Questo è il dodicesimo approfondimento di CrescitaZero, la serie di articoli scritti insieme a Elia Bidut per capire cos’è successo alla crescita italiana. Qui trovi il manifesto.
Negli anni Novanta l’arrivo dei computer, dei software e poi di internet negli uffici e nelle fabbriche ha portato a un’accelerazione della produttività, laddove le imprese si sono riorganizzate intorno a queste nuove tecnologie. L’Italia è rimasta indietro. Uno studio di Bruno Pellegrino e Luigi Zingales ha mostrato che tra il 1996 e il 2006 - l’epoca d’oro di internet - la produttività totale dei fattori italiana è calata del 6,8 per cento, mentre nella media degli altri paesi avanzati è cresciuta del 14 per cento. La produttività totale dei fattori è la capacità di produrre di più con la stessa quantità di lavoro e di capitale. Secondo lo studio, tra i due terzi e i tre quarti del divario di produttività è concentrato nei settori con la più alta intensità informatica, cosa che gli autori spiegano prevalentemente con la peculiare scelta dei manager nel nostro paese, poco basata sul merito.
Lo stesso discorso è stato fatto di recente nel rapporto sulla competitività di Draghi, pubblicato a settembre 2024, che ha evidenziato come l’Unione europea abbia avuto un distacco di produttività rispetto agli Stati Uniti perché non ha sfruttato la prima rivoluzione digitale. Lo stesso peccato, in forma aggregata. Trent’anni dopo, con l’arrivo dell’intelligenza artificiale generativa, molti economisti ritengono che stiamo assistendo a una rivoluzione importante almeno quanto quella precedente, se non superiore. Ma i dati di Eurostat mostrano che l’Italia è di nuovo indietro, anche solo nel confronto con i vicini europei. Nel 2025, le imprese con almeno dieci addetti che usano almeno una tecnologia di intelligenza artificiale sono il 16 per cento in Italia, contro una media europea del 20 per cento, il 26 per cento in Germania e il 42 per cento in Danimarca. Negli Stati Uniti l’ufficio del censimento misura l’adozione con una domanda diversa, per cui il confronto è solo indicativo, ma secondo la sua indagine a maggio 2026 usava l’intelligenza artificiale il 20 per cento delle imprese.
Gli economisti chiamano leapfrogging, dal nome inglese del gioco della cavallina, il caso in cui chi è rimasto indietro adotta subito la tecnologia più nuova e salta le fasi intermedie, come i paesi africani che sono passati direttamente ai telefoni cellulari senza aver mai costruito una rete fissa capillare. L’intelligenza artificiale può essere un’occasione di leapfrogging per l’Italia, permettendoci di saltare le tappe e recuperare il tempo perduto, o semplicemente una ripetizione degli anni Novanta? La risposta dipende da due fattori. Da un lato, dalla reale portata degli effetti dell’intelligenza artificiale, che i primi studi misurano con molta incertezza. Dall’altro lato, dalla capacità delle imprese italiane di accoglierla.
Cosa dicono i primi studi
Uno studio pubblicato sul Quarterly Journal of Economics ha analizzato oltre cinquemila addetti all’assistenza clienti di un’azienda americana che avevano a disposizione un sistema di intelligenza artificiale. I problemi risolti sono aumentati per ora del 14 per cento in media, del 34 per cento per i meno esperti, mentre per i più esperti il guadagno è stato minimo. Un esperimento pubblicato su Science a luglio 2023 ha coinvolto circa 450 professionisti che hanno svolto compiti di scrittura con ChatGPT: hanno impiegato il 40 per cento di tempo in meno e la qualità dei testi è stata giudicata superiore del 18 per cento. Un altro esperimento su 758 consulenti del Boston Consulting Group ha mostrato un aumento del 25 per cento della velocità nei compiti alla portata della tecnologia e un calo di 19 punti percentuali delle risposte corrette nei compiti fuori dalla sua portata. Gli autori lo definiscono una “frontiera frastagliata” con confini imprevedibili.
