Innovazione: l’intelligenza artificiale entra in azienda a piccoli passi e con prudenza

Il Politecnico di Milano ricorre a un’immagine letteraria, richiamando l’opera teatrale di Samuel Beckett, per descrivere il rapporto che molte imprese italiane intrattengono oggi con l’intelligenza artificiale.

Politecnico di Milano ha affermato:

“I dati mostrano che, nonostante l’accelerazione tecnologica degli ultimi due anni, la diffusione dell’Ai nei processi di innovazione aziendale rimane ancora limitata. Molte organizzazioni osservano, attendono, valutano — ma agiscono con molta prudenza.”

Questa osservazione apre il report intitolato Ai4Innovation – Innovazione & Ai nelle imprese italiane: Gen-Ai & Agentic-Ai tra consapevolezza, prudenza ed azione, che analizza lo stato di adozione e le strategie attuate dalle imprese.

I dati

La survey, condotta tra febbraio e marzo 2026, ha coinvolto 85 organizzazioni italiane suddivise per fasce dimensionali di fatturato. La composizione del campione è variata: il 32% delle risposte proviene da piccole imprese (fatturato inferiore a 10 milioni di euro), il 27% da aziende medie (tra 10 e 50 milioni) e un ulteriore 27% da imprese grandi (tra 50 milioni e 1 miliardo). Le cosiddette grandissime aziende, con fatturato superiore al miliardo, rappresentano il 14% del campione.

Alla prima domanda sul livello di maturità nell’adozione della Gen-Ai e della Agentic-Ai le risposte sono state aggregate in tre profili, che riflettono stadi progressivi di integrazione dell’intelligenza artificiale nei processi aziendali.

Il primo profilo, Ai Starters (25%), include organizzazioni che si approcciano all’AI in modo occasionale e non strutturato, spesso grazie a iniziative individuali anziché a una strategia aziendale definita.

Il secondo gruppo, Ai Experimenters (49%), comprende imprese che hanno avviato progetti pilota su casi specifici; in queste realtà l’adozione è parziale e non ancora sistematica.

Politecnico di Milano ha precisato:

“L’Ai supporta alcune attività, ma non è ancora entrata nella routine operativa.”

L’ultimo profilo, Ai Scalers (26%), include le organizzazioni che hanno superato la fase sperimentale e adottano l’intelligenza artificiale su più casi d’uso in modo strutturato.

Politecnico di Milano ha spiegato:

“Per queste organizzazioni l’Ai è adottata su più casi d’uso in modo strutturato, con una governance definita, ownership chiara e metriche di monitoraggio.”

Formazione e competenze

Il report approfondisce anche il tema delle competenze: le imprese sono state interrogate sulla necessità di sviluppare nuove abilità nei team dedicati all’innovazione e sulle leve utilizzate per colmare i gap. In genere emergono tre linee d’azione principali: formazione interna e upskilling, reclutamento mirato di profili specialistici e collaborazioni con centri di ricerca e università.

L’introduzione di tecnologie di tipo Gen-Ai (modelli generativi di linguaggio e contenuto) e di Agentic-Ai (sistemi con capacità autonome di pianificazione e azione) richiede competenze diverse: dalle capacità di engineering dei modelli all’implementazione di pratiche di governance, valutazione del rischio e monitoraggio delle performance.

Per le imprese che intendono scalare i progetti, il rapporto sottolinea l’importanza di definire ownership chiare, metriche per misurare benefici e rischi, e processi di integrazione tra team IT, funzioni di business e risorse umane.

Dal punto di vista delle politiche pubbliche e del sistema educativo, lo studio segnala la necessità di incentivi e programmi formativi che favoriscano la transizione delle competenze, nonché di un dialogo strutturato tra imprese, istituti di ricerca e enti regolatori per definire standard operativi e requisiti di sicurezza.

Implicazioni e raccomandazioni

La fotografia delineata dal report indica che, sebbene l’interesse per l’intelligenza artificiale sia elevato, molte organizzazioni adottano un atteggiamento prudente. Questo approccio ha conseguenze pratiche: ritardi nell’automatizzazione di processi a valore aggiunto, difficoltà a capitalizzare investimenti in sperimentazione e potenziali rischi competitivi sul piano internazionale.

Per superare la fase di attesa, il rapporto suggerisce alcune linee guida operative: sviluppare strategie aziendali chiare per l’AI, investire sistematicamente in formazione, istituire governance trasparenti e metriche condivise, e favorire partnership pubblico-privato per accelerare trasferimento tecnologico e diffusione delle best practice.

In conclusione, il documento invita le imprese italiane a combinare prudenza e azione strutturata: osservare e valutare rimane legittimo, ma per trasformare l’innovazione in vantaggio competitivo è necessario un salto verso l’adozione sistematica supportata da competenze, governance e misurazione dei risultati.