Numeri ma soprattutto traiettorie quelle che emergono dal dibattito attorno alla presentazione del Rapporto “Aimm: l’adozione dell’AI nelle aziende e negli enti italiani” a Milano, dove la necessità di trasformare l’adozione dell’AI in valore rimane punto centrale.
La ricerca condotta da NetConsulting cube su un panel di 103 realtà tra private (80 di diversi settori), pubbliche (14 enti) e sanitarie (9) – fotografa lo stato di adozione dell’AI in un mercato italiano che vale oggi 1,3 miliardi di euro ma che è in corsa per superare i 2 miliardi nel 2026. Torneremo sui numeri, fermiamoci sul contesto.
E’ la “potenza” dell’AI che preoccupa e il suo utilizzo, non solo a scopi “nobili” per accelerare la produzione di software, migliorare i processi aziendali o inventare business mai visti. Ma anche per scopi “nefasti“, “arma tecnologica” per attacchi sofisticati e mirati. “Una AI multi dominio e multi dimensionale” – la definisce Annamaria Di Ruscio, Ceo di Netconsulting cube in apertura del convegno – che raccoglie investimenti miliardari per il suo sviluppo non solo in Silicon Valley e in Cina ma anche in Europa, come dimostrano i fondi raccolti da Mistral per la costruzione di data center tra Francia e Svezia. Rimarcando quanto l’AI sia oggi un tema di sovranità e di potere, non solo di infrastruttura, chip e sicurezza. Ben oltre la tecnologia. Ma con implicazioni profonde a livello di persone, aziende, società.
Lo spiega bene Stefano Denicolai, full professor of Innovation Management, Presidente Itir, Università di Pavia descrivendo la trasformazione portata dall’AI come un cambiamento che arriva “senza chiedere il permesso” ma che chiede di essere governata. “L’AI è un termine troppo ampio che ha bisogno di sistemi di governance tra Al convenzionale, generativa e agentica. Se la convenzionale gestisce e classifica, la generativa genera testi, l’agentica fa automazione a un nuovo livello, creando nuove logiche di adoption”.
AI, nuova infrastruttura cognitiva diffusa
Le nuove forme dirompenti di AI hanno cinque segnali inequivocabili.
1 – Arrivano senza chiedere il permesso – “le abbiamo in casa che ci piaccia o no” commenta Denicolai – sono invadenti, trasversali, democratiche perché tendono ad essere distribuite, meno dipendenti dalle funzioni aziendali.
2- Danno una falsa illusione di padronanza della tecnologia ma in realtà richiedono nuove modalità di apprendimento continuo.
3 – Hanno un’adozione accelerata dando l’impressione di sanare il digital divide tra le generazioni ma in realtà creano un digital plateau, un “ piano” dove stallano i Poc senza scalare dopo l’entusiasmo iniziale. “Stiamo morendo di Poc ma ci siamo resi conto, analizzando i dati, che se la partenza di un progetto è apparentemente facile è difficile scalare – continua Denicolai –. Se ieri il problema era la mancata adozione, oggi il rischio è la falsa sensazione di successo: tanti usano l’AI, pochi ne ricavano un impatto reale”.
4 – Entrano in azienda come un digital co-worker (non come un digital tool) ma “non sono un nuovo collega che si aggira in ufficio”, precisa il professore, ribadendo che gli agenti AI non hanno nulla a che fare con l’umanità. “Nei progetti tradizionali si chiedeva alle persone di usare un nuovo strumento deterministico, un Erp o un Crm, con l’AI e soprattutto con l’AI agentica, si chiede invece di collaborare con un “collega digitale” probabilistico, adattivo, talvolta autonomo. Non bisogna umanizzare l’AI, ma dobbiamo tenerne conto. Avere a che fare con gli agenti AI non è come lavorare con un foglio Excel, perché l’agente entra in una logica di ridisegno del workflow e noi dobbiamo ancora capire come interagire con esso”.
Richiedono un cambio di passo alle organizzazioni, dove esseri umani e agenti AI lavorano insieme in forme diverse: dal supporto a task singoli fino a sistemi di agenti che presidiano interi processi. “Questo rende molto più stretta e strutturale la relazione tra IT e HR, perché il tema non è solo implementare tecnologie, ma ridisegnare ruoli, competenze, responsabilità e forme di coordinamento”.
5 – Infine, creano una nuova tensione tra scalabilità e adattabilità perché “viaggiano a una velocità folle, ma mentre ci stiamo prendendo la mano, l’AI va ripensata radicalmente”.
Il rischio è di usare l’AI per automatizzare ciò che si faceva in passato non come occasione per fare diversamente e meglio. “L’AI non è più semplice automazione, cambiano le regole di redesign che non riguardano solo flussi e sistemi, ma la distribuzione del lavoro tra umani e macchine: chi fa cosa, con quale autonomia, con quale supervisione, con quali escalation”.
Si ribalta cosi il modo di concepire la GenAI che diventa una nuova infrastruttura cognitiva diffusa, disponibile trasversalmente e attivabile anche a partire da bisogni emergenti e bottom-up, non solo come insieme di progetti specialistici circoscritti. “Questa è una rottura importante rispetto alla digital transformation classica, spesso organizzata per verticali, funzioni o processi definiti a monte. Per questo l’AI transformation non può essere confinata all’IT: richiede collaborazione esecutiva stretta tra IT, HR, finance, legal e business unit”.
La governance dell’AI necessaria, non un freno
Da qui il tema della governance dell’AI che “non è burocrazia” ma una necessità abilitante, che deve essere una governance “dinamica” pronta a modificarsi mano mano l’AI cambia. “Abbiamo visto dai nostri studi che quando la governance c’è, la velocità del business aumentata di 2,5 volte – precisa Denicolai -. Se le policy AI sono ben scritte accelerano, non rallentano. Ma serve un programma chiaro di trust design, per indirizzare il grande tema della fiducia in azienda”.
