Adozione AI in azienda: le 5 fasi e chi firma cosa

Le imprese italiane che usano almeno una tecnologia di intelligenza artificiale sono passate dall’8,2% del 2024 al 16,4% del 2025: l’adozione AI in azienda è raddoppiata in dodici mesi, secondo l’indagine Istat “Imprese e ICT”. Il dato va letto insieme a un secondo numero: fra grandi imprese (53,1%) e imprese sotto i 250 addetti (15,7%) il divario è salito a 37 punti percentuali, contro i venti del 2023. Non è un problema di interesse, è un problema di metodo. Chi ha una struttura interna sa in che ordine muoversi; chi non ce l’ha compra strumenti e aspetta che succeda qualcosa.

Questo articolo mette in fila le cinque fasi dell’adozione AI in azienda, assessment, pilot, deploy, scale, run, e per ognuna dice due cose che quasi nessuna guida dice insieme: qual è il deliverable che deve esistere alla fine della fase, e chi lo produce. Perché la domanda vera di un direttore generale non è “cos’è l’AI”, ma “cosa firmo io e cosa fa il fornitore”.

In questo articolo scoprirai:

• Perché i progetti AI si fermano dopo il pilota
• Le 5 fasi dell’adozione AI e chi fa cosa: il quadro sinottico
• Fase 1, Assessment: si parte dai processi, non dalla tecnologia
• Fase 2, Pilot: un solo caso d’uso e un numero da battere
• Fase 3, Deploy: dal prototipo che funziona al sistema che regge
• Fase 4, Scale: replicare senza moltiplicare i costi
• Fase 5, Run: governance, misura e manutenzione dopo il go-live
• Quanto dura, quanto costa e cosa chiedere al partner

Perché i progetti AI si fermano dopo il pilota

Il blocco non è quasi mai tecnologico. L’Osservatorio Artificial Intelligence del Politecnico di Milano, nella rilevazione presentata a febbraio 2026, misura un mercato italiano da 1,8 miliardi di euro in crescita del 50%, con il 71% delle grandi imprese che ha avviato almeno un progetto AI. Ma solo una grande impresa su cinque usa l’AI in modo pervasivo su più funzioni: il resto ha progetti, non ha adozione. Fra le PMI la forbice è ancora più netta, 15% di medie imprese con sperimentazioni in corso, 7% fra le piccole. Lo stesso fenomeno era stato previsto in anticipo da Gartner, che stimava l’abbandono del 30% dei progetti di AI generativa dopo il proof of concept entro la fine del 2025.

Il confronto europeo aiuta a capire la distanza. Eurostat registra per il 2025 una media UE del 19,95% di imprese che usano AI, con Danimarca (42%), Finlandia (37,8%) e Svezia (35%) davanti a tutti. L’Italia è sotto la media, ma la lettura interessante è un’altra: nei paesi in testa l’adozione non è concentrata sulle grandi aziende. È diffusa, e la diffusione è una funzione del metodo, non del budget.

Gli ostacoli reali all’adozione AI in azienda

Gli ostacoli dichiarati dalle imprese italiane che hanno valutato l’AI senza adottarla lo confermano: secondo la stessa indagine Istat “Imprese e ICT” 2025, pesano la mancanza di competenze adeguate al 58,6%, l’incertezza normativa al 47,3%, la qualità e disponibilità dei dati al 45,2%. I costi arrivano solo al 43%. Tradotto: il freno non è il prezzo della licenza, è non sapere da dove si comincia e chi risponde di cosa. È esattamente il vuoto che un percorso a fasi con responsabilità assegnate riempie, e la ragione per cui quando l’AI generativa non produce ROI il problema non è la tecnologia.

Le 5 fasi dell’adozione AI e chi fa cosa: il quadro sinottico

Le cinque fasi non sono un’invenzione di marketing: sono la sintesi operativa di quello che i framework enterprise più maturi descrivono con nomi diversi. Il Cloud Adoption Framework for AI di Microsoft (aggiornato a giugno 2026) articola sei momenti, Strategy, Plan, Ready, Govern, Secure, Manage, e distingue esplicitamente una checklist “startup” da una “enterprise”. Il framework in cinque passi di Tetra Tech parte invece dall’identificazione del bisogno organizzativo e definisce il pilota come uno scope “ben definito, di piccola scala e tecnicamente fattibile”.

Chi firma cosa nelle 5 fasi dell’adozione AI

Qui sotto la mappa che tiene insieme le due cose: la sequenza e la firma. La regola generale è che il partner produce l’artefatto, il cliente prende la decisione, e le due cose non si scambiano mai.

Se una fase non ha un deliverable verificabile, non è una fase: è una riunione. E se non è chiaro chi lo firma, il progetto si ferma esattamente lì.

Fase 1, Assessment: si parte dai processi, non dalla tecnologia

L’assessment serve a rispondere a una domanda sola: dove, in questa azienda, c’è lavoro ripetitivo abbastanza frequente da giustificare un investimento? Microsoft è netta su questo punto e raccomanda di «partire dai problemi di business», cercando i segnali dove le persone spendono tempo in attività ripetitive o dove le approvazioni sono lente, e solo dopo tradurre ogni problema in un caso d’uso con un risultato atteso dichiarato.

