Cche cosa stanno effettivamente facendo le aziende con e sull’intelligenza artificiale? Guardiamo principalmente alle grandi imprese, ma sempre con un occhio anche a un’adozione più lenta, ma comunque presente, nelle PMI.
Ripartiamo dal dato di adozione che, più correttamente, dovremmo definire dato di adozione progettuale. Non stiamo parlando dell’utilizzo di tool pronti all’uso né dell’acquisto di semplici licenze, ma di progetti di intelligenza artificiale in cui il patrimonio informativo dell’organizzazione viene effettivamente valorizzato.
Indice degli argomenti:
I dati dell’adozione dell’AI nelle imprese
Questo non significa necessariamente addestrare modelli ex novo: è possibile anche utilizzare modelli già disponibili sul mercato. Ciò che caratterizza maggiormente l’adozione progettuale è però la capacità di mettere a valore i propri dati e le proprie competenze. Da questo punto di vista, i numeri ci dicono che siamo al 71% nelle grandi imprese, mentre nelle PMI i valori sono molto più bassi, intorno all’8%.
Se invece ci spostiamo sull’adozione “ready to use”, quindi sull’utilizzo tramite licenze – anche non necessariamente a pagamento – vediamo una situazione ancora più dinamica. Nelle grandi imprese l’adozione cresce in modo significativo tra il 2024 e il 2025, arrivando all’84%. Nelle PMI la percentuale è più che raddoppiata.
Attenzione però: nelle PMI questo non significa necessariamente acquisto di licenze. Parliamo anche di utilizzo, per scopi aziendali, di strumenti gratuiti. In ogni caso, il trend di avanzamento è evidente.
Se guardiamo ora più nel dettaglio le grandi organizzazioni, cosa ci raccontano questi numeri – 71% e 84%? Ci dicono forse che la maggior parte delle grandi aziende è matura sull’AI? Ovviamente no.
Il modello AI journey
Come Osservatorio, dal 2018 utilizziamo un modello che chiamiamo AI journey, un vero e proprio modello di readiness che ci aiuta a interpretare quanto le organizzazioni siano pronte a utilizzare l’intelligenza artificiale in modo pervasivo e a trarne pienamente valore. Il modello analizza diversi assi: dati e patrimonio informativo, metodologie, algoritmi, competenze, cultura aziendale, relazione con il cliente.
Sulla base di questo modello identifichiamo cinque gruppi di organizzazioni. Possiamo quindi osservare l’evoluzione nel tempo, dal 2018 al 2025.
- Nel 2018 la maggior parte delle grandi organizzazioni era molto distante dal mondo dell’AI: non solo non aveva avviato progetti, ma spesso non se ne parlava nemmeno internamente. Mancavano competenze, infrastrutture dati adeguate sia dal punto di vista quantitativo sia qualitativo.
- Nel 2023 vediamo un cambiamento rilevante: l’azienda “media” inizia a collocarsi tra il gruppo degli entusiasti e quello delle aziende in cammino. Arrivando al 2025, una quota significativa di organizzazioni si posiziona proprio in quest’ultimo gruppo.
Cosa significa essere “in cammino”? Significa aver fatto investimenti sulle piattaforme dati, avere competenze – magari non ancora pienamente coordinate, ad esempio senza modelli hub & spoke – e aver avviato diverse sperimentazioni.
Il punto critico è che l’evoluzione della maturità organizzativa non ha tenuto il passo con l’accelerazione del mercato e della tecnologia. Questo temasi riflette nella capacità delle organizzazioni di governare realmente tutti gli utilizzi dell’AI, sia quelli progettuali sia quelli legati a strumenti pronti all’uso.
Governare significa farlo dal punto di vista tecnologico, ma anche da quello della visione strategica, della compliance normativa e dell’allineamento a un framework di valori. Le aziende che possono dire di governare pienamente l’AI sono ancora una minoranza, anche tra le più mature.
