Luca Annunziata
Editor-at-large
Adozione dell'AI in Italia nel 2026: i dati oltre l'hype
Pubblicato il: July 16, 2026
GPT di OpenAI, un open weight cinese, un autarchico modello light europeo: a leggere quello che si scrive in giro (chi vi scrive compreso, di recente), la scelta del modello sembrerebbe la questione decisiva del momento. È una domanda legittima, e in questo articolo la incroceremo più volte. Ma è davvero quella che tiene svegli i decisori e i tecnici alle prese con la realtà quotidiana delle imprese italiane? La risposta più onesta l'ha data una sala piena di mani alzate.
[Guarda anche la roundtable “AI, il sistema Italia” di AI Conf 2026]
Il 24 giugno scorso, il keynote della track executive di AI Conf 2026 si è aperto con tre richieste alla sala. La prima: alzate la mano se usate l'AI al lavoro. Risultato: quasi tutte le mani su. La seconda: tenetela alzata se avete almeno un progetto AI in produzione: ancora parecchie. La terza: tenetela alzata se sapete esattamente quanto valore sta generando: una decina. Quella sequenza di mani che scendono riassume lo stato dell'AI nelle aziende italiane, meglio di qualunque slide e qualsiasi editoriale scritto da un addetto ai lavori: adottare non è più il problema. Dimostrarne il valore, sì.
I numeri emersi dalla prima survey prodotta da Improove, a cui hanno risposto i membri della sua community (ma non solo), parlano di realtà più che di riflessioni astratte sulla tecnologia. E dicono esattamente questo: quasi tre rispondenti su quattro lavorano già (in qualche modo) con AI Agents, in produzione o in sperimentazione. Hanno già fatto una scelta, tecnologica e strategica, e stanno già lavorando per capire se si rivelerà la scelta giusta. A dicembre l'Istat certificava invece che le imprese con almeno 10 addetti che usano almeno una tecnologia di AI sono il 16,4 per cento: una su sei. Qui siamo messi peggio, ma i due dati non si smentiscono: chi ha risposto alla survey di Improove non è l'Italia media, è l'avanguardia. E chi parte prima incontra prima i muri. Questo report prova a disegnarne la mappa.
[Guarda anche la roundtable “Enterprise AI: dal cloud alla scala” di AI Conf 2026]
Chi ha risposto
Il campione è fatto di chi decide o costruisce il futuro delle imprese: il 37 per cento C-level, il 24 VP e director, il 18 tech leader e architect, il 7 founder. Un terzo dei rispondenti lavora in enterprise sopra i mille dipendenti, il resto tra medie, piccole e microimprese, soprattutto tech, finanza e consulenza. La distribuzione è stata mirata: la compilazione è stata chiesta ai vertici, con l'invito a estenderla ad altre persone in azienda anche fuori dai ruoli tecnici, includendo realtà non strettamente tecnologiche. Le risposte, raccolte tra maggio e giugno 2026, vengono da chi l'AI la compra, la costruisce o ne risponde a un board: la base è la community Improove, allargata oltre il suo perimetro grazie al network AUSED, mentre l'elaborazione dei dati è stata realizzata in collaborazione con DataBeez.ai.
Altrettanto chiaro cosa il campione non è: uno specchio statistico del Paese, per quello c'è l'Istat. Pochi osservatori in Italia, però, possono offrire informazioni così radicate nell'industria: risposte di prima mano, non ricostruzioni da fonti aperte. Questa survey osserva l'avanguardia, ovvero dove i problemi si manifestano prima di diventare di tutti, e restituisce quello che a tutti gli effetti può essere definito “lo stato dell’arte”.
Larga, non profonda
Dentro il campione, l'adozione è larga ma scopriamo concentrata in un punto solo. L'AI è usata nell'IT dal 79 per cento delle aziende, in HR, legal e finance dal 18. In mezzo tutto scende in fretta: sviluppo prodotto al 40, customer service al 35, marketing al 32. L'AI è entrata dall'IT in azienda, e dall'IT fatica a uscire.
