Tra le grandi imprese italiane il 71% ha già avviato almeno un progetto di intelligenza artificiale. Tra le PMI la quota si ferma all’8%. Sessanta punti percentuali di distanza, rilevati dall’Osservatorio Artificial Intelligence del Politecnico di Milano, che sullo stesso periodo registra una crescita del mercato italiano concentrata quasi tutta nelle aziende sopra i 250 addetti.
Il freno non è la tecnologia: gli strumenti esistono, sono accessibili e in molti casi non richiedono infrastrutture dedicate. Manca il resto, cioè sapere dove iniziare, con quale obiettivo misurabile e con quale ordine di priorità.
Il primo ostacolo è organizzativo, non tecnologico
Quando ISTAT ha chiesto alle imprese italiane cosa le freni dall’adottare l’intelligenza artificiale, la risposta più frequente è stata la mancanza di competenze e conoscenze interne, prima ancora del costo.
Il dato è coerente con un contesto strutturale: l’Italia ha una delle quote più basse di laureati in discipline ICT in Europa. 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 che pesa, e dove invece aggiunge complessità senza cambiare nulla.
Una quota rilevante di 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 guida un’azienda dovrebbe considerare con attenzione. Una quota significativa dell’uso di strumenti AI nelle PMI avviene fuori dal perimetro governato: dipendenti che usano ChatGPT o applicazioni di scrittura e analisi dati senza che l’azienda lo sappia, e senza alcuna regola su quali informazioni escono.
L’Osservatorio del Politecnico di Milano lo chiama “Shadow AI”. È un rischio di sicurezza che nasce dall’assenza di regole interne, prima che da qualsiasi scelta tecnologica.
Dove l’intelligenza artificiale produce risultati misurabili
Le aree in cui le imprese italiane stanno adottando l’AI con maggiore frequenza sono tre, secondo i dati ISTAT: marketing e vendite, processi amministrativi, ricerca e sviluppo, con pesi diversi da settore a settore.
Ma per una PMI che deve decidere dove investire il criterio è l’impatto sul singolo processo, più della frequenza di adozione registrata nel settore.
Customer service e gestione delle richieste. È l’area con i risultati più documentati. I sistemi conversazionali basati su AI riducono in modo sensibile i tempi di risposta e il volume di richieste che arrivano a una persona.
Un chatbot generico davanti al supporto clienti serve a poco. Il lavoro utile sta nell’automatizzare le risposte alle domande ricorrenti, quelle che occupano la maggior parte del tempo di chi risponde, e nel liberare le persone per le richieste che richiedono competenza. Quanto lavoro possa assorbire un sistema del genere si stima in un minuto con il calcolatore dell’assistente AI.
Nel tessuto produttivo veneto la stessa dinamica prende forme circoscritte: abbiamo raccontato come le PMI del Veneto stanno portando l’AI dentro i processi e da quali attività conviene partire.
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 dei dati e previsione. Qualifica dei contatti, segmentazione clienti, previsione della domanda: sono attività che la maggior parte delle PMI svolge in modo intuitivo o su fogli di calcolo. L’AI non elimina l’intuizione commerciale, la affianca con le regolarità che emergono dallo storico e riduce il margine di errore sulle decisioni che pesano sul fatturato.
È lo stesso terreno della business intelligence e del controllo di gestione: i dati smettono di vivere in fogli sparsi e iniziano a rispondere a domande, come nel passaggio da Excel a una dashboard di controllo.
Il vero discriminante è il metodo, non lo strumento
La differenza tra un’azienda che sperimenta l’intelligenza artificiale e una che ne ricava un risultato stabile sta nel metodo con cui identifica il problema da risolvere, prima ancora che nella piattaforma scelta.
Il metodo 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 sia la risposta giusta.
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. Le imprese che ottengono risultati strutturali dall’AI hanno quasi sempre 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 raramente è “nessuna AI”: è 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. A guidare la classifica europea sono i paesi nordici, con livelli di adozione molto più alti.
Per le imprese del Nord Est il dato rilevante è la vicinanza alla soglia critica, più della distanza dalla Danimarca. Quando l’adozione supera il 20-25% degli operatori di un settore, 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.
L’errore ricorrente è partire da un obiettivo troppo ampio
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 e misurabile.
La sequenza conta più dell’ambizione. E la prima decisione riguarda quale problema risolvere per primo, non quale piattaforma adottare.
Il primo passo praticabile da lunedì costa poco: mettere per iscritto quali strumenti AI circolano già in azienda, con quali dati e per quali attività. È la mappa da cui parte ogni progetto sensato, ed è il punto di partenza dei percorsi che seguiamo sull’intelligenza artificiale per le PMI del Veneto.
Descrivi all’assistente il processo che oggi costa più tempo: dice da dove conviene partire