Il deliverable è una shortlist di tre-cinque casi d’uso, ognuno con: volume annuo dell’attività, ore uomo attuali, dati necessari e loro reperibilità, stima grossolana dell’effort. Il criterio di scelta non è “quale è più impressionante”, è “quale ha dati già disponibili e un proprietario interno disposto a rispondere”. Un caso d’uso senza sponsor operativo muore in fase 3, sempre.

Cosa deve produrre il partner in fase di assessment

Interviste ai responsabili di funzione, ricognizione delle fonti dati, valutazione di maturità tecnica e organizzativa. Il partner porta il metodo e il confronto con altri casi visti; l’azienda porta la verità sui propri processi, che nessun consulente può dedurre dall’esterno. Se vuoi capire in anticipo se sei in condizione di partire, la checklist di AI agent readiness copre proprio i prerequisiti da verificare prima di ingaggiare qualcuno.

La decisione del cliente, a fine fase, è una sola e non è delegabile: quale caso d’uso va in pilota. Il partner può classificare, stimare e sconsigliare, non può scegliere al posto della direzione. Ed è il momento giusto per costruire il business case da presentare al board, perché i numeri raccolti qui sono gli unici che avrai prima di spendere.

Fase 2, Pilot: un solo caso d’uso e un numero da battere

Il pilota ha una funzione precisa e limitata: verificare su dati veri e utenti veri che il valore ipotizzato esista. Tetra Tech lo descrive come lo strumento per «dimostrare rapidamente le capacità» e aumentare la consapevolezza interna, e aggiunge un punto che di solito si trascura, i piloti servono da «blueprint per l’adozione a livello enterprise», cioè insegnano i vincoli operativi dell’organizzazione prima che costino.

La regola non negoziabile è che la metrica di successo si dichiara prima di iniziare, non dopo aver visto il risultato. Tempo medio di gestione di una pratica, percentuale di richieste risolte senza escalation, ore risparmiate a settimana su un’attività identificata: un numero, misurato prima, misurato dopo. Un pilota senza baseline è una demo, e le demo si vincono sempre.

Il partner costruisce, integra sui sistemi reali e misura. Il cliente decide la soglia: quale valore della metrica autorizza il passaggio in produzione e quale invece chiude il progetto. Dichiarare in anticipo anche la condizione di stop è il segnale più affidabile che un percorso sia serio, e i tre pattern che nel 2026 portano davvero un agente in produzione partono tutti da questa disciplina.

Durata realistica: quattro-otto settimane su un caso d’uso circoscritto. Se un pilota sfora i tre mesi, quasi sempre il perimetro era troppo largo o mancavano i dati che l’assessment aveva dato per disponibili.

Fase 3, Deploy: dal prototipo che funziona al sistema che regge

È qui che si perde la maggior parte dei progetti, e la ragione è che deploy non significa “accendere il pilota per tutti”. Significa aggiungere tutto quello che il pilota poteva permettersi di non avere: gestione degli errori, log, controllo degli accessi, comportamento in caso di indisponibilità del modello, procedura di rollback. Microsoft colloca in questa fase le voci “Ready” e “Secure” del proprio framework, con la checklist enterprise che comprende governance, networking, affidabilità e la scoperta dei rischi di sicurezza specifici dell’AI.

Il deliverable che distingue un deploy da un’estensione del pilota è il runbook: il documento che dice cosa fare quando il sistema sbaglia, chi lo dice, e in quanto tempo. Senza runbook, il primo incidente diventa una decisione improvvisata presa dalla persona sbagliata.

Il perimetro dei dati lo decide il cliente

Il partner configura permessi, segmenta le fonti e implementa i controlli. Ma quali documenti l’agente può leggere, quali utenti possono interrogarlo e cosa non deve mai uscire dal perimetro aziendale sono decisioni di titolarità, non scelte tecniche. Chi accetta di prendersele addosso al posto tuo ti sta facendo un favore apparente e un danno reale.

In parallelo parte l’abilitazione delle persone, che non è un webinar: è affiancamento sul lavoro vero. La guida pratica all’onboarding di agenti AI in azienda entra nel dettaglio delle prime settimane, mentre il resoconto su cosa fa concretamente il partner nei primi 30 giorni è il riferimento più vicino a questa fase.

Fase 4, Scale: replicare senza moltiplicare i costi

Scalare non vuol dire dare l’accesso a più utenti: quello è ancora deploy. Vuol dire portare il secondo e il terzo caso d’uso riusando l’infrastruttura, le integrazioni e le policy già costruite. Se il secondo progetto costa quanto il primo, la fase 3 è stata fatta male, non è stata prodotta nessuna base riutilizzabile, e ogni caso d’uso resta un’isola con il proprio costo di manutenzione.

Il segnale di salute misurabile è semplice: tempo e costo del caso d’uso N+1 in calo rispetto al precedente. Se la curva è piatta, si torna indietro a consolidare invece di aggiungere.