Fuori dagli esperimenti controllati, nel lavoro reale, i risultati sono meno netti. Nel 2025 il centro di ricerca METR ha coinvolto sedici sviluppatori esperti in progetti che conoscevano bene e ha scoperto che con l’intelligenza artificiale hanno impiegato il 19 per cento di tempo in più, mentre loro pensavano di aver risparmiato tempo. Hanno usato gli strumenti disponibili tra febbraio e giugno 2025. METR ha poi provato a ripetere lo studio un anno dopo, ma molti partecipanti non hanno più accettato di lavorare senza intelligenza artificiale. METR ritiene probabile che oggi si verificherebbe un risparmio di tempo. In Danimarca uno studio ha incrociato i dati dei questionari sull’uso dell’intelligenza artificiale con i registri su redditi e ore lavorate e non ha trovato effetti superiori al 2 per cento a due anni da ChatGPT.
Un problema generale della letteratura, evidente nel caso di METR, è che gli studi che cercano di quantificare l’impatto di una tecnologia sono sempre in ritardo rispetto alla tecnologia stessa che stanno misurando. Per esempio, uno studio sull’assistenza clienti pubblicato sul Quarterly Journal of Economics nel 2025 ha analizzato uno strumento introdotto tra l’autunno 2020 e l’inverno 2021, prima dell’arrivo di ChatGPT. L’esperimento di Science si è concentrato su ChatGPT di inizio 2023, mentre quello sui consulenti ha usato GPT-4 nel 2023. Tra la raccolta dei dati, l’analisi e la revisione dei pari passano in genere da uno a tre anni: tempi normali per un paper economico, ma molto lunghi per una tecnologia le cui capacità raddoppiano in pochi mesi (torneremo su questo dato tra poco). Di conseguenza, gli studi tendono a misurare soprattutto le capacità di modelli vecchi di qualche generazione, mentre chi oggi lavora con gli agenti per programmare o fare ricerca vede una distanza ampia rispetto a questi strumenti.
Allo stesso tempo, va considerato il rischio opposto: negli esperimenti brevi gli effetti tendono a essere più grandi che nel lavoro reale, dove il guadagno su un compito deve tradursi in un guadagno per l’impresa. Uno studio della Banca d’Italia, pubblicato a giugno 2026, ha analizzato circa 900 imprese con almeno venti addetti tra il 2022 e il 2026 e ha rilevato che ad oggi non si vede ancora alcun effetto dell’intelligenza artificiale nei dati aggregati delle imprese italiane. L’adozione dell’intelligenza artificiale non ha portato a variazioni di fatturato per addetto e occupazione. Il 70 per cento delle imprese che la usano non ha avuto variazioni di produttività, mentre per la metà delle imprese l’impatto positivo è atteso entro tre anni.
Un precedente storico su questo ritardo è stato evidenziato dallo storico dell’economia Paul David. Alla fine dell’Ottocento le fabbriche americane erano organizzate intorno a un’unica grande macchina a vapore e l’energia veniva trasmessa ai macchinari attraverso alberi di trasmissione e cinghie. La disposizione dei reparti era vincolata a questo sistema. Quando furono costruite le prime fabbriche elettrificate, si sostituì il vapore con un unico motore elettrico di grandi dimensioni, ma il resto rimase identico e i guadagni furono modesti. Il vero salto di produttività avvenne solo negli anni Venti del Novecento, circa quattro decenni dopo l’avvio delle centrali elettriche di Edison. Gli stabilimenti erano nuovi, c’era un piccolo motore per ogni macchina e i reparti erano organizzati in base al flusso produttivo. Lo stesso fenomeno è stato osservato con l’arrivo dei computer, come ha scritto il premio Nobel Robert Solow nel 1987: erano ovunque, tranne che nelle statistiche sulla produttività. Come mostrato in un lavoro del 2018, la curva della produttività ha una forma a J: all’inizio c’è un periodo di investimenti in riorganizzazione e formazione, con una produttività misurata più bassa per alcuni anni, e poi arrivano i benefici.
