Il numero che riassume meglio di qualsiasi analisi la posizione dell’Italia nell’economia dell’intelligenza artificiale è questo: nel 2025, il venture capital investito in startup e tecnologia in Italia ha raggiunto 1,4 miliardi di euro.
Nello stesso anno, nel Regno Unito, i soldi investiti erano 120 miliardi.
In Francia e Germania circa 50 ciascuno.
L’Italia è decima in Europa per volumi complessivi e terzultima per investimenti pro-capite: 127 euro per abitante. Una distanza strutturale, che ha prodotto le conseguenze che possiamo vedere oggi sulla nostra economia, lo sviluppo e le prospettive legate all’AI, che rappresenta la tecnologia del futuro e il punto di svolta dei prossimi anni.
Un ritardo misurabile in decenni di scelte mancate.
Lo stato dell’adozione: i numeri reali
Il quadro che emerge dalle fonti ufficiali è più articolato di quanto il dibattito pubblico restituisca.
Nel 2024 solo l’8,2% delle aziende italiane con almeno 10 dipendenti aveva adottato tecnologie AI, contro una media europea del 13,5%. Nel 2025 la situazione è migliorata, ma in modo disomogeneo. Tra le grandi imprese l’adozione ha raggiunto il 53,1%. Tra le PMI si ferma al 15,7%.
Il dato più preoccupante, però, è la traiettoria.
La differenza nell’intensità di utilizzo tra grandi imprese e PMI è passata da 20 punti percentuali nel 2023 a 37 nel 2025. Il divario, quindi, si sta allargando. L’AI non sta funzionando da fattore di livellamento: sta amplificando le differenze organizzative già esistenti.
Il 70% delle aziende italiane non ha ancora una strategia definita per l’AI. Tra quelle che ce l’hanno, il piano è spesso gestito dall’IT con un coinvolgimento minimo del top management. È una questione di governance.
Le (non) infrastrutture italiane
L’adozione dell’AI dipende dall’infrastruttura su cui la volontà delle aziende italiane possa appoggiarsi.
Purtroppo però, l’Italia sconta un deficit infrastrutturale che precede l’AI di vent’anni.
Connettività, data center, capacità di calcolo distribuita sul territorio: sono tutti elementi che richiedono investimenti pluriennali e che non si costruiscono in risposta a una singola ondata tecnologica.
Per avere un punto di riferimento: Alphabet ha dichiarato per il 2026 un Capex tra 175 e 185 miliardi di dollari, quasi il doppio degli 91,4 miliardi investiti nel 2025, destinati in larga parte a data center e infrastrutture di calcolo. Amazon ha comunicato investimenti fino a 200 miliardi nello stesso anno. Questi sono i numeri degli hyperscaler globali: indicativi di cosa significa costruire l’infrastruttura necessaria a competere nell’economia dell’AI.
L’Italia non ha un dato aggregato pubblicamente disponibile sul Capex industriale specifico destinato all’AI.
Questa è già una risposta in sé.
È chiaro come un paese che non misura quanto investe in una tecnologia strategica non ha ancora deciso di trattarla come tale.
Il confronto europeo che fa più male
Il TEHA Global Innosystem Index 2026 posiziona l’Italia al 31esimo posto su 49 paesi analizzati per capacità complessiva di innovazione, dietro Singapore, Israele, Regno Unito e molti altri paesi europei. La valutazione misura la capacità di trasformare la ricerca in valore economico, di attrarre e trattenere talenti, di costruire ecosistemi produttivi capaci di scalare.
L’Italia eccelle per qualità della ricerca scientifica ma soffre di ritardi strutturali negli investimenti e nella formazione di competenze STEM, e non riesce a trasformare pienamente l’eccellenza accademica in valore economico.
È il paradosso italiano: competenza diffusa, sistema incapace di valorizzarla.
Il Rapporto ISTAT 2026 è esplicito: nel 2025 il PIL italiano supera il livello del 2007 di appena l’1,9%. Francia, Germania e Spagna nello stesso periodo hanno registrato una crescita vicina al 20%.
Tre cause strutturali identificate: ritardo negli investimenti immateriali, frammentazione del tessuto produttivo, ridotta capacità di innovazione legata alle competenze del capitale umano. L’AI aggrava tutte e tre.
Quanto ci vorrebbe per recuperare?
Questa è la domanda più difficile. E va posta con onestà.
