Intelligenza artificiale Italia: 32% grandi aziende, 4,7 milioni occupati a rischio

Tra slancio innovativo e timori per l’occupazione, l’intelligenza artificiale sta cambiando il volto delle aziende italiane. Grandi imprese e PMI si confrontano con sfide, vantaggi e nuove disuguaglianze nel mercato del lavoro.

L’intelligenza artificiale (IA) sta modificando il modo in cui l’economia italiana organizza la produzione e il lavoro. Le sue applicazioni intervengono nei settori industriali, nei servizi e nei processi interni delle imprese, con effetti già visibili sulla produttività, sull’efficienza e sulla capacità di sviluppare nuovi prodotti o modalità operative. La stessa trasformazione alimenta però preoccupazioni sul fronte dell’occupazione: secondo numerosi report, milioni di posti di lavoro potrebbero essere compromessi oppure cambiare natura.

Il dibattito in Italia si è fatto più intenso con l’accelerazione degli investimenti e dei progetti avviati dalle grandi aziende. Le piccole e medie imprese (PMI), invece, procedono più lentamente e incontrano ostacoli specifici.

L’automazione intelligente non coincide con la sostituzione meccanica di singole mansioni. A essere coinvolti sono interi processi, insieme alle competenze necessarie per svolgerli. Servono preparazione digitale, capacità di analisi, autonomia decisionale e qualità trasversali. Il rischio è che aumenti la distanza tra chi dispone delle abilità richieste e chi non riesce ad acquisirle.

Per il sistema produttivo, per la scuola e per le politiche del lavoro la questione è già aperta. L’IA può aiutare a compensare il calo demografico e a rispondere alle esigenze di un mercato globale più esigente; allo stesso tempo, lavoratori e imprese devono essere sostenuti durante il cambiamento, così da evitare che l’innovazione produca nuove disuguaglianze.

Diffusione dell’Intelligenza Artificiale: i dati del mercato italiano

La presenza dell’IA nelle imprese italiane è aumentata rapidamente. Tra il 2023 e il 2025 la percentuale di aziende con almeno 10 addetti che utilizzano tecnologie di intelligenza artificiale è passata dal 5% al 16,4%. In due anni, quindi, la quota è più che triplicata.

La spinta più forte arriva dalle grandi aziende. Circa il 53% ha già avviato almeno un progetto basato sull’IA, una propensione molto più elevata rispetto alla media europea. Il dato non descrive però un mercato omogeneo: tra le PMI l’adozione si ferma intorno al 15%, con una distanza ancora evidente rispetto alle organizzazioni di maggiori dimensioni.

Telecomunicazioni, assicurazioni, energia e finanza sono i comparti che alimentano soprattutto la domanda. Anche la grande distribuzione sta aumentando con rapidità la spesa per le tecnologie avanzate. La Pubblica Amministrazione ha registrato una crescita superiore al 100% rispetto all’anno precedente, pur rappresentando ancora una parte ridotta del mercato complessivo.

Nel 2024 il mercato italiano dell’intelligenza artificiale ha raggiunto un valore di 1,2 miliardi di euro, con un aumento del 58% rispetto all’anno precedente. La penetrazione nel sistema produttivo resta comunque inferiore a quella di altri Paesi europei.

Le applicazioni più comuni riguardano l’analisi dei dati, i sistemi conversazionali e la generazione automatica di contenuti. Stanno guadagnando terreno anche il riconoscimento vocale, la visione artificiale e gli strumenti che automatizzano i flussi di lavoro. Il quadro, però, è ancora lontano dalla maturità: l’83,6% delle imprese con almeno 10 addetti non utilizza alcuna tecnologia di IA. Il margine di crescita della digitalizzazione italiana rimane quindi ampio.

Grandi aziende e PMI: un divario che si allarga

La differenza tra grandi imprese e PMI è uno dei tratti più evidenti dell’adozione dell’IA in Italia. I gruppi industriali e finanziari possono creare centri di competenza, definire strutture di governance e sviluppare modelli predittivi su larga scala. Le aziende più piccole devono invece fare i conti con limiti organizzativi, tecnologici ed economici che rendono più difficile sperimentare.