Le stime di lungo periodo dipendono molto dalle ipotesi di partenza. Daron Acemoglu, premio Nobel 2024, ha stimato che in dieci anni l’intelligenza artificiale farà crescere la produttività totale dei fattori negli Stati Uniti al massimo dello 0,7 per cento complessivo, meno di un decimo di punto all’anno. Philippe Aghion, premio Nobel 2025, ha usato lo stesso modello ma ha stimato una crescita dieci volte più alta, perché ipotizza che una quota molto più ampia di compiti sarà toccata dalla tecnologia. Un’analisi dell’OCSE del 2025 ha stimato che nei prossimi dieci anni la crescita aggiuntiva della produttività del lavoro negli Stati Uniti e nel Regno Unito sarà tra 0,4 e 1,3 punti all’anno, mentre in Italia e in Giappone tra 0,2 e 0,8. I motivi della minore crescita italiana sono il peso minore dei settori più esposti, come l’informatica e la finanza, e l’adozione attesa più lenta. Il modello della Banca d’Italia per l’Italia prevede una crescita di 0,2 punti all’anno con un’adozione lenta, di 0,7 nello scenario intermedio e di 1,1 con un’adozione rapida. Per fare un confronto, la produttività del lavoro in Italia è cresciuta dello 0,3 per cento all’anno negli ultimi trent’anni secondo l’Istat. Anche lo scenario intermedio porterebbe a più del triplo.
Più di una tecnologia generale
Nel 1995 Timothy Bresnahan e Manuel Trajtenberg hanno definito una tecnologia di uso generale con tre caratteristiche: si diffonde in quasi tutti i settori, migliora rapidamente nel tempo e stimola innovazioni complementari tra chi la adotta. Gli esempi più studiati sono quelli della macchina a vapore e dell’elettricità: hanno cambiato il modo di produrre e quindi i loro effetti si sono visti decenni dopo. L’intelligenza artificiale soddisfa tutti e tre i criteri: è già ampiamente utilizzata, dalla scrittura alla programmazione, migliora a ogni generazione di modelli e spinge a ripensare processi e prodotti. Un lavoro del National Bureau of Economic Research del 2018 le attribuiva anche una caratteristica in più, quella di essere un “metodo per inventare”, cioè un acceleratore della produzione di idee, su cui torneremo tra poco.
La differenza principale rispetto alle precedenti rivoluzioni è la velocità. Secondo Epoch AI, un centro di ricerca sull’evoluzione dei modelli, dal 2023 il costo di un dato livello di prestazioni è diminuito ogni anno di circa un fattore tredici, un calo molto più rapido di quello dell’elettricità e della potenza di calcolo. Il METR misura la durata dei compiti di programmazione che un agente completa da solo nella metà dei casi. Un agente è un sistema che pianifica e agisce in autonomia. Dal 2024 la durata di questi compiti è raddoppiata all’incirca ogni tre mesi. A questo ritmo, in un anno e mezzo si avranno sei raddoppi. L’esperienza pratica mostra che un anno fa si avevano modelli che rispondevano a domande, mentre oggi si hanno modelli che scrivono ed eseguono codice, consultano fonti e completano da soli compiti che richiederebbero ore di lavoro umano. La diffusione di questi strumenti non è mai stata così rapida: a tre anni da ChatGPT, il 55 per cento degli adulti americani ha usato l’intelligenza artificiale generativa, mentre a tre anni dall’arrivo del personal computer si era arrivati al 20 per cento e a quello di internet al 30 per cento.
Guardando agli scenari di settembre 2026 elaborati dagli economisti coordinati da Anton Korinek e Charles Jones, si vede che il PIL americano nel 2030, rispetto a un mondo senza intelligenza artificiale, sarebbe del +1,6 per cento con un cambiamento modesto, del +8,3 per cento con circa un quinto dei compiti cognitivi attuali svolti dalla tecnologia e del +32 per cento nello scenario estremo, con quasi metà dei compiti svolti dalla tecnologia e una crescita del 15 per cento annuo. Gli autori non hanno assegnato probabilità a questi scenari. Un sondaggio del 2026 del Forecasting Research Institute e della Fed di Chicago mostra un ampio disaccordo su quali scenari si verificheranno: la maggioranza degli economisti accademici si aspetta progressi significativi entro il 2030, ma prevede una crescita del PIL americano vicina alla media storica, circa 2,5 per cento annuo, e al massimo 3,5 per cento anche nello scenario di progresso rapido.
