Il rapporto “L’IA nel mercato del lavoro italiano”, presentato il 21 aprile 2026 da Anitec-Assinform in collaborazione con il Politecnico di Torino, offre una fotografia utile per capire a che punto sia davvero l’Italia nel rapporto tra AI, organizzazione del lavoro, competenze e formazione. Lo studio unisce rassegna della letteratura, analisi del contesto nazionale, casi di grandi imprese e approfondimento sull’ecosistema formativo, con un obiettivo preciso: capire se il sistema produttivo italiano stia affrontando la transizione in modo strutturato oppure ancora episodico.
Indice degli argomenti:
L’adozione accelera, ma il ritardo non è superato
Il primo elemento concreto riguarda i numeri dell’adozione. Secondo Istat, nel 2025 il 16,4% delle imprese italiane con almeno 10 addetti utilizza almeno una tecnologia di AI. Nel 2024 la quota era 8,2%, mentre nel 2023 si fermava al 5%. La crescita quindi è netta e, nel giro di due anni, il peso dell’AI nel tessuto produttivo è più che triplicato. Resta però un dato di fondo: l’83,6% delle imprese non adotta ancora alcuna tecnologia di AI.
Il rapporto insiste su questo punto perché il valore medio rischia di essere fuorviante. L’Italia non si trova più in una fase di totale immobilismo, ma non ha ancora una diffusione ampia e omogenea. L’AI cresce, però cresce soprattutto dove esiste già una base tecnologica solida, dove i dati sono organizzati, dove il management riesce a valutare il ritorno dell’investimento e dove il personale ha già familiarità con processi digitali più maturi. 
Anche il mercato conferma questa dinamica. Anitec-Assinform segnala che nel 2024 il mercato dell’AI aveva superato i 900 milioni di euro, con una crescita del 38,7% sul 2023, mentre il comunicato collegato al nuovo rapporto indica per il 2025 un valore di 1,24 miliardi di euro, con proiezione oltre 2,5 miliardi entro il 2028. Questo significa che l’interesse economico esiste e che la domanda di soluzioni AI aumenta, ma non basta a trasformare automaticamente la struttura delle imprese.
Il vero squilibrio passa dalla dimensione d’impresa
Il nodo centrale, più che geografico, è dimensionale. Istat rileva che nel 2025 l’uso dell’AI ha raggiunto il 53,1% tra le grandi imprese, contro il 15,7% delle PMI. Il divario quindi non si riduce, anzi si allarga. Nel 2023 la distanza era di circa 20 punti percentuali, nel 2024 di 25, nel 2025 arriva a 37 punti.
Questo dato si lega in modo diretto a quanto emerge nel rapporto che hai incollato. Le PMI italiane continuano a scontare ostacoli ricorrenti: risorse finanziarie più limitate, minore capacità di pianificazione, difficoltà ad attrarre specialisti, cultura manageriale meno orientata ai progetti di trasformazione e più incertezza sul rapporto tra costi e benefici.
In molti casi, l’AI non viene esclusa per pregiudizio ideologico, ma perché non entra in una catena di decisioni già fragile sul piano organizzativo.
Il problema è importante perché il sistema produttivo italiano resta composto in larga parte da imprese di piccola e media dimensione. Se la diffusione dell’AI resta concentrata nei grandi gruppi, il rischio non è solo un rallentamento dell’innovazione. Il rischio è una crescita ulteriore dei divari di produttività e di competitività dentro gli stessi settori. 
Dove si concentra oggi l’uso dell’AI
La diffusione dell’AI non è uniforme neppure tra i comparti. Istat segnala livelli più alti nei servizi di informazione, nell’informatica, nelle telecomunicazioni e nelle attività più ricche di capitale umano specializzato.
Tra le imprese che già usano AI, le applicazioni più frequenti riguardano l’estrazione di informazioni da testi, l’AI generativa per linguaggio e contenuti e le tecnologie di riconoscimento vocale. Meno diffuse risultano le applicazioni che richiedono integrazione più complessa nei processi fisici o industriali, come il movimento delle macchine.
Questo quadro coincide solo in parte con l’idea più comune di AI come tecnologia confinata al software. I casi studiati nel rapporto mostrano infatti una presenza molto più trasversale. L’AI compare nel retail, nell’agroalimentare, nella manifattura, nella farmaceutica, nella banca, nei servizi di rete e nella cantieristica navale.
