Bankitalia spiega perché l’AI può cambiare l'Italia

C’è un modo sciocco e un modo serio di parlare di intelligenza artificiale. Il modo sciocco consiste nel chiedersi, ogni mattina, se l’IA ci ruberà il lavoro, se diventerà più intelligente dell’uomo, se sostituirà avvocati, medici, giornalisti, professori, programmatori, consulenti e, possibilmente, anche ministri e sottosegretari. Il modo serio consiste invece nel porsi una domanda più concreta, più italiana: come si fa a trasformare una tecnologia che esiste già, che le imprese stanno già provando, che i nostri concorrenti stanno già usando, in un moltiplicatore di produttività, crescita, competenze, potere industriale? La differenza tra le due domande è la differenza tra la paura e la politica. La paura guarda l’IA come una minaccia che arriva da fuori. La politica dovrebbe guardarla come un’alleata da addestrare, governare, adottare, integrare.

Un buon punto di partenza è lo studio pubblicato dalla Banca d’Italia, “L’adozione dell’intelligenza artificiale: effetti su produttività e politiche a sostegno”, firmato da Luigi Bellomarini, Fabio Bertolotti, Luca Citino, Maria Giulia Cassinis, Francesco D’Amuri, Silvia Del Prete, Sara Formai, Litterio Mirenda, Massimiliano Rigon e Anna Russo Russo. Lo studio dice una cosa incoraggiante e una cosa scomoda: l’Italia non è fuori dalla partita dell’IA, ma rischia di giocarla male se continua a confondere la politica industriale con la distribuzione di bonus.

Il primo dato è meno deprimente di quanto si potrebbe pensare. Secondo l’indagine Invind della Banca d’Italia sulle imprese con almeno 20 addetti, la quota di aziende che usano strumenti di IA è raddoppiata nel 2025, arrivando al 27 per cento, ed è poi salita al 32 per cento all’inizio del 2026. Non è poco. Significa che un terzo del nostro sistema produttivo medio-grande ha già fatto almeno un passo dentro la nuova tecnologia. Ma il secondo dato impedisce l’entusiasmo facile: l’uso intensivo dell’IA, cioè l’integrazione vera nei processi aziendali, riguarda appena il 5 per cento delle imprese. Tradotto: molte aziende stanno sperimentando, poche stanno trasformando. Molte usano l’IA come assistente, poche la usano come motore. Molte la infilano dentro una funzione esistente, poche cambiano davvero il modo in cui lavorano. Ed è qui che nasce il punto politico dello studio: l’IA non produce miracoli se viene trattata come un gadget. Produce produttività quando diventa organizzazione.

La Banca d’Italia aiuta anche a smontare un luogo comune molto italiano: quello secondo cui, se una tecnologia è potente, i suoi effetti dovrebbero vedersi subito nei numeri della crescita. Non funziona così. Le evidenze sulle singole mansioni sono impressionanti: la scrittura professionale può richiedere meno tempo, il customer service può migliorare, la programmazione può accelerare, alcune attività consulenziali possono essere svolte con maggiore rapidità. Ma il salto dalla mansione all’impresa non è automatico. Un’impresa non è una somma meccanica di compiti isolati. È un organismo complesso fatto di processi, gerarchie, clienti, fornitori, software, dati, persone, abitudini. Se l’IA migliora una singola mansione ma il resto dell’organizzazione resta identico, il beneficio può rimanere piccolo o invisibile. Lo studio ricorda il vecchio paradosso di Solow: i computer si vedevano dappertutto, tranne che nelle statistiche della produttività. Anche allora non era la tecnologia a mancare. Mancavano gli adattamenti organizzativi, il capitale umano, i processi nuovi, le pratiche manageriali capaci di trasformare l’investimento digitale in crescita. Oggi rischiamo di ripetere lo stesso errore: vedere ChatGPT dappertutto e la produttività da nessuna parte.

