive in una knowledge base condivisa con quattro archivi: casi d’uso, prompt, skill, consigli d’uso dei tool. Sotto, un data warehouse che tenga i dati in un posto solo.
Non è un ufficio in più. È il modo per non sprecare energie, e per sapere chi ha fatto cosa quando qualcosa va storto.
11. Partecipazione e ascolto continuo: l’integrazione non finisce mai
L’integrazione nasce da chi usa l’AI tutti i giorni. Tieni aperti i canali: survey periodiche, richieste di aiuto, un form per proporre nuovi casi d’uso, contest interni che premiano le idee migliori. Così chi aveva paura diventa chi propone.
È change management, e i modelli di change management ti aiutano a leggere le resistenze invece di subirle. E no, non finisce mai.
Da dove iniziare domani mattina
Undici passi spaventano. Per questo ti lascio tre azioni da fare questa settimana:
- Fai l’inventario. Elenca tutti gli strumenti di AI usati in azienda, compresi quelli che le persone usano per conto loro. È la base del manifesto.
- Manda una survey di tre domande. Cosa ti consuma tempo, cosa ripeti, cosa ti fa sentire utile. Ti dà la prima mappa del valore umano.
- Scegli un processo e disegnalo. Un solo service blueprint, costruito con chi quel processo lo vive. Vedrai subito dove l’AI aiuta e dove no.
E tu, in azienda, a quale dei tre fallimenti sei più vicino?
Domande frequenti
Da dove si comincia per integrare l’AI in azienda?
Dalla formazione e dall’ascolto, non dal tool. Prima porta le persone a un livello base di AI literacy, poi chiedi a chi lavora quali attività consumano tempo e quali creano valore. Solo dopo definisci strategia, regole e casi d’uso. Partire dalla tecnologia è il modo più rapido per ritrovarsi con licenze inutilizzate.
Perché la maggior parte dei progetti di AI fallisce?
Perché si parte dalla soluzione invece che dal problema. Le cause ricorrenti sono tre: di business (nessun valore chiaro, ROI non misurato), di produzione (agenti troppo autonomi, dati sporchi, integrazioni fragili) e umane (paura, poca formazione, team lasciati indietro). Quasi sempre si sommano.
La formazione sull’AI per i dipendenti è obbligatoria?
Sì, per le aziende che usano sistemi di AI nell’Unione europea. L’articolo 4 dell’AI Act, applicabile dal 2 febbraio 2025, chiede di garantire un livello adeguato di alfabetizzazione sull’AI al personale che la usa. Non impone un corso standard: il percorso va calibrato sui ruoli e sugli strumenti in uso.
Cos’è lo human in the loop?
È un modo di progettare i sistemi di AI in cui una persona controlla, corregge o decide nei punti critici del flusso. L’AI accelera ed esegue, l’umano mantiene giudizio e responsabilità. Si misura con indicatori come accuratezza, velocità e quantità di casi gestiti.
Meglio un agente AI o un workflow automatizzato?
Nella maggior parte dei casi aziendali, un workflow deterministico con uno o pochi passaggi agentici. Più un agente è autonomo e lungo, più gli errori si moltiplicano e diventano difficili da controllare. Usa l’autonomia solo dove serve davvero, con un controllo umano prima di ogni azione irreversibile.
