Non si tratta di una previsione isolata. Le più ampie ricerche di Gartner sui fallimenti dei progetti di IA evidenziano ragioni coerenti e non tecniche alla base di questo arretramento :

• Costi in escalation senza un chiaro modello di ROI — I costi dell'infrastruttura IA (calcolo, API, integrazione, manutenzione continua e supervisione umana) sono significativi e spesso lievitano. Il 90% dei CIO riferisce che i costi dell'IA stanno già limitando la loro capacità di massimizzare il valore .
• Valore per il business poco chiaro — Molti progetti vengono abbandonati dopo la fase di proof-of-concept perché le organizzazioni non riescono a dimostrare un impatto misurabile sui profitti .
• Scarsa qualità dei dati e controlli del rischio inadeguati — Governance debole, problemi di dati e una gestione del rischio insufficiente fanno naufragare i progetti . Gartner prevede che entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti di IA non supportati da dati pronti per l'IA .
• "Agent washing" e deriva dei casi d'uso — Le organizzazioni perseguono l'IA per sé stessa, senza un solido caso di business, portando al fallimento. Anushree Verma, analista senior director di Gartner, osserva che molti fornitori hanno rinominato chatbot esistenti come "agenti AI" senza offrire risultati significativi .

Queste evidenze sono in linea con la stima separata di Gartner dell'aprile 2026, secondo cui il 57% dei responsabili delle infrastrutture IT e delle operazioni ha già fallito almeno un progetto di IA, e che un progetto su cinque in questo ambito crolla del tutto .

Il divario spesa-ROI: le prove da più fonti

Numerose fonti autorevoli confermano il crescente divario tra gli investimenti massicci nell'IA e i risultati economici misurabili:

Goldman Sachs (agosto 2026): Lo strategist Ben Snider riferisce che la spesa per l'IA sta aumentando rapidamente, ma che la tecnologia non ha ancora prodotto un miglioramento significativo degli utili per la maggior parte delle aziende. Solo il 2% delle aziende dell'S&P 500 ha quantificato l'impatto dell'IA sui propri utili, e la maggior parte segnala un beneficio scarso o nullo . L'analista Jessica Rindels stima che gli investimenti USA nell'IA ammonteranno a quasi 600 miliardi di dollari nel 2026, equivalenti a quasi il 2% del PIL, ma le prove di corrispondenti guadagni economici rimangono deboli .

Goldman Sachs (maggio 2026): L'analista Jim Covello nota che la maggior parte delle imprese non ha ancora generato alcun ritorno dalla spesa per l'IA, citando uno studio del MIT che ha rilevato come il 95% dei progetti pilota di IA aziendale non abbia prodotto un impatto misurabile sul conto economico . Covello sostiene che l'economia dell'IA è "oggi più incerta di due anni fa" .

Goldman Sachs (luglio 2026): L'economista Jan Hatzius e l'analista David Peng offrono un bagno di realtà: l'adozione dell'IA e il suo ritorno in termini di produttività potrebbero richiedere molto più tempo di quanto i mercati si aspettino. La loro analisi mostra che l'impatto sulla produttività segue una curva a J: un modesto ostacolo per i primi quattro anni, guadagni statisticamente significativi solo dopo otto anni e un impatto massimo di circa 0,6 punti percentuali al dodicesimo anno. Se il lancio di ChatGPT nel 2022 è l'equivalente del debutto del PC nel 1981, il ritorno sull'investimento è ancora lontano anni .

McKinsey (2026): Meno del 20% delle implementazioni aziendali di IA mostra un impatto economico misurabile .

Sequoia Capital: Ha segnalato un divario di fatturato di circa 600 miliardi di dollari tra l'investimento nell'IA e il ritorno sull'IA .

Il rischio del flusso di cassa degli hyperscaler: Goldman Sachs avverte che i quattro principali fornitori di cloud (Amazon, Alphabet/Google, Microsoft, Meta) sono collettivamente sulla buona strada per spendere più del loro intero flusso di cassa operativo in infrastrutture per l'IA, senza un ROI aziendale comprovato a giustificare la spesa . La spesa in conto capitale combinata per queste quattro società nel 2026 è prevista a circa 650 miliardi di dollari .