Le difficoltà principali si concentrano in tre aree:

• Competenze digitali non uniformi. Data science, machine learning e sicurezza informatica richiedono specialisti che molte PMI non riescono ad assumere o a formare internamente. Senza queste figure, progettare soluzioni personalizzate diventa complesso.
• Investimenti onerosi e benefici difficili da quantificare. Un progetto di IA comporta costi iniziali rilevanti. Per una piccola impresa, impegnare risorse senza avere una stima affidabile del ritorno economico è una scelta rischiosa.
• Dati frammentati. Sistemi informativi poco organizzati, informazioni incomplete e accesso difficoltoso ai dati riducono l’efficacia degli strumenti di intelligenza artificiale. Prima ancora dell’algoritmo, spesso manca una base informativa ordinata.

Tra il 2023 e il 2025 la differenza nell’intensità di utilizzo delle tecnologie tra grandi aziende e PMI è cresciuta di circa 17 punti percentuali. Per le attività più avanzate lo scarto supera i 37 punti. Il tema non riguarda soltanto la velocità di adozione: se il divario persiste, può tradursi in una perdita di competitività per le imprese più fragili e in una maggiore polarizzazione sociale.

Per questo gli organismi istituzionali insistono sul rafforzamento delle politiche dedicate a finanziamenti, formazione ed ecosistemi digitali. Le PMI hanno bisogno di condizioni che rendano possibile passare dalla curiosità iniziale a progetti sostenibili.

Dove viene utilizzata l’IA nelle imprese italiane

L’intelligenza artificiale entra in molte fasi dell’attività aziendale. In alcuni casi migliora procedure già esistenti; in altri modifica il modo in cui vengono prese le decisioni o gestiti i rapporti con clienti e fornitori.

• Analisi dei dati e modelli predittivi. Gli strumenti di data exploration aiutano a individuare l’andamento della domanda, prevedere i trend di mercato, distribuire le risorse produttive, organizzare la supply chain e riconoscere le frodi.
• Sistemi conversazionali e gestione dei documenti. Chatbot e applicazioni per l’elaborazione del linguaggio naturale vengono impiegati nel customer care e nella gestione dei flussi informativi interni.
• Marketing e personalizzazione. Gli algoritmi di raccomandazione e le tecniche di targetizzazione consentono di adattare le proposte alle preferenze individuali e di aumentare il coinvolgimento dei clienti.
• Produzione e logistica. La visione artificiale sostiene i controlli di qualità, mentre robotica e manutenzione predittiva intervengono sulla manifattura e sulla distribuzione.
• Risorse umane. I software per lo screening dei CV, la previsione del turnover e l’organizzazione dei turni puntano a rendere più efficienti i processi di selezione e gestione del personale, con possibili effetti anche sull’inclusività.
• Finanza e sicurezza informatica. Rilevazione delle anomalie, valutazione dei rischi e automazione delle operazioni bancarie sono tra gli ambiti più esposti all’uso di algoritmi.
• Contenuti e creatività. L’IA generativa produce testi, immagini e prototipi, accelerando il lavoro nel marketing, nel design e nelle attività IT.

La varietà di queste applicazioni mostra perché l’IA sia considerata una leva strategica dalle imprese che hanno superato la prima fase di test. L’obiettivo diventa integrarla su scala più ampia nell’organizzazione interna e nei processi capaci di produrre valore.

I settori più esposti all’intelligenza artificiale

L’impatto non è uguale in tutti i comparti. Dipende dal tipo di attività, dalla quantità di dati disponibili, dal livello di digitalizzazione e dalla possibilità di standardizzare le procedure.

