In molte imprese italiane qualcuno usa già un assistente basato su intelligenza artificiale per scrivere una mail, riassumere un contratto, preparare una bozza di offerta. Lo fa da mesi, spesso di iniziativa personale, mentre in direzione si discute ancora se investire in intelligenza artificiale abbia senso per l’azienda.
Il paradosso è già la notizia: l’intelligenza artificiale è entrata in azienda prima che qualcuno decidesse come, passando per la porta di servizio, funzione per funzione, uso episodico dopo uso episodico. La domanda che conta oggi si è spostata: dall’ingresso dello strumento al governo di ciò che è già dentro l’azienda.
I numeri raccontano due velocità che corrono parallele. Nelle grandi imprese italiane il mercato dell’intelligenza artificiale ha raggiunto 1,82 miliardi di euro, con una crescita del 50% in un anno, secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano. Sette imprese su dieci tra le grandi hanno avviato almeno un progetto strutturato, e una leader su cinque ha già messo al lavoro agenti autonomi capaci di gestire flussi operativi complessi con margini di autonomia crescenti, in grado di portare a termine compiti su più passaggi con un’unica istruzione iniziale. Tra le piccole e medie imprese la fotografia cambia colore. Secondo la Ricerca 2025-2026 dell’Osservatorio Innovazione Digitale nelle PMI, sempre del Politecnico di Milano, tre PMI italiane su quattro restano ferme sugli investimenti in intelligenza artificiale, appena una su quattordici ha avviato un percorso di formazione strutturato sul tema, e quasi un’impresa su due è ferma sul fronte della ricerca e sviluppo da tre anni.
Il rischio, però, sarebbe leggere questo scarto come un semplice ritardo tecnologico da colmare con l’acquisto giusto: una lettura parziale, e per questo fuorviante. Le stesse rilevazioni mostrano che oltre una PMI su due ha aumentato la spesa in trasformazione digitale nel corso dell’ultimo anno, con un quarto delle imprese che investe in modo intenso e trasversale a tutte le aree aziendali. L’adozione del cloud, nel frattempo, è destinata a salire dal 56 al 91 per cento delle imprese entro il 2028. Le imprese italiane, insomma, spendono e si attrezzano. Restano indietro, invece, sulle tecnologie realmente emergenti — a partire dalla capacità di collegare i nuovi strumenti a processi ridisegnati con metodo. Il punto debole sta qui: nella capacità di trasformare uno strumento disponibile in un processo governato, misurabile, assegnato a qualcuno con chiarezza.
La distanza si vede anche per funzione aziendale. Amministrazione, finanza, marketing, vendite e produzione guidano l’adozione: sono le aree dove i processi sono già più codificati, e dove l’intelligenza artificiale trova terreno pronto. Le risorse umane e i processi di innovazione restano più indietro, proprio dove servirebbe di più una capacità organizzativa nuova per governare il cambiamento delle competenze e dei ruoli. La spiegazione è, in fondo, semplice: le funzioni amministrative lavorano su flussi ripetitivi e regole definite, mentre selezionare una persona o immaginare un nuovo prodotto restano attività che si prestano meno alla standardizzazione. Colmare questo divario chiederà un lavoro diverso da quello già fatto nelle aree più digitalizzate: meno automazione dei singoli compiti, più supporto strutturato a decisioni che restano, comunque, di competenza umana. È un dettaglio che vale un principio: l’intelligenza artificiale accelera con efficacia i processi già maturi; costruire da sola i processi ancora mancanti resta, per l’intelligenza artificiale, un compito assai più arduo.
Il passaggio dalla sperimentazione al processo governato si gioca su quattro terreni concreti, tutti indipendenti dalla scelta dello strumento tecnologico. Il primo è la qualità dei dati che l’azienda mette a disposizione: un modello linguistico applicato a informazioni disordinate o incomplete restituisce risposte discutibili con la stessa sicurezza con cui restituirebbe risposte corrette, e la differenza si vede solo a valle, quando il danno è già fatto con un preventivo sbagliato inviato al cliente, una scadenza normativa letta male, un dato di magazzino disallineato dalla realtà operativa. Il secondo è la mappatura dei processi: un’attività automatizzata prima di essere compresa nei suoi passaggi reali tende a replicare le stesse inefficienze, solo più in fretta e con meno controllo visibile. Il terzo è l’assegnazione delle responsabilità: qualcuno in azienda deve rispondere del risultato prodotto con l’aiuto dell’intelligenza artificiale e la responsabilità resta umana, per costruzione, e va dichiarata in anticipo: recuperarla a posteriori, dopo un errore, costa sempre di più. Il quarto è la misurazione: un indicatore che dica se il processo funziona meglio di prima trasforma l’adozione da sensazione condivisa in corridoio a decisione aziendale verificabile.
A rendere il quadro più esigente interviene la piena applicabilità del Regolamento europeo sull’intelligenza artificiale, scattata ad agosto. Le imprese che utilizzano sistemi di AI in ambiti classificati a rischio rispondono ora di obblighi precisi in materia di trasparenza, documentazione e supervisione umana. Vista da vicino, la regolazione rappresenta la stessa disciplina che serve comunque per rendere l’intelligenza artificiale affidabile all’interno dei processi aziendali: tracciare le decisioni, motivare i risultati, mantenere un presidio umano sui passaggi critici. Chi ha già cominciato a mappare dati, processi e responsabilità trova la conformità già a metà strada: l’ha costruita per governare il proprio processo, e la conformità è arrivata insieme al resto.
Su questo terreno preparato, gli strumenti di sostegno agli investimenti tecnologici – a partire dal nuovo Piano Transizione 5.0 – trovano la loro collocazione corretta: restano un acceleratore prezioso per chi ha già chiaro il progetto di trasformazione, e rendono ancora più solido un percorso già avviato. Rincorrere l’incentivo prima di aver definito processi e responsabilità porta spesso a candidature tecnicamente corrette ma organizzativamente fragili, con investimenti che restano sottoutilizzati una volta ottenuto il beneficio. L’ordine dei fattori, qui, cambia il risultato.
Per un’impresa che oggi vuole muoversi con ordine, il primo passo utile è una diagnosi interna, prima ancora di guardare al mercato dei fornitori: quali processi sono maturi per l’automazione, quali dati sono realmente disponibili e in che stato, chi si assume la responsabilità dei risultati, quale indicatore misurerà il successo tra sei mesi. È un lavoro che richiede competenze organizzative prima ancora che informatiche, e che distingue con nettezza chi tratta l’intelligenza artificiale come uno strumento da acquistare da chi la tratta come una trasformazione da governare con tutto ciò che una trasformazione comporta in termini di metodo, tempo e responsabilità condivisa tra le funzioni.
Le imprese che si sono già mosse in questa direzione condividono un tratto sorprendente: sono spesso realtà di dimensione media, partite da una condizione di ritardo dichiarato più che da una posizione di vantaggio tecnologico. Sono quelle che hanno accettato di rallentare la corsa allo strumento per accelerare la costruzione del processo. È un’inversione che costa tempo nell’immediato e restituisce margine in un orizzonte breve, quando il resto del mercato inizierà a chiedere alle imprese fornitrici la stessa affidabilità che oggi si chiede ai propri reparti interni. Next Wave seguirà da vicino, mese dopo mese, come questa inversione si traduce in scelte organizzative concrete, a partire dai casi che meritano di essere raccontati prima che diventino la norma.