AI nelle aziende italiane: investire non basta, serve una strategia

Il report dell'Osservatorio AI4Innovation del Politecnico di Milano restituisce un'immagine chiara e per certi versi preoccupante: quasi tutte le aziende italiane vogliono investire in intelligenza artificiale, ma meno di una su quattro è in grado di farlo in modo strutturato. Il divario non è tra chi adotta e chi no, ma tra chi sperimenta e chi trasforma davvero.

Il quadro degli investimenti: molti intenzionati, pochi organizzati

Solo il 9% delle aziende italiane dichiara di non voler investire in AI. Il restante 91% si muove, ma con intensità e metodo molto diversi. Secondo i dati del Politecnico di Milano, il 73% delle imprese indica come priorità l'accesso dei propri dipendenti a modelli generativi e chatbot — strumenti già presenti negli ambienti di lavoro, adottabili con relativa facilità ma spesso con impatto limitato sui processi core.

Il 67% investe nello sviluppo interno di soluzioni su misura, puntando su dati proprietari e casi d'uso specifici. Una quota più contenuta si orienta su tool verticali per l'automazione di attività specifiche (38%) e su piattaforme low o no-code (29%), che consentono di costruire applicazioni senza competenze di programmazione avanzate.

L'obiettivo dichiarato: efficienza operativa su tutta la linea

Il tema dell'efficienza attraversa trasversalmente le organizzazioni, indipendentemente dalle dimensioni. L'efficienza operativa è citata tra gli obiettivi principali dall'83% delle grandi imprese e dal 77% delle PMI. Questo dato suggerisce una convergenza di priorità, ma non necessariamente di capacità esecutiva.

Il vero nodo, come emerge dal report, non è l'obiettivo ma l'approccio: molte aziende si limitano a un'adozione estensiva — diffusa, individuale, spesso non coordinata — senza arrivare a un'integrazione intensiva nei processi strategici.

Le medie imprese, la fascia più fragile

Uno degli elementi più significativi del report riguarda la dimensione aziendale. Contrariamente a quanto si potrebbe ipotizzare, le piccole imprese non sono le più indietro: il 30% raggiunge un livello elevato di integrazione AI. È la fascia media a risultare la più critica: il 50% delle medie imprese si colloca ancora nella fase iniziale di adozione (livello "Starter"), e solo il 9% raggiunge un'integrazione elevata.

Il Politecnico descrive queste aziende come "troppo grandi per essere agili, ma non abbastanza strutturate per investire in modo sistematico". Si trovano in una zona di mezzo che le espone a un doppio rischio: non riescono a sfruttare la flessibilità tipica delle realtà più piccole, né dispongono delle risorse e dei processi delle grandi organizzazioni. Nel complesso, quasi un'azienda su due dichiara di essere in una fase di sperimentazione, mentre il 25% è ancora agli inizi.

Il nodo strategico: solo il 24% ha una roadmap

Il dato più rilevante — e più critico — riguarda la presenza di una strategia AI formalizzata. Solo il 24% delle aziende italiane dispone di una roadmap strutturata, con priorità definite, casi d'uso identificati e criteri di misurazione dei risultati. Il restante 76% opera in modo frammentato, con utilizzi sporadici o non regolamentati.

Come sottolinea Stefano Mizio, responsabile dell'Osservatorio AI4Innovation del Politecnico di Milano, il confine competitivo non passa più tra chi usa l'AI e chi no. Passa tra chi la adotta in modo estensivo e superficiale — con strumenti generalisti, senza integrazione nei processi — e chi la integra in modo intensivo nel cuore dell'operatività aziendale. Quest'ultima modalità è ancora poco diffusa.

Cosa conviene fare adesso

Per i manager e i decision maker, questo quadro offre alcune indicazioni operative concrete:

Valutare se l'utilizzo attuale dell'AI è estensivo o intensivo: i chatbot accessibili ai dipendenti sono un punto di partenza, non un punto di arrivo. Costruire o aggiornare una roadmap AI con casi d'uso prioritari, responsabilità chiare e KPI misurabili — il 76% delle aziende ne è ancora privo. Per le medie imprese in particolare, il rischio è quello dell'immobilismo mascherato da sperimentazione: strutturare l'adozione, anche con risorse limitate, è più efficace che moltiplicare i tool senza governance. L'integrazione nei processi core rimane l'obiettivo discriminante: non l'adozione degli strumenti, ma la loro incidenza reale sui risultati operativi.

Conclusione

Il report del Politecnico di Milano non certifica un ritardo sistemico dell'Italia sull'AI, ma evidenzia una maturità ancora disomogenea. La volontà di investire è quasi universale; la capacità di farlo in modo strutturato è ancora privilegio di pochi. Per le aziende che vogliono trasformare l'AI da sperimentazione a vantaggio competitivo, il punto di partenza non è tecnologico: è strategico.