
Molte PMI hanno già introdotto almeno uno strumento di intelligenza artificiale. Un abbonamento a un assistente conversazionale, un software che promette di automatizzare le offerte, un modulo AI dentro il gestionale.
Se chiedete quale processo è cambiato da quando lo usano, la risposta è quasi sempre vaga.
Non è un’impressione isolata. Le ricerche internazionali più citate sull’adozione dell’AI generativa arrivano alla stessa conclusione: nella maggior parte dei casi, i progetti non producono un impatto misurabile sui conti.
Il motivo raramente è la tecnologia. Quasi sempre è il punto da cui si è partiti: lo strumento, invece del processo.
Indice
- Il problema: AI acquistata e AI integrata
- Cosa significa davvero “fallire” per un progetto AI
- Quando succede: i segnali che un progetto sta restando un pilota
- Come si imposta, nella pratica
- I benefici concreti
- Un esempio concreto
- Gli errori più comuni
- Domande frequenti
- Come lavoriamo in Grownnectia
- Conclusione
Il problema: AI acquistata e AI integrata
Un progetto di intelligenza artificiale fallisce quando lo strumento entra in azienda ma il modo di lavorare resta lo stesso.
Succede in modo prevedibile. Si individua un’area in cui si vorrebbe migliorare, spesso le vendite o il marketing perché sono le più visibili. Si sceglie uno strumento. Lo si affida a una o due persone.
Dopo qualche mese lo strumento funziona, ma solo per chi lo usa. I dati non arrivano nel CRM, le informazioni vengono ancora ricopiate a mano nel gestionale, il resto dell’azienda lavora come prima.
L’AI è stata acquistata, non integrata. È la stessa differenza che passa tra comprare un nuovo macchinario e riorganizzare la linea di produzione intorno a quel macchinario.
Cosa significa davvero “fallire” per un progetto AI
Nella maggior parte dei casi, un progetto AI che fallisce non smette di funzionare. Funziona, ma non cambia nulla che si possa misurare.
Il dato più citato arriva da una ricerca del MIT (progetto NANDA, 2025): circa il 95% dei progetti pilota di AI generativa analizzati, in gran parte di grandi aziende, non ha prodotto un impatto misurabile sul conto economico.
Un secondo riferimento è la Global CEO Survey di PwC (2026), condotta su oltre 4.000 amministratori delegati: più della metà dichiara di non aver ottenuto dagli investimenti in AI benefici né sui ricavi né sui costi, e solo circa uno su otto riporta benefici su entrambi i fronti.
Questi numeri vanno letti per quello che sono. Non dicono che l’AI non funziona. Dicono che, senza un metodo, l’investimento resta un esperimento.
Nella nostra esperienza con le PMI italiane le cause sono le stesse, con una differenza: un’azienda di 20 o 50 persone ha meno margine per assorbire un investimento che non rende e meno risorse interne per correggerlo in corsa.
Quando succede: i segnali che un progetto sta restando un pilota
I segnali sono riconoscibili, spesso già nei primi mesi.
- Nessuno sa dire quale indicatore doveva migliorare, né quale fosse il suo valore di partenza.
- Lo strumento lo usa una persona sola, o un solo reparto, e il suo utilizzo non cambia il lavoro degli altri.
- I dati prodotti dall’AI vengono ricopiati a mano nel gestionale, nel CRM o in un file Excel.
- Il successo viene misurato in utilizzo (accessi, richieste, contenuti generati) invece che in tempo risparmiato o errori evitati.
- Alla fine del periodo di prova, la decisione se proseguire viene presa a sensazione.
Se ne riconoscete due o più, il progetto non ha un problema tecnologico. Ha un problema di impostazione.
Come si imposta, nella pratica
Un progetto AI produce risultati quando parte dal processo e arriva allo strumento, non il contrario. In pratica, la sequenza è questa.
