Tra fughe di dati sensibili, allucinazioni da miliardi di dollari e resistenza organizzativa, la vera sfida per le aziende non è se usare l’Ai: è come usarla senza perderne il controllo.

Tutto è cominciato con una domanda banale. Il Cfo di una realtà milanese, stanco di riformattare report trimestrali, aveva cominciato a incollare estratti di documentazione riservata su ChatGpt per accelerare il lavoro. Poi qualcuno nell’ufficio legale ha fatto la domanda giusta: quei dati, una volta caricati, dove vanno a finire? La risposta, per chi legge i termini di servizio dei principali strumenti di Ai generativa pubblica, non è rassicurante. I documenti caricati (fogli di calcolo con posizioni clienti, relazioni di compliance, bozze di prospetti) potrebbero diventare parte del training set di un sistema che domani risponde alle domande di chiunque. Il rischio non è teorico. È regolatorio, reputazionale, potenzialmente devastante. E quella realtà milanese non era un caso isolato.

I RISCHI POTENZIALI

L’adozione dell’intelligenza artificiale in tutti i settori si muove lungo una linea di faglia pericolosa. La pressione competitiva spinge i manager ad adottare strumenti di Ai generativa nel minore tempo possibile. La mancanza di una governance strutturata li espone a rischi che non vengono ancora misurati con sufficiente rigore. Il risultato è paradossale: l’Ai viene adottata in fretta, spesso male, e i benefici attesi restano sulla carta. I numeri lo confermano con brutalità. I dati dell’Istat, aggiornati al dicembre 2025, delineano un quadro in rapida evoluzione. L’adozione dell’Ai nelle imprese italiane con almeno 10 addetti è passata dal 5% del 2023 al 16,4% del 2025.

Tuttavia, questa crescita nasconde una marcata disparità dimensionale: se tra le grandi imprese la percentuale balza al 53,1%, le piccole e medie imprese faticano a tenere il passo. L’Osservatorio artificial intelligence del Politecnico di Milano conferma questa tendenza, evidenziando che l’84% delle grandi aziende ha già acquistato licenze per strumenti di generative Ai, registrando un incremento del 31% in un solo anno. Si stima che l’investimento medio delle imprese si aggiri attorno a 1,3 milioni di euro, ma solo una su quattro raggiunge il Roi atteso in termini di crescita. Questo divario tra adozione superficiale e integrazione profonda, rappresenta uno dei nodi centrali della trasformazione digitale in atto.

IMPLEMENTAZIONE immatura

Le ragioni del fallimento sono sistemiche: non si tratta di tecnologia immatura, si tratta di implementazione immatura. La prima causa è la privacy. Il 20% delle aziende che nel 2025 ha subito una violazione dei dati ha attribuito l’incidente al cosiddetto shadow Ai, l’uso non governato di strumenti di Ai da parte dei dipendenti, come riportato dall’Ibm nel “Cost of Data Breach Report 2025”.

La seconda piaga è le allucinazioni. Nel 2024, gli errori generati da sistemi di Ai generativa sono costati alle imprese globali 67,4 miliardi di dollari. Il tasso medio di allucinazione dei principali modelli è del 9,2% per la conoscenza generale; per i dati finanziari, sale al 13,8% (“Ai Hallucination Report 2025”). Nel primo trimestre del 2026, errori in analisi finanziarie generate da Ai hanno contribuito a perdite stimate in 2,3 miliardi di dollari. L’automazione che doveva liberare tempo lo sta, in molti casi, consumando.

La terza questione è organizzativa. Secondo Deloitte, il gap di competenze sull’Ai è oggi la principale barriera all’integrazione efficace. Meno di un terzo delle aziende ha formato anche solo un quarto della propria forza lavoro. Le organizzazioni che ottengono risultati concreti seguono il principio 10-20-70: il 10% del successo dipende dagli algoritmi, il 20% dalla qualità di dati e infrastruttura, il 70% dalle persone, dai processi e dalla cultura. Eppure la maggior parte degli investimenti si concentra sul primo livello.

GESTIONE DELLE CRITICITÀ

La realtà milanese di prima si trovava da tempo a fare i conti con un collo di bottiglia preciso: la produzione di documentazione di compliance, la generazione di report per i clienti e la gestione degli archivi di policy che occupavano risorse qualificate per attività che si prestavano in larga parte all’automazione. Il tentativo di usare strumenti pubblici di Ai generativa aveva portato a un blocco immediato da parte del team legale, preoccupato per l’esposizione dei dati ai circuiti di addestramento dei modelli.

continua a leggere