Non si tratta di un dettaglio. Significa che la trasformazione non riguarda solo le aziende native digitali, ma anche settori che fino a pochi anni fa venivano letti come marginali rispetto a questi sviluppi.
Lavoro: più riorganizzazione che sostituzione, almeno per ora
Sul piano occupazionale il rapporto mantiene una linea prudente. Le evidenze raccolte in Italia non indicano oggi una sostituzione netta e generalizzata della forza lavoro. Il fenomeno più visibile è la riorganizzazione delle mansioni. Le attività ripetitive, documentali, di prima analisi o di supporto standardizzato tendono a perdere peso relativo. Cresce invece il valore delle attività che richiedono validazione, supervisione, progettazione, interpretazione del contesto e interazione con sistemi sempre più autonomi.
Nel testo emerge con chiarezza una distinzione. Le professioni cognitive con compiti molto strutturati, standardizzati e parametrizzabili risultano più esposte al rischio di compressione.
Le attività che richiedono ragionamento astratto, capacità relazionale, problem solving non lineare e comprensione del contesto sembrano invece trarre vantaggio dall’integrazione con l’AI. È una distinzione importante perché sposta la discussione dal numero dei posti di lavoro al contenuto concreto del lavoro.
Allo stesso tempo, il rapporto richiama le evidenze più recenti provenienti da Regno Unito e Stati Uniti, dove si osservano già segnali di riduzione nelle posizioni junior più esposte, soprattutto in ambiti tecnici, creativi e di analisi.
L’Italia non mostra ancora con la stessa intensità questa dinamica, ma il report suggerisce di non interpretare il ritardo temporale come una protezione permanente. Piuttosto, come una finestra utile per prepararsi meglio.
I casi aziendali: l’AI entra nei processi, ma raramente cambia da sola il modello di business
La parte qualitativa del rapporto è forse la più interessante. Le otto grandi imprese analizzate mostrano che l’AI si diffonde soprattutto in tre forme.
La prima riguarda il cambiamento locale, quindi l’uso su singole funzioni o attività, come marketing, controllo qualità, manutenzione, customer care o gestione documentale.
La seconda coincide con un cambiamento applicativo, cioè una riorganizzazione più ampia di pezzi rilevanti di processo.
La terza, più rara, riguarda la trasformazione sistemica, in cui l’AI diventa parte di una revisione profonda delle capacità operative e strategiche.
Il dato che emerge con più forza è che, salvo eccezioni come Dompé, l’AI nelle grandi imprese italiane si innesta soprattutto su logiche gestionali già esistenti. In altre parole, non produce sempre una rottura. Molto più spesso aumenta efficienza, riduce tempi, migliora l’uso degli asset, rende più preciso il controllo, velocizza la progettazione, amplia la capacità di analisi. Nei casi di Italgas, Fincantieri o Intesa Sanpaolo, l’AI si integra in architetture già orientate a dati, sensori, piattaforme o workflow digitali.
Nei casi di Natuzzi, Veronesi o Michelin, sostiene la qualità, l’ottimizzazione e la continuità operativa.
Da qui una conclusione utile: l’AI premia soprattutto le imprese che hanno già costruito le condizioni abilitanti. Dati affidabili, ruoli chiari, competenze distribuite, capacità di sperimentazione, relazioni con università o centri di ricerca e una governance interna che non lasci questi progetti in una zona grigia.
Augmentation prima di automazione
Un altro punto molto concreto riguarda il tipo di impatto. Nei casi osservati prevalgono le logiche di augmentation, cioè di rafforzamento del lavoro umano, più che quelle di sostituzione pura. L’AI alleggerisce compiti ripetitivi, accelera alcuni passaggi, rende più accessibile la conoscenza interna e supporta figure tecniche o manageriali nelle decisioni. Questo però non equivale a dire che l’effetto sia neutro.
Quando una quota crescente di attività operative si trasferisce verso sistemi automatizzati, cambia il profilo delle competenze richieste. Servono persone capaci di formulare il problema nel modo corretto, impostare vincoli, leggere l’output, riconoscere errori, capire i limiti del modello e usare i risultati in un contesto reale. In pratica, diminuisce il valore della semplice esecuzione e aumenta quello della mediazione cognitiva tra processo, dato e algoritmo.