Come l’intelligenza artificiale può far crescere la produttività
Nel primo episodio della serie abbiamo visto che ci sono quattro canali attraverso cui può crescere la produttività: il capitale per lavoratore, la ricerca, le competenze e la distribuzione delle risorse tra le imprese. L’intelligenza artificiale può potenzialmente agire su tutti e quattro, ma la posizione di partenza dell’Italia è diversa per ciascuno.
Il primo canale è il capitale. I modelli di intelligenza artificiale sono una forma di capitale immateriale, come il software e le banche dati, ma per la prima volta sono in grado di svolgere un lavoro cognitivo. Per esempio, possono scrivere la bozza iniziale di un contratto o revisionare il codice di un programma. Immaginiamo di avere a disposizione un assistente che costa pochi euro al mese per ogni impiegato e che migliora a ogni versione. I prezzi stanno scendendo e il capitale sta diventando accessibile anche a chi ha poche risorse. Come nel caso dell’elettricità, però, i benefici arrivano solo se si fanno investimenti complementari, ossia se si hanno dati organizzati e personale in grado di usare l’intelligenza artificiale. L’Italia ha già l’infrastruttura di base: nel 2025 il 76 per cento delle imprese con almeno dieci addetti acquista servizi di cloud computing, contro una media europea del 53 per cento e il 54 per cento della Germania. Il nostro Paese è indietro in altri ambiti, come nell’utilizzo effettivo all’interno dei processi aziendali (ci torneremo meglio tra poco).
Il secondo canale, la ricerca, è quello con il maggior potenziale. Una macchina migliore porta a un aumento una tantum del prodotto per lavoratore, mentre uno strumento che potenzia la ricerca accelera ogni innovazione successiva e quindi il tasso di crescita. Le idee nuove diventano sempre più costose: uno studio sull’American Economic Review del 2020 ha mostrato che per raddoppiare periodicamente la potenza dei microchip, oggi è necessario avere oltre diciotto volte i ricercatori che c’erano nei primi anni Settanta. I modelli di crescita si basano sul numero di idee prodotte dai ricercatori, ma la popolazione italiana ed europea sta diventando sempre più anziana, e quindi ci saranno meno ricercatori. È possibile allentare questo vincolo se l’intelligenza artificiale dovesse svolgere una parte della ricerca. I primi segnali ci sono: un working paper del maggio 2026 ha mostrato che quando sono arrivati i primi computer nelle università americane, tra il 1950 e il 1970, la produzione scientifica nelle scienze fisiche è cresciuta del 15 per cento. Il Nobel per la chimica del 2024 è andato anche ai due ricercatori di Google DeepMind che hanno sviluppato AlphaFold, che prevede la struttura di quasi tutti i 200 milioni di proteine conosciute.
L’Italia è indietro in questo ambito. Nel 2024 la spesa in ricerca e sviluppo è stata pari all’1,4 per cento del PIL, contro una media europea del 2,3 per cento e del 3,1 per cento della Germania (dati Eurostat). La ricerca prodotta all’estero può essere utilizzata anche da un paese che ne fa poca, ma solo se ha ricercatori e imprese in grado di comprenderla e adattarla. Sul terzo canale, le competenze, gli esperimenti di cui abbiamo parlato all’inizio mostrano un beneficio maggiore per i meno esperti, grazie al trasferimento di parte delle capacità dei migliori. È possibile ridurre i divari tra i lavoratori. Per farlo, però, è necessario avere un livello minimo di partenza, saper porre le domande e controllare le risposte. In Italia nel 2025 il 54 per cento della popolazione tra i 16 e i 74 anni ha competenze digitali almeno di base, contro una media europea del 60 per cento. I laureati tra i 25 e i 34 anni sono il 31 per cento, contro una media europea del 45 per cento (dati Eurostat). Questo ritardo lo abbiamo già affrontato nel dettaglio nell’episodio della serie sulle competenze.