Non esiste una proiezione ufficiale e verificabile sul tempo necessario all’Italia per colmare il gap con i principali paesi europei nell’adozione dell’AI. Le stime sono frammentate, prodotte da soggetti con interessi diversi, e raramente comparabili tra loro.
Quello che possiamo dire con i dati disponibili è questo. L’obiettivo europeo fissato dalla Commissione prevede che il 75% delle imprese con almeno 10 dipendenti adotti tecnologie AI entro il 2030. L’Italia oggi è al 14,7% tra le PMI e al 53,1% tra le grandi imprese. Raggiungere il 75% tra le PMI in cinque anni significherebbe quintuplicare il tasso di adozione attuale in un segmento che rappresenta il 99% del tessuto produttivo italiano.
È possibile. Non è probabile senza un cambiamento sistemico nelle tre variabili che contano: investimenti in infrastruttura, disponibilità di competenze, e governance aziendale dell’innovazione.
Lo studio Minsait-Ambrosetti stima che un’adozione strutturata dell’AI nelle imprese italiane potrebbe tradursi in un aumento complessivo della produttività pari a 115 miliardi di euro. È una stima, non una previsione. Ma indica l’ordine di grandezza di ciò che è in gioco.
Il vero collo di bottiglia
I dati convergono su un punto che il dibattito pubblico tende a ignorare: il problema dell’Italia è la capacità organizzativa di comprendere l’AI, governarla e integrarla nei processi.
Un incremento di un anno nell’età media dei lavoratori si associa a una riduzione di 0,3 punti percentuali della probabilità di innovazione di prodotto e di 0,7 punti per quella di processo. Nel 2023 oltre il 60% delle imprese italiane di industria e servizi aveva un’età media dei lavoratori pari o superiore a 42 anni.
La tecnologia è disponibile. I modelli sono accessibili. Gli strumenti esistono. Ciò che manca è nell’infrastruttura umana e organizzativa che dovrebbe utilizzarla.
Ma attenzione. Teniamo a mente questo: un’azienda che non ha una strategia AI, più che un problema tecnologico, ha un problema di governance. E la governance si costruisce con decisioni, processi, responsabilità distribuite in modo chiaro tra chi guida l’azienda.
Il ritardo italiano sull’AI è un ritardo di visione. E i ritardi di visione costano più di quelli infrastrutturali perché non si misurano facilmente, non si recuperano con un piano di spesa straordinario, e non producono segnali di allerta fino a quando il gap è già diventato strutturale.
L’Italia riuscirà a risolvere queste difficoltà strutturali e strategiche, dunque, solo quando chi la guida capirà che l’AI è una variabile strategica che cambia il modo in cui le aziende, il paese e l’intera visione nazionale possono competere e creare valore.
Quel momento, per molte aziende italiane, è già lontano.
Nuove Connessioni (FAQ)
Perché il divario tra grandi imprese e PMI nell’adozione della AI continua ad allargarsi?
Perché i punti di partenza sono troppo diversi. Una grande impresa ha già qualcuno a cui delegare l’esplorazione: un CTO, un team IT, un budget tecnologico strutturato. Quando arriva una nuova tecnologia, qualcuno la studia per mestiere. Le PMI italiane, che sono il 99% del tessuto produttivo, di solito non hanno quella struttura. E l’AI non livella questo divario: lo amplifica, perché premia chi ha già le fondamenta organizzative per usarla bene.
Il problema italiano è di investimento o di cultura organizzativa?
Di entrambi, ma il dibattito guarda sempre il primo e ignora il secondo. Si discute di fondi europei, capex, Transizione 5.0. Intanto il 70% delle aziende italiane non ha ancora una strategia AI — non per mancanza di soldi, ma perché nessuno con autorità strategica si è fatto carico della domanda. Ho visto aziende acquistare licenze costose e affidarle all’IT senza che il vertice sapesse bene perché. Senza direzione, la tecnologia è solo una spesa.
Da dove può partire concretamente un’impresa italiana media?
Dal capire dove si trova adesso. Aprire ChatGPT e chiedere informazioni sulla propria azienda. Cercare il proprio nome su LinkedIn e su Google. Quello che si vede è quello che vede chiunque voglia capire chi sei: cliente, partner, concorrente. Se c’è incoerenza o assenza, lì c’è il primo problema da risolvere. Poi: identificare i due o tre processi dove l’AI produce un risultato realmente migliore dell’alternativa esistente, misurarlo, scalare solo quello che regge la misura. La governance non richiede un budget straordinario. Richiede qualcuno che si prenda la responsabilità della direzione.