1. Si osserva il processo reale
Prima di parlare di tecnologia si osserva come il lavoro viene svolto oggi, passo per passo, insieme a chi lo esegue. Il processo reale raramente coincide con quello descritto: ne abbiamo parlato in un approfondimento dedicato all’analisi dei processi.
2. Si misura il punto di partenza
Ogni processo ha un indicatore che conta: il tempo per preparare un’offerta, la percentuale di chiamate a cui si risponde, i giorni necessari per avere il report di fine mese. Senza il valore di partenza, dopo non è possibile dire se qualcosa è migliorato.
3. Si individua il collo di bottiglia
È il punto in cui il lavoro si ferma, si ripete o dipende da una sola persona. Lì l’intervento rende di più, e molto spesso si trova nel back office: registrazione delle fatture, riconciliazioni bancarie, preparazione di documenti, ricerca di informazioni interne.
4. Si sceglie lo strumento solo dopo
A questo punto la domanda non è più “quale AI comprare”, ma “cosa serve per eliminare questo collo di bottiglia”. A volte è uno strumento già disponibile sul mercato, a volte un agente AI sviluppato su misura e collegato ai sistemi aziendali, a volte basta riorganizzare il processo senza alcuna tecnologia.
5. Si prepara il team
Uno strumento che le persone non capiscono, o di cui hanno timore, non viene usato. La formazione e l’affiancamento fanno parte del progetto, non sono un’aggiunta finale.
6. Si rimisura
Dopo l’avvio si torna sull’indicatore iniziale. Se il valore è cambiato, si estende l’intervento. Se non è cambiato, si corregge prima di investire altro.
I benefici concreti
Partire dal processo non rende l’AI più potente. La rende valutabile.
- Investimenti che si possono stimare prima di farli, perché si conosce il tempo e il costo attuale del processo.
- Priorità chiare: si interviene prima dove il rapporto tra costo e beneficio è più alto, non dove l’AI sembra più interessante.
- Risultati verificabili, perché l’indicatore è stato misurato prima e dopo.
- Un’adozione più solida, perché lo strumento entra nel modo di lavorare di tutti e non resta in mano a una persona.
Un esempio concreto
Un’azienda di distribuzione con una ventina di dipendenti decide di adottare uno strumento di AI per la previsione del cash flow. L’obiettivo è ragionevole: sapere con qualche mese di anticipo come si muoverà la liquidità.
Lo strumento viene attivato in poche settimane. Dopo tre mesi le previsioni non sono affidabili e nessuno le usa per decidere.
Il motivo non è l’algoritmo. Le previsioni dipendono da dati che arrivano da tre fonti diverse: le fatture registrate in contabilità, gli ordini gestiti su un file Excel dall’ufficio commerciale, gli incassi che l’amministrazione riconcilia a mano a fine mese. Nessuno aveva stabilito chi dovesse alimentare lo strumento, con quale frequenza e in quale formato.
Riletto dal lato del processo, il progetto cambia forma. Il primo intervento non è la previsione, ma l’automazione della registrazione delle fatture e della riconciliazione bancaria: due attività che assorbivano circa dieci ore a settimana dell’amministrazione. Solo quando i dati arrivano completi e aggiornati, la previsione diventa uno strumento di decisione.
Gli errori più comuni
Partire dallo strumento
Scegliere prima il software e poi cercare dove usarlo. È l’errore da cui derivano quasi tutti gli altri.
Scegliere il caso d’uso più visibile invece del più utile
Vendite e marketing attirano l’attenzione, ma i risultati più rapidi arrivano spesso dal back office, dove le attività sono ripetitive, frequenti e facili da misurare.
Aspettarsi risultati senza averli definiti
Un investimento senza un obiettivo misurabile viene giudicato a sensazione. E a sensazione, dopo pochi mesi, sembra quasi sempre deludente.
Lasciare il progetto allo stadio di prova
Il pilota funziona, ma nessuno decide come portarlo nel lavoro quotidiano, chi ne è responsabile e come estenderlo ad altri reparti. Resta un esperimento riuscito che non produce valore.