La frattura decisiva riguarda la formazione
È qui che il rapporto colloca la questione più urgente. La transizione richiede due grandi famiglie di competenze. La prima è verticale e specialistica: data science, machine learning, sviluppo e manutenzione dei modelli, infrastrutture dati. La seconda è trasversale: data literacy, capacità di usare strumenti generativi, functional prompting, interpretazione critica degli output, consapevolezza dei rischi, cultura organizzativa.
Il rapporto mostra che proprio questo secondo livello, più diffuso e meno specialistico, è oggi uno dei punti più deboli. Molte imprese non hanno ancora trasformato l’interesse generico verso l’AI in veri piani di adozione e ancora meno in percorsi formativi coerenti. La domanda di formazione specifica risulta nel complesso limitata, anche se il dibattito pubblico fa pensare il contrario. Per una quota rilevante di aziende, l’AI resta una promessa poco tradotta in obiettivi, processi e figure professionali.
Un ecosistema formativo ricco, ma frammentato
Il capitolo sulla formazione restituisce un’immagine molto chiara. L’Italia non manca di soggetti attivi. Ci sono università, ITS Academy, fondi interprofessionali, Fondo Nuove Competenze, Competence Center, Digital Innovation Hub, grandi vendor tecnologici, provider HR e academy aziendali. Il problema è che questo ecosistema appare ancora giovane, frammentato e poco coordinato.
Le grandi imprese e i grandi provider riescono più facilmente a costruire percorsi strutturati. Le PMI invece si affidano spesso a una formazione “incorporata” nei prodotti o nei servizi acquistati, quindi a percorsi legati all’uso di uno strumento specifico più che a una visione complessiva. Il rischio, che il rapporto descrive bene, è un effetto di lock-in: l’impresa impara a usare una certa soluzione senza sviluppare una vera autonomia strategica nell’adozione dell’AI.
Anche il finanziamento della formazione mostra una forte asimmetria. Gli strumenti esistono, ma favoriscono soprattutto le aziende più organizzate, che sanno monitorare bandi, programmare tempi, anticipare spese e rendicontare. Le imprese più piccole faticano di più, e quindi restano dipendenti da percorsi minimi o da interventi occasionali.
Le policy: meno frammentazione, più continuità
Dal rapporto emergono alcune linee molto nette.
La prima è la necessità di razionalizzare l’ecosistema della formazione sull’AI, con maggiore coordinamento tra università, imprese, academy, provider e strumenti pubblici.
La seconda riguarda la possibilità di sperimentare un conto personale di formazione per l’AI, per rendere più portabile e accessibile il diritto all’aggiornamento lungo la vita lavorativa.
La terza punta a rendere più flessibile l’uso dei fondi, con procedure più semplici e percorsi modulari, aggiornabili e certificabili anche tramite microcredenziali.
C’è poi un tema di trasferimento tecnologico. Il rapporto insiste sulla necessità di rafforzare la rete di gatekeeper della digitalizzazione, cioè quei soggetti che possono aiutare soprattutto le PMI a orientarsi, sperimentare e capire dove l’AI abbia davvero un’utilità industriale o organizzativa. In parallelo, propone una cooperazione più stretta tra atenei e imprese sulla frontiera tecnologica, con una logica più stabile e meno episodica.
Una questione industriale, non solo tecnologica
La lettura che esce dal rapporto è che l’Italia non si trova più nella fase in cui il tema AI può essere archiviato come moda o come dibattito teorico. La crescita dell’adozione è reale. I casi aziendali mostrano che le applicazioni concrete esistono già e riguardano funzioni centrali del lavoro d’impresa. Il problema non è più capire se l’AI arriverà, ma in quali condizioni il sistema produttivo italiano sarà in grado di assorbirla.
La risposta, almeno per ora, non dipende solo dalla disponibilità dei modelli o dal costo delle tecnologie. Dipende molto di più da competenze, organizzazione, dati, governance e formazione continua.
Per questo il rapporto sposta il baricentro della discussione: il punto non è celebrare la crescita del mercato, ma capire se il Paese sia in grado di costruire una transizione meno diseguale. Ed è proprio qui che si gioca la differenza tra un’adozione superficiale, frammentata e poco produttiva e una trasformazione capace di produrre effetti concreti su lavoro, competitività e qualità dei processi.
