La corsa all’intelligenza artificiale nelle imprese italiane è partita, ma resta ancora lenta e diseguale.
A fotografare con precisione questo scenario è una nuova ricerca della Banca d’Italia, che prova a misurare dove l’IA sia già entrata nei processi aziendali e quali effetti stia producendo su produttività, redditività, occupazione e prezzi.
Ne emerge il ritratto di un sistema che si muove con cautela, ma in cui le aziende che hanno già adottato queste tecnologie mostrano segnali concreti di cambiamento.
Indice degli argomenti
La ricerca della Banca d’Italia
La Banca d’Italia ha appena pubblicato un documento di ricerca (Questioni di Economia e Finanza, n. 1005) che affronta una domanda sempre più urgente per le imprese, i lavoratori e i policy makers: cosa sta succedendo davvero con l’adozione dell’intelligenza artificiale nelle aziende italiane, e con quali effetti concreti?
Gli autori, Tiziano Ropele e Alex Tagliabracci, economisti della Direzione Generale Economia, Statistica e Ricerca della Banca d’Italia, hanno costruito la loro indagine combinando tre diverse fonti di dati: l’Indagine sulle Aspettative di Inflazione e Crescita (SIGE), che Banca d’Italia conduce ogni trimestre su un campione di imprese con almeno 50 dipendenti che operano nell’industria e nei servizi privati non finanziari; i bilanci societari del database Cerved, che raccoglie le informazioni finanziarie di quasi tutte le società di capitali italiane; e gli archivi amministrativi dell’INPS, che contengono dati dettagliati su salari, categorie contrattuali e composizione del personale per ciascuna azienda. Il risultato è uno studio che, per ampiezza e qualità dei dati utilizzati, offre la fotografia più dettagliata disponibile oggi in Italia sul rapporto tra imprese e intelligenza artificiale.
Un paese che parte in ritardo, ma che comincia a muoversi
Il punto di partenza è una constatazione che non sorprenderà chi segue il dibattito sul ritardo digitale italiano, ma che vale la pena fissare con precisione. Al momento del rilevamento, nel terzo trimestre del 2024, soltanto l’11,2% delle imprese intervistate dichiarava di utilizzare già tecnologie di intelligenza artificiale nella propria attività. Un ulteriore 28,4% affermava di considerarla importante e di avere intenzione di adottarla entro i successivi due anni. Il 33,4% riteneva che l’IA non fosse rilevante per il proprio business, e quasi il 27% non sapeva rispondere o preferiva non farlo, segnale di incertezza ancora diffusa o di scarsa familiarità con il tema.
Questo quadro è sostanzialmente allineato con i dati Eurostat per lo stesso periodo: in Italia appena l’8,2% delle imprese con almeno dieci dipendenti dichiarava di utilizzare tecnologie di IA, contro una media europea del 13,5%. Il divario con la media europea esiste, ma la ricerca della Banca d’Italia è preziosa soprattutto per quello che rivela al di là del semplice tasso di adozione: chi adotta, perché adotta, e soprattutto cosa cambia per le imprese che hanno già compiuto questa scelta.
Chi adotta l’intelligenza artificiale e per quale ragione
La ricerca non si limita a contare quante imprese usano l’IA: cerca di capire quali caratteristiche distinguono le aziende che la adottano da quelle che non lo fanno. Il metodo statistico utilizzato permette di identificare i fattori strutturali che predispongono un’impresa all’adozione, al netto di qualsiasi effetto delle politiche di sussidio.
Il risultato più netto riguarda la dimensione aziendale. Le imprese più grandi hanno una probabilità significativamente più alta di adottare l’IA. Non si tratta di una sorpresa: aziende più grandi dispongono di risorse finanziarie maggiori, di strutture manageriali più articolate e di una capacità organizzativa che consente di assorbire i costi iniziali dell’introduzione di tecnologie complesse, di formare il personale, di ridisegnare i processi interni.
Questo dato è confermato anche da altri studi internazionali e da indagini condotte con metodologie diverse sulle imprese italiane, e segnala un problema strutturale: se l’adozione dell’IA si concentra nelle grandi imprese, il tessuto produttivo italiano, fatto prevalentemente di piccole e medie aziende, rischia di restare indietro.
Il secondo fattore rilevante è il costo del lavoro per dipendente. Le imprese con costi salariali più elevati mostrano una maggiore propensione ad adottare l’IA. Questo è interpretabile come un incentivo economico razionale: quando il costo del lavoro è alto, l’automazione di alcune funzioni o il potenziamento dell’efficienza attraverso strumenti digitali diventa più conveniente. Le aziende non adottano l’IA per timore del futuro, ma perché vedono in essa uno strumento per migliorare la propria efficienza rispetto ai costi che già sostengono. Il terzo elemento è l’intensità di conoscenza del settore in cui opera l’impresa. Le aziende che operano in settori ad alta intensità di conoscenza, (dalla manifattura ad alto contenuto tecnologico, ai servizi professionali, alla ricerca e sviluppo) hanno una probabilità più alta di adottare l’IA rispetto a chi opera in settori tradizionali. L’intelligenza artificiale non si inserisce nel vuoto: ha bisogno di una base di competenze, di dati strutturati, di processi codificabili. Dove questa base esiste già, l’adozione è più semplice e i benefici più immediati.
