Le aziende cinesi hanno adottato la GenAI con ambizione e velocità. Il risultato, analizzato su oltre mille interazioni con AI leader nel paese, è una mappa dettagliata degli errori più comuni. Solo l'8% delle imprese cinesi aveva già deployato GenAI in produzione a giugno 2024, a fronte di un tasso globale superiore al 20%. Il gap non è tecnologico: è metodologico. E i dodici pitfall documentati sono trasferibili a qualsiasi organizzazione nel mondo.
Ossessione per il ROI a breve termine
Il primo errore è concentrarsi troppo sui ritorni tangibili immediati, perdendo di vista la strategia complessiva. Il ROI è una domanda legittima, ma quando diventa l'unico criterio di valutazione, porta a escludere investimenti in sviluppo del talento e innovazione di lungo periodo che costruiscono vantaggio competitivo reale. Il caso DeepSeek R1 illustra bene questo punto: un modello sviluppato privilegiando la ricerca rispetto alla commercializzazione ha prodotto risultati che hanno sorpreso il settore.
Non identificare il vero collo di bottiglia
Un'azienda ha introdotto un assistente AI per il codice, ottenendo un miglioramento del 10% nel processo di sviluppo. Ha poi esteso lo strumento a più sviluppatori, aumentando la produzione di codice del 10%. Il problema: ha dovuto assumere molti più tester per gestire l'output aggiuntivo, rallentando l'intero processo. Il collo di bottiglia reale non era nella scrittura del codice. Adottare GenAI senza prima identificare dove si trova il vero problema operativo produce benefici parziali o nulli.
Priorità alla tecnologia invece che ai risultati di business
Un'impresa ha investito 200 milioni di renminbi in risorse GPU in anticipo, anticipando usi futuri. Sei mesi dopo, nessun caso d'uso concreto era stato identificato. Quando l'innovazione è guidata dall'IT senza un ownership del business, i risultati restano indefiniti e le trasformazioni si bloccano per mancanza di metriche chiare.
POC troppo lunghi senza criteri di uscita
Un proof of concept non dovrebbe superare i tre mesi. Chi investe un anno in un POC senza definire criteri di uscita chiari si trova intrappolato in un ciclo costoso, con difficoltà a giustificare la spesa al management. La regola pratica è semplice: se il modello migliore disponibile non produce risultati vicini alle aspettative entro tempi ragionevoli, conviene abbandonare quel caso d'uso e spostarsi su un altro.
Democratizzazione senza governance
La GenAI è accessibile a tutti. Questo è un vantaggio e un rischio insieme. Quando un'azienda inserisce informazioni aziendali riservate in strumenti pubblici come ChatGPT per ottenere intelligence sui concorrenti, si espone a rischi significativi di perdita di dati. Rendere la GenAI accessibile internamente richiede un programma di AI literacy e una policy d'uso chiara prima ancora di distribuire gli strumenti.
Troppa attenzione al foundation model
Oltre la metà delle aziende cinesi intervistate stava effettuando fine-tuning o sviluppando modelli propri. Il problema è che addestrare un modello custom richiede risorse GPU enormi e spesso produce benefici marginali rispetto all'uso di modelli commerciali esistenti. In architetture RAG, ad esempio, un approccio ibrido che combina ricerca semantica e ricerca per parole chiave performa meglio di una soluzione basata esclusivamente su GenAI. Il modello è un componente, non l'intera soluzione.
