“A fool with a tool is still a fool”, recita un vecchio adagio nel mondo della tecnologia, che nell’era dell’AI resta particolarmente attuale: a cosa serve l’intelligenza artificiale se non la sappiamo usare? Questa domanda, in Italia, se la dovrebbero fare tre aziende su quattro, secondo un report dell’Osservatorio AI4Innovation della POLIMI School of Management.
Nonostante negli ultimi due anni l’Ai sia entratata negli strumenti operativi, la diffusione nei processi di innovazione aziendale rimane limitata.
Secondo il report “è il momento di passare da un’adozione estensiva, diffusa ma superficiale, a un uso intensivo, con procedure definite, strumenti dedicati, governance e metriche che al momento sono prerogativa di pochi”.
Il sondaggio contenuto nella ricerca, condotto su un campione rappresentativo di aziende italiane dall’Osservatorio, rivela che solo il 26% si dichiara AI Scaler, cioè ha trasformato l’AI in una componente strutturale del modello di innovazione.
Il 49% è ‘AI Experimenter’, con progetti pilota su casi d’uso specifici e un’integrazione parziale; il restante 25% è AI Starter: realtà in cui l’approccio all’AI è ancora sporadico, guidato dall’iniziativa di singoli, privo di una regia strategica centrale.
Il segmento più critico si trova nelle medie imprese, dove il 50% si dichiara ancora Starter e solo il 9% raggiunge il profilo Scaler: troppo grandi per essere agili, ma non abbastanza strutturate per investire in modo sistematico.
Di contro, le piccole imprese del campione mostrano una vitalità sorprendente, con il 30% di Scaler: si tratta però di aziende con un profilo tech elevato, secondo la ricerca. Tra le grandissime imprese il 16% si dice Scaler (il 67% Experimenters), tra le grandi ben il 39% si posiziona nella fascia più matura: le organizzazioni di maggiore dimensione dispongono di risorse e strutture che accelerano i percorsi di adozione, ma al tempo stesso frenano la scalabilità effettiva.
“Il confine strategico non è più tra chi usa l’AI e chi no – commenta Stefano Mizio, responsabile dell’Osservatorio AI4Innovation – ma tra l’adozione estensiva, individuale, spesso superficiale e con strumenti generalisti, che è diffusa e in crescita (la Shadow AI, cioè il fenomeno dei dipendenti che adottano l’AI in autonomia, è una realtà di massa che richiede una governance urgente), e l’adozione intensiva, che invece prevede l’integrazione nei processi core con workflow definiti, tool dedicati, governance e metriche, confinata a una minoranza di organizzazioni. Il ritardo nell’adozione intensiva produce uno svantaggio esponenziale, poiché chi ha iniziato sta già accumulando un know-how operativo difficilmente colmabile, imboccando la corretta direzione evolutiva: passare a un’integrazione strutturata dell’AI nella gestione della conoscenza, nel supporto alle decisioni e nel monitoraggio dei progetti. La vera sfida è costruire le condizioni organizzative affinché l’AI diventi parte integrante del modo in cui l’innovazione viene portata a valore”.
Il vecchio-nuovo nodo delle competenze
Tra gli altri dati del report non possono mancare quelli relativi alle competenze: il 96% dei team Innovation ritiene che sia necessario svilupparne di nuove e la figura più ricercata (51%) è il “profilo ibrido”, abbastanza competente da dialogare con i sistemi e abbastanza manageriale da tradurre quella competenza in valore organizzativo. Non serve tanto saper programmare tanto conoscere gli strumenti che possono farlo al posto nostro, ma i profili tecnici puri (data scientist, ML engineer, AI engineer) “rimangono necessari – e il 32% che li ricerca lo conferma – ma non sono più la risposta prevalente alla domanda su chi deve guidare l’innovazione AI-driven nelle organizzazioni”, dice Mizio.
Secondo la Wibo Future Skills Research 2025, che analizza il livello di preparazione delle aziende rispetto alle competenze strategiche ritenute cruciali nei prossimi anni, il livello medio di competenze percepito oggi nelle organizzazioni è pari a 5 su 10, ben al di sotto del livello ritenuto necessario per rimanere competitivi (8,9 su 10).
Ma in che modo la Generative AI e gli agenti AI (sistemi capaci di pianificare e agire in modo semi-autonomo) stanno trasformando l’approccio delle imprese italiane alle opportunità di innovazione?
Il sondaggio del Polimi ha diviso il processo in cinque fasi specifiche del front-end, cioè l’inizio del ciclo innovativo, prima che un progetto sia formalizzato in un percorso strutturato: “L’Idea Generation, il momento in cui vengono generate le idee, è quello in cui si fa più uso dell’AI (58% dei rispondenti), favorito dalla bassa barriera d’ingresso dei modelli linguistici, mentre l’Idea Evaluation, quando le proposte vengono selezionate e valutate, ha un tasso di adozione strutturata di appena il 9%, frenato dalla diffidenza verso i frequenti fraintendimenti in cui l’AI incorre”, si legge nel report.
Ma è il back-end il luogo dove i progetti approvati si confrontano con vincoli tecnici, scarsità di risorse e resistenze. Il Polimi immagina un mondo aziendale in cui agenti AI e persone collaborano in modo complementare – ma è conclamata la resistenza di una grossa fetta della popolazione aziendale, nella paura di essere sostituita dai nuovi strumenti.
L’area in cui l’AI risulta più presente è il knowledge management, dove circa il 60% del campione dichiara almeno una qualche forma di utilizzo (27% in modo strutturato, 33% occasionale): le barriere organizzative sono più basse e i casi d’uso immediatamente accessibili, come la ricerca di informazioni e la sintesi documentale.
Altro grande rischio per i dati delle aziende, il 72% si affida a LLM (modelli di machine learning in grado di comprendere e generare testo in linguaggio umano) generalisti, mentre solo il 24% utilizza tool verticali e appena il 18% ha introdotto agenti o workflow automatizzati. Nel decision making, meno di un’azienda su tre ha avviato un qualche percorso di integrazione dell’AI: l’utilizzo strutturato si ferma al 13%. Nel project management il 70% del campione non utilizza strumenti AI a supporto della gestione progettuale.