Lo spiega il caso d'uso dominante: il coding assistant, in produzione nel 52 per cento delle aziende, più del doppio di quasi tutto il resto. Non tocca il cliente finale, non passa da comitati, non richiede integrazioni con la legacy: adozione a frizione zero, il cui valore facile però è già stato raccolto. Il resto, dall'automazione dei processi (13 per cento) alla cybersecurity (14), è dove l'AI incontra la burocrazia dell'organizzazione: lì si ferma. Coerente il budget: il 66 per cento orienta la spesa al processo interno, AI-native sul prodotto solo il 4 per cento.
Attenzione, però. Sulla piattaforma Improove, tra i quasi 27mila iscritti, quest'anno l'argomento più seguito è l'AI per CEO, CTO, founder, manager e architect. L'unica eccezione sono gli sviluppatori: al primo posto tengono .NET, con l'AI al secondo e lo sviluppo front end subito dietro (seguono cloud e AWS). In altre parole: i decisori studiano la rivoluzione, chi dovrebbe implementarla continua a essere alle prese con il mestiere di sempre. Inevitabile, visto che poi queste tecnologie vanno pur sempre a incastonarsi in un flusso di lavoro preesistente: ma questo rimette tutto in prospettiva, se mai ce ne fosse bisogno, e dimostra che il dibattito tra modelli aperti o chiusi non è davvero così centrale come immaginiamo, di certo non un vero e proprio dilemma tecnico che monopolizza le menti e il tempo dell’IT.
La crepa: dal pilota al conto economico
Ed ecco il primo muro, la distanza tra l’hype e la vita quotidiana. Negli ultimi 18 mesi il 40 per cento delle aziende del campione ha la maggior parte dei progetti AI ferma prima della produzione: il 21 per cento non ne ha portato in produzione nessuno, il 19 meno di uno su quattro. Solo il 16 per cento ha un processo consolidato che porta a regime oltre tre quarti dei progetti. Il fenomeno non è solo italiano: un report del MIT del 2025 attribuiva al 95 per cento dei pilot GenAI nessun impatto misurabile a conto economico (risultato figlio di una metodologia di analisi molto severa), e già nel 2024 il Politecnico di Milano rilevava che il 48 per cento delle grandi imprese con GenAI non aveva valutato quantitativamente gli impatti.
La causa, per chi ha risposto, però non è tecnica. Un rispondente su due indica la dimostrazione del ROI come barriera principale, davanti a competenze (34 per cento), costi (31) e incertezza normativa (30). Difficile misurare il ritorno, più difficile spiegarlo al CFO: non è scetticismo, è l'assenza di un metodo per calcolare il valore. E dove il valore non si calcola, non si difende un budget. In altre parole, oggi non è stato ancora portato a termine il lavoro necessario a rendere l’adozione dell’AI inevitabile visto il vantaggio competitivo che sarebbe in grado di offrire. Il cloud ha attraversato qualcosa di simile, e solo oggi si inizia a vedere la luce in fondo al tunnel.
Il mercato non aiuta. Tra i rispondenti che vendono soluzioni AI, il 62 per cento indica come primo ostacolo clienti con aspettative "magiche" e budget minimi. Solo il 6 per cento dei clienti riconoscerebbe all'AI un prezzo premium, il 27 solo davanti a un ROI immediato, e per il 20 è addirittura una commodity che non si paga a parte. E per chi vende, il 43 per cento dei C-level clienti confonde ancora l'AI con l'IT tradizionale: solo il 19 dichiara una visione strategica a lungo termine.
Il vuoto organizzativo
Non è un problema tecnico: è di metodologia e governance, e i dati lo confermano. Un'azienda su tre non ha alcuna struttura formale di governance dell'AI, mentre il 42 per cento ha un modello a hub (centro di eccellenza o di competenza, CAIO). Il resto naviga a vista. La correlazione è evidente: senza una struttura che definisca come si misura, il ROI resta indimostrabile per costruzione e ogni POC riparte da zero.
