L’intelligenza artificiale cresce più velocemente delle strutture che dovrebbero governarla. È il punto centrale dell’AI Index Report 2026, pubblicato nell’aprile 2026 dallo Stanford Institute for Human-Centered Artificial Intelligence. Il documento, alla sua nona edizione, segnala un divario sempre più evidente tra capacità tecnologiche e strumenti di gestione.
Secondo il rapporto, l’adozione dell’AI generativa ha raggiunto circa il 53% della popolazione globale in meno di tre anni. Si tratta di una diffusione più rapida rispetto a quella del personal computer o di internet. Parallelamente, l’adozione organizzativa ha toccato l’88% nel 2025.
Il dato quantitativo non descrive però una traiettoria lineare. Il report evidenzia una crescita simultanea di opportunità e criticità: mentre le capacità tecniche avanzano, i sistemi di valutazione, le politiche pubbliche e le infrastrutture informative faticano a tenere il passo.
Indice degli argomenti:
Investimenti e valore economico
L’intelligenza artificiale si sta consolidando come settore chiave dell’economia globale. Nel 2025 gli investimenti privati negli Stati Uniti hanno raggiunto 285,9 miliardi di dollari, oltre venti volte superiori ai 12,4 miliardi registrati in Cina, secondo i dati del report.
La crescita riguarda anche il valore generato per i consumatori. Le stime indicano che gli strumenti di AI generativa negli Stati Uniti producono un valore annuo di circa 172 miliardi di dollari all’inizio del 2026. Il valore medio per utente è triplicato in un anno.
Questa espansione è sostenuta da una diffusione capillare di strumenti spesso gratuiti o a basso costo, che abbassano le barriere di accesso e accelerano l’adozione.
Produttività e lavoro: effetti divergenti
Gli impatti sull’occupazione non sono uniformi. Studi citati nel rapporto indicano aumenti di produttività tra il 14% e il 26% in settori come il customer support e lo sviluppo software.
Allo stesso tempo emergono segnali di riduzione dell’occupazione nelle posizioni entry-level. Negli Stati Uniti, il numero di sviluppatori tra i 22 e i 25 anni è diminuito di circa il 20% tra il 2024 e il 2025, mentre cresce il numero di lavoratori più esperti.
Il dato suggerisce una riorganizzazione del mercato del lavoro più che una semplice sostituzione. Le attività standardizzate risultano più esposte all’automazione, mentre quelle che richiedono giudizio e responsabilità mantengono una maggiore stabilità.
Competizione globale: Stati Uniti e Cina
Il divario tecnologico tra Stati Uniti e Cina si è ridotto. Secondo il report, le prestazioni dei modelli sviluppati nei due paesi si sono avvicinate fino a differenze marginali. Nel marzo 2026 il miglior modello statunitense supera quello cinese di appena il 2,7%.
La leadership resta però distribuita su più dimensioni. Gli Stati Uniti guidano nella produzione di modelli avanzati e negli investimenti privati, mentre la Cina è in testa per numero di pubblicazioni scientifiche, citazioni e brevetti.
Un ruolo rilevante emerge anche per altri paesi. La Corea del Sud, ad esempio, è prima al mondo per densità di brevetti AI pro capite.
Industria dominante e trasparenza in calo
Il settore privato controlla ormai la quasi totalità dello sviluppo dei modelli avanzati. Nel 2025 oltre il 90% dei modelli rilevanti è stato prodotto da aziende, contro una presenza marginale del mondo accademico.
Tra le principali organizzazioni compaiono OpenAI, Google e Alibaba. Questa concentrazione si accompagna a una riduzione della trasparenza. Molti modelli non rendono pubblici dati fondamentali come dimensioni, dataset o costi di addestramento.
La mancanza di informazioni limita la possibilità di verificare i risultati e rende più complessa la valutazione indipendente delle prestazioni e della sicurezza.
