LET’S TALK & CONNECT

Lo studio della Banca d’Italia misura l’adozione dell’AI nelle imprese e il suo potenziale sulla produttività: opportunità enormi, barriere ancora alte.

La fotografia

Il 32% delle imprese italiane con almeno 20 addetti utilizzava strumenti di intelligenza artificiale all’inizio del 2026. Un dato in crescita rispetto al 27% del 2025 e già rispetto al 2023, ma che racconta solo una parte della storia, perché quel 32% include chi usa l’AI in modo sperimentale e occasionale. Le aziende che dichiarano un’integrazione intensiva nei processi aziendali sono solo il 5% del totale. È questa la fotografia che emerge dall’indagine Invind della Banca d’Italia, presentata nel documento L’adozione dell’intelligenza artificiale: effetti su produttività e politiche a sostegno.

Dal confronto europeo su aziende con più di dieci addetti emerge che l’Italia è indietro di 4 punti percentuali rispetto alla media UE e di quasi 10 punti rispetto alla Germania.

Come e dove le imprese usano l’AI

Le attività in cui l’AI è più diffusa sono quelle commerciali, seguite dalla produzione di beni e servizi e dalla gestione degli adempimenti amministrativi. Tra le aziende che utilizzano applicazioni di genAI (30%) la funzione prevalente è la generazione di testi; poco oltre la metà ricorre anche ad altre applicazioni, come chatbot per clienti o dipendenti, agenti di AI e strumenti per la generazione di codice.

Il quadro della governance interna è altrettanto frammentato. Nella Smart Manufacturing Survey 2026 di TIG emerge che nel 48% dei casi l’AI viene sviluppata attraverso iniziative isolate di singole funzioni aziendali, mentre solo il 28% delle imprese dispone di una strategia formalizzata. Oltre la metà delle aziende manifatturiere non è ancora in grado di evidenziare benefici concreti derivanti dall’adozione.

Il paradosso della produttività: già vissuto con l’ICT

Nel breve periodo, i dati confermano un’assenza di effetti sistemici: il 70% delle imprese che hanno adottato l’AI dichiara che l’adozione non ha finora influenzato la produttività del lavoro. Le stime econometriche della Banca d’Italia, condotte su un panel bilanciato di circa 900 imprese nel periodo 2022-2026, non identificano effetti sistematici sul fatturato per addetto, sull’occupazione o sugli investimenti.

Questo è come il Paradosso di Solow, secondo cui l’aumento rapido degli investimenti in tecnologie ICT degli anni ’80 e ’90 non produsse un’immediata accelerazione della produttività aggregata. L’apparente paradosso rifletteva la necessità di ridisegni organizzativi e investimenti immateriali che solo col tempo maturarono.

Le imprese intervistate sembrano esserne consapevoli, tanto che la metà prevede un impatto positivo sulla produttività nel prossimo triennio, mentre il 35% non si aspetta variazioni.

Il potenziale di lungo periodo: quanto vale per l’Italia

È sul medio-lungo termine che i numeri diventano significativi. Le simulazioni macroeconomiche elaborate dalla Banca d’Italia (Bertolotti et al., 2026), calibrate sulla struttura produttiva italiana, stimano che l’adozione dell’AI potrebbe generare un incremento della produttività del lavoro compreso tra 0,2 e 1,1 punti percentuali annui su un orizzonte decennale, a seconda dello scenario di adozione (lenta, media, rapida). Nello scenario di adozione rapida, paragonabile a quella dei telefoni cellulari, il guadagno annuo stimato sale all’1,1%; nello scenario lento, analogo alla diffusione dell’elettricità, si ferma allo 0,2%.

Scomponendo il contributo settoriale, il maggior apporto alla crescita del PIL verrebbe dalla manifattura (+2% in 10 anni), seguita dal commercio (+1%) e dalle attività professionali (+0,8%). Si stima inoltre un lieve effetto positivo sull’occupazione, dell’ordine di circa un decimo di punto in tutti e tre gli scenari.

Le barriere: non basta il sussidio

La principale ragione per cui le imprese italiane di tutte le classi dimensionali non adottano l’AI è la carenza di competenze. A questo si sommano la scarsa integrazione dei dati, l’incertezza normativa, i costi fissi di implementazione e i rischi percepiti in materia di privacy.

Il punto critico, sottolineato con forza dagli economisti della Banca d’Italia, è che questi ostacoli non possono essere rimossi con sussidi generici. Una politica efficace richiede una strategia coerente e sistemica, articolata su tre leve: stimolare la domanda di applicazioni AI (anche tramite voucher selettivi e programmi pilota); rafforzare l’offerta di soluzioni verticali per le PMI, colmando il cosiddetto “missing middle” tra grandi piattaforme generaliste e implementazioni su misura accessibili solo alle grandi imprese; intervenire sui fattori abilitanti, ossia certezza normativa, condivisione dei dati, accesso alle infrastrutture di calcolo avanzato.

Su quest’ultimo fronte l’Italia dispone di asset rilevanti (il supercalcolatore Leonardo presso Cineca a Bologna, integrato nella rete europea EuroHPC JU, e il progetto IT4LIA-Italy for Artificial Intelligence, con un investimento totale di circa 430 milioni di euro) ma la sfida principale resta trasformare infrastrutture di eccellenza in risorse concretamente accessibili anche alle PMI.

Un confronto che non consola

Nel 2023, secondo stime OCSE, l’Italia ha investito in AI pubblicamente circa 5,2 miliardi di euro, pari allo 0,25% del PIL: un dato inferiore alla media dei principali partner europei (Germania 0,45%, Francia 0,30%, Danimarca 0,59%). Il finanziamento cumulato dei Competence Center italiani nel periodo 2019-2025 è stato pari a 186 milioni di euro, a fronte di entrate pubbliche nel 2023 di 2,2 miliardi per la Germania e di 320 milioni di sterline in UK.

I numeri parlano chiaro: l’Italia ha le condizioni strutturali per beneficiare della transizione AI, un tessuto manifatturiero forte, filiere di eccellenza, competenze ingegneristiche, ma sconta un ritardo cronico negli investimenti immateriali. L’Italia è l’unico paese europeo in cui gli investimenti in beni materiali continuano tuttora a superare quelli in beni immateriali, una tendenza che altrove si è invertita già prima del Covid.

L’analisi: il tempo è una variabile critica

Le imprese italiane per sfruttare il potenziale dell’AI devono investire in riorganizzazione, formazione e governance dei dati, senza i quali l’adozione tecnologica resta superficiale e i benefici non emergono.

Per l’Italia, il paradosso più pericoloso non è quello di Solow, ma quello di un paese che conosce bene le criticità (competenze, scarsa strategia, incentivi sbilanciati sul materiale) ma non agisce in modo sistemico. I prossimi due/tre anni, con la piena operatività del quadro normativo europeo (AI Act) e la maturazione delle prime AI Factory, saranno decisivi. Chi avrà già iniziato a costruire le complementarità organizzative avrà un vantaggio difficile da colmare.

Sergio Patano
Event & Research Manager, TIG – The Innovation Group