La Banca d’Italia non dice che l’IA non serva. Dice una cosa più intelligente: nel breve periodo, sulle imprese italiane osservate, non emergono ancora effetti sistematici su fatturato per addetto, occupazione o investimenti. Ma questo non significa che gli effetti non arriveranno. Significa che, nella fase iniziale, i costi di integrazione possono arrivare prima dei benefici. Prima bisogna capire dove usare la tecnologia, poi ripensare i processi, formare le persone, pulire i dati, cambiare procedure, responsabilità, controlli, modelli di business. Solo dopo, forse, arriva la produttività. L’IA, insomma, non è una bacchetta magica: è una tecnologia generale. E le tecnologie generali hanno bisogno di complementarità. La parola è brutta, ma il concetto è decisivo: l’IA rende se si accompagna a dati buoni, competenze, infrastrutture, software adatti, manager capaci, regole chiare, filiere coordinate. Senza queste cose, resta una promessa.

La parte più importante dello studio è quella sugli effetti potenziali di lungo periodo. Qui la fotografia cambia. Gli esercizi di simulazione mostrano che, su un orizzonte decennale, una diffusione ampia dell’IA potrebbe aumentare la produttività italiana di 0,2 punti percentuali l’anno nello scenario lento, 0,7 nello scenario intermedio, fino a 1,1 nello scenario rapido. Il numero più alto non è un dettaglio tecnico: per un paese che da trent’anni combatte con una produttività asfittica, un punto in più all’anno sarebbe una rivoluzione silenziosa. Non risolverebbe tutti i problemi, ma cambierebbe molte coordinate: salari, competitività, finanza pubblica, sostenibilità del welfare, capacità di attrarre investimenti. La vera domanda, dunque, non è se l’IA creerà crescita. La vera domanda è se l’Italia saprà collocarsi nello scenario lento o in quello rapido. Se cioè vorrà usare l’IA come ha usato troppe volte l’innovazione – accessorio per pochi, esperimento per alcuni, moda per convegni – oppure come infrastruttura nazionale della crescita.

Lo studio dice anche quali settori potrebbero contare di più. Nello scenario di rapida adozione, il contributo principale alla crescita del valore aggiunto arriverebbe dalla manifattura, poi dal commercio, poi dalle attività professionali, scientifiche e tecniche. Questo è un punto politicamente prezioso, perché rovescia un’altra caricatura. L’IA non riguarda solo la Silicon Valley, i social network, i chatbot, le aziende che fanno modelli linguistici. Riguarda la manifattura, cioè il cuore dell’economia italiana. Riguarda il commercio, cioè il modo in cui si vende, si distribuisce, si conosce il cliente. Riguarda i servizi professionali, cioè consulenza, progettazione, ricerca, amministrazione, ingegneria, finanza, legale. Riguarda le filiere, non solo le startup. Riguarda le piccole e medie imprese, non solo i campioni nazionali. E proprio perché riguarda l’economia reale, l’IA per l’Italia può essere una straordinaria occasione anti declino: non per diventare la California, ma per rendere più produttiva la Lombardia, il Veneto, l’Emilia-Romagna, il Piemonte, il Lazio, la Toscana, la Puglia.

Ma qui arriva il problema. L’adozione italiana resta inferiore alla media europea e molto inferiore ai paesi più avanzati. Nel 2025, secondo i dati Eurostat richiamati nello studio, il tasso di adozione nelle imprese italiane con almeno 10 addetti è inferiore di quattro punti alla media UE e di quasi dieci punti alla Germania. La Danimarca viaggia su livelli molto più alti. La Finlandia ha costruito una strategia nazionale precoce. La Francia ha messo l’IA dentro France 2030. La Germania ha innestato l’IA dentro l’ecosistema di Industria 4.0. Singapore ha costruito programmi di co-innovazione pubblico-privata, come “100 Experiments”, per ridurre il rischio delle imprese e generare casi d’uso replicabili. L’Italia ha alcuni asset forti, ma anche una debolezza tipica: tante iniziative, poca massa critica; molte strutture, poca stabilità; buone eccellenze, debolezza sistemica. La Banca d’Italia lo dice con garbo, ma il messaggio è netto: la strategia italiana non può limitarsi a proclamare ambizioni. Deve diventare attuazione, coordinamento, scala.