C’è poi la componente che le aziende sottostimano di più, ed è organizzativa. L’Osservatorio del Politecnico rileva che le richieste di competenze AI negli annunci di lavoro sono cresciute del 93% nel 2025, e che il 41% dei lavoratori svolge grazie all’AI attività che altrimenti non riuscirebbe a fare. Ma perché quel 41% non diventi un’élite isolata dentro l’azienda serve un lavoro esplicito sulle persone: il change management per gli agenti AI e la formazione strutturata del team sono la parte della fase 4 che nessuna piattaforma risolve da sola.

Qui il ruolo del partner cambia natura: da esecutore diventa abilitatore. Il suo obiettivo dichiarato deve essere renderti capace di fare senza di lui la maggior parte delle cose, se non lo è, hai comprato una dipendenza, non un servizio. È il motivo per cui un partner serve soprattutto nel passaggio da progetto a capacità interna, non nella scrittura del primo prompt.

Fase 5, Run: governance, misura e manutenzione dopo il go-live

La fase 5 è quella che le presentazioni saltano, ed è quella che dura per sempre. Comprende monitoraggio della qualità delle risposte, controllo dei costi di consumo, aggiornamento dei modelli quando i fornitori li deprecano, revisione periodica dei permessi e registro degli incidenti.

Governance dell’adozione AI: AI Act, NIST e ISO 42001

Sul lato conformità il riferimento operativo è duplice. L’articolo 4 dell’AI Act europeo, applicabile dal 2 febbraio 2025, obbliga fornitori e deployer a garantire «un livello sufficiente di alfabetizzazione in materia di IA» del proprio personale: è un obbligo che ricade anche su chi si limita a usare sistemi di terzi, non solo su chi li sviluppa. Per il perimetro completo di scadenze e adempimenti c’è la nostra guida su cosa prevede l’AI Act e chi deve adeguarsi.

Sul lato rischio, il NIST AI Risk Management Framework, volontario, versione 1.0 dal gennaio 2023, con un profilo dedicato all’AI generativa pubblicato nel luglio 2024, organizza il lavoro in quattro funzioni: Govern, Map, Measure, Manage. Chi vuole una struttura certificabile ha invece ISO/IEC 42001, lo standard per i sistemi di gestione dell’intelligenza artificiale. Sono strumenti utili anche a chi non deve certificarsi, perché costringono a scrivere chi governa cosa. Il modo pratico di applicarli in una PMI è descritto in governance degli agenti AI: policy, ruoli e AI Act.

Vale la pena notare che il divario fra uso e controllo è documentato: l’AI Index 2025 di Stanford segnala che gli incidenti legati all’AI crescono rapidamente mentre le valutazioni standardizzate di AI responsabile restano rare persino fra i grandi sviluppatori di modelli, e cosa dicono quei numeri a chi lavora qui l’abbiamo letto in Stanford AI Index: cosa dice alle PMI italiane. Il presidio in fase 5 non è burocrazia: è la parte che decide se il sistema resta acceso.

Quanto dura, quanto costa e cosa chiedere al partner

Sulle durate esistono ordini di grandezza ricorrenti, non misure: assessment due-quattro settimane, pilota quattro-otto, deploy sei-dodici, con scale e run che diventano attività continuative. Sono stime di esperienza, non dati misurati su un campione, e vanno trattate come tali, chi ti promette una data certa prima di aver visto i tuoi dati sta vendendo, non stimando. Il tema è approfondito in quanto dura implementare un agente AI.

Tre domande da fare al partner prima di firmare

Sui costi vale la stessa onestà: dipendono dal numero di integrazioni e dalla qualità del dato di partenza, che è la variabile più sottovalutata e la più cara da sistemare a valle. Le uniche domande che discriminano davvero un fornitore serio sono tre: quali deliverable mi consegni per ogni fase, cosa resta in casa mia se domani ci separiamo, e qual è la condizione in cui mi dici di fermarmi. I criteri completi per la scelta sono in come scegliere il fornitore AI giusto in Italia.

Noi di MIMIR lavoriamo esattamente su questo confine: l’agente è il prodotto, ma il percorso di adozione, assessment, pilota misurato, onboarding assistito delle persone e presidio dopo il go-live, è il servizio, e senza il secondo il primo resta una licenza inutilizzata. Se hai un processo che ti sembra un buon candidato e vuoi capire in che ordine muoverti, scrivici: il primo passo è sempre guardare i tuoi dati e dirti onestamente se vale la pena partire.

Fonti:

• Osservatorio Artificial Intelligence, Politecnico di Milano
• Eurostat — Use of artificial intelligence in enterprises
• Microsoft — Cloud Adoption Framework for AI, AI strategy
• Tetra Tech — A framework for enterprise AI adoption
• Gartner — 30% dei progetti di AI generativa abbandonati dopo il PoC entro fine 2025
• AI Act — articolo 4, alfabetizzazione in materia di IA
• NIST — AI Risk Management Framework
• ISO/IEC 42001 — sistemi di gestione per l’intelligenza artificiale
• Stanford HAI — AI Index Report 2025