AI in Italia nel 2025: dove siamo davvero e cosa ci aspetta (senza ottimismo di maniera)

Ogni anno escono rapporti, ricerche e classifiche sull’adozione dell’AI in Italia. Quasi tutti raccontano la stessa storia: siamo indietro rispetto alla media europea, le PMI faticano ad adottare le nuove tecnologie, la PA è lenta, mancano competenze digitali. Poi arriva la parte finale, quella delle opportunità, dei fondi disponibili, del potenziale inespresso, del futuro promettente.

Questo articolo non è così. È la lettura di chi lavora sul campo ogni giorno, con aziende reali e enti pubblici reali, e vede le cose da una prospettiva diversa da quella dei rapporti di ricerca.

Dove siamo davvero

L’Italia nel 2025 è un paese con una distribuzione dell’adozione AI estremamente disomogenea. Esistono grandi imprese, soprattutto nel manifatturiero avanzato, nella finanza e nelle telecomunicazioni, che hanno progetti AI maturi, team dedicati e una governance strutturata. Esistono startup innovative che costruiscono soluzioni AI originali con standard internazionali. E poi esiste la grande maggioranza del tessuto produttivo italiano, fatto di PMI sotto i cinquanta dipendenti, di enti pubblici con risorse limitate e di professionisti che usano ChatGPT in modo sporadico senza una strategia.

La distanza tra questi due mondi non si sta riducendo, si sta allargando. Chi ha già investito in AI ha più dati, più competenze e più capacità di attrarre talenti. Chi non ha ancora iniziato si trova in una posizione relativa sempre più debole, non perché sia rimasto fermo, ma perché gli altri hanno accelerato.

Il problema strutturale che nessuno vuole nominare

L’Italia ha un problema di scala che non dipende dalla volontà delle singole organizzazioni. Le nostre PMI sono troppo piccole per sostenere i costi di un team AI interno, troppo frammentate per condividere infrastrutture e dati, troppo eterogenee per adottare soluzioni standardizzate che funzionino per tutti.

Questo non è un problema che si risolve con un corso di formazione o con un contributo a fondo perduto. È un problema strutturale che richiede risposte strutturali: filiere che condividono infrastrutture digitali, distretti industriali che sviluppano soluzioni comuni, associazioni di categoria che negoziano accesso a piattaforme AI per i propri associati.

Queste risposte esistono in alcuni settori e in alcune aree geografiche, ma sono eccezioni. La norma è ancora quella dell’organizzazione che affronta il problema da sola, con risorse insufficienti e senza un ecosistema di supporto adeguato.

La PA: più avanti di quanto si pensi, ma non abbastanza

La Pubblica Amministrazione italiana è spesso descritta come il freno all’innovazione digitale del paese. Non è una descrizione completamente sbagliata, ma è incompleta.

Negli ultimi due anni, spinta dalla combinazione di PNRR, AI Act e pressione crescente dei cittadini per servizi migliori, una parte significativa della PA italiana ha iniziato a muoversi in modo serio. Non tutte le amministrazioni, non con la stessa velocità, non con gli stessi risultati. Ma il movimento c’è, ed è più diffuso di quanto la narrazione dominante suggerisca.

Il problema non è la mancanza di volontà, è la mancanza di competenze interne per valutare le soluzioni, selezionare i fornitori e governare i progetti nel tempo. Un ente pubblico che non ha nessuno capace di 

capire cosa sta comprando è un ente esposto: alle proposte sovradimensionate, alle soluzioni non conformi, ai progetti che si avviano e non si completano.

È esattamente per questo che la formazione nella PA non è un optional, è la condizione perché qualsiasi investimento in AI produca risultati invece di sprechi.

Il PNRR: un’opportunità reale con un rischio reale

I fondi PNRR destinati alla digitalizzazione e all’AI rappresentano un’opportunità concreta per molte organizzazioni italiane, in particolare per le scuole, gli enti locali e le PMI che operano in settori prioritari. Ma i fondi da soli non producono innovazione. Producono spesa.

Il rischio reale del PNRR non è che i fondi non vengano spesi. È che vengano spesi male: su progetti non allineati ai bisogni reali delle organizzazioni, su soluzioni non conformi alla normativa, su forniture che non lasciano competenze interne all’ente o all’azienda beneficiaria.

La differenza tra un investimento PNRR che produce valore duraturo e uno che produce solo rendicontazione sta nella qualità della progettazione iniziale e nella capacità di chi riceve i fondi di governare il progetto nel tempo. Competenze che in molti casi non esistono ancora e che vanno costruite, non comprate insieme alla soluzione tecnologica.

Cosa ci aspetta: tre tendenze che cambieranno il quadro

Senza ottimismo di maniera, ci sono tre tendenze reali che nei prossimi due anni cambieranno il quadro dell’adozione AI in Italia.

La prima è la maturazione degli strumenti. I modelli AI disponibili oggi sono già molto più capaci di quelli di due anni fa, e la curva di miglioramento non si è fermata. Questo significa che casi d’uso che oggi richiedono soluzioni custom complesse tra due anni saranno gestibili con strumenti standard accessibili anche alle organizzazioni più piccole. La barriera tecnologica si abbasserà, anche se non sparirà.

La seconda è la pressione normativa. L’AI Act è già in vigore e le sue disposizioni più stringenti entreranno in applicazione progressivamente fino al 2027. Le organizzazioni che non si adeguano non potranno usare certi sistemi AI, o li useranno esponendosi a rischi legali significativi. La conformità normativa smetterà di essere un tema per i più avanzati e diventerà una questione operativa per tutti.

La terza è la scarsità di competenze. La domanda di professionisti capaci di progettare, implementare e governare sistemi AI cresce molto più velocemente dell’offerta. Questa scarsità favorisce le organizzazioni che hanno già investito nella formazione interna e penalizza quelle che hanno rimandato. Non è una tendenza che si inverte nel breve periodo.

La nostra lettura

Dopo anni di lavoro con aziende e enti pubblici italiani, la nostra lettura è questa: il ritardo italiano nell’adozione AI non è recuperabile con l’entusiasmo. Si recupera con progetti concreti, ben progettati, collegati ai processi reali delle organizzazioni e governati da persone che capiscono quello che stanno facendo.

Non serve fare tutto subito. Serve iniziare dal posto giusto, con le aspettative giuste e con un metodo che porta i progetti dalla fase pilota al funzionamento quotidiano. È quello che facciamo ogni giorno, ed è quello che offriamo a chi è pronto a iniziare.

Se vuoi capire da dove iniziare nella tua organizzazione, prenota una call gratuita. Partiamo dalla tua realtà, non dal rapporto di ricerca più recente.