Le domande sono le consuete: quali dati si possono caricare nei sistemi AI, come si verificano output e fonti, quando è richiesta la doppia validazione, quando si possono usare modelli esterni? Tutti dubbi che richiedono la definizione di nuove regole di utilizzo e di ruoli ad hoc per la sua gestione. “La responsabilità non può ricadere solo sull’IT: va condivisa con il business, da qui la sfida di definire risultati misurabili su costi, ricavi, qualità, customer experience, innovazione con nuovi Kpi su redisegn e qualità, comportamentali e di business”.
Accanto ai Kpi serve definire nuove forme di apprendimento, continuo e adattivo, direttamente sul campo. “Non posso fare formazione ogni due anni in una convention di tre giorni ma devo sperimentare l’AI sul campo spesso, con lezioni frequenti, senza momenti acuti di formazione. Non devo più calare la soluzione in azienda ma devo essere bravo a fare scalare la conoscenza”. Tra le leve comportamentali e psicologiche innescate dall’AI, da gestire le barriere sociali più che tecnologiche. “Basta negare la perdita dei posti di lavoro, basta negare l’evidenza. Affrontare il problema significa trovare percorsi di carriera diversi, incentivi per premiare chi usa l’AI. Va gestita anche la paura cognitiva: in molti confessano che più utilizzano l’AI più si impigriscono. Temi che vanno gestiti con nuove metriche”.
Guardiamo ai numeri: la maturità dell’AI nel mercato italiano
Il mercato dell’AI in Italia è cresciuto del 47% quest’anno superando di misura il miliardo di euro (1.380 milioni) ma si prevede che supererà i 2 miliardi nel 2026, con la GenAI che pesa oggi il 39,9% del mercato, in crescita del 105%. Ma sarà l’Agentic AI a registrare la crescita più significativa quest’anno. “Se il machine learning è una delle tecniche più consolidate, adottata dal 60% delle aziende, la crescita più impressionante riguarda la GenAI che ha raddoppiato l’adozione e che è in produzione nel 54% del campione in progetti sviluppati con AI integrata nei processi – dettaglia Rossella Macinante, BU Leader, NetConsulting cube -. In prospettiva si prevede che questa adozione crescerà ancora di più”.
Ma è la velocità della crescita che spaventa, “una velocità imparagonabile a quella di altri mercati che abbiamo analizzato, anche rispetto al mercato del cloud computing che ha impiegato molti anni per raggiungere tali livelli” commenta.
Molte aziende hanno AI o Agentic AI già in piattaforma pur con degli squilibri evidenti tra grandi imprese e Pmi. Complessivamente cresce l’utilizzo dell’AI: circa l’88% delle aziende utilizza l’AI in almeno una funzione aziendale (72% nel 2024) ma solo il 7% ha completato l’implementazione su larga scala. “Significativo osservare che, rispetto allo scorso anno, sono raddoppiate le aziende che utilizzano l’AI in almeno una funzione aziendale (da 8,3% a 16,2%) mostrando con l’AI sia un fenomeno con caratteristica di pervasività”.
Ma dove è più utilizzata? Cresce il ruolo dell’AI nei piani strategici (il 38% la inserisce nelle priorità del piano industriale contro il 25% del 2024) e si registrano progressi nella definizione di AI strategy nelle aziende, soprattutto sul fronte organizzativo, della formazione e nella definizione di budget. “Tra le ragioni di adozione efficienza operativa e produttività si confermano gli obiettivi prioritari dei progetti AI come già nella scorsa edizione – precisa Macinante – dove l’utilizzo dell’AI è prevalentemente orientato all’ottimizzazione e all’efficientamento dei processi nelle principali aree di impiego che riguardano le operation, i sistemi informativi e la produzione”.
Con impiego di diverse tecniche di AI a seconda degli ambiti: se il machine learning è utilizzato principalmente nel mondo produttivo con logiche anche predittive, quando si parla di GenAI si insiste su un utilizzo per migliorare la relazione con cittadini e utenti, supportare task standardizzati, agevolare l’IT nella parte di coding e testing.
Ma prevale un approccio ibrido nell’adozione dell’AI dove esperti di AI interni si interfacciano con esperti aziendali (53,7%) combinando una AI customizzata sviluppata in azienda (scelta prediletta dal 28,4% delle realtà) con un approccio esternalizzato scelto dal 17,9% del campione che adotta soluzioni già pronte. “Soprattutto banche, Tlc e PA puntano sullo sviluppo in casa, con AI factory interne dal momento che l’AI ha già una rilevanza strategia sui processi core e si ritiene che sviluppare al proprio interno possa fare la differenza – precisa -. I settori che guidano l’adozione sono telco, finance, assicurazione, banche, energy utility con progressi sia sul fronte della strategia ma soprattutto nel miglioramento dal punto di vista del modello organizzativo”.
Positive la diminuzione significativa dei Poc e la crescita dell’adozione in più aree aziendali: oltre il 50% delle realtà ha già iniziato ad adottare l’AI non a livello sperimentale, ma solo le aziende più mature implementano l’AI in modo più diffuso. Dove? “Chiamiamoli progetti e non casi d’uso”, conclude Macinante.
Per saperne di più, leggi l’Infografica – Aimm 2025: principali risultati
Per approfondire l’evento, scarica la presentazione con i dati.
Leggi tutti gli approfondimenti della room Aimm– Artificial Intelligence Maturity Model
© RIPRODUZIONE RISERVATA