Il quarto canale, la riallocazione, riguarda i lavoratori e il capitale che si spostano verso le imprese più capaci di sfruttare la tecnologia. Uno studio di Stanford su 41 paesi, che abbiamo ripreso nella parte sul lavoro, ha mostrato che le imprese che adottano l’intelligenza artificiale hanno un’occupazione complessiva del 3,3 per cento superiore a quella di aziende comparabili, un risultato al limite della significatività statistica. Se questo meccanismo dovesse funzionare, si avrebbe una crescita delle imprese più capaci e un aumento della produttività di tutto il sistema. Questo è il canale più difficile per l’Italia, come abbiamo visto nell’episodio precedente, dove le imprese di frontiera c’erano ma non erano particolarmente capaci di crescere. Ne abbiamo parlato anche negli episodi sulla dimensione aziendale e sullo Stato. In un’economia dove le imprese migliori crescono poco e le imprese meno produttive sopravvivono, il beneficio dell’intelligenza artificiale sarà minore. Se l’AI è veramente una tecnologia generale e trasformativa, cosa c’è da attendersi per i lavoratori?
Cosa cambia per il lavoro
Secondo la teoria economica, sulla domanda di lavoro agiscono due forze opposte. Da un lato, se un compito viene svolto da una macchina, c’è il rischio che chi lo svolgeva perda il proprio posto di lavoro. Dall’altro lato, un mestiere è un insieme di compiti collegati tra loro: se ne automatizza uno, gli altri aumentano di valore. Il modello “O-Ring” di Michael Kremer, Nobel 2019, mostra che il valore di un prodotto è legato al passaggio eseguito peggio: se l’intelligenza artificiale si occupa della parte ripetitiva, il lavoratore può concentrarsi sulla parte in cui conta il suo giudizio.
Come scritto in un precedente articolo, il mercato del lavoro paga per mestieri interi e scomporli in compiti ha un costo. I dati finora sono coerenti con questa lettura. Secondo l’Ufficio del censimento americano, in un’indagine condotta tra novembre 2025 e febbraio 2026, il 96 per cento delle imprese intervistate non ha avuto cambiamenti nel numero di dipendenti a causa dell’intelligenza artificiale, mentre le restanti si dividono quasi a metà tra aumenti e riduzioni del personale. Un sondaggio condotto tra circa 9 mila manager in sette paesi, nella versione di ottobre 2026, mostra che le imprese che utilizzano l’intelligenza artificiale sono il 78 per cento e che non c’è stato alcun effetto netto sull’occupazione negli ultimi tre anni. In Danimarca, uno studio sui registri amministrativi ha mostrato che le imprese stanno riorganizzando le mansioni e che una parte dei lavoratori si sta spostando verso occupazioni meglio retribuite.
C’è invece un cambiamento visibile nelle assunzioni. Uno studio di Stanford, aggiornato ad agosto 2026, mostra che negli Stati Uniti l’occupazione dei lavoratori tra i 22 e i 25 anni nei mestieri più esposti all’intelligenza artificiale è del 19 per cento inferiore a quella che ci si attenderebbe senza intelligenza artificiale. Il calo è concentrato dove la tecnologia sostituisce il lavoro, con meno assunzioni più che con licenziamenti. Dove la tecnologia affianca il lavoro, l’occupazione giovanile è stabile o in aumento.
Uno studio di Stanford su 41 paesi, basato su 1,25 miliardi di offerte di impiego e 154 milioni di curricula, ha mostrato che le imprese che adottano l’intelligenza artificiale aumentano del 6,7 per cento i dipendenti esperti, mentre la quota di giovani a inizio carriera è scesa di quasi due punti percentuali. La quota di giovani è in calo in 23 dei 31 paesi studiati. Qui bisogna fare attenzione. Un lavoro dell’università della California, pubblicato a settembre 2026, ha mostrato che la disoccupazione dei neolaureati americani nell’estate 2026 non ha avuto una crescita statisticamente rilevante. Il rischio a lungo termine però esiste, ed è legato all’apprendimento del mestiere: i giovani imparano facendo i compiti semplici, proprio quelli dove oggi l’intelligenza artificiale è più veloce e brava. Meno assunzioni a inizio carriera oggi, meno professionisti esperti disponibili fra dieci anni.
