Intelligenza Artificiale in Italia: evoluzione e opportunità

L’Intelligenza Artificiale fa ormai parte delle nostre vite di tutti i giorni, anche se non utilizziamo le varie piattaforme per lavoro o per attività pratiche. Dai feed dei social calibrati sulle nostre preferenze alle raccomandazioni sui servizi da acquistare, fino ai motori di ricerca che interroghiamo ogni giorno, è praticamente impossibile non avere a che fare anche indirettamente con questa tecnologia.

Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il mercato italiano dell’AI valeva 1,8 miliardi di euro, con un balzo del 50% rispetto al 2024. Già alla fine dello scorso anno il 71% delle grandi imprese aveva progetti di AI, ma solo una su cinque la utilizzava in modo pervasivo in diverse funzioni. Segno che c’è ancora margine per spingere l’adoption di questi strumenti tra i lavoratori, come vedremo più avanti.

Tipologie di Intelligenza Artificiale: quali sono e come si distinguono

Per capire meglio di che cosa stiamo parlando, va fatto però un distinguo sulle tipologie di AI.

Se le classifichiamo per capacità, la Artificial Narrow Intelligence (ANI) è quella tuttora disponibile. Comprende tutti i sistemi, sia i tradizionali algoritmi predittivi sia i complessi modelli linguistici (LLM), ma non può uscire dal dominio per il quale è stata addestrata.

Uno step ulteriore è quello della Artificial General Intelligence (AGI), un sistema ipotetico con capacità cognitive trasversali e autonome, capace di confrontarsi e persino di superare gli esseri umani. Al momento non è disponibile sul mercato e non è dato sapere se e quando arriverà. Stesso discorso per la Superintelligenza Artificiale (ASI), che dovrebbe superare l’essere umano in ogni campo del sapere, ma non è ancora diventata realtà.

Una seconda classificazione va fatta per la tecnologia. Il Machine Learning (ML) si basa su algoritmi statistici tradizionali e serve per stime quantitative a partire da schemi ricorrenti nei dati. Il Deep Learning (DL) si caratterizza per architetture a reti neurali, utili per analizzare dati non strutturati come audio e immagini. Per comprendere il contesto più ampio, generare testo, codici e media vari in modo autonomo c’è invece la Generative AI, che si basa su meccanismi di self-attention. Infine, la AI Simbolica è quella utilizzata nei settori regolamentati dove è necessario esplicitare tutta la tracciabilità delle decisioni.

Una terza via di classificazione è quella che riguarda il dominio applicativo. Il Natural Language Processing riguarda i modelli che estraggono le informazioni, sintetizzano, traducono e gestiscono più in generale la conversazione con gli esseri umani. I sistemi di tracciamento visivo che si stanno applicando sempre più in medicina, industria e security sono invece quelli legati alla Computer Vision. Sempre nell’industria, per prevenire guasti, gestire in anticipo le scorte e migliorare la catena di fornitura troviamo le soluzioni di Predictive Analytics & Maintenance. I sistemi più complessi, che devono compiere azioni a più livello come l’interazione tra diversi software, il comando di API e l’esecuzione di task a più livelli sono invece chiamati Agentic AI.

Quanto è diffusa l’Intelligenza artificiale in Italia?

Sempre secondo i dati del Polimi, in Italia nel 2025 il 46% della spesa va alle soluzioni di Generative AI e progetti ibridi, mentre il restante 54% è legato all’ottimizzazione di sistemi di Machine Learning e analisi dati avanzata. L’84% delle grandi aziende ha acquistato licenze per strumenti di Generative AI (come Microsoft Copilot, ChatGPT Enterprise o Gemini), mentre le sperimentazioni attive nelle medie imprese scendono al 15% e al 7% nelle piccole.

Il 41% dei lavoratori ha dichiarato che l’AI aumenta le capacità individuali, consentendo loro di eseguire più compiti a maggiore complessità. C’è però un’altra faccia della medaglia più preoccupante. L’80% dei lavoratori ha ammesso di utilizzare strumenti di AI personali per migliorare la produttività, un fenomeno rischioso perché riguarda la protezione della proprietà intellettuale e la riservatezza dei dati trattati.

Spostando il focus sui settori, quelli con un maggiore tasso di processi cognitivi sembrano essere al momento quelli più impattati da queste nuove tecnologie. Servizi finanziari, assicurazioni, servizi professionali e legali hanno un’esposizione molto alta, seguiti da software, servizi IT, marketing e comunicazione. Sanità e farmaceutica hanno un’esposizione medio-alta, mentre manifattura e logistica sono su un livello medio.