Le capacità dell’AI
Le capacità dell’AI non stanno raggiungendo un plateau; stanno accelerando e raggiungendo più persone che mai. Nel 2025 il settore ha prodotto oltre il 90% dei modelli all’avanguardia più rilevanti, e molti di questi modelli ora eguagliano o superano i livelli di riferimento umani in materia di questioni scientifiche di livello dottorale, ragionamento multimodale e matematica agonistica.
In un importante benchmark di programmazione — SWE-bench Verified — le prestazioni sono passate dal 60% a quasi il 100% in un solo anno.
L’adozione da parte delle organizzazioni ha raggiunto l’88% e 4 studenti universitari su 5 utilizzano ora l’AI generativa.
Limiti tecnici e prestazioni irregolari
Nonostante i progressi, le capacità dell’intelligenza artificiale restano disomogenee. Il report descrive una “frontiera irregolare”: sistemi in grado di risolvere problemi avanzati possono fallire su compiti semplici.
Gemini Deep Think ha vinto una medaglia d’oro all’IMO, eppure il modello di punta riesce a leggere correttamente gli orologi analogici solo nel 50,1% dei casi. Gli agenti di AI hanno fatto un balzo in avanti, passando dal 12% a circa il 66% di successo nelle attività su OSWorld, che mette alla prova gli agenti in compiti informatici reali su diversi sistemi operativi, sebbene falliscano ancora circa 1 tentativo su 3 nei benchmark strutturati.
Questa variabilità rende difficile prevedere le prestazioni in contesti reali e complica l’adozione in settori critici.
Alcuni sistemi hanno raggiunto risultati equivalenti a medaglie d’oro nelle competizioni matematiche.
Sanità e scienza: applicazioni in espansione
L’uso dell’intelligenza artificiale nella ricerca scientifica e nella medicina è in crescita. Il report segnala un passaggio da strumenti di supporto a sistemi che tentano di sostituire interi flussi di lavoro.
Nel settore sanitario, strumenti di generazione automatica delle note cliniche hanno ridotto fino all’83% il tempo dedicato alla documentazione, con effetti sulla riduzione del burnout tra i medici.
Tuttavia, la base di evidenze resta limitata. Un’analisi di oltre 500 studi mostra che solo il 5% utilizza dati clinici reali, mentre quasi la metà si basa su test simulati.
Energia, acqua e impatto ambientale
L’espansione dell’intelligenza artificiale ha un costo ambientale crescente. Nel 2025 le emissioni stimate per l’addestramento di un singolo modello avanzato hanno raggiunto 72.816 tonnellate di CO2 equivalente.
La capacità energetica dei data center AI è arrivata a 29,6 gigawatt, un livello paragonabile al picco di consumo di uno stato come New York.
Anche il consumo idrico è significativo: alcune stime indicano che l’uso annuale di acqua per l’inferenza di modelli avanzati supera il fabbisogno di 12 milioni di persone.
Infrastrutture e dipendenze strategiche
La crescita dell’AI si basa su una filiera tecnologica concentrata. La maggior parte dei chip avanzati è prodotta da un unico attore industriale, con sede a Taiwan, creando una dipendenza globale.
Gli Stati Uniti ospitano oltre 5.400 data center, più di dieci volte qualsiasi altro paese. Tuttavia, la produzione dei componenti chiave resta distribuita tra pochi fornitori.
Questa struttura rende il sistema vulnerabile a interruzioni geopolitiche o industriali.
Dati e limiti della crescita
Un altro nodo riguarda la disponibilità di dati. Secondo alcune proiezioni citate nel report, le fonti di dati di alta qualità potrebbero esaurirsi tra il 2026 e il 2032.
L’uso di dati sintetici, generati da sistemi AI, non ha ancora dimostrato di poter sostituire completamente i dati reali nella fase di addestramento. Studi recenti indicano che l’integrazione tra dati reali e sintetici può migliorare l’efficienza, ma non le prestazioni finali.
