# mit-nanda-genai-divide-95-percent-pilots-fail-legalio-2025-08-23

## Veille

Ripresa da Legal.io dello studio MIT NANDA "The GenAI Divide: State of AI in Business 2025": il 95% dei pilot di IA aziendale non genera un ROI misurabile nonostante 30-40 miliardi di dollari investiti. Concetto di "GenAI Divide", "shadow AI economy", quattro fattori strutturali di fallimento, raccomandazione back-office e build-vs-buy. Giustificazione empirica per lo shift HR-organizzativo.

## Titre Article

MIT Report Finds 95% of AI Pilots Fail to Deliver ROI, Exposing "GenAI Divide"

## Date

2025-08-23

## URL

https://www.legal.io/articles/5719519/MIT-Report-Finds-95-of-AI-Pilots-Fail-to-Deliver-ROI-Exposing-GenAI-Divide

## Keywords

MIT NANDA, GenAI Divide, fallimento del 95% dei pilot, ROI dell'IA aziendale, shadow AI economy, Agentic AI, Model Context Protocol, NANDA, automazione back-office, build vs buy, deployment dell'IA aziendale, 30-40 miliardi di dollari investiti, governance dell'IA, impatto P&L, paradosso enterprise, Tech e Media, bias vendite e marketing

## Authors

Legal.io (relais et synthèse) — étude MIT NANDA "The GenAI Divide: State of AI in Business 2025"

## Ton

**Profilo**: articolo di sintesi per media B2B (Legal.io, piattaforma per talenti legali), registro giornalistico-business con enfasi statistica. Voce di ripresa neutrale, ancorata alle cifre della fonte MIT e alle citazioni dirette del report. Pubblico target: avvocati d'impresa, responsabili legal ops e, più in generale, decision maker C-level in cerca di un benchmark sullo stato reale dell'adozione dell'IA.

**Stile**: articolo strutturato come "punti chiave → contesto → 4 fattori → shadow economy → raccomandazioni → agentic AI → conclusione". Alta densità di cifre (52 interviste a dirigenti, 153 sondaggi, 300 deployment analizzati, 95% / 5% / 80% / 40% / 60% / 20%). La forza del documento risiede nella sua **portata argomentativa**: è lo studio che sposta il dibattito di settore da *"l'IA funziona"* a *"l'IA fallisce per difetto di adozione"*. Citazione emblematica del COO del settore manifatturiero: *"L'hype su LinkedIn dice che è cambiato tutto, ma nelle nostre operazioni non è cambiato nulla di fondamentale."* Conclusione programmatica: *"dal costruire al comprare, dai laboratori centrali ai team responsabilizzati, e dagli strumenti statici ai sistemi adattivi"*. Tono grave-realistico, senza alcuna indulgenza verso la narrativa ufficiale delle aziende. Elemento chiave del dossier HR-organizzativo: se il 95% fallisce per difetto di adozione, allora il collo di bottiglia è culturale ed è compito dell'HR risolverlo.

