Ai: aziende pronte, ma serve riorganizzare le competenze

Anche le tecnologie più avanzate non trasformano realmente un’impresa finché non vengono integrate per cambiare processi o generare nuovi prodotti e servizi. Intelligenza artificiale non fa eccezione: la sua adozione è parte integrante del processo creativo e strategico. Non è un pacchetto da acquistare e usare meccanicamente; richiede comprensione approfondita, progettazione e sperimentazione per poter essere impiegata con fiducia.

Enza Truzzolillo ha dichiarato:

“Con l’intelligenza artificiale si innova e si accelera il business, non ci si limita a limare qualche costo. I progetti di valore sono pensati in relazione alle caratteristiche di ogni singola azienda.”

Una fotografia sull’adozione nelle imprese

Una ricerca promossa dal comitato Giovani Imprenditori di Confindustria in collaborazione con Lenovo ha coinvolto 621 imprenditori e offre una finestra sulle dinamiche di implementazione. Le realtà analizzate sono in prevalenza piccole e medie imprese: circa la metà è in fase di crescita, il 23% dichiara un’incidenza dell’export superiore al 30% sul fatturato e un quarto supera i 10 milioni di euro di ricavi.

Dalla survey emerge che solo il 18,7% delle imprese utilizza l’intelligenza artificiale in modo strutturato, mentre circa due terzi sono in fase di sperimentazione o studio. Il 71% considera questa tecnologia un’opportunità e l’81% ritiene che le aziende italiane siano in ritardo rispetto alla media europea. Tra le criticità percepite, la preparazione del personale figura come il problema principale.

Organizzazione interna e priorità strategiche

Secondo Truzzolillo, l’adozione efficace dipende da una precisa organizzazione aziendale: l’intelligenza artificiale è un acceleratore di risultati quando valorizza i dati e i valori distintivi dell’impresa, consentendo la creazione di conoscenza condivisa su cui avviare progetti innovativi. Il punto di partenza è identificare il know-how specifico dell’azienda e separarlo dai dati non strategici.

Quello che alimenta il core business va trattato con soluzioni interne e progetti su misura, mentre i dati meno sensibili possono essere gestiti in cloud con modelli industriali. Questo approccio ibrido permette di bilanciare protezione del patrimonio informativo e scalabilità, ma richiede scelte di priorità anche per ragioni di costo energetico e infrastrutturale.

La ricerca registra che il 58% degli intervistati individua come urgente lo sviluppo delle competenze nella gestione del cambiamento; una quota molto più ridotta indica le competenze tecniche come prioritarie. Ciò segnala che la trasformazione è vista soprattutto come questione organizzativa, culturale e di leadership.

Esempi concreti di applicazione

Per illustrare il modello ibrido proposto, Lenovo cita alcuni casi significativi. All’Istituto Europeo di Oncologia, dove i dati sono estremamente sensibili, il progetto si è concentrato su modelli predittivi diagnostici sviluppati internamente per offrire servizi più personalizzati senza esportare informazioni delicate.

Nel settore della componentistica per l’automotive, la realtà di Vhit, guidata da Corrado La Forgia, ha introdotto l’intelligenza artificiale nel processo produttivo per ridurre in modo sostanziale gli errori di assemblaggio e migliorare la qualità finale dei prodotti. Si tratta di interventi che aumentano l’efficienza produttiva e la competitività commerciale.

Un altro esempio riguarda The Edge Company, che opera nella sicurezza aeroportuale: è stato sviluppato un modello di physical AI per analizzare in tempo reale i dati necessari a prevedere i movimenti degli stormi di uccelli, riducendo il rischio durante le fasi di decollo. Questi progetti dimostrano come l’adozione possa generare nuovi servizi e prodotti piuttosto che limitarsi a tagli di costo.

Truzzolillo ha spiegato che l’intelligenza artificiale non è un’unica soluzione applicabile in modo omogeneo: come l’innovazione, diventa una componente essenziale che va modellata sulle specificità aziendali per produrre valore reale.

Implicazioni per il sistema Paese

L’adozione diffusa dell’intelligenza artificiale nelle PMI italiane richiede investimenti in infrastrutture, formazione e governance dei dati. Per colmare il gap con l’Europa servono politiche pubbliche che incentivino la formazione manageriale, il supporto all’innovazione e la sostenibilità energetica delle soluzioni impiegate.

Le scelte delle singole aziende influenzano la competitività complessiva del tessuto produttivo: progetti su misura per proteggere il know-how possono salvaguardare posti di lavoro ad alto valore aggiunto e sostenere l’export, mentre l’uso indiscriminato di soluzioni esterne rischia di disperdere competenze chiave.

Infine, il ruolo delle realtà associative e delle imprese tecnologiche è cruciale per creare percorsi di adozione scalabili e replicabili: partenariati pubblico-privato e progetti pilota su settori strategici possono accelerare la diffusione di modelli virtuosi.

In sintesi

• Per le imprese italiane l’intelligenza artificiale è un’opportunità di aumento di valore più che una mera leva di riduzione dei costi; gli investimenti andranno valutati in base al potenziale di innovazione del prodotto e del processo.
• I progetti ibridi che combinano soluzioni in-house e cloud riducono il rischio di dispersione del know-how ma richiedono capitale umano formato e risorse per l’infrastruttura energetica e tecnologica.
• Per gli investitori, le aziende che dimostrano capacità organizzativa e governance dei dati sono candidati più solidi per finanziamenti e partnership industriali, perché offrono barriera competitiva e scalabilità.
• Dal punto di vista macroeconomico, accelerare la formazione manageriale e tecnici specializzati è cruciale per migliorare la produttività nazionale e sostenere l’internazionalizzazione delle PMI italiane.