Oltre la metà dei progetti di intelligenza artificiale nelle grandi aziende statunitensi è stata rinviata o cancellata negli ultimi due anni a causa della complessità infrastrutturale. Lo rivela uno studio condotto su 600 responsabili IT e business di imprese con almeno mille dipendenti, commissionato da DDN, società specializzata nell'ottimizzazione dei dati, in collaborazione con Google Cloud e Cognizant. Due terzi degli intervistati hanno ammesso che i loro ambienti AI sono troppo complessi da gestire, evidenziando un divario critico tra aspettative e capacità operative.
Il problema non è tanto l'entusiasmo verso l'intelligenza artificiale quanto la mancanza di fondamenta operative adeguate. Le infrastrutture necessarie, l'energia richiesta e i costi operativi non trovano corrispondenza nelle attuali architetture aziendali. Il risultato è un sottoutilizzo delle GPU, un'escalation dei costi energetici e, soprattutto, un'equazione economica che non torna per molte organizzazioni. Alex Bouzari, amministratore delegato di DDN, ha sottolineato come questi ostacoli si traducano in ritardi nei progetti IT e in una redditività dell'investimento che rimane sulla carta.
I dati raccolti da DDN si inseriscono in un quadro più ampio di disillusione tecnologica. Il Project NANDA del MIT ha rilevato che il 95% delle organizzazioni registra zero ritorni misurabili dagli investimenti in AI generativa. Gartner prevede che oltre il 40% dei progetti di intelligenza artificiale agente saranno cancellati entro la fine del 2027. Forrester ha rilevato che un quarto della spesa pianificata in AI slitterà al 2027, con solo il 15% dei decision-maker che riporta un miglioramento dell'EBITDA aziendale.
Il cloud viene indicato dal 97% degli intervistati come la soluzione per scalare l'intelligenza artificiale, ma questa visione appare ottimistica. Le stesse sfide infrastrutturali che caratterizzano gli ambienti on-premise seguono le aziende anche nel cloud: necessità di unificazione dei dati, orchestrazione su larga scala e competenze specialistiche che spesso mancano all'interno delle organizzazioni IT. La migrazione verso ambienti cloud non risolve automaticamente la complessità sistemica che frena l'adozione.
DDN, fondata nel 1998, lavora con attori di primo piano come Nvidia, xAI e Google per ottimizzare i flussi di dati verso e dalle infrastrutture di AI, un'attività divenuta cruciale con l'aumento esponenziale dei costi e del consumo energetico. La società opera in un mercato dove si sta ampliando il divario tra i primi utilizzatori che hanno monetizzato l'AI e le imprese che si stanno avvicinando solo ora a queste tecnologie, trovando ostacoli infrastrutturali significativi.
Il ruolo dei consulenti e degli integratori di sistema diventa determinante in questo scenario. Organizzazioni come Accenture e Deloitte, capaci di implementare soluzioni aziendali complesse chiavi in mano, potrebbero accelerare l'adozione attraverso processi educativi strutturati. La curva di apprendimento sta iniziando a delinearsi, ma il percorso rimane impegnativo per molte realtà aziendali.
La questione dei casi d'uso rappresenta un altro nodo critico. Troppo spesso le aziende si limitano a implementare chatbot per il servizio clienti, un'applicazione che riduce marginalmente i costi operativi senza sfruttare appieno le potenzialità dell'intelligenza artificiale. Serve invece identificare capacità che colleghino organicamente i dati aziendali con l'AI, creando valore reale e misurabile oltre il semplice contenimento delle spese.
L'ondata di cancellazioni e rinvii nei progetti di intelligenza artificiale solleva interrogativi sulla sostenibilità degli investimenti massicci annunciati negli ultimi anni. Se la maggioranza delle grandi imprese non riesce a tradurre gli esperimenti pilota in applicazioni produttive, il rischio è quello di una bolla tecnologica dove l'hype supera di gran lunga le capacità effettive di implementazione. La prossima fase potrebbe vedere una razionalizzazione del mercato, dove solo chi avrà risolto il nodo infrastrutturale riuscirà a competere efficacemente nell'economia dell'intelligenza artificiale.