Nel frattempo, cresce la quota di contenuti online generati da AI: nel 2025 ha superato il 50% del totale.
Politiche e governance divergenti
I governi hanno adottato strategie diverse. Nel 2025 sono entrate in vigore le prime restrizioni dell’AI Act europeo, mentre gli Stati Uniti hanno orientato le politiche verso una minore regolamentazione.
Paesi come Giappone, Corea del Sud e Italia hanno introdotto normative nazionali. Inoltre, oltre la metà delle nuove strategie AI proviene da economie emergenti.
Il concetto di “sovranità dell’intelligenza artificiale” diventa centrale nelle politiche pubbliche, con investimenti in infrastrutture e supercalcolo.
Gli incrementi di produttività derivanti dall’AI si stanno manifestando proprio in molti dei settori in cui l’occupazione a livello base sta iniziando a diminuire.
Gli studi evidenziano incrementi di produttività compresi tra il 14% e il 26% nell’assistenza clienti e nello sviluppo di software, mentre gli effetti sono più modesti o addirittura negativi nelle mansioni che richiedono una maggiore capacità di giudizio.
L’adozione di agenti basati sull’AI rimane a livelli inferiori al 10% in quasi tutte le funzioni aziendali. Nello sviluppo software, dove gli aumenti di produttività misurati dell’AI sono più evidenti, gli sviluppatori statunitensi di età compresa tra i 22 e i 25 anni hanno visto l’occupazione diminuire di quasi il 20% dal 2024, mentre il numero di sviluppatori più anziani continua a crescere.
Opinione pubblica e fiducia
Il rapporto evidenzia una distanza significativa tra esperti e cittadini. Il 73% degli esperti prevede effetti positivi dell’AI sul lavoro, contro il 23% della popolazione.
Divari simili emergono anche per quanto riguarda l’economia e l’assistenza sanitaria. A livello globale, la fiducia nei governi per quanto riguarda la regolamentazione dell’AI varia.
Tra i paesi oggetto dell’indagine, gli Stati Uniti hanno registrato il livello più basso di fiducia nel proprio governo in materia di regolamentazione dell’AI, pari al 31%. A livello globale, l’UE gode di maggiore fiducia rispetto agli Stati Uniti o alla Cina per quanto riguarda la regolamentazione efficace dell’AI.
Formazione e competenze
Il sistema educativo non si muove con la stessa velocità della tecnologia. Negli Stati Uniti oltre l’80% degli studenti utilizza strumenti di AI, ma solo la metà delle scuole dispone di politiche dedicate.
A livello globale cresce la domanda di competenze tecniche, con aumenti significativi nei dottorati in AI. Tuttavia, la distribuzione del talento resta disomogenea e persistono divari di genere.
AI responsabile e incidenti
L’AI responsabile non sta tenendo il passo con i parametri di riferimento in materia di sicurezza in ritardo e gli incidenti in forte aumento.
Quasi tutti i principali sviluppatori di modelli di AI all’avanguardia riportano i risultati relativi agli standard di capacità, ma la rendicontazione sugli standard di AI responsabile rimane sporadica. Gli incidenti documentati legati all’AI sono saliti a 362, rispetto ai 233 del 2024. A complicare ulteriormente la sfida, una recente ricerca ha rilevato che il miglioramento di una dimensione dell’AI responsabile, come la sicurezza, può comprometterne un’altra, come l’accuratezza.
Una crescita senza equilibrio
Il quadro che emerge dal rapporto non indica una direzione unica. L’intelligenza artificiale amplia capacità e opportunità economiche, ma introduce nuove fragilità nei sistemi sociali, produttivi e istituzionali.
La distanza tra innovazione e capacità di gestione resta il dato più rilevante. Le tecnologie avanzano rapidamente, mentre regole, dati e infrastrutture di controllo si sviluppano con tempi più lenti.
In questo squilibrio si gioca l’evoluzione dell’economia digitale nei prossimi anni.