Perché i progetti falliscono: non è colpa della tecnologia

Un dato costante in tutte le principali analisi è che i fallimenti dei progetti di IA sono di natura organizzativa e strategica, non tecnica. Il modello quasi mai fallisce — ma falliscono il caso di business, le fondamenta dei dati e i controlli sui costi.

Gartner identifica tre principali modalità di fallimento alla base delle sue previsioni: costi in escalation senza un chiaro modello di ROI, valore per il business poco chiaro e controlli del rischio inadeguati . Come ha affermato un analista di Gartner, "la maggior parte dei progetti di IA agentica sono al momento esperimenti in fase iniziale o proof-of-concept guidati principalmente dall'hype e spesso applicati in modo errato" .

Le conseguenze sono già visibili. Gartner prevede che entro il 2028, il 70% delle iniziative di IA verrà dismesso a causa di esplosioni di costi non gestiti e deriva del valore in organizzazioni prive di una pratica di gestione finanziaria dedicata all'IA .

Cosa significa per i leader aziendali

Il quadro che emerge da Gartner, Goldman Sachs, McKinsey, MIT e Sequoia è coerente: la spesa per l'IA è ai massimi storici, ma la stragrande maggioranza delle organizzazioni non è ancora in grado di dimostrare ritorni misurabili da tale spesa. Molte stanno già riducendo la loro esposizione o falliscono nel portare i progetti oltre la fase pilota.

Per le organizzazioni che investono nell'IA, la ricerca indica una strada chiara: identificare un collo di bottiglia operativo specifico con un impatto misurabile su costi o qualità, costruire una soluzione di IA per quel problema specifico, misurarne rigorosamente l'impatto prima e dopo, e scalare solo ciò che funziona . I progetti che non stabiliscono metriche di ROI chiare fin dal primo giorno è improbabile che sopravvivano al prossimo ravvedimento operoso.

Non si tratta di una previsione isolata. Le più ampie ricerche di Gartner sui fallimenti dei progetti di IA evidenziano ragioni coerenti e non tecniche alla base di questo arretramento :

• Costi in escalation senza un chiaro modello di ROI — I costi dell'infrastruttura IA (calcolo, API, integrazione, manutenzione continua e supervisione umana) sono significativi e spesso lievitano. Il 90% dei CIO riferisce che i costi dell'IA stanno già limitando la loro capacità di massimizzare il valore .
• Valore per il business poco chiaro — Molti progetti vengono abbandonati dopo la fase di proof-of-concept perché le organizzazioni non riescono a dimostrare un impatto misurabile sui profitti .
• Scarsa qualità dei dati e controlli del rischio inadeguati — Governance debole, problemi di dati e una gestione del rischio insufficiente fanno naufragare i progetti . Gartner prevede che entro il 2026 le organizzazioni abbandoneranno il 60% dei progetti di IA non supportati da dati pronti per l'IA .
• "Agent washing" e deriva dei casi d'uso — Le organizzazioni perseguono l'IA per sé stessa, senza un solido caso di business, portando al fallimento. Anushree Verma, analista senior director di Gartner, osserva che molti fornitori hanno rinominato chatbot esistenti come "agenti AI" senza offrire risultati significativi .

Queste evidenze sono in linea con la stima separata di Gartner dell'aprile 2026, secondo cui il 57% dei responsabili delle infrastrutture IT e delle operazioni ha già fallito almeno un progetto di IA, e che un progetto su cinque in questo ambito crolla del tutto .

Il divario spesa-ROI: le prove da più fonti

Numerose fonti autorevoli confermano il crescente divario tra gli investimenti massicci nell'IA e i risultati economici misurabili:

Goldman Sachs (agosto 2026): Lo strategist Ben Snider riferisce che la spesa per l'IA sta aumentando rapidamente, ma che la tecnologia non ha ancora prodotto un miglioramento significativo degli utili per la maggior parte delle aziende. Solo il 2% delle aziende dell'S&P 500 ha quantificato l'impatto dell'IA sui propri utili, e la maggior parte segnala un beneficio scarso o nullo . L'analista Jessica Rindels stima che gli investimenti USA nell'IA ammonteranno a quasi 600 miliardi di dollari nel 2026, equivalenti a quasi il 2% del PIL, ma le prove di corrispondenti guadagni economici rimangono deboli .