Secondo una stima della Banca d’Italia del 2024, circa nove milioni di lavoratori in Italia sono impiegati in occupazioni molto esposte all’intelligenza artificiale, mentre per cinque milioni la tecnologia sarebbe più un complemento che un sostituto. Uno dei problemi specifici italiani evidenziati dallo stesso studio è la bassa mobilità: quando un lavoratore esce da un’occupazione sostituibile, va verso mestieri meno esposti, ma con retribuzioni più basse. Un altro studio della Banca d’Italia, pubblicato a marzo 2026, ha evidenziato che le imprese con almeno cinquanta addetti che adottano la tecnologia hanno una maggiore produttività e redditività, spostano l’occupazione verso profili più qualificati e mantengono invariato il numero totale di dipendenti. Come abbiamo visto nel primo episodio della serie, la popolazione italiana in età lavorativa è in calo da un decennio. Il problema dei prossimi anni sarà la mancanza di lavoratori più che di posti di lavoro, e la tecnologia che aumenta la produzione a parità di persone è una risposta a un bisogno già presente.
Quanto la usa l’Italia
L’Istat ha condotto un’indagine per Eurostat, che ha posto in tutta Europa le stesse domande: qual è la percentuale di imprese con almeno dieci addetti che utilizzano almeno un’applicazione di intelligenza artificiale (generazione di testi, analisi di immagini e simili). In Italia nel 2024 l’8,2 per cento delle imprese ha dichiarato di usare l’intelligenza artificiale, percentuale che nel 2025 è salita al 16 per cento, raddoppiando in dodici mesi. La media europea è passata dal 13 al 20 per cento, crescendo della metà. Il divario si è ridotto, ma l’Italia resta al 18° posto su 27: la Francia è al 18 per cento, poco sopra, mentre la Germania è al 26 e la Finlandia al 38.
Il ritardo italiano è quasi tutto dovuto alla dimensione delle imprese. Tra le grandi imprese italiane, con almeno 250 addetti, usa l’intelligenza artificiale il 53 per cento, in linea con la media europea del 55 per cento. Tra le piccole imprese, con tra i dieci e i 49 addetti, la quota è invece del 14 per cento, contro una media europea del 17 per cento, con la Germania al 23 e la Danimarca al 37. La distanza tra grandi e piccole imprese italiane è passata da 19 punti nel 2023 a 37 nel 2025, a causa della corsa delle grandi. Il problema è sottostimato dal fatto che le microimprese, con meno di dieci addetti, non sono incluse nell’indagine. In Italia le microimprese occupano il 40 per cento dei lavoratori dell’industria e dei servizi, contro una media europea del 30 e una tedesca del 19.
L’uso dell’intelligenza artificiale è spesso superficiale: solo il 6,5 per cento delle imprese italiane utilizza almeno tre tecnologie diverse di intelligenza artificiale, contro una media europea dell’8,3 per cento. Un’indagine della Banca d’Italia ha rilevato che tra le imprese con almeno venti addetti, quelle che all’inizio del 2026 dichiaravano di utilizzare l’intelligenza artificiale erano il 32 per cento, ma solo il 5 per cento ne aveva una profonda integrazione nei processi. Le competenze sono un altro problema: gli specialisti informatici sono il 3,8 per cento degli occupati italiani, contro una media europea del 5,0. Secondo l’Istat, la loro presenza nelle grandi imprese è del 75 per cento, mentre nelle piccole e medie è solo dell’11 per cento.