## Pense-betes

- **Studio di riferimento**: MIT NANDA, *"The GenAI Divide: State of AI in Business 2025"*, pubblicato a luglio 2025. Metodologia: **52 interviste a dirigenti + 153 sondaggi a leader + 300 deployment pubblici analizzati**.
- **Cifra shock**: **il 95% dei pilot di IA aziendale non produce un impatto misurabile sul conto economico**. Solo il 5% crea valore significativo.
- Investimento totale stimato: **30-40 miliardi di dollari** in GenAI aziendale.
- Adozione ≠ trasformazione: **oltre l'80% delle organizzazioni ha sperimentato ChatGPT/Copilot, circa il 40% li ha implementati**, ma questi sistemi **aumentano principalmente la produttività individuale**, non i risultati aziendali.
- Funnel enterprise-grade: **60% valuta → 20% avvia un pilot → 5% in produzione**.
- Citazione chiave del COO del settore manifatturiero: *"L'hype su LinkedIn dice che è cambiato tutto, ma nelle nostre operazioni non è cambiato nulla di fondamentale."*
- **4 fattori strutturali del GenAI Divide**: 1. **Disruption limitata**: solo 2 dei 9 settori principali (**Tech e Media**) mostrano una trasformazione aziendale rilevante. 2. **Paradosso enterprise**: le grandi aziende sono in testa per volume di pilot ma in ritardo sul deployment. 3. **Bias di investimento**: i budget IA favoriscono vendite e marketing, mentre **operations e finance offrono un ROI migliore**. 4. **Vantaggio dell'implementazione**: **gli strumenti costruiti da fornitori esterni hanno successo 2 volte più spesso** rispetto agli sviluppi interni.
- **Shadow AI economy**: solo il 40% delle aziende dispone di abbonamenti LLM ufficiali, ma il **90% dei dipendenti** dichiara un uso quotidiano di strumenti personali (ChatGPT, Claude). Performance spesso migliori degli strumenti aziendali. Gap di governance.
- Preferenza dei dipendenti: preferiscono i propri account personali agli strumenti interni, **anche quando i modelli sottostanti sono identici**. Per i task ad alto rischio (legale, comunicazione con i clienti), **il 90% preferisce una supervisione umana** (limiti di memoria e contesto dell'IA).
- **Ricetta del successo (il 5% che ce la fa)**: (1) partnership con fornitori per sistemi personalizzabili e capaci di apprendere, (2) focus sull'integrazione nei workflow, (3) deployment back-office (automazione documentale, procurement, revisione dei rischi).
- Casi concreti di ROI back-office: **2-10 milioni di dollari di risparmio annuo** su supporto esternalizzato e revisione documentale; **-30%** di spesa in agenzie esterne per marketing/contenuti; **1 milione di dollari di risparmio annuo** nel monitoraggio del rischio finanziario.
- **Prossima fase = Agentic AI**: sistemi che ricordano, imparano, agiscono in autonomia. Protocolli strutturanti: **NANDA** (Networked Agents and Decentralized AI, progetto MIT) e **MCP (Model Context Protocol)** di Anthropic. Visione di un "Agentic Web" che sostituisce il SaaS statico.
- Conclusione programmatica: *"Il GenAI Divide non è inevitabile. Ma colmarlo richiede uno shift fondamentale — dal costruire al comprare, dai laboratori centrali ai team responsabilizzati, e dagli strumenti statici ai sistemi adattivi."*
- **Collegamento con la narrativa HR**: il tasso di fallimento del 95% valida empiricamente la tesi di Mollick e Bersin — la tecnologia funziona ma l'adozione è culturale/organizzativa. La leva è l'HR (team responsabilizzati, change management, destigmatizzazione dello shadow AI), non l'IT (che costruisce e abbandona).

## RésuméDe400mots

Nell'agosto 2025, Legal.io riprende lo studio MIT NANDA *"The GenAI Divide: State of AI in Business 2025"*, che diventa uno dei riferimenti empirici più citati dell'anno sul fallimento massiccio dell'adozione dell'IA in azienda. La metodologia è solida: 52 interviste a dirigenti, 153 sondaggi, analisi di 300 deployment pubblici.

La cifra centrale è impressionante: **il 95% dei pilot di IA aziendale non produce un impatto misurabile sul conto economico (P&L)**, nonostante 30-40 miliardi di dollari investiti. Solo il 5% crea valore significativo. È il **"GenAI Divide"**: un divario tra forte adozione e debole trasformazione. Oltre l'80% delle organizzazioni ha sperimentato ChatGPT o Copilot, circa il 40% dichiara di averli implementati, ma questi sistemi migliorano principalmente la produttività individuale, non i risultati aziendali. Sul fronte dei sistemi enterprise-grade, il funnel è ancora più brutale: 60% valuta, 20% avvia un pilot, **solo il 5% raggiunge la produzione**.