• Finanza e assicurazioni. Gli algoritmi vengono applicati alla valutazione del rischio, all’individuazione delle frodi e all’automazione delle operazioni. Sono settori molto digitalizzati, sottoposti però a vincoli stringenti in materia di regolazione e sicurezza dei dati.
• Telecomunicazioni e servizi IT. Qui l’IA viene utilizzata in molti modi: assistenza ai clienti, gestione delle reti e sviluppo di nuovi servizi sono soltanto alcuni degli ambiti di applicazione.
• Grande distribuzione e logistica. La tecnologia sostiene la gestione delle scorte, l’adattamento delle offerte alle preferenze della clientela e la pianificazione dei trasporti in funzione delle condizioni operative.
• Manifattura e processi produttivi. Manutenzione predittiva e automazione cognitiva intervengono sulla catena di montaggio e sui controlli di qualità, soprattutto nelle industrie più complesse.

Servizi postali, marketing, ricerca e sviluppo e Pubblica Amministrazione stanno a loro volta aumentando il ricorso a soluzioni di IA. Agricoltura, costruzioni e alcune attività artigianali restano invece relativamente meno esposte all’automazione cognitiva. Il lavoro manuale non standardizzabile, la relazione con le persone e la necessità di adattarsi a situazioni variabili rendono più difficile sostituire queste attività con procedure algoritmiche.

I vantaggi per le aziende

Per le imprese l’adozione dell’IA produce effetti concreti. Il 61% dei lavoratori italiani dichiara che questa tecnologia ha già modificato il proprio modo di lavorare. In molti casi, le attività vengono completate più velocemente e con maggiore precisione.

• Produttività più alta. L’automazione e il supporto alle decisioni riducono il tempo richiesto da alcune operazioni.
• Meno attività ripetitive. Quando i compiti a basso valore aggiunto vengono affidati ai sistemi automatici, il personale può dedicarsi a responsabilità creative o strategiche.
• Riduzione degli errori. L’elaborazione di grandi volumi di dati permette analisi più accurate, soprattutto nei processi complessi.
• Decisioni manageriali più informate. Gli insight estratti dai dati aiutano a pianificare le attività e a orientare le strategie operative.
• Personalizzazione su larga scala. Analizzando in tempo reale gusti, preferenze e comportamenti di milioni di clienti, le aziende possono proporre prodotti e servizi più aderenti alle singole esigenze.

La tecnologia rende più scalabili le operazioni e può garantire la continuità dei servizi attraverso sistemi attivi 24 ore su 24, sette giorni su sette. L’ottimizzazione dei processi riduce gli sprechi; allo stesso tempo, l’IA favorisce la nascita di modelli di business nuovi.

Le imprese che la adottano mostrano anche una maggiore capacità di adattarsi ai cambiamenti del mercato. È un vantaggio rilevante in una fase segnata da trasformazioni tecnologiche e demografiche.

Competenze, governance e divario digitale: gli ostacoli

La diffusione dell’IA nell’economia italiana procede più lentamente di quanto potrebbero suggerire i risultati delle grandi aziende. Quasi il 60% delle imprese indica nella carenza di competenze specialistiche uno dei principali problemi. Non mancano soltanto data scientist ed esperti di IA: servono anche dirigenti e dipendenti capaci di inserire le nuove applicazioni nei processi già esistenti.

La governance è un altro punto debole, soprattutto nelle PMI. Stabilire ruoli, responsabilità, criteri di valutazione e procedure per la gestione dei rischi richiede un’organizzazione precisa. Solo il 50% delle organizzazioni ha avviato processi strutturati per governare l’IA e i dati; le altre procedono con iniziative sperimentali oppure frammentate.

Pesano anche i costi degli investimenti, l’incertezza sul ritorno economico e la qualità non sufficiente dei dati. A questi elementi si aggiungono gli obblighi normativi relativi alla privacy e al trattamento delle informazioni sensibili. L’AI Act europeo ha richiesto un adeguamento legislativo significativo e ha alimentato dubbi sulle modalità corrette di implementazione. Le imprese devono considerare anche i possibili effetti sulla reputazione e i profili di responsabilità.

Prima di adottare una soluzione, molte aziende devono quindi mettere ordine nei propri archivi, aggiornare le competenze e definire chi risponde delle decisioni. La scarsa maturità digitale e l’assenza di una cultura basata sui dati restano barriere rilevanti. Per molte imprese medie e piccole, il passaggio dal progetto pilota all’integrazione nei processi quotidiani è ancora difficile.

