Le 5 precondizioni che nessuno nomina, ossia la Systemic Readiness

C'è un dato che torna in quasi tutte le testimonianze dei dirigenti e che il dibattito pubblico continua a ignorare. L'intelligenza artificiale non produce valore in modo automatico. La sua efficacia dipende da condizioni che devono esistere prima, e che nella maggior parte delle organizzazioni italiane non sono ancora presenti in modo strutturato.

Il report EduNext 2026 dell'Osservatorio Look4ward (Luiss e Intesa Sanpaolo) le chiama "precondizioni sistemiche" e le riassume in un costrutto, la Systemic Readiness. Sono cinque dimensioni, e la loro assenza determina il fallimento delle iniziative IA più ambiziosamente annunciate. Comprare lo strumento è facile; predisporre il terreno perché funzioni è il lavoro vero, ed è quasi sempre quello che manca.

Più di 8 progetti su 10 falliscono

Quota di progetti che non arrivano a generare valore. Fonte RAND, 2024.

Non è un'impressione. Uno studio della RAND Corporation del 2024, basato su interviste a sessantacinque tra data scientist e ingegneri esperti, stima che oltre l'80% dei progetti di IA fallisca, il doppio del già alto tasso di insuccesso dei progetti informatici tradizionali. Le cause ricorrenti non sono tecnologiche. Sono il problema mal definito, i dati insufficienti, l'attrazione per la tecnologia più nuova invece che per il problema reale, e l'infrastruttura inadeguata a gestire dati e modelli. Lo stesso messaggio del corpus EduNext, da un'altra angolazione.

«Il limite non è la tecnologia, ma il mindset, la cultura e quello che le persone riescono a fare. Le organizzazioni che capiscono questo partono da un punto completamente diverso.»

Le cinque dimensioni del Systemic Readiness

Le condizioni che devono esistere prima dell'IA. Fonte EduNext 2026.

La prima dimensione è l'infrastruttura dei dati, ovvero qualità, coerenza e accessibilità del patrimonio informativo. Senza dati in ordine, ogni applicazione intelligente parte azzoppata. La seconda è la cultura e il mindset, cioè la capacità delle persone di attraversare l'incertezza, accettare il cambiamento e usare gli strumenti con spirito critico. La terza è l'assetto organizzativo, ovvero ruoli, processi e strutture ridisegnati perché esseri umani e agenti algoritmici lavorino insieme in team davvero efficaci.

La quarta è la governance procedurale e istituzionale, fatta di framework di responsible AI, accountability decisionale e quella che il report chiama doppia responsabilità, sia per l'adozione sia per la non-adozione. La quinta, il contributo più originale della ricerca, è la velocità di apprendimento adattivo, cioè la capacità di comprimere il ciclo che va dal segnale alla decisione, all'esecuzione, all'apprendimento. È questa rapidità a distinguere le organizzazioni più mature da quelle che restano indietro.

Il prerequisito invisibile, ossia i dati in ordine

La maturità di un'organizzazione non si misura dagli strumenti adottati, ma dalla qualità dell'infrastruttura su cui quegli strumenti operano. Molte aziende scoprono di non avere le basi informative necessarie, ovvero database frammentati, tassonomie incoerenti, archivi costruiti negli anni senza logiche standardizzate. Un'azienda di servizi intervistata nel report racconta di aver dedicato il primo anno di transizione quasi esclusivamente alla pulizia dei propri dati. Un lavoro poco visibile, difficile da comunicare internamente, eppure indispensabile.

«Non siamo pronti perché i dati non sono in ordine.»

Il change management viene prima della tecnologia

La traiettoria quasi universale dell'adozione dell'IA. Fonte EduNext 2026.

Il principale collo di bottiglia non è tecnologico, è la capacità delle persone e delle organizzazioni di cambiare il modo in cui lavorano. Le narrazioni dei leader convergono su una traiettoria quasi universale, che attraversa paura, comprensione, accettazione e infine utilizzo fluido. Un percorso non lineare, che richiede investimenti nella gestione del cambiamento prima ancora che in tecnologia.

Qui c'è un punto che ci sta particolarmente a cuore, perché tocca il senso stesso del nostro lavoro. La formazione, da sola, non basta. La responsabile della formazione di una grande organizzazione lo sintetizza con onestà, e vale la pena ascoltarla.

«La formazione è una leva potentissima, ma non è la formazione a trasformare l'organizzazione. Se chi gestisce le persone non crea le condizioni abilitanti, la formazione genera frustrazione: a tutti vengono mostrate le possibilità, senza che possano realizzarle.»

Formare senza ridisegnare ruoli e processi mostra alle persone una porta che resta chiusa. Per questo la formazione efficace lavora sempre insieme all'organizzazione, non al posto suo.

La doppia responsabilità, ossia anche non adottare ha un costo

C'è una dimensione della governance che il report introduce con forza e che ribalta la prospettiva abituale. Di solito si discutono i rischi di adottare l'IA troppo in fretta. Ma anche il ritardo ha un costo, reale e competitivo, che le organizzazioni spesso non contabilizzano. La leadership matura riconosce e governa entrambe le direzioni del rischio, quella dell'adozione e quella dell'omissione. Non si tratta di correre, ma di scegliere con consapevolezza quando muoversi e quando aspettare.

«Più una cosa è urgente, più ci dobbiamo prendere tempo. La fretta nell'adozione dell'IA non è un'alleata, è la strada più veloce per sprecare risorse e creare resistenze che poi costano il doppio.»

Da dove si parte per misurare la readiness

Le cinque dimensioni non sono un esercizio teorico. Sono esattamente ciò che un'organizzazione dovrebbe misurare prima di investire, per sapere dove è pronta e dove no. È il principio su cui si fonda il nostro lavoro di valutazione della prontezza all'IA, il Retoria AI Readiness. Non partiamo dagli strumenti, ma dalle precondizioni, ovvero i dati, la cultura, l'organizzazione, la governance e la capacità di apprendere. Costruire queste basi è ciò che trasforma un acquisto in un risultato.

Questo articolo nasce dal lavoro su dati e processi che è il cuore della funzione amministrativa, e dalla convinzione che la trasformazione si governa, non si subisce.

Per verificare se la propria organizzazione sia pronta per l'IA e valutarne il livello di AI readiness è possibile scriverci qui, scoprire il metodo Retoria, oppure leggere perché comprare l'IA non basta e perché l'Italia è penultima in Europa per l'uso dell'IA.

Nota metodologica

Le cinque dimensioni del Systemic Readiness e le citazioni dei dirigenti (anonimizzate) provengono dal report EduNext 2026 (capitolo 2.2), basato su trentadue interviste in profondità a figure apicali condotte tra dicembre 2025 e aprile 2026, con metodologia Grounded Theory Costruttivista. Il costrutto è letto dagli autori come specificazione delle dynamic capabilities (Teece, Pisano e Shuen, 1997) nell'era dell'IA. Il dato sul tasso di fallimento dei progetti proviene dallo studio RAND 2024 su un campione di sessantacinque esperti. Le percentuali del grafico sono arrotondate a fini illustrativi.

Fonti

• RAND Corporation — The Root Causes of Failure for Artificial Intelligence Projects (2024).
• Osservatorio Look4ward, Luiss Research Center for Strategic Change "Franco Fontana" & Intesa Sanpaolo (2026). EDUNext: Nuovi scenari per l'Education e le competenze nell'era dell'IA (CC BY 4.0).
• Teece, D. J., Pisano, G. & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal.
• Kotter, J. P. (2012). Leading Change. Harvard Business Review Press.