Il Centro Studi Invitalia ha presentato il 16 ottobre 2026 l’Instant Paper «Intelligenza artificiale e transizione industriale»: tra le imprese che adottano l’IA, il 70% non rilevava ancora effetti sulla produttività. L’adozione cresce, ma all’inizio del 2026, nell’indagine sulle imprese industriali e dei servizi con almeno venti addetti richiamata nel paper, il 32% usava strumenti di IA e soltanto il 5% ne faceva un uso intensivo. Il risultato sulla produttività riguarda le imprese utilizzatrici intervistate, non tutte le aziende italiane.
Il ritardo delle imprese più piccole rende particolarmente rilevante la proposta di accompagnare l’adozione con competenze, dati utilizzabili e cambiamenti nei processi. Invitalia indica un AI Audit come punto di partenza e propone interventi sui costi ricorrenti, sulla sperimentazione e sull’accesso alle infrastrutture. Si tratta di direttrici di politica industriale, non di nuove agevolazioni già disponibili.
La diffusione dell’IA cresce, ma dipende dalla dimensione aziendale
La crescita è netta nella popolazione osservata da Istat: nel 2025 il 16,4% delle imprese italiane con almeno dieci addetti utilizzava almeno una tecnologia di IA, contro l’8,2% nel 2024. Tra le piccole e medie imprese la quota era del 15,7%, mentre raggiungeva il 53,1% tra le grandi. Il divario è cresciuto perché l’adozione nelle aziende maggiori è avanzata più rapidamente in termini assoluti.
Il 16,4% resta sotto la media europea del 20% riportata nel paper. La soglia di almeno dieci addetti esclude però le microimprese: il dato non descrive l’intero tessuto produttivo italiano. Inoltre «utilizzare almeno una tecnologia» comprende impieghi diversi, dall’estrazione di informazioni dai testi all’automazione di flussi di lavoro. La quota di aziende che ha provato uno strumento dice quindi poco, da sola, su quanto quello strumento incida sulle attività principali.
L’uso intensivo resta molto più ristretto dell’adozione
Il passaggio dall’uso occasionale all’integrazione nei processi è il divario più vicino al problema della produttività. Nella rilevazione sulle imprese con almeno venti addetti, la quota che impiega intensivamente l’IA è assai inferiore a quella che dichiara di utilizzarla. Questi risultati non formano una serie confrontabile con la rilevazione Istat: cambiano la dimensione minima delle imprese, il periodo e la domanda posta.
Un’applicazione può ridurre il tempo necessario per una singola attività senza modificare la produzione complessiva, se il lavoro a monte e a valle continua come prima. Perché un beneficio diventi osservabile a livello aziendale possono servire dati affidabili, sistemi collegati, personale formato e procedure riprogettate. Il paper descrive questa fase di adattamento con la curva a J della produttività: gli investimenti organizzativi precedono gli eventuali guadagni, senza garantire tempi o risultati identici per ogni impresa.
Il mancato effetto dichiarato dalle imprese utilizzatrici riguarda la produttività del lavoro finora osservata. Non equivale all’assenza di qualsiasi beneficio in altri ambiti, né trasforma le aspettative di miglioramento futuro in risultati acquisiti. È una distinzione decisiva quando si passa dal successo tecnico di un progetto pilota al suo impiego continuativo nelle attività centrali.
La spesa aumenta prima che i risultati siano misurabili
Il mercato italiano dell’IA ha raggiunto circa 1,8 miliardi di euro nel 2025, il 50% in più rispetto all’anno precedente. Questa cifra misura il valore del mercato, non l’aumento di produttività delle imprese acquirenti. Per una PMI, acquisto, impiego regolare e risultato economico sono passaggi distinti: la spesa può crescere mentre l’applicazione resta circoscritta a una funzione o a una prova.
Il costo dell’integrazione continua dopo l’acquisto iniziale. Servono preparazione e gestione dei dati, collegamenti tra sistemi, formazione e talvolta servizi cloud e assistenza specialistica ricorrenti. Se questi elementi mancano, una soluzione funzionante in un test può richiedere ancora lavoro prima di entrare stabilmente nella produzione. È il motivo per cui la proposta di sostegno considera anche i servizi continuativi e la validazione delle applicazioni, oltre all’investimento tecnologico.
AI Audit e infrastrutture nelle proposte di Invitalia
L’AI Audit proposto nel paper è una diagnosi delle condizioni aziendali prima della scelta di un’applicazione. Esamina quali processi potrebbero migliorare, disponibilità e qualità dei dati, infrastrutture, competenze e capacità organizzativa. L’esito previsto è un percorso che individui casi d’uso prioritari, interventi preliminari, costi, benefici attesi e risultati verificabili. Per un’impresa priva di dati utilizzabili, il primo fabbisogno sarebbe quindi diverso da quello di un’azienda che deve estendere una soluzione già sperimentata.
Da questa diagnosi discendono le direttrici proposte: sostegno mirato e temporaneo anche ai costi ricorrenti; riduzione del rischio nel provare e validare le soluzioni; sviluppo delle competenze tecniche e manageriali; accesso delle PMI a calcolo avanzato e servizi specialistici; rafforzamento dei fornitori italiani di IA industriale. Sono interventi collegati. Una maggiore capacità di calcolo, per esempio, ha un’utilità limitata se mancano dati adatti all’applicazione o persone in grado di inserirla nel processo produttivo.
Per la manifattura il paper individua tre ambiti: condivisione governata dei dati lungo le filiere, gemelli digitali per simulare prodotti e processi, e integrazione dell’IA in robot e macchinari. Indica il Tecnopolo di Bologna, il supercomputer Leonardo e l’AI Factory IT4LIA tra le capacità presenti in Italia. La proposta è renderle accessibili in base a esigenze produttive concrete, così che anche le imprese minori possano affrontare le fasi di sperimentazione e integrazione.
Le previsioni sulla produttività restano scenari
Le simulazioni decennali richiamate nel paper stimano che una maggiore diffusione dell’IA potrebbe aggiungere fra 0,2 e 1,1 punti percentuali alla crescita annua della produttività del lavoro, secondo la velocità di adozione. Sono esiti condizionati, non miglioramenti già misurati nelle imprese. La distanza tra previsione e risultato osservato dipende anche da quante applicazioni supereranno la fase pilota e cambieranno stabilmente il modo di lavorare.
Per le PMI, il punto più concreto delle proposte è la sequenza che collega diagnosi, sperimentazione, integrazione e verifica dei risultati. Se le politiche pubbliche seguiranno questa logica, la loro efficacia dipenderà dalla capacità di sostenere anche il lavoro organizzativo e i costi continuativi necessari a trasformare l’adozione in produttività.
Leggi anche:
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
