Il paradosso dell'AI Generativa: il 95% dei progetti fallisce e il futuro potrebbe essere decentralizzato

L'entusiasmo per l'Intelligenza Artificiale Generativa (GenAI) ha spinto molte aziende a investire in progetti pilota, ma un nuovo report del MIT rivela una realtà sconcertante: il 95% di queste iniziative fallisce o non port ai risultati sperati. Il documento, intitolato " The GenAI Divide: State of AI in Business 2025", mette in luce una profonda spaccatura tra le promesse di un'AI che accelera i ricavi e i risultati deludenti a livello di profitto e perdite. La ricerca, basata su centinaia di interviste, sondaggi e analisi di implementazioni pubbliche, indica che solo una piccola parte delle aziende (circa il 5%) riesce a ottenere un impatto misurabile.

Il motivo? Non è da ricercare nella qualità dei modelli, ma in un "learning gap" fondamentale sia a livello di strumenti che di organizzazione. Mentre i dirigenti tendono a incolpare la regolamentazione o le performance dei modelli, la ricerca del MIT punta il dito contro una flawed enterprise integration (integrazione aziendale fallace).

Secondo Aditya Challapally, autore principale del report: "il problema è che strumenti generici come ChatGPT, pur essendo flessibili per gli individui, non riescono ad adattarsi ai flussi di lavoro aziendali complessi. Le aziende più giovani e agili, invece, stanno eccellendo, spesso perché scelgono un solo punto critico, lo risolvono bene e collaborano in modo intelligente con le aziende che utilizzano i loro strumenti".

Un altro dato sorprendente riguarda l'allocazione delle risorse: oltre la metà dei budget per la GenAI è destinata a vendite e marketing, mentre il ritorno sull'investimento (ROI) maggiore si registra nelle funzioni di back-office, come l'automazione dei processi o la riduzione dei costi per agenzie esterne. Inoltre, il report suggerisce che l'adozione ha maggiori probabilità di successo se le aziende acquistano strumenti da fornitori specializzati e creano partnership, piuttosto che costruire internamente le proprie soluzioni, un approccio che si è dimostrato fallimentare nel 67% dei casi.

Il report del MIT NANDA si allinea a una prospettiva delineata in un altro studio del MIT Media Lab che analizza il problema dell'AI da un punto di vista differente ma complementare: la natura intrinsecamente centralizzata dei modelli attuali. L'attuale panorama dell'AI, dominato da poche grandi organizzazioni, si scontra con la mancanza di fiducia, problemi di privacy e una concentrazione di potere che frena la collaborazione e l'innovazione, soprattutto in settori sensibili come sanità e finanza.

In risposta a queste sfide, i ricercatori propongono un cambio di paradigma verso l'Intelligenza Artificiale Decentralizzata. L'obiettivo è creare un framework che consenta a entità disparate di collaborare e condividere dati e risorse di calcolo senza la necessità di un'autorità centrale.

Questa visione si fonda su cinque pilastri interconnessi:

Privacy (Breachless): proteggere le informazioni sensibili senza la necessità di repository centralizzati vulnerabili.

Verificabilità (Trustless): garantire l'integrità del sistema in un ambiente senza permessi, dove il contributo può essere verificato senza compromettere l'anonimato.

Incentivi (Brokerless): creare meccanismi di compensazione trasparenti che superino il modello attuale in cui poche aziende fungono da intermediari, estraendo valore dai produttori di dati.

Orchestrazione (Coordinatorless): coordinare individui e organizzazioni con obiettivi diversi in modo autonomo, senza un'entità centrale di supervisione.

Crowd UX (Frictionless): semplificare la partecipazione attraverso un'interfaccia utente che riduca l'attrito e renda l'AI decentralizzata accessibile a tutti.

La convergenza di questi due report suggerisce che il futuro dell'AI non risiede solo in modelli più potenti, ma anche in un approccio più equo e robusto. Le aziende che stanno già sperimentando con sistemi AI agentici (capaci di imparare e agire in modo indipendente entro limiti prestabiliti) offrono uno sguardo su come la prossima fase dell'AI aziendale potrebbe svolgersi. Superare la "GenAI Divide" richiederà non solo strumenti migliori, ma un intero ripensamento dei modelli di governance e collaborazione, con la decentralizzazione che si profila come una soluzione promettente per un'era di AI più democratica e sicura.