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).