Le persone sono più rapide delle imprese, sebbene partano indietro. Secondo Eurostat, nel 2025 il 20 per cento degli italiani tra i 16 e i 74 anni ha usato l’intelligenza artificiale generativa negli ultimi tre mesi, contro una media europea del 33 per cento (di questo ritardo abbiamo già parlato in un articolo di aprile). I dati più recenti di Microsoft, che stimano l’utilizzo a partire dai dispositivi invece che dai questionari, mostrano che nel primo trimestre 2026 in Italia il 30 per cento della popolazione in età da lavoro ha usato l’intelligenza artificiale, contro il 31 per cento di Germania e Stati Uniti, il 48 per cento della Francia e il 44 per cento della Spagna. Nonostante i metodi diversi, la tendenza è la stessa: gli italiani imparano da soli a usare l’intelligenza artificiale, mentre molte piccole imprese sono ancora ferme.
Come negli anni Novanta?
Anche negli anni Novanta il problema principale era l’organizzazione, più della spesa. Uno studio della Banca d’Italia del 2001 su circa 2.400 imprese manifatturiere ha mostrato che il rendimento del capitale informatico era molto più alto del suo costo, ma che il vantaggio era solo per le imprese che avevano riorganizzato il lavoro e assunto personale istruito. Un lavoro di Fabiano Schivardi e Tom Schmitz ha mostrato come la combinazione tra rivoluzione informatica e cattiva gestione delle imprese abbia causato il 28 per cento della divergenza di produttività tra Italia e Germania tra il 1995 e il 2008. Questi sono i problemi che abbiamo affrontato negli episodi della serie sulla dimensione delle imprese e il management. I dati sull’intelligenza artificiale seguono lo stesso schema.
Nel 1993 il Premio Nobel Paul Krugman ha scritto un articolo con due colleghi in cui spiegava il meccanismo del leapfrogging. Se un Paese è leader grazie alla sua esperienza e ai suoi investimenti in una tecnologia esistente e arriva una tecnologia radicalmente nuova, all’inizio apparentemente meno efficiente, è poco conveniente per il leader cambiarla. Un Paese inseguitore ha meno da perdere e adotta immediatamente la nuova tecnologia, superando il leader.
Le piccole imprese italiane hanno due vantaggi. Da un lato, negli anni Novanta l’informatizzazione significava server, gestionali e consulenze, un costo fisso molto alto per molte piccole imprese. Oggi esistono strumenti più potenti a canone mensile che possono in parte sostituire specialisti troppo costosi da assumere per una piccola azienda. Dall’altro lato, i meno esperti hanno maggiori guadagni. Un esperimento sui consulenti ha mostrato che chi partiva sotto la mediana è migliorato del 43 per cento, mentre i più bravi del 17 per cento. L’economista Nicola Rossi ha scritto in Reframing Italian Economic History, un libro sui centosessant’anni di storia economica italiana, che il nostro Paese è cresciuto più adattando tecnologie nate altrove che inventandole, con il miracolo economico del dopoguerra come grande trasferimento di tecnologia dagli Stati Uniti. Anche oggi basterebbe che l’Italia adottasse rapidamente modelli sviluppati da altri. Gli economisti di Silicon Continent hanno mostrato che la convergenza economica è storicamente sempre stata basata sull’adozione di tecnologia straniera.
Ma se confrontiamo questa situazione con quella degli anni Novanta, vediamo che l’ostacolo è di tipo diverso. Allora il problema era l’informatizzazione, che richiedeva una spesa fuori portata per molte piccole imprese. Oggi il costo iniziale è basso, ma ci sono costi nascosti, ossia il tempo necessario per imparare a usare gli strumenti e per riorganizzare il lavoro intorno a loro. Anche in questo caso l’Italia è indietro: secondo l’Istat, solo il 17 per cento delle PMI organizza formazione informatica per i dipendenti, mentre nelle grandi imprese la quota è del 67 per cento. La conseguenza è che la formazione diventa il nuovo collo di bottiglia.
