Molte aziende hanno sospeso lo sviluppo di soluzioni basate sull'intelligenza artificiale. Secondo un recente rapporto di ricerca commissionato da DDN in collaborazione con Google Cloud e Cognizant, oltre il 50% dei progetti è stato posticipato o cancellato negli ultimi due anni. La causa principale risiede nella complessità dell'infrastruttura necessaria per sostenere tali carichi di lavoro. Circa due terzi dei 600 decision maker intervistati negli Stati Uniti ammettono che gli ambienti IA sono diventati troppo difficili da gestire internamente.
Nonostante l'entusiasmo iniziale, molte organizzazioni si scontrano con la mancanza di fondamenta operative adeguate, trasformando l'innovazione in un costo improduttivo. Senza una strategia chiara sulla gestione dei dati e sull'energia necessaria per alimentare le GPU, le aziende rischiano di investire in strumenti che non portano alcun vantaggio competitivo reale.
Alex Bouzari, CEO di DDN, ha spiegato che l'infrastruttura e le basi operative richieste semplicemente non sono ancora presenti nella maggior parte delle imprese. Questo deficit si manifesta in costi energetici crescenti e in un sottoutilizzo dell'hardware costoso. Anche migrare verso il cloud computing non sembra essere la soluzione definitiva, poiché le sfide legate all'orchestrazione dei dati rimangono identiche sia on-premise che in remoto.
I dati forniti da altre istituzioni confermano il quadro critico del mercato globale. Uno studio del MIT, denominato Progetto NANDA, indica che il 95% delle organizzazioni non ha registrato alcun ritorno misurabile dai propri investimenti in IA generativa. Gartner ha previsto che oltre il 40% dei progetti di IA agentica verrà abbandonato entro la fine del 2027. Anche Forrester ha stimato che il 25% della spesa prevista verrà ritardato a causa della mancanza di un impatto positivo sull'EBITDA.
La soluzione, secondo Bouzari, risiede in un processo di educazione interna alle organizzazioni IT. Molte aziende si limitano a implementare chatbot per il servizio clienti, un approccio che riduce drasticamente il potenziale della tecnologia. Per ottenere un ROI tangibile, è necessario collegare i dati aziendali a casi d'uso più sofisticati e strategici, evitando di focalizzarsi solo sulla riduzione dei costi marginali.
Il divario tra pionieri e ritardatari del digitale
Esiste un divario crescente tra le aziende che hanno scommesso presto sull'IA e la massa dei ritardatari. La governance dei dati e l'adozione di soluzioni "chiavi in mano" attraverso partner esterni potrebbero accelerare l'adozione, ma la curva di apprendimento resta ripida. DDN, che collabora con Nvidia, xAI e Google, sottolinea come la capacità di ottimizzare il flusso dei dati sia diventata la competenza più preziosa in questa fase della rivoluzione industriale.
Le aziende devono anche affrontare la questione della scalabilità economica. Quando i costi energetici superano i benefici derivanti dall'automazione, il modello finanziario smette di avere senso. Molti progetti pilota vengono avviati senza una valutazione del rischio adeguata, portando a un accumulo di debito tecnico difficile da smaltire. La complessità delle infrastrutture moderne richiede specialisti che il mercato del lavoro non riesce ancora a fornire in quantità sufficiente.
La situazione potrebbe sembrare brutta ma non è tuttavia una sorpresa; anzi, è abbastanza normale che dopo una fase di entusiasmo eccessivo si assista a un momento di calo, dove si rivalutano gli investimenti fatti e ci si pongono nuove domande sugli strumenti disponibili.
Le aziende hanno seguito il sogno dell'automazione totale senza preoccuparsi della manutenzione dei sistemi o della qualità del dato in ingresso. Il risultato è una serie di infrastrutture frammentate che consumano budget senza generare valore, un lusso che poche imprese possono permettersi nel lungo periodo.
Il futuro dell'intelligenza artificiale nel business dipenderà dalla capacità di passare dal feticismo tecnologico al pragmatismo operativo. Non basta aggiungere chip o sottoscrivere abbonamenti cloud per trasformare un'azienda; serve una revisione profonda dei processi interni. Fino a quando l'IA rimarrà un esperimento isolato dal nucleo strategico del business, i tassi di fallimento continueranno a essere specchio di una gestione poco lungimirante delle risorse tecnologiche e umane.
