Il numero circola da mesi. Il 95% dei progetti AI in azienda non riesce a mostrare un ritorno sull'investimento misurabile. Ogni consulente nella stanza ha una teoria: l'AI allucinava, i dati erano sporchi, il change management era debole.
Nessuno fa la domanda ovvia: e se stessimo misurando la cosa sbagliata?
La trappola della metrica
Arvind Narayanan, che negli ultimi due anni ha sistematicamente smontato l'hype AI a Princeton, fa una distinzione che la maggior parte delle presentazioni executive ignora: l'AI è una tecnologia normale. Non crea rivoluzioni in una notte. Si diffonde lentamente, in modo disomogeneo, e il suo impatto segue la stessa curva a S che ha seguito ogni tecnologia general-purpose dal telegrafo a oggi. Le aziende che misurano l'impatto dell'AI dopo sei mesi di deployment stanno facendo una domanda senza risposta utile.
Ma c'è qualcosa di peggio che misurare troppo presto. Misurare la cosa sbagliata.
La maggior parte dei progetti AI enterprise viene deployata per rendere più veloci i processi esistenti. Automazione del customer service che gestisce i ticket come prima, solo più in fretta. Review documentale che segue la stessa checklist, solo senza le ore dell'associate in fattura. Generazione di report che produce le stesse slide, solo entro mezzanotte invece che giovedì.
La domanda che le aziende fanno: questo task è diventato meno costoso? La domanda che dovrebbero fare: questo task dovrebbe esistere?
L'AI non rende più efficiente un processo rotto. Lo fa fallire più in fretta, e su scala.
Il problema del 19%
Nel luglio 2025, METR ha pubblicato i risultati di uno studio randomizzato controllato sulla produttività degli sviluppatori. Il dato era scomodo: i developer esperti che usavano strumenti AI come Cursor e Claude impiegavano il 19% di tempo in più per completare i task rispetto a quando lavoravano senza. Aspetto peggiore: quegli stessi developer stimavano di essere il 20% più veloci, prima di vedere i risultati.
Non è una storia sull'inutilità dell'AI. È la storia del divario tra valore percepito e valore reale, moltiplicato a ogni livello di un'organizzazione. I contributor pensano che l'AI li aiuti. I manager credono ai report di produttività. I CFO approvano i rinnovi. E da qualche parte in mezzo, il lavoro reale richiede più tempo di prima.
L'unico developer che è diventato genuinamente più veloce, del 38%, aveva accumulato più di 50 ore di pratica deliberata con lo strumento. Non una demo del vendor. Non un pilot program. Cinquanta ore di uso reale, errori e iterazione, su progetti che contavano davvero.
Quel dettaglio rivela la struttura del problema. Gli strumenti AI, come qualsiasi strumento sofisticato, richiedono un investimento che non si vede in un quarterly review.
Domanda sbagliata, risposta sbagliata
I dati Forrester 2026 mostrano che il 25% della spesa AI pianificata viene rinviata. Solo il 15% dei decision-maker ha visto un impatto positivo sulla redditività. La narrativa si sta spostando, in silenzio, da "come adottiamo l'AI" a "come giustifichiamo quello che abbiamo già speso."
È un momento utile.
Il 95% di fallimenti non è la prova che l'AI non funziona. È la prova che le aziende stanno ottimizzando workflow che andrebbero riprogettati, non accelerati. Stanno montando un motore veloce sul telaio sbagliato e misurano la velocità dello scarico.
Le organizzazioni che troveranno ritorni reali non sono quelle con i budget modelli più grandi. Sono quelle disposte a chiedersi quali processi non dovrebbero esistere, e a usare l'AI per eliminarli del tutto, invece di farli girare più in fretta.
Perché importa per la tua azienda
Non è una domanda tecnologica. È una domanda di design organizzativo, e l'AI l'ha resa urgente in un modo che il miglioramento incrementale non avrebbe mai potuto fare.
Quando lavoro con le aziende sull'integrazione AI, la prima conversazione non riguarda mai quale modello usare. Riguarda quali meeting, quali report, quali catene di approvazione, quali cicli di revisione esistono solo perché rimuoverli richiederebbe che qualcuno si prendesse la responsabilità della decisione. L'AI dà alle organizzazioni una scusa per fare quella domanda senza che sembri un attacco.
Usa la scusa. La domanda sul ROI si risponderà da sola.