Goldman Sachs (maggio 2026): L'analista Jim Covello nota che la maggior parte delle imprese non ha ancora generato alcun ritorno dalla spesa per l'IA, citando uno studio del MIT che ha rilevato come il 95% dei progetti pilota di IA aziendale non abbia prodotto un impatto misurabile sul conto economico . Covello sostiene che l'economia dell'IA è "oggi più incerta di due anni fa" .

Goldman Sachs (luglio 2026): L'economista Jan Hatzius e l'analista David Peng offrono un bagno di realtà: l'adozione dell'IA e il suo ritorno in termini di produttività potrebbero richiedere molto più tempo di quanto i mercati si aspettino. La loro analisi mostra che l'impatto sulla produttività segue una curva a J: un modesto ostacolo per i primi quattro anni, guadagni statisticamente significativi solo dopo otto anni e un impatto massimo di circa 0,6 punti percentuali al dodicesimo anno. Se il lancio di ChatGPT nel 2022 è l'equivalente del debutto del PC nel 1981, il ritorno sull'investimento è ancora lontano anni .

McKinsey (2026): Meno del 20% delle implementazioni aziendali di IA mostra un impatto economico misurabile .

Sequoia Capital: Ha segnalato un divario di fatturato di circa 600 miliardi di dollari tra l'investimento nell'IA e il ritorno sull'IA .

Il rischio del flusso di cassa degli hyperscaler: Goldman Sachs avverte che i quattro principali fornitori di cloud (Amazon, Alphabet/Google, Microsoft, Meta) sono collettivamente sulla buona strada per spendere più del loro intero flusso di cassa operativo in infrastrutture per l'IA, senza un ROI aziendale comprovato a giustificare la spesa . La spesa in conto capitale combinata per queste quattro società nel 2026 è prevista a circa 650 miliardi di dollari .

Perché i progetti falliscono: non è colpa della tecnologia

Un dato costante in tutte le principali analisi è che i fallimenti dei progetti di IA sono di natura organizzativa e strategica, non tecnica. Il modello quasi mai fallisce — ma falliscono il caso di business, le fondamenta dei dati e i controlli sui costi.

Gartner identifica tre principali modalità di fallimento alla base delle sue previsioni: costi in escalation senza un chiaro modello di ROI, valore per il business poco chiaro e controlli del rischio inadeguati . Come ha affermato un analista di Gartner, "la maggior parte dei progetti di IA agentica sono al momento esperimenti in fase iniziale o proof-of-concept guidati principalmente dall'hype e spesso applicati in modo errato" .

Le conseguenze sono già visibili. Gartner prevede che entro il 2028, il 70% delle iniziative di IA verrà dismesso a causa di esplosioni di costi non gestiti e deriva del valore in organizzazioni prive di una pratica di gestione finanziaria dedicata all'IA .

Cosa significa per i leader aziendali

Il quadro che emerge da Gartner, Goldman Sachs, McKinsey, MIT e Sequoia è coerente: la spesa per l'IA è ai massimi storici, ma la stragrande maggioranza delle organizzazioni non è ancora in grado di dimostrare ritorni misurabili da tale spesa. Molte stanno già riducendo la loro esposizione o falliscono nel portare i progetti oltre la fase pilota.

Per le organizzazioni che investono nell'IA, la ricerca indica una strada chiara: identificare un collo di bottiglia operativo specifico con un impatto misurabile su costi o qualità, costruire una soluzione di IA per quel problema specifico, misurarne rigorosamente l'impatto prima e dopo, e scalare solo ciò che funziona . I progetti che non stabiliscono metriche di ROI chiare fin dal primo giorno è improbabile che sopravvivano al prossimo ravvedimento operoso.