IA e lavoro: trasformazioni e rischio occupazionale

L’effetto dell’intelligenza artificiale sull’occupazione italiana non si esaurisce nella perdita di posti. Secondo le stime più recenti, fino a 4,7 milioni di posti sono attualmente esposti al rischio di trasformazione o di sostituzione diretta da parte di sistemi automatizzati. Nel complesso, quasi il 18% dei lavori è già automatizzabile; entro il 2033 la quota potrebbe arrivare al 50%.

Il dato va letto insieme all’invecchiamento della popolazione e alla riduzione prevista della forza lavoro. Entro il 2030 il calo degli occupati dovrebbe superare 1,7 milioni di unità. In questa prospettiva, l’IA può servire a compensare una parte del fabbisogno di personale e a ridurre la pressione sulla previdenza sociale. La transizione può inoltre creare occasioni di riqualificazione, a condizione che siano disponibili percorsi adeguati.

Il cambiamento più consistente riguarda le mansioni svolte all’interno delle professioni. Una figura può restare necessaria, ma con attività diverse, strumenti nuovi e responsabilità ridistribuite. Il 54% dei lavoratori dichiara che l’IA ha migliorato la propria efficienza; il 34% svolge già attività nate dalla digitalizzazione. Solo il 15% manifesta resistenze al cambiamento.

Professioni e settori più vulnerabili

Il rischio occupazionale non si distribuisce in modo uniforme. Alcune attività sono facilmente codificabili; altre dipendono da relazione, manualità, creatività o capacità di reagire a situazioni non previste.

• Mansioni esecutive e d’ufficio. Data entry, controllo e amministrazione possono essere affidati, almeno in parte, a procedure automatizzate. Sono quindi esposti sia all’automazione classica sia agli algoritmi più avanzati.
• Professioni intellettuali e scientifiche. IA cognitiva, IA generativa e machine learning incidono sulle attività analitiche e decisionali. Il cambiamento interessa anche ricercatori, programmatori e tecnici di laboratorio.
• Industria, logistica e guida. Nelle attività manifatturiere, tra gli operatori logistici e per i conducenti il rischio riguarda soprattutto compiti fisici o ripetitivi. In alcuni casi si aggiungono le sperimentazioni sulla guida autonoma e sulla robotica collaborativa.

Tabella 1 – Vulnerabilità professionale rispetto ai diversi tipi di automazione

I servizi alla persona risultano meno esposti. Anche i mestieri fondati su un rapporto intenso con gli altri, su attività fisiche difficili da standardizzare o su una creatività autentica presentano oggi un rischio più basso di riorganizzazione o sostituzione algoritmica.

Come cambiano le mansioni e quali competenze servono

L’automazione elimina o semplifica le attività più prevedibili e ripetitive. Il lavoratore deve così ridefinire il proprio contributo, spesso all’interno di gruppi in cui sistemi artificiali e persone operano fianco a fianco. Non scompare necessariamente una professione; può cambiare il contenuto della giornata lavorativa.

La capacità di interpretare i dati e di assumere decisioni complesse acquista peso. Servono competenze digitali avanzate, compresa la familiarità con strumenti analitici e algoritmici. Restano poi decisive le soft skill: creatività, flessibilità, gestione dell’incertezza, intelligenza emotiva e networking.

• Lettura critica dei dati e valutazione delle conseguenze delle decisioni;
• Padronanza degli strumenti digitali necessari per analisi e automazione;
• Abilità relazionali e organizzative, utili nei gruppi di lavoro ibridi e nei processi meno prevedibili.

Entro il 2030, fino al 39% delle competenze core richieste dalle posizioni lavorative potrebbe cambiare radicalmente. Quasi il 60% degli occupati avrebbe quindi bisogno di percorsi di upskilling e reskilling. Il tema non è conservare conoscenze tecniche che gli algoritmi possono svolgere con facilità, ma costruire capacità trasversali e imparare a collaborare in organizzazioni ad alta intensità tecnologica.