In concreto, circa un’azienda su cinque tra quelle più mature – ovvero circa il 30% delle grandi organizzazioni – dispone di una governance centralizzata matura e multilivello, che parte dal board e si declina in team dedicati e approcci multidisciplinari.
Il fronte normativo: l’AI Act
Sul fronte normativo, in particolare rispetto all’AI Act, pochissime aziende possono dirsi pienamente pronte in tutte le sue declinazioni. Tuttavia, circa un’azienda su due ha avviato almeno un percorso di alfabetizzazione, spinta anche dall’obbligo di AI literacy, uno dei primi a entrare in vigore. Tra le aziende più mature, circa il 30% ha già avviato un processo strutturato di adeguamento.
Questa è, in sintesi, la fotografia complessiva. Le aziende realmente mature, capaci di sfruttare l’AI in modo pervasivo, restano una minoranza. È però fondamentale affiancare all’analisi progettuale anche quella relativa all’uso delle licenze.
Linee guida e progettualità
Nelle grandi imprese si è registrato un forte incremento nell’adozione di strumenti di AI generativa ready-to-use, spesso generalisti e, proprio per questo, non semplici da governare. Chi li introduce può non avere piena visibilità su come verranno utilizzati, con implicazioni sia in termini di costi, sia di rischi: utilizzo acritico degli output o inserimento di dati non appropriati.
Da questo punto di vista, circa il 40% delle grandi imprese dichiara di aver adottato linee guida per l’utilizzo di questi strumenti. La percentuale cresce al crescere della maturità organizzativa. Quello che invece preoccupa è la capacità di monitorare l’utilizzo reale: anche tra le aziende più mature, solo il 21% effettua monitoraggi tramite survey interne, spesso non periodiche.
Monitorare non serve solo a ridurre i rischi, ma anche a diffondere buone pratiche all’interno dell’organizzazione.
Vengo infine alle progettualità. Nel 71% delle grandi organizzazioni è stata avviata almeno una sperimentazione di AI. Questo evidenzia la distanza tra “avviare una sperimentazione” e raggiungere una reale pervasività. Ci siamo chiesti quanto queste sperimentazioni siano coordinate, se derivino da una regia centrale e in quali funzioni aziendali si concentrino.
Tra le aziende entusiaste o in cammino, solo il 10% ha numerose progettualità coordinate. Al contrario, un’azienda su due tra le più mature presenta un portafoglio ampio e coordinato, e un 6% considera l’AI centrale nel proprio business model.
Use case
Per quanto riguarda gli use case, non emergono grandi differenze tra i gruppi: si investe molto su GenAI, in particolare su intelligent document processing e chatbot conversazionali, sia per uso interno sia a supporto dei clienti. L’AI predittiva tradizionale è invece più diffusa nelle organizzazioni più mature.
Dal punto di vista funzionale, prevalgono customer service e, nelle aziende meno avanzate, anche production e operations, con differenze legate ai settori: il manifatturiero è più spesso “in cammino”, mentre finanza e utility sono più presenti tra le aziende avanzate.
Chiudo con i benefici. Abbiamo chiesto alle aziende se le progettualità di AI abbiano generato un cambiamento significativo nel modello di business. Il risultato è sorprendente: 5 aziende su 10 dichiarano di aver riscontrato cambiamenti, che salgono al 70% tra le più mature.
I principali impatti riguardano proposta di valore, canali e relazione con i clienti. Nelle aziende più avanzate emerge anche un impatto sull’architettura operativa, con effetti concreti su costi e ricavi.
In sintesi:
- cresce in modo significativo l’adozione progettuale nelle grandi imprese e l’utilizzo di licenze anche nelle PMI;
- il percorso è avviato, ma mercato e tecnologia corrono più velocemente;
- la GenAI è ormai centrale, soprattutto su documenti e sistemi conversazionali;
- nonostante alcune perplessità sui costi, le aziende riportano benefici economici concreti.
Intervento tratto dal Convegno: “Artificial intelligence: adozione, trasformazione, equilibrio” dell’Osservatorio Artificial Intelligence del Politecnico di Milano – 5 febbraio 2026