[Guarda anche la roundtable “La governance del dato” di AI Conf 2026]
Stesso vuoto sulle persone: quasi metà del campione non forma i profili non tecnici (24 per cento tema non affrontato, 23 sperimentazione ai singoli), e la figura introvabile non è più l'ingegnere. Il 48 per cento fatica a trovare profili ibridi, che uniscano business e AI, contro il 31 che cerca AI/ML Engineer.
Survey e Istat convergono da lati opposti dello stesso muro: tra chi ha valutato l'AI senza adottarla, quasi il 60 per cento indica le competenze come freno principale. Dentro l'avanguardia che risponde alla survey di Improove la barriera si chiama ROI, fuori di qui competenza: manca chi colleghi la tecnologia al lavoro, e il lavoro ai numeri. Ed è quanto Improove si sta sforzando di fare, anche con questa iniziativa.
Ultimo dato, il più sottovalutato: sul rischio di impoverimento delle competenze dei junior cresciuti coi coding assistant, il 50 per cento sta osservando il fenomeno, senza un piano. Solo il 5 ha introdotto misure attive, il 2 ha ripensato l'onboarding. Metà del settore guarda un rischio noto avvicinarsi, e per ora si limita a prendere appunti.
Il duopolio e il conto in arrivo
Sullo stack (tema che comunque ha una sua rilevanza, nonostante quanto detto in questo articolo) la fotografia è netta: Anthropic al 77 per cento e OpenAI al 73 dominano le preferenze dei rispondenti (che potevano indicare più modelli), con Google al 44 e open weights e DeepSeek al 29 ciascuno. Una precisazione: il campione è senz’altro ricco di sviluppatori nel pieno del boom dei coding assistant. In altre parole: non è una quota di mercato nazionale, è lo stack dell'avanguardia, fotografato nel momento in cui il coding assistant è il caso d'uso più maturo in produzione. Ma non c’è soltanto questo. Un terzo dei rispondenti, ad esempio, dichiara un approccio ibrido, modelli proprietari e open in parallelo, con la Local AI stabile tra le tecnologie monitorate: alla ricerca strategica di un piano B.
Un tema centrale. Alla domanda sul timore principale per il 2026-27, il 50 per cento risponde: l'aumento dei costi API dei cloud provider, col vendor lock-in al 19. Il sospetto diffuso è che i listini non riflettano il reale costo computazionale: prima o poi arriverà il conto salato da pagare. Il mercato sta convergendo esattamente su ciò di cui teme il prezzo, e praticamente senza rete di sicurezza. Prompt engineering (54 per cento) e RAG (53) sono pattern consolidati, mentre guardrail, evaluation e monitoring si fermano al 24. Si mette in produzione più in fretta di quanto si controlli: con gli agenti autonomi alle porte, è il fattore da sistemare con maggiore urgenza.
Enterprise e PMI: la spaccatura si allarga
Il campione, pur avanguardia del nostro ecosistema, non è omogeneo: le enterprise hanno più budget e strutture (54,5 per cento con un centro di eccellenza), ma il 47 per cento non ha chiaro il ruolo strategico dell'AI, contro il 20 delle PMI. Sull'ultimo miglio la gerarchia si rovescia, le PMI portano a compimento oltre tre quarti dei progetti nel 21 per cento dei casi, le enterprise nell'11, e la resistenza culturale è quasi solo enterprise: 42,9 per cento contro 15,7. La burocrazia organizzativa, senza una direzione chiara, non produce governo: produce attrito.
Fuori dal campione vale il contrario: per l'Istat il divario enterprise-PMI si è allargato da circa 20 punti nel 2023 a 37 nel 2025 (le grandi viaggiano oltre il 53 per cento, le PMI al 15,7). Nessuna contraddizione: le PMI all'avanguardia corrono meglio dei grandi, perché decidono in fretta, le altre non hanno neppure iniziato. L'AI, in questa fase, non sta riducendo i divari tra imprese. Li sta scavando. Non si arriva neppure a ragionare su quale modello implementare: siamo ancora allo stadio precedente del processo decisionale.