Citazione emblematica del COO del settore manifatturiero intervistato: *"L'hype su LinkedIn dice che è cambiato tutto, ma nelle nostre operazioni non è cambiato nulla di fondamentale."*

Il report identifica quattro fattori strutturali. **Disruption limitata**: solo 2 dei 9 settori principali (Tech, Media) mostrano una trasformazione aziendale rilevante. **Paradosso enterprise**: le grandi aziende sono in testa per volume di pilot ma in ritardo sul deployment. **Bias di investimento**: i budget favoriscono vendite/marketing mentre operations e finance offrono un ROI migliore. **Vantaggio dell'implementazione**: gli strumenti costruiti da fornitori esterni hanno successo **il doppio delle volte** rispetto agli sviluppi interni.

Lo studio documenta anche la **"shadow AI economy"**: solo il 40% delle aziende dispone di abbonamenti LLM ufficiali, ma il 90% dei dipendenti usa quotidianamente i propri strumenti personali. Questi sistemi ombra sono spesso più performanti e adottati più rapidamente rispetto agli strumenti aziendali — un enorme gap di governance. Per i task ad alto rischio (legale, comunicazione con i clienti), il 90% degli utenti preferisce una supervisione umana, poiché l'IA fatica con la memoria e il contesto specifico.

Le organizzazioni che hanno successo condividono tre caratteristiche: partnership con fornitori per sistemi personalizzabili, focus sull'integrazione nei workflow, priorità al deployment back-office (automazione documentale, procurement, revisione dei rischi). ROI documentato: 2-10 milioni di dollari di risparmio annuo sul supporto esternalizzato, -30% sulle agenzie di marketing, 1 milione di dollari sul monitoraggio del rischio finanziario.

La prossima fase sarà l'**Agentic AI**: sistemi che ricordano, imparano e agiscono in autonomia. Protocolli strutturanti: **NANDA** (MIT) e **MCP** (Anthropic), che aprono la strada a un "Agentic Web" che sostituisce il SaaS statico.

Il report conclude: *"Il GenAI Divide non è inevitabile. Ma colmarlo richiede uno shift fondamentale — dal costruire al comprare, dai laboratori centrali ai team responsabilizzati, e dagli strumenti statici ai sistemi adattivi."* È lo studio che sposta il dibattito di settore: il collo di bottiglia non è più la tecnologia, ma l'adozione — e quindi la leva non è più l'IT, ma le risorse umane (HR).

## GrapheDeConnaissance

- MIT NANDA —publie→ The GenAI Divide State of AI in Business 2025 (DOCUMENT, 0.98)
- GenAI Divide —est_instance_de→ fossé entre adoption et transformation IA (CONCEPT, 0.97)
- MIT NANDA —affirme_que→ 95% des pilotes IA en entreprise n'ont aucun impact P&L (MESURE, 0.98)
- Pilotes IA enterprise —mesure→ 5% de succès (MESURE, 0.97)
- Investissement IA enterprise —mesure→ 30-40 milliards de dollars (MESURE, 0.95)
- Shadow AI economy —mesure→ 90% des employés utilisent une IA personnelle quotidiennement (MESURE, 0.95)
- Vendors externes —surpasse→ builds internes (CONCEPT, 0.93)
- Tech et Media —est_instance_de→ seuls secteurs avec transformation IA matérielle (CONCEPT, 0.92)
- Operations et Finance —surpasse→ sales et marketing en ROI IA (CONCEPT, 0.92)
- MIT NANDA —recommande→ passer du build à l'achat (from building to buying) (AFFIRMATION, 0.95)
- Back-office —permet→ meilleur ROI IA enterprise (CONCEPT, 0.92)
- IA agentique —est_instance_de→ phase suivante de l'IA enterprise (CONCEPT, 0.93)
- NANDA —est_instance_de→ Agentic Web (CONCEPT, 0.92)
- Model Context Protocol —est_instance_de→ Agentic Web (CONCEPT, 0.92)
- MIT NANDA —affirme_que→ le bottleneck de l'adoption IA enterprise est organisationnel, pas technologique (AFFIRMATION, 0.95)

---
Canonical: https://www.thekb.eu/it/fiches/mit-nanda-genai-divide-95-percent-pilots-fail-legalio-2025-08-23/