Argomenti trattati
L’introduzione dell’intelligenza artificiale nel tessuto produttivo italiano non è più un’ipotesi futura ma una realtà in piena espansione. Secondo l’analisi congiunta di Anitec-Assinform e del Politecnico di Torino, il mercato ha raggiunto i 1,24 miliardi di euro e mostra una crescita del 33% rispetto all’anno precedente, con una proiezione che punta oltre i 2,5 miliardi entro il 2028. Parallelamente, i dati ISTAT evidenziano che la quota di imprese che utilizza almeno una soluzione di IA è passata dall’8% al 16,4% in un solo anno, segnale di una svolta ma non di una diffusione omogenea.
Questa transizione è però caratterizzata da un’evidente asimmetria: l’adozione si concentra in aziende con più risorse e processi già digitalizzati, mentre molte realtà, in particolare le PMI, restano più lente. Il rapporto mette in risalto che l’IA spesso si integra in processi preesistenti, potenziandoli più che soppiantandoli, ma perché ciò diventi sistema servono basi dati organizzate, infrastrutture adeguate e capacità manageriali di implementazione.
Adozione diseguale: chi accelera e chi frena
Lo sviluppo delle soluzioni di IA segue percorsi diversi a seconda del settore e della dimensione aziendale. Nei servizi ad alta intensità di capitale umano e nelle grandi imprese l’adozione è più spinta, mentre nelle imprese più piccole l’ingresso dell’IA è spesso limitato a progetti pilota. Le ostacolanti principali sono finanziarie, culturali e legate alle competenze: senza figure in grado di leggere i dati, gestire i modelli e integrare gli output nei processi decisionali, gli investimenti rischiano di rimanere inefficaci. In assenza di questi presupposti, la trasformazione rischia di generare un divario competitivo crescente.
Barriere tecniche e logiche di diffusione
Un elemento cruciale è che l’IA si innesta normalmente dove esistono già elementi di digitalizzazione: basi dati strutturate, piattaforme e governance dei dati. Dove queste mancano, l’adozione è episodica e frammentata. Le soluzioni più diffuse sono quelle che migliorano operazioni consolidate — come manutenzione predittiva o controllo qualità — piuttosto che riqualificare interi modelli di business. Questo profilo spiega perché si osservano sia esempi di forte impatto sia molte aziende che non riescono a passare dalla sperimentazione alla scala.
Come cambia il lavoro: più trasformazione che eliminazione
Il rapporto rileva che l’effetto principale dell’IA sul lavoro non è una sostituzione massiccia della forza lavoro, ma una trasformazione delle mansioni. In linea con evidenze internazionali, si registra una contrazione delle opportunità per profili junior in posizioni AI-intensive, mentre per il resto emerge una prevalenza di logiche di augmentation rispetto all’automazione pura: attività ripetitive e cognitive vengono automatizzate, liberando tempo per compiti di supervisione, integrazione e decisione.
Impatto trasversale nei settori
Questo fenomeno riguarda sia l’industria, con applicazioni in supply chain e manutenzione, sia i servizi, dove l’IA supporta analisi e processi decisionali. Anche settori tradizionalmente meno tecnologici stanno sperimentando l’adozione di soluzioni come tecnologie general purpose. Tuttavia, il vero cambiamento richiede figure in grado di interpretare gli output, valutare l’affidabilità degli algoritmi e tradurre i risultati in azioni operative.
Formazione, politiche e raccomandazioni pratiche
Al centro della strategia proposta dal rapporto c’è la formazione: oltre il 60% degli italiani si dichiara privo delle competenze digitali necessarie per la transizione. Per questo le raccomandazioni — in tutto 23 — insistono sul collegamento tra investimenti tecnologici e capitale umano: tra le proposte emerge la sperimentazione di un conto personale di formazione per l’AI, la razionalizzazione dell’offerta formativa e il rafforzamento del ruolo di università e ITS Academy.
Le istanze espresse da Anitec-Assinform e dal Politecnico di Torino sottolineano l’urgenza di politiche coordinate tra istituzioni, imprese e territori. Figure come Massimo Dal Checco, Stefano Sacchi e Riccardo Di Stefano evidenziano la necessità di percorsi di upskilling e reskilling accessibili, soprattutto per le PMI, affinché la transizione non accentui esclusioni ma diventi leva di produttività e innovazione. In pratica, la sfida dell’IA si vince investendo sulle persone e su un ecosistema formativo realmente spendibile.