Il cuore del playbook per Meloni dovrebbe partire da qui: basta pensare che il problema principale sia convincere le imprese con un incentivo generico. Gli incentivi servono, ma se sono ciechi, larghi, poco selettivi, rischiano di finanziare l’acquisto di tecnologia senza trasformare davvero le imprese. È già successo con altre stagioni digitali: si compra una macchina, si aggiorna un software, si spunta una casella, ma il modo di lavorare rimane identico. Lo studio suggerisce un’altra via: non sussidi a pioggia, ma accompagnamento all’adozione, sostegno a progetti pilota, sviluppo di applicazioni verticali, accesso al calcolo, condivisione dei dati, certezza normativa, formazione manageriale. Meno bonus, più capacità. Meno annuncio, più infrastruttura. Meno “comprate IA”, più “vi aiutiamo a capire dove l’IA vi serve davvero”.

Il primo capitolo del playbook riguarda la domanda. Molte imprese non adottano l’IA non perché siano ostili al futuro, ma perché non sanno bene che cosa farsene. Non hanno competenze interne, non hanno tempo per valutare i casi d’uso, non sanno misurare i ritorni, temono i costi, non capiscono il quadro regolatorio, non hanno dati pronti. Eurostat mostra che la principale ragione della mancata adozione, tra le imprese italiane che l’hanno valutata, è la carenza di competenze. Ma lo studio aggiunge un punto importante: non c’è un solo ostacolo, ce ne sono molti insieme. Costi, competenze, incompatibilità, disponibilità dei dati, sicurezza, incertezza normativa, rischi etici. Per questo l’accompagnamento conta più dello slogan. Digital Innovation Hub e Competence Center esistono già e sono una base utile. Ma vanno rafforzati, razionalizzati, specializzati. Devono diventare sportelli veri di trasformazione industriale, non soltanto luoghi di consulenza generica. Ogni filiera dovrebbe avere dimostratori, testbed, cataloghi di casi d’uso, strumenti per misurare il ritorno degli investimenti. Non si tratta di spiegare alle imprese che l’IA è bella. Si tratta di mostrare dove conviene, quanto costa, che cosa cambia, chi la implementa, quali rischi porta, quali risultati produce.

Il secondo capitolo riguarda l’offerta. Qui lo studio introduce un’espressione decisiva: “missing middle”. Da una parte ci sono strumenti generalisti, potenti ma spesso troppo generici per i bisogni concreti delle aziende. Dall’altra ci sono soluzioni su misura, costose, accessibili soprattutto alle grandi imprese. In mezzo manca un mercato robusto di applicazioni verticali, scalabili, replicabili, pensate per settori specifici: manifattura, logistica, agroalimentare, sanità, energia, turismo, professioni, pubblica amministrazione. Questo è un problema enorme per l’Italia, dove il tessuto produttivo è fatto di molte imprese piccole e medie che non possono permettersi di sviluppare soluzioni proprietarie. Se non nasce un’offerta specializzata, la domanda resta debole. Se la domanda resta debole, i fornitori non investono. Se i fornitori non investono, le soluzioni restano generiche. È la trappola della bassa adozione. La politica deve servire a rompere questa trappola, non a sostituirsi al mercato. Deve aiutare l’incontro tra domanda e offerta, finanziare proof-of-concept, sostenere startup e scale-up, favorire il trasferimento tecnologico, creare casi dimostrativi replicabili, usare il procurement pubblico come leva.

Il terzo capitolo riguarda la pubblica amministrazione. Qui l’Italia spesso ragiona al contrario: pensa alla PA come a un settore da proteggere dall’innovazione invece che come a una leva per produrla. Lo studio ricorda il ruolo del Pre-Commercial Procurement, cioè degli appalti pre-commerciali con cui la pubblica amministrazione finanzia ricerca e sviluppo per soluzioni non ancora disponibili sul mercato. Non è una complicazione da addetti ai lavori. È uno strumento potentissimo: lo stato individua bisogni pubblici, condivide il rischio con le imprese, stimola innovazione, crea domanda iniziale. Sanità, mobilità, sicurezza, giustizia, scuola, ambiente, comuni, energia, protezione civile: quanti problemi pubblici potrebbero diventare mercati per soluzioni IA italiane? La PA non dovrebbe limitarsi a comprare software dall’estero quando il mercato è già maturo. Dovrebbe aiutare a costruire mercati quando il mercato è ancora in formazione. Naturalmente servono gare competitive, standard aperti, attenzione a non regalare rendite agli incumbent. Ma l’idea è giusta: lo stato può diventare un primo cliente intelligente, non un bancomat distratto.

