Perché alcuni team vincono con l'IA e la maggior parte no

I numeri ormai li conosciamo. Il Project NANDA del MIT ha rilevato che circa il 95% dei progetti pilota di IA nelle aziende non produce alcun impatto misurabile sui conti. McKinsey stima che solo il 6% circa delle imprese stia ottenendo un EBIT reale dall'IA. Il sondaggio CEO di PwC del gennaio 2026 riporta che il 56% degli amministratori delegati, nell'ultimo anno, non ha visto né maggiori ricavi né minori costi grazie all'IA.

Tutti hanno accesso agli stessi modelli. La domanda interessante, quindi, non è perché la maggior parte fallisca, ma cosa fa di diverso quel piccolo gruppo che riesce.

La ricerca dà una risposta coerente, e non è quella su cui la maggior parte delle aziende sta agendo.

Chi vince ha ridisegnato il lavoro. Chi perde ha aggiunto uno strumento.

Il rapporto State of AI 2025 di McKinsey è netto: il fattore che meglio predice se un'azienda ottiene valore dall'IA è aver ridisegnato i propri flussi di lavoro intorno ad essa, invece di sovrapporla al modo in cui già lavorava. Quel 6% di aziende classificate come high performer ha una probabilità quasi tre volte maggiore, rispetto alle altre, di aver rifatto i propri processi.

Lo studio del MIT arriva allo stesso punto partendo dai fallimenti. La maggior parte dei pilot non fallisce perché i modelli sono deboli, ma per "flussi di lavoro fragili, mancanza di apprendimento contestuale e disallineamento con le operazioni quotidiane". Lo strumento andava bene. Era il lavoro intorno a non funzionare.

Un'analisi del 2026 sull'IA nella collaborazione tra team riassume la regola in una frase: l'IA amplifica le fondamenta già presenti. I team con processi chiari e una buona collaborazione consegnano prima e con meno rilavorazioni. I team con basi deboli producono più rumore, più cose da sistemare e gli stessi ritardi di sempre, solo generati più in fretta.

È tutto qui. L'IA è un moltiplicatore. Non crea fondamenta: scala quelle che ci sono, nella direzione in cui già puntavano.

Perché "aggiungere uno strumento" continua a non funzionare

La maggior parte delle aziende ha comprato l'IA per rendere più veloce un passaggio già esistente: scrivere i testi più in fretta, generare le immagini più in fretta, produrre codice più in fretta. L'analisi della BU Questrom sui pilot falliti osserva che questo raramente cambia i risultati, perché accelerare un passaggio non serve se il valore non dipendeva dalla velocità di quel passaggio.

La produzione è il punto che tutti hanno accelerato, ed era già la parte facile. Ciò che decide se un lavoro è buono avviene prima e dopo: scegliere cosa vale la pena fare, confrontare le opzioni, capire quale sia quella giusta, mettere d'accordo il team e passare all'azione. Questi passaggi non sono diventati più rapidi. In molte aziende sono rallentati, perché ora hanno davanti una montagna di output in più da smaltire.

Il denaro è finito nell'unico punto che non era il collo di bottiglia, mentre il vero collo di bottiglia, il pensiero e la decisione, è rimasto negli stessi strumenti sparsi di sempre.

Le fondamenta sono il processo, e la maggior parte degli strumenti lo butta via

Se sono le fondamenta a fare la differenza, vale la pena chiedersi dove queste fondamenta vivano davvero.

Non nel deliverable finito. Il deliverable è il risultato, e quando lo stai guardando il ragionamento è già finito. Le fondamenta sono il processo che lo ha prodotto: l'idea grezza, la ricerca fatta, le opzioni considerate, il motivo per cui una è stata scelta e le altre scartate, i feedback, i disaccordi, la decisione.