Considerare l’AI un progetto solo tecnico
Lo sviluppo dello strumento è una parte del lavoro. L’analisi dei processi, la ridefinizione dei ruoli e l’accompagnamento delle persone sono competenze diverse, e senza di esse anche uno strumento ben costruito rischia di restare inutilizzato.
Domande frequenti
Perché i progetti di intelligenza artificiale falliscono nelle aziende?
Nella maggior parte dei casi perché si parte dallo strumento invece che dal processo. L’AI viene acquistata e usata da poche persone, senza essere integrata nei sistemi aziendali e senza un indicatore di partenza con cui misurare il risultato.
È vero che il 95% dei progetti di AI non produce risultati?
Il dato viene da una ricerca del MIT del 2025 e riguarda i progetti pilota di AI generativa, in gran parte di grandi aziende: circa il 95% non aveva prodotto un impatto misurabile sul conto economico. Non significa che l’AI non funzioni, ma che senza un metodo l’investimento raramente si traduce in risultati.
Da dove si parte per introdurre l’AI in una PMI?
Dall’analisi dei processi: si osserva come il lavoro viene svolto oggi, si misura il punto di partenza e si individuano le attività ripetitive o che richiedono più tempo. Solo dopo si sceglie lo strumento.
Conviene comprare un tool di AI o sviluppare una soluzione su misura?
Dipende dal processo. Uno strumento già disponibile sul mercato è sufficiente quando il bisogno è individuale e non richiede collegamenti con i sistemi aziendali. Quando l’AI deve lavorare dentro il gestionale, il CRM o i documenti dell’azienda, serve una soluzione integrata.
In quali processi aziendali l’AI dà risultati più rapidamente?
In genere nelle attività di back office ripetitive e ad alto volume: registrazione delle fatture passive, riconciliazioni bancarie, preparazione di offerte e documenti, ricerca di informazioni interne. Sono attività frequenti, facili da misurare e con un impatto diretto sulle ore di lavoro.
Come lavoriamo in Grownnectia
Per noi l’intelligenza artificiale non è un progetto tecnologico. È una riprogettazione del modo in cui l’azienda lavora: ruoli, flussi di informazioni, decisioni, indicatori.
Per questo abbiamo strutturato il metodo AI Transition® in cinque step:
- Assessment iniziale. Mappiamo processi, strumenti, flussi informativi e competenze interne per individuare le aree in cui l’AI può generare il maggiore impatto.
- Strategia AI. Costruiamo un piano su misura con obiettivi chiari, priorità operative e KPI definiti, così da trasformare l’AI in un investimento misurabile.
- Prototipazione rapida. Sviluppiamo proof of concept e prototipi operativi per testare rapidamente le soluzioni, validarne l’impatto e ridurre il rischio prima dell’implementazione completa.
- Implementazione e formazione. Integriamo l’AI nei processi chiave dell’azienda e formiamo il team per renderlo autonomo, consapevole e capace di utilizzare i nuovi strumenti nel lavoro quotidiano.
- Coaching e follow-up. Accompagniamo l’azienda dopo il go-live per consolidare i risultati, gestire il cambiamento e ottimizzare progressivamente le soluzioni implementate.
La tecnologia entra al terzo step, non al primo.
Conclusione
Un progetto di intelligenza artificiale non fallisce perché lo strumento è sbagliato. Fallisce quando viene introdotto prima di aver capito quale processo deve cambiare, come si misura quel cambiamento e chi lo porterà nel lavoro di tutti i giorni.
La domanda da farsi, prima di qualsiasi investimento, non è quale AI adottare.
È quale processo, oggi, vi costa più tempo di quanto dovrebbe.
Avete introdotto strumenti di AI ma non sapete ancora dire quale processo è cambiato?
Il team di Grownnectia può aiutarvi a partire dai processi, prima che dagli strumenti. Scoprite come funziona il metodo AI Transition e scaricate la brochure.