Polarizzazione e disuguaglianze: il compito delle politiche pubbliche

La diffusione dell’IA può accentuare la distanza tra posizioni molto qualificate e ben retribuite e mansioni precarie o poco qualificate. La fascia intermedia rischia di restringersi. Senza interventi correttivi, la trasformazione può produrre esclusione sociale e disparità di trattamento.

Le differenze riguardano anche il territorio e il genere. Il divario tra Nord e Sud e quello tra uomini e donne emergono nei report sulle assunzioni di tecnici digitali, indicando che l’accesso alle opportunità non è distribuito in modo uniforme.

• Formazione continua e riqualificazione. Fondi nazionali ed europei, compreso il PNRR (Piano Nazionale di Ripresa e Resilienza), e gli obiettivi del Decennio Digitale UE possono sostenere l’aggiornamento delle competenze.
• Accesso equo alle risorse digitali. Le persone più vulnerabili devono poter raggiungere le opportunità offerte dalla transizione tecnologica.
• Cooperazione tra imprese, università e ricerca. Una collaborazione stabile facilita la nascita di ecosistemi innovativi e consente di valorizzare il capitale umano italiano.

Quando scuola e welfare investono con continuità nelle competenze, la transizione digitale tende a essere più inclusiva e produce benefici distribuiti in modo più ampio. La formazione, in questo quadro, non è un intervento occasionale legato all’introduzione di un nuovo software: diventa una componente ordinaria delle politiche economiche e del lavoro.

Formazione e reskilling per gestire la transizione

Una risposta ai rischi dell’IA richiede formazione, reskilling e cambiamenti nell’organizzazione del lavoro. Le aziende più attente all’evoluzione delle mansioni stanno costruendo percorsi di upskilling rivolti all’intera forza lavoro. Data literacy, prompt engineering e gestione della cybersicurezza vengono affiancati da negoziazione, pensiero critico e altre competenze umanistiche.

Le iniziative utilizzate comprendono:

• Piani di formazione permanente, sviluppati con università e principali enti di ricerca;
• Progetti pilota, utili per verificare processi e strumenti prima di sostenerne i costi su scala più ampia e per favorire il coinvolgimento dell’organizzazione;
• Strutture di governance dedicate agli aspetti etici, digitali e alla sicurezza dei dati;
• Percorsi a doppio binario, con investimenti contemporanei nelle hard skill digitali e nelle soft skill relazionali;
• Partecipazione dei sindacati e nuove forme di contrattazione orientate alla tutela dei lavoratori nell’utilizzo delle tecnologie.

Un piano efficace deve unire dimensione pubblica e privata. Le politiche possono premiare le imprese che investono nella riqualificazione e riconoscono le competenze emergenti; le aziende, dal canto loro, devono tradurre questi strumenti in percorsi concreti, collegati alle attività quotidiane e alle prospettive professionali del personale.

Il ruolo futuro dell’IA nelle aziende italiane

Per integrare l’IA in modo sostenibile, le aziende italiane devono procedere per priorità: individuare i processi con maggiore potenziale, verificare la qualità dei dati disponibili e misurare i risultati con indicatori chiari di produttività, costi e qualità del lavoro.

Un’adozione efficace richiede anche una governance definita. Prima di estendere uno strumento, l’impresa dovrebbe stabilire chi controlla gli output, come vengono protetti i dati e quali decisioni devono restare sotto responsabilità umana. Questo approccio riduce i rischi legati a errori, privacy, sicurezza e discriminazioni.

La riqualificazione deve accompagnare ogni cambiamento organizzativo. Formazione digitale, competenze analitiche e capacità relazionali aiutano i lavoratori a collaborare con i sistemi automatici, mentre progetti pilota e valutazioni periodiche permettono anche alle PMI di contenere gli investimenti iniziali.

Il beneficio dell’IA non dipenderà quindi dalla sola velocità di adozione, ma dalla capacità di collegare tecnologia, competenze e regole. Le imprese che investono contemporaneamente in questi tre ambiti possono aumentare la produttività senza accentuare il divario tra lavoratori e organizzazioni.