Tra fallimenti annunciati e corsa all’adozione, come far funzionare davvero l’AI in azienda

Il dato, però, più interessante per comprendere l’adozione reale è rappresentato dalla modalità con cui le aziende usano la tecnologia. L’Osservatorio Artificial Intelligence del Politecnico di Milano segnala che in Italia l’81% delle grandi aziende ha almeno iniziato a valutare o ad attivare progettualità AI, ma restiamo sotto la media europea (89%).

Il nostro Paese rimane ultimo tra quelli analizzati per quota di aziende con almeno una progettualità AI attiva (59%), ma tra quelle che hanno iniziato una parte consistente è già oltre il proof of concept: un quarto delle grandi imprese dichiara progettualità a regime diffuse, più di Germania, Francia e Regno Unito.

Sulla GenAI “pronta all’uso” il Paese appare persino più veloce di altri: più della metà delle grandi aziende dichiara di aver acquistato licenze. E tra chi le usa, il 39% dice di avere riscontrato un aumento di produttività.

La tentazione è credere che basti “mettere in mano uno strumento” alle persone per ottenere risultati. Ma è proprio qui che si annida il paradosso: l’AI consumer e la GenAI da scrivania possono dare benefici immediati, mentre i progetti che dovrebbero cambiare davvero i processi richiedono ben altro: dati adeguati, integrazione organizzazione, governance, metriche e competenze.

L’Osservatorio del Politecnico evidenzia la spaccatura italiana: nelle Pmi l’adozione è “molto lontana” rispetto alle grandi. Il 58% si dichiara almeno interessato al tema, ma i progetti veri sono pochi: 7% delle piccole e 15% delle medie imprese dichiarano progettualità AI avviate, l’utilizzo di Ai generativa si ferma un modesto 8%.

Quando l’AI entra in queste aziende, spesso lo fa per ragioni difensive e concrete: efficienza operativa, ottimizzazione dei processi produttivi, riduzione scarti, manutenzione predittiva. Ma il limite più citato è strutturale: l’immaturità nella gestione del dato, vale a dire la precondizione senza la quale l’adozione dell’AI rimane azzoppata. In molte realtà minori i dati esistono, ma sono frammentati, sporadici, non governati, e, per di più, mancano tecnologie e competenze interne per rendere “addestrabile” un processo.

Per le aziende più piccole non è solo un tema di budget, è un tema di priorità, di organizzazione e di consapevolezza del rischio.

Se il Mit insiste sulla difficoltà della transizione tra pilota e produzione, le analisi italiane aiutano a capire quali ostacoli pesano di più nelle aziende reali. Il primo è economico-organizzativo: stimare i costi di una soluzione GenAI non è banale. Il Politecnico sottolinea come i modelli di pricing “a consumo” rendano difficile prevedere ex-ante il costo complessivo. Non sorprende, quindi, che più di un’azienda su due consideri complessa la gestione dei costi della GenAI.

Il secondo aspetto è normativo e reputazionale: il percorso di compliance è “ancora lungo”. Più della metà delle imprese attive sull’AI dichiara di non avere chiaro fino in fondo il quadro regolatorio dell’AI Act, e meno di un terzo ha avviato iniziative concrete sull’etica delle applicazioni.

Il terzo – e spesso decisivo – ostacolo è rappresentato dalla governance dell’uso quotidiano: l’AI entra comunque, anche quando l’azienda non è pronta. “Shadow AI” è la parola chiave: persone che usano strumenti non approvati per lavorare più in fretta. Le grandi imprese italiane mostrano una reazione: in più di quattro aziende su dieci sono state pubblicate linee guida e regole d’uso, e nel 17% dei casi è stato vietato l’utilizzo di tool non approvati.

In buona sostanza, l’adozione senza una governance definita può diventare un moltiplicatore di rischio, ma un eccesso di prudenza può congelare l’innovazione. Serve, quindi, una via di mezzo: regole chiare, strumenti approvati, formazione diffusa, casi d’uso selezionati e misurabili.

Nella “fabbrica che evolve” l’AI è sempre più percepita come leva competitiva. L’Osservatorio Mecspe fotografa un settore manifatturiero che dichiara un buon livello di maturità digitale (quasi sei aziende su dieci), ma che individua nelle competenze il collo di bottiglia. Tra le priorità di skill digitali segnalate dalle imprese: robotica e automazione intelligente, poi programmazione e sviluppo di AI e machine learning, quindi analisi e gestione dei Big Data.

Insomma, la tecnologia non manca, così come non mancano i vendor, perfino gli incentivi (quando ci sono) spingono gli investimenti. Ma senza persone in grado di progettare e far funzionare il cambiamento l’AI rischia di restare nel limbo del proof of concept.

A livello strategico il primo discrimine è avere un obiettivo operativo e metriche per misurarlo. L’Osservatorio nota che solo l’8% delle imprese ha metriche consolidate per misurare l’impatto del digitale: senza obiettivi, l’AI resta “cool tech”. In ogni caso si tratta di un approccio integrato che rimetta in discussione flussi, attività e responsabilità, in buona sostanza l’organizzazione aziendale nel suo complesso, come sottolinea anche il Mit. Se no la tecnologia rischia di finire fuori giri: le progettualità di successo in Italia nascono proprio da scelte di process re engineering e integrazione applicativa.

Ma il vero nodo è rappresentato dai dati, come già sottolineato. Quasi tutte le Pmi e molte grandi aziende inciampano qui: dati sparsi, non puliti, non versionati: data strategy, cataloghi e pipeline industriali sono prerequisiti per scalare, insieme a regole etiche/AI Act e policy contro la shadow AI.

Su questi fronti le grandi hanno massa critica e possono investire su data platform, governance e ingegnerizzazione dei processi: per questo la maggioranza ha progettualità attive e un quarto iniziative a regime diffuse. Ma resta un ritardo rispetto alla media europea: colmare il gap significa standardizzare i percorsi di adozione e industrializzare i casi d’uso a valore.

Per le Pmi il percorso è più complesso, frenato da risorse e dati: la strada più pragmatica è partire dai processi ripetitivi, usare strumenti pronti all’uso e misurare micro benefici subito. Gli incentivi 5.0 hanno aiutato, ma ora l’abilitante è la formazione e l’ecosistema che accompagni dall’idea alla produzione. Da questo punto di vista qualcosa si sta muovendo, a partire dal sistema imprenditoriale, ben consapevole che questa volta perdere il treno significa rischiare di rimanere ai margini dell’economia globale.