Uno studio su 640 piccoli imprenditori in Kenya che hanno usato un assistente di intelligenza artificiale ha mostrato che i più capaci hanno avuto un aumento dei ricavi superiore al 15 per cento, mentre quelli che hanno posto domande più vaghe hanno registrato un calo di circa l’8 per cento. In un working paper del Fondo monetario internazionale, pubblicato a settembre 2026, si legge che la possibilità di recuperare terreno “dipende meno dall’accesso all’intelligenza artificiale e più dalla capacità di trasformare un’intelligenza a basso costo in produttività”. La Banca d’Italia ha evidenziato come vi sia il rischio di un equilibrio di bassa adozione. Il vantaggio di un’impresa è infatti legato anche a quante altre la adottano, alla condivisione dei dati con i fornitori e all’esistenza di applicazioni per il suo settore. Ma se poche imprese utilizzano l’intelligenza artificiale, i produttori di software hanno poco interesse a sviluppare soluzioni per le piccole imprese, che si trovano in una terra di mezzo tra gli strumenti generici e i progetti su misura troppo costosi. Il basso rendimento dell’adozione fa sì che poche nuove imprese diventino utilizzatrici, bloccando il sistema in un equilibrio stabile, anche se tutti sarebbero avvantaggiati nell’equilibrio opposto. È una situazione tipica in cui un intervento pubblico temporaneo può cambiare l’esito.
Cosa servirebbe
La prima priorità è accompagnare le piccole imprese, che sono frenate soprattutto dal non sapere come usare questa tecnologia. In Italia ci sono centri per il trasferimento di tecnologia in tutto il paese ma, secondo la Banca d’Italia, i Competence Center sono stati finanziati con 186 milioni di euro in tutto fra il 2019 e il 2025. Il solo istituto Fraunhofer tedesco ha 2,2 miliardi di entrate pubbliche all’anno. In Danimarca il programma SME:Digital ha finanziato oltre settemila progetti digitali di piccole imprese dal 2018. A Singapore il programma “100 Experiments” affianca le imprese con un problema concreto a squadre di specialisti, in parte pagate dallo Stato, per sviluppare applicazioni pronte in sei mesi e replicabili da altre imprese. Ci sono poi le altre condizioni di cui abbiamo già parlato in questa serie: manager scelti per competenza e lavoratori formati a usare questi strumenti, e l’energia per i data center, che l’Italia ha difficoltà ad attrarre.
L’ultimo punto è quello di fare attenzione alle regole. Una tecnologia che cambia ogni pochi mesi è difficile da regolare nelle fasi iniziali, perché non è chiaro quali siano gli usi prevalenti e quali i rischi reali. Le regole scritte oggi avrebbero costi certi e benefici ignoti, con il rischio di bloccare la sperimentazione. I costi ricadrebbero soprattutto sulle piccole imprese, che non hanno uffici legali per leggere nuovi obblighi. Tra le imprese italiane che hanno valutato l’intelligenza artificiale, il 47 per cento indica la poca chiarezza sulle conseguenze legali fra i motivi per cui non la adottano. L’Unione europea con il regolamento di luglio 2026 ha spostato gli obblighi principali dell’AI Act per i sistemi ad alto rischio da agosto 2026 a dicembre 2027. In Italia la legge 132 del 2025 ha già introdotto una disciplina nazionale. Ma è meglio non aggiungere ulteriori obblighi e lasciare spazio alla sperimentazione delle imprese.
Il nostro Paese ha già mancato un’occasione simile e ne sta ancora subendo le conseguenze. C’è il concreto rischio di ripeterlo, perché il ritardo riguarda ancora una volta le aziende più piccole e i loro limiti organizzativi. Ma oggi le cose sono diverse: la tecnologia è economica e più utile a chi parte indietro. L’Italia è storicamente cresciuta adottando rapidamente invenzioni altrui.
Servono servizi di accompagnamento per le imprese, competenze dei lavoratori e dei manager, energia a costi sostenibili e regole leggere finché non è chiaro cosa si deve regolare. Il resto va lasciato alle imprese, se messe in condizione di sperimentare. Una tecnologia che può alzare la produttività sta arrivando nel paese dell’Unione europea che ha il maggior bisogno di produttività. Non coglierla una seconda volta sarebbe una scelta del nostro Paese.
Fiero di essere una micro impresa, ed aver adottato pesantemente l’Ai.