Le coordinate esterne
Il mercato italiano dell'AI cresce intorno al 50 per cento l'anno: il Politecnico di Milano lo stima a 1,8 miliardi di euro nel 2025 (+50 per cento), Anitec-Assinform a 1,38 miliardi (+47,6). Perimetri diversi, direzione identica, stesso rischio per il 2026: la fine della spinta PNRR. Nel confronto europeo l'Italia è 18sima su 27 per adozione, dietro Germania (26 per cento), Spagna (20,3) e Francia (18,2). La crescita è vera: il ritardo anche.
Sull'AI Act i dati smontano due retoriche in un colpo. Il "vincolo che blocca tutto": lo vive come impatto negativo solo il 13 per cento. La "compliance come vantaggio competitivo": la pratica davvero solo il 21. La notizia vera: il 39 per cento non ha nemmeno valutato l'impatto dell'AI Act sul proprio business. Su un tema che assegna obblighi e responsabilità, la posizione più diffusa anche nell'avanguardia è non averne una.
Ancora più interessante: il +50 per cento del mercato non dimostra che l'AI funziona (misura la spesa, non il ritorno), e il 95 per cento del famigerato studio MIT non dimostra che non funziona. Chi vende AI userà il primo numero, chi sconsiglia per posizionamento il secondo. Questa survey sta nel mezzo: l'AI rende dove qualcuno ha costruito il metodo per dimostrarlo. Ma questa categoria oggi è ancora una minoranza.
Per chi decide: cosa fare di questi numeri
Se guidate un'azienda italiana media, la lettura operativa non è "siamo in ritardo, acceleriamo". È invece: l'avanguardia ha già pagato per mappare i muri, e arrivare secondi conviene solo se studiamo dove i primi hanno già inciampato. Gli errori ricorrenti sono lo specchio dei dati: metrica di valore non concordata prima del progetto, governance rimandata a dopo i risultati, formazione solo per chi scrive codice, adozione scambiata per valore (le mani alzate della prima domanda, non della terza), standardizzazione su un fornitore di cui si teme il listino (senza un piano di uscita), rischio junior osservato senza un piano.
I segnali da monitorare nei prossimi dodici mesi sono tre. I listini API e i costi di inference, che metà del campione considera la minaccia principale. La maturazione degli Small Language Models, via d'uscita da costi e dipendenza per il 39 per cento. E il tasso interno POC-produzione, il KPI più onesto sullo stato dell'AI in azienda. Certo, a patto che ci si muova nella direzione giusta: adottando e integrando strumenti AI nel proprio flusso di lavoro.
Infine, le domande da fare a un fornitore prima di firmare, più utili di qualunque demo. Chiedetegli quale baseline misurerete prima di partire, con quale metrica di ROI scritta nel contratto e chi la verificherà a sei e dodici mesi. Fatevi dire quanto costa il sistema a regime, inference e picchi compresi, e quale clausola regola gli aumenti di listino. Chiedete cosa vi portate via se tra un anno cambiate modello o fornitore: prompt, dati, valutazioni, log. Verificate se guardrail, evaluation e monitoring sono inclusi o a parte, e chi risponde di un output sbagliato in produzione. Domandate quante referenze hanno di sistemi in produzione da più di sei mesi, non di POC riusciti. Fatevi spiegare come si classifica il sistema rispetto all'AI Act e chi si assume i relativi obblighi. E chiedete se, quando i costi cloud saliranno, esiste una roadmap verso modelli più piccoli od on-premise.
Un fornitore serio ha risposte scritte ad almeno cinque di queste sette. Chi non le ha sta vendendo magia.
La vera domanda, quindi, non è se l'Italia stia adottando l'AI, bensì: chi avrà coraggio, forza e capacità di farne un elemento davvero utile della catena del valore. Vista da vicino, quella capacità è meno cinematografica di quanto suoni a un primo ascolto: una baseline misurata prima del progetto, una clausola sui costi a regime, un piano di uscita scritto quando ancora non serve. L'avanguardia ha già pagato per imparare la lezione. Chi arriva adesso può partire da qui: a patto di non discutere del sesso degli angeli, bensì di occuparsi di una strategia concreta di adozione dell’intelligenza artificiale nel proprio flusso di lavoro.
Il keynote integrale della track executive di AI Conf 2026 è disponibile nella videoteca Improove.
