Il mercato dell’intelligenza artificiale in Italia ha raggiunto 1,8 miliardi di euro nel 2025, con una crescita del 50% rispetto all’anno precedente. Il dato, rilevato dall’Osservatorio Artificial Intelligence del Politecnico di Milano, racconta un’accelerazione significativa. Ma racconta anche un paradosso.
Il 53% delle grandi imprese italiane ha già avviato almeno un progetto di intelligenza artificiale. Tra le PMI, la percentuale scende sotto il 16%. Il divario non si sta riducendo, anzi si sta ampliando: nel 2023 la distanza tra grandi aziende e PMI era di 20 punti percentuali, oggi supera i 37.
Non è un problema di tecnologia. Le soluzioni esistono, sono accessibili e in molti casi non richiedono infrastrutture dedicate. Il problema è un altro: sapere dove iniziare, con quale obiettivo concreto e con quale ordine di priorità.
Il primo ostacolo non è tecnologico. È organizzativo
Quando ISTAT ha chiesto alle imprese italiane cosa le freni dall’adottare l’intelligenza artificiale, la risposta più frequente, indicata dal 55% delle aziende, non è stata il costo. È stata la mancanza di competenze e conoscenze interne.
Il dato è coerente con un contesto strutturale: l’Italia ha la percentuale più bassa di laureati ICT in Europa, appena l’1,5% del totale, contro una media UE del 4,5%. Ma le competenze mancanti non sono quelle che si potrebbero immaginare. Non servono data scientist in ogni reparto. Serve la capacità di identificare dove l’intelligenza artificiale risolve un problema reale, e dove invece aggiunge complessità senza valore.
Il 44% delle imprese cita anche un freno culturale: la diffidenza verso il cambiamento, l’incertezza su come riorganizzare i processi, il timore che l’automazione sostituisca il lavoro umano anziché potenziarlo.
Esiste poi un fenomeno che chi gestisce un’azienda dovrebbe considerare con attenzione. Il 74% dell’utilizzo di strumenti AI nelle PMI avviene al di fuori del perimetro aziendale: dipendenti che usano ChatGPT, tool di generazione testi o di analisi dati senza che l’azienda ne sia consapevole e senza alcuna governance sui dati che vengono condivisi. L’Osservatorio del Politecnico di Milano lo definisce “Shadow AI”: un rischio concreto di sicurezza che nasce non dal rifiuto dell’innovazione, ma dall’assenza di una strategia.
Dove l’intelligenza artificiale genera valore misurabile
Le aree in cui le imprese italiane stanno adottando l’AI con maggiore frequenza sono tre, secondo i dati ISTAT 2025: marketing e vendite (33%), processi amministrativi (26%) e ricerca e sviluppo (20%).
Ma il dato più utile per una PMI che deve decidere dove investire non è quello sulla frequenza di adozione, bensì quello sull’impatto.
Customer service e gestione delle richieste. È l’area con i risultati più documentati. Sistemi conversazionali basati su AI riducono i tempi di gestione delle richieste fino al 70% e il volume di ticket che richiedono intervento umano del 40-50%. Non si tratta di sostituire il supporto clienti con un chatbot generico. Si tratta di automatizzare le risposte alle domande ricorrenti, quelle che occupano la maggior parte del tempo del team, liberando risorse per le richieste che richiedono competenza e giudizio.
Elaborazione documentale. Fatture, contratti, ordini, documentazione tecnica: la maggior parte delle PMI gestisce questi flussi in modo manuale o semi-automatico. L’Intelligent Document Processing (IDP), che combina riconoscimento ottico, elaborazione del linguaggio naturale e apprendimento automatico, permette di classificare, estrarre e processare documenti con un livello di accuratezza e una velocità che il lavoro manuale non può raggiungere.
Analisi commerciale e previsione. Lead scoring, segmentazione clienti, previsione della domanda: sono attività che la maggior parte delle PMI svolge in modo intuitivo o basandosi su fogli di calcolo. L’AI non elimina l’intuizione commerciale, la affianca con pattern riconoscibili nei dati storici, riducendo il margine di errore nelle decisioni che hanno impatto diretto sul fatturato.
Il vero discriminante è il metodo, non lo strumento
La differenza tra un’azienda che sperimenta l’intelligenza artificiale e una che ne trae valore strutturale non sta nella scelta della piattaforma tecnologica. Sta nel metodo con cui identifica il problema da risolvere.
Un approccio che funziona segue tre criteri.
Partire dal processo, non dalla tecnologia. La domanda corretta non è “dove possiamo usare l’AI?” ma “quale processo ci costa più tempo, genera più errori o limita la nostra capacità di crescere?”, e solo dopo valutare se l’intelligenza artificiale è la risposta più efficace.
Misurare prima di automatizzare. Senza una baseline chiara (quanto tempo impiega oggi quel processo, quanti errori produce, quanto impatto ha sul margine) è impossibile valutare se l’investimento ha generato un ritorno. Il 62% delle grandi imprese italiane che ha ottenuto risultati dall’AI aveva definito KPI di riferimento prima di avviare il progetto.
Governare l’adozione. Il fenomeno della Shadow AI dimostra che l’alternativa a una strategia AI non è “nessuna AI”, bensì un’adozione non governata, con rischi sui dati, sulla sicurezza e sulla coerenza dei processi. Definire linee guida interne su quali strumenti utilizzare, con quali dati e per quali scopi è un’attività a basso investimento con un impatto immediato sulla sicurezza operativa.
Il contesto europeo: dove si colloca l’Italia
Il 20% delle imprese europee con più di 10 addetti utilizza tecnologie di intelligenza artificiale. L’Italia, con il suo 16,4%, è al di sotto della media, ma non ai margini. I paesi nordici guidano la classifica: Danimarca al 42%, Finlandia al 38%, Svezia al 35%.
Il dato rilevante per le imprese del Nord Est non è la distanza dalla Danimarca, bensì la vicinanza alla soglia critica. Quando l’adozione in un mercato supera il 20-25%, chi non ha ancora integrato l’AI nei propri processi inizia a perdere competitività in modo visibile: tempi di risposta più lenti, costi operativi più alti, capacità di personalizzazione inferiore.
Il manifatturiero italiano, che rappresenta una parte significativa del tessuto industriale veneto, è tra i settori con il maggiore potenziale di trasformazione e il margine di crescita più ampio. Le aziende che operano in questo settore hanno processi ripetitivi, documentazione tecnica corposa e cicli commerciali complessi: esattamente le condizioni in cui l’intelligenza artificiale produce i risultati più misurabili.
Non è una questione di dimensione. È una questione di sequenza
L’errore più frequente che osserviamo nelle PMI che approcciano l’intelligenza artificiale è tentare di fare troppo, troppo presto. Un progetto AI che parte da un obiettivo ampio, come “digitalizzare l’azienda con l’AI”, ha alte probabilità di arenarsi. Un progetto che parte da un processo specifico, con metriche definite e un perimetro controllabile, ha alte probabilità di produrre un risultato visibile in settimane, non in mesi.
La sequenza conta più dell’ambizione. E la prima decisione da prendere non riguarda quale piattaforma adottare, ma quale problema risolvere per primo.
