- Il rapporto MIT State of AI in Business 2025 mostra che le aziende hanno speso 30-40 miliardi di dollari in IA generativa, ma il 95% non ha visto un ritorno sull’investimento; solo il 5% ha superato il “Divario della GenAI”.
- Qlik & ESG: il 94% delle aziende sta aumentando gli investimenti in IA, ma solo il 21% opera in modo efficace. Informatica: le cause principali sono la scarsa qualità dei dati, la mancanza di preparazione e un’infrastruttura immatura.
- Il problema non risiede nei modelli di IA stessi, ma nella mancanza di integrazione, nell’incapacità di misurare l’adeguatezza dei dati, nelle aspettative dei dipendenti e in una governance dinamica.
- I framework tradizionali (RICE, ICE, MoSCoW) falliscono con l’IA perché:
- La Reach (Portata) si basa su numeri di utenti assoluti, facilmente esagerabili.
- La Confidence (Fiducia) è soggettiva e ignora i rischi dei dati e le capacità del modello.
- L’Effort (Sforzo) tiene conto solo della codifica, non del costo della pulizia dei dati.
- L’Impact (Impatto) è difficile da misurare perché l’IA può assistere o sostituire gli esseri umani e il comportamento non è coerente.
- Apple, con la sua ricerca “L’illusione del pensiero”, evidenzia i limiti dei Grandi Modelli di Ragionamento (LRM): difficoltà a generalizzare oltre i dati di addestramento e comportamento instabile.
- Uno studio di Stanford del 2025 su 800 compiti/100 professioni ha rilevato che i dipendenti vorrebbero che l’IA assistesse quasi il 50% del loro lavoro, ma molti progetti di IA si concentrano sui compiti sbagliati. La proposta “Scala dell’Agenzia Umana” mostra che il valore più alto risiede nell’assistenza dell’IA, non nella sostituzione.
- ARISE (Valutazione della Prontezza e dell’Impatto dell’IA) è stato creato per sostituire RICE:
- Mantiene Portata, Impatto, Fiducia e Sforzo ma ne standardizza le scale.
- Aggiunge 3 nuovi fattori: AI Desire (esigenza reale), AI Capability (dati, maturità del modello) e Intent (assistenza IA vs. automazione).
- Formula: Punteggio ARISE = (Portata * Impatto * Fiducia / Sforzo) × Desiderio IA × Capacità IA × Moltiplicatore di Intento.
- Esempio: un assistente di codifica IA (punteggio ARISE = 20) ha una priorità più alta rispetto a un’IA di correzione automatica degli errori (punteggio = 1) perché la capacità dei dati è ancora debole.
- ARISE aiuta le aziende a evitare di inseguire demo appariscenti e a concentrarsi su progetti con un valore reale, bilanciando esseri umani e IA.
📌
Nonostante siano stati investiti 30-40 miliardi di dollari in IA generativa, il 95% delle organizzazioni non ne ha ancora raccolto i frutti, principalmente a causa di quadri di gestione dei progetti obsoleti e della mancanza di preparazione dei dati. ARISE emerge come uno strumento nativo per l’IA per sostituire RICE, aggiungendo metriche per il Desiderio, la Capacità e l’Intento dell’IA per garantire fattibilità e valore reale. Ciò aiuta le aziende a evitare le trappole comuni, a dare la priorità ai giusti progetti di IA e a bilanciare l’assistenza umana con l’automazione.
