Tre domande da porsi prima di investire in AI nel 2026
Matt Nolan
Fondatore
Aggiornato il 30 dicembre 2025
Ecco cosa nessuno vuole dire ad alta voce: la maggior parte dei progetti AI sta fallendo.
Non perché la tecnologia non funzioni. Quando viene applicata bene, i risultati sono concreti. Gli studi mostrano incrementi di produttività del 10-40%. Il problema non è l’AI. Il problema è che le aziende stanno acquistando soluzioni prima di aver definito i problemi.
I numeri raccontano la storia: il 42% delle aziende ha abbandonato la maggior parte delle proprie iniziative AI quest’anno, in aumento dal 17% dell’anno scorso. Il 95% dei progetti pilota aziendali non genera mai ritorni misurabili. Miliardi di dollari che inseguono le domande sbagliate.
Non si tratta di un fallimento tecnologico. È un fallimento di ragionamento, e non se ne può uscire semplicemente spendendo di più.
L’opportunità
Quando l’AI funziona, a malapena la si nota. Rimuove il lavoro tedioso e ripetitivo dal carico del Suo team e dà alle persone migliori lo spazio per fare ciò che solo loro sanno fare. L’obiettivo non è mai stata l’automazione fine a se stessa. L’obiettivo è la leva.
Ma non ci si arriva inseguendo l’ultima tendenza o comprando la demo più impressionante. Ci si arriva facendo domande migliori prima di firmare il primo assegno.
Eccone tre che contano.
1. Si tratta di un problema di modello o di dati?
Tutti vogliono parlare di modelli. Quasi nessuno vuole parlare di dati, il che è strano, perché i dati sono dove la maggior parte dei progetti va a morire.
Il Suo modello è buono solo quanto quello che gli fornisce. Se i Suoi dati sono disordinati, isolati o incompleti, nessun algoritmo La salverà. L’AI più sofisticata al mondo Le darà solo risposte sbagliate ma sicure, più velocemente.
Prima di valutare qualsiasi soluzione AI, si chieda: Abbiamo davvero i dati che questo richiede? Riusciamo a descrivere esattamente cosa forniremmo a questo sistema e dove si trovano questi dati?
Se questa domanda richiede più di qualche minuto per essere risposta, si fermi. Non ha ancora un problema AI. Ha un problema di dati, ed è quello da risolvere per primo.
2. Serve lo strumento più potente o quello giusto?
C’è una tendenza in questo settore verso la complessità. Modelli più grandi, più parametri, tutto all’avanguardia. Suona impressionante in una presentazione. La maggior parte delle volte, è esattamente sbagliato.
Gartner prevede che entro il 2027 le aziende utilizzeranno modelli piccoli e specifici per attività tre volte di più rispetto ai modelli linguistici di grandi dimensioni per uso generale. La ragione è semplice: sono più veloci, più economici e spesso più accurati per problemi focalizzati.
La domanda da porre non è “qual è l’opzione più avanzata?” ma “qual è la cosa più semplice che risolve effettivamente questo problema?” La semplicità richiede di comprendere il problema abbastanza profondamente da sapere cosa si può tralasciare. È difficile. È anche dove sta il valore.
Chieda al Suo fornitore, o al Suo team: Perché questo approccio invece di qualcosa di più semplice? Se la risposta è “perché è all’avanguardia”, se ne vada. Non è una ragione, è marketing.
Ho assistito a abbastanza demo di fornitori per conoscere lo schema: capacità impressionanti, risposte vaghe su cosa succede dopo il pilota.
3. Quale decisione supporta effettivamente questo?
Questa è la domanda che separa l’AI utile dal teatro costoso.
È facile entusiasmarsi per le capacità. Dashboard, chatbot, previsioni. Ma le capacità non sono risultati. L’unica domanda che conta è: cosa farà qualcuno diversamente una volta che questo esiste?
Se non riesce a rispondere chiaramente, non è pronto per costruire.
Provi questo: Completi la frase “Una volta implementato questo, saremo in grado di ______ che non potevamo fare prima.” Se non riesce a completarla in termini concreti, la tecnologia può aspettare. La chiarezza no.
Cosa viene dopo
Il 2026 sarà un anno di selezione.
Le aziende che hanno trattato l’AI come una casella da spuntare metteranno silenziosamente da parte i loro progetti. Quelle che hanno iniziato dal problema, non dallo strumento, prenderanno il vantaggio. Non si tratta di chi ha speso di più o si è mosso più velocemente. Si tratta di chi ha pensato chiaramente, chi ha resistito alla pressione di fare semplicemente qualcosa e invece ha chiesto se quel qualcosa valesse la pena essere fatto.
La migliore tecnologia scompare nel lavoro. Si smette di notarla. Rende semplicemente tutto un po’ migliore.
È verso questo che stiamo costruendo in Gravitas Grove. Non AI per il gusto dell’AI, ma strumenti che si guadagnano il loro posto rendendo le persone più capaci.
Se sta lavorando su queste domande e vuole un secondo parere, saremo felici di aiutarLa.