Il quarto capitolo riguarda il calcolo. Qui l’Italia ha un punto di forza che spesso non racconta abbastanza: dispone di infrastrutture di supercalcolo importanti, da Leonardo al Cineca a HPC6 di Eni. Lo studio sottolinea che questa dotazione è una condizione favorevole, ma non sufficiente. Leonardo è stato pensato soprattutto per la ricerca scientifica; nel 2024 solo circa il 5 per cento della potenza di calcolo è stata impiegata per contratti e bandi su progetti industriali. La sfida è trasformare il supercalcolo da gioiello per ricercatori a leva accessibile anche per imprese, startup, PMI innovative. L’iniziativa IT4LIA, dentro il quadro europeo delle AI Factories, va nella direzione giusta: un modello one-stop-shop per semplificare l’accesso a risorse di calcolo, dataset e servizi avanzati, con focus su agroalimentare, manifattura, cybersecurity e studio della terra. Ma anche qui il problema non è avere la macchina. È costruire l’ecosistema attorno alla macchina. Servono crediti di calcolo, assistenza tecnica, percorsi per PMI, partnership con università, startup, distretti, grandi imprese. Il supercomputer non deve essere un monumento. Deve essere una presa elettrica nazionale a cui attaccare innovazione.

L’Italia parte con ritardi evidenti, ma non parte da zero. Ha manifattura, filiere, distretti, università, centri di ricerca, infrastrutture di calcolo, alcune eccellenze industriali, una PA che potrebbe diventare domanda intelligente, un tessuto di PMI che se accompagnato può fare salti notevoli. Ha anche una cosa che nell’IA conta moltissimo: problemi concreti. Un paese con produttività bassa, demografia difficile, burocrazia pesante, sanità sotto pressione, imprese piccole, gap territoriali e bisogno di competenze non dovrebbe guardare l’IA come un pericolo esistenziale. Dovrebbe guardarla come una leva per fare meglio ciò che oggi fa con troppa fatica. Non per sostituire l’uomo, ma per liberare tempo umano. Non per cancellare lavoro, ma per aumentare valore. Non per inseguire la moda, ma per correggere una debolezza strutturale.

Il governo Meloni ha spesso rivendicato una politica industriale fondata sulla difesa dell’interesse nazionale. Bene: oggi l’interesse nazionale passa anche da qui. Non dal protezionismo tecnologico, non dall’autarchia digitale, non dalla retorica della sovranità declamata, ma dalla capacità di fare dell’Italia un paese che adotta rapidamente, verticalizza intelligentemente, regola chiaramente, forma seriamente, collega ricerca e impresa, usa il pubblico per stimolare il privato, trasforma le eccellenze in sistema. L’IA non chiede allo stato di scegliere il vincitore. Chiede allo stato di impedire che il paese scelga, per inerzia, l’equilibrio peggiore: poche imprese avanzate, molte imprese ferme, molte sperimentazioni superficiali, poca produttività.

L’urgenza è tutta qui. L’Italia può fare dell’IA un’alleata, non una minaccia, se smette di trattarla come un oggetto misterioso e comincia a trattarla come una politica della crescita. Può contare se capisce che la vera sovranità non è costruire tutto in casa, ma avere imprese capaci di usare le tecnologie migliori, fornitori capaci di adattarle, dati capaci di alimentarle, regole capaci di renderle affidabili, manager capaci di integrarle. Può contare se passa dall’adozione curiosa all’adozione profonda. Può contare se accetta la lezione più semplice dello studio della Banca d’Italia: l’IA non premia chi la guarda. Premia chi la organizza.