Ed è proprio ciò che la maggior parte degli strumenti non riesce a trattenere. La chat è una linea: il ragionamento scorre via e muore nel thread. Un documento conserva la conclusione ma non il percorso. Una task board tiene il cosa fare ma non il perché. Il processo evapora, sopravvive solo il risultato, e così l'unica cosa che la ricerca indica come decisiva, le fondamenta, è proprio quella che le aziende sono meno attrezzate a conservare.

Il costo strategico è reale. Il lavoro di Mercer del 2026 sull'IA osserva che la capacità organizzativa si sviluppa "attraverso la pratica più che attraverso la pianificazione", guardando come il lavoro viene realmente fatto e costruendoci sopra. Se il processo sparisce ogni volta, il team non accumula nulla. Ogni progetto riparte da zero. Nessuno impara come è nato il lavoro buono, perché se ne è visto solo il risultato lucidato.

Dove entra ALLO

È esattamente per questo che abbiamo costruito ALLO: per trattenere il processo, non solo il risultato.

Un appunto grezzo sta su una canvas. La ricerca viene portata accanto. Le opzioni vengono generate e messe una di fianco all'altra, così il team può davvero confrontarle invece di scorrerle via. Il feedback si attacca all'oggetto a cui si riferisce. La decisione resta accanto al lavoro che l'ha giustificata. Un'idea nasce piccola in un angolo, cresce mentre incontra ricerche e altre persone, si restringe fino a diventare qualcosa che il team consegna, e l'intero percorso resta visibile.

Non è una lavagna più bella. È il luogo in cui quelle fondamenta che la ricerca continua a indicare, il processo, il pensiero, il ragionamento dietro una decisione, hanno finalmente uno spazio in cui esistere e accumularsi invece di scorrere via. Continui a produrre nei tool che già usi. Ciò che ALLO aggiunge è lo strato che i team vincenti hanno e gli altri perdono: una traccia condivisa e visibile di come il lavoro è stato davvero pensato.

Le evidenze sono coerenti tra MIT, McKinsey e il resto. L'IA premia i team che hanno una base solida e punisce chi non ce l'ha, perché non fa altro che moltiplicare ciò che trova. Lo strumento ormai è una commodity. Le fondamenta sono l'intera partita. L'unica domanda che vale la pena porsi è se il tuo team abbia un posto in cui costruirle.

FAQ

Cosa distingue i team che riescono con l'IA da quelli che falliscono? Il ridisegno dei flussi di lavoro. Secondo McKinsey, quel 6% circa di aziende che ottiene valore reale dall'IA ha una probabilità quasi tre volte maggiore di aver ripensato il modo di lavorare intorno all'IA, invece di sovrapporla ai processi esistenti. L'IA amplifica le fondamenta che un team già possiede.

Perché la maggior parte dei pilot di IA fallisce? Il Project NANDA del MIT ha rilevato che circa il 95% non produce impatti misurabili sui conti, soprattutto per flussi di lavoro fragili e disallineamento con le operazioni quotidiane, non per la debolezza dei modelli. Lo strumento, quasi mai, era il problema.

Perché rendere più veloce la produzione non migliora i risultati? Perché la produzione era già la parte facile. Il valore dipende dallo scegliere cosa fare, confrontare le opzioni e decidere bene, e accelerare la generazione non aiuta in quei passaggi. Anzi, spesso li sovraccarica.

Cosa significa che l'IA è un moltiplicatore? Che scala le fondamenta esistenti. Processi solidi e buona collaborazione vengono amplificati in consegne più rapide e pulite; basi deboli vengono amplificate in più rumore e rilavorazioni. L'IA da sola non crea le fondamenta.

In che modo ALLO aiuta i team a vincere con l'IA? ALLO trattiene il processo, non solo il risultato finito. Idee, ricerche, opzioni, feedback e decisioni vivono insieme su una stessa canvas, così il ragionamento del team resta visibile e si accumula nel tempo. È esattamente la base che, secondo la ricerca, separa chi vince da tutti gli altri.