Gli usi più concreti dell’IA in azienda
Come si usano, concretamente, le tecnologie di IA? La risposta delle imprese che già le utilizzano o che intendono adottarle è abbastanza chiara. Il 54% indica come uso principale il miglioramento dei metodi e dei processi produttivi o di supporto. Il 24,8% cita l’automazione di compiti specifici. Il 13,9% punta al miglioramento della qualità dei prodotti o servizi. Solo il 3,6% pensa all’ampliamento della gamma di offerta, e altrettanti indicano usi diversi da quelli elencati. Il quadro che emerge è quello di un approccio essenzialmente pragmatico: le imprese italiane non stanno usando l’IA per trasformare radicalmente la propria offerta o per aprire nuovi mercati, ma per fare meglio e a costi inferiori quello che già facevano.
Gli effetti dell’IA sulle performance aziendali: produttività e redditività crescono
Il cuore della ricerca sta nella stima degli effetti che l’adozione dell’IA produce sulle performance delle imprese. Per farlo, gli autori utilizzano un metodo statistico chiamato differenze nelle differenze, che confronta l’andamento nel tempo delle imprese che hanno adottato l’IA con quello delle imprese che non la considerano rilevante per il proprio business, controllando per tutte le caratteristiche aziendali osservabili e per le tendenze generali del settore e dell’area geografica di appartenenza. Il periodo considerato è 2016-2024, con la cesura tra fase pre-adozione e fase post-adozione collocata attorno al 2022-2023, in base all’evidenza esterna sulla diffusione dell’IA in Italia.
I risultati sulla redditività sono significativi su più dimensioni. Le imprese che adottano l’IA mostrano un aumento del rendimento sugli attivi (ROA) di circa 0,5 punti percentuali, un incremento del flusso di cassa rispetto agli attivi di 0,6 punti percentuali, e un miglioramento del margine operativo lordo (EBITDA) rispetto al fatturato di circa 2 punti percentuali. Non si tratta di variazioni enormi in termini assoluti, ma sono statisticamente robuste e coerenti su misure diverse della redditività, il che le rende credibili. L’IA non fa miracoli contabili: produce un miglioramento reale, distribuito, dell’efficienza operativa.
Il fronte della produttività del lavoro mostra effetti ancora più netti. Il valore aggiunto per dipendente cresce di circa il 5,2% nelle imprese che adottano l’IA rispetto al gruppo di controllo, e il margine operativo per dipendente cresce di addirittura l’11,9%. Questi numeri indicano che ogni lavoratore, nelle imprese che usano l’IA, genera più valore economico per l’azienda. Il dato particolarmente interessante è che questo miglioramento della produttività non è accompagnato da un aumento significativo del costo del lavoro per dipendente. In termini pratici, ciò significa che le imprese producono di più con gli stessi costi salariali: l’IA aumenta la produttività senza che questo si traduca in maggiori compensi per i lavoratori, almeno nel breve periodo considerato dall’analisi.
Come è possibile che la produttività per dipendente aumenti senza che aumenti l’occupazione complessiva e senza che aumentino i salari? La risposta sta nella riorganizzazione interna dei processi. Quando l’IA prende in carico compiti prima svolti manualmente (dall’elaborazione di dati, attività ripetitive, parte del lavoro amministrativo) i lavoratori vengono in media impiegati su funzioni più complesse e a maggiore valore aggiunto. Non vengono licenziati, non vengono assunti colleghi aggiuntivi in sostituzione: semplicemente, l’organizzazione del lavoro cambia, e con essa la quantità di output che ciascun lavoratore contribuisce a produrre.
L’occupazione non cala, ma cambia profondamente la sua composizione
Una delle domande che più preoccupa lavoratori e sindacati quando si parla di intelligenza artificiale è se questa tecnologia toglie posti di lavoro. La risposta che emerge dalla ricerca della Banca d’Italia è articolata, e per molti versi rassicurante sul piano aggregato, pur contenendo segnali importanti sul piano qualitativo.
Sul totale dell’occupazione, l’effetto dell’adozione dell’IA non è statisticamente significativo. In altre parole: nelle imprese che adottano l’IA, il numero complessivo di lavoratori non aumenta né diminuisce in modo rilevante rispetto alle imprese che non la usano. Questo dato è coerente con quanto dichiarano le stesse imprese intervistate: circa il 70% di chi ha risposto alla domanda specifica si aspetta che l’IA non abbia un impatto diretto sul numero dei propri dipendenti, il 17,4% si attende una riduzione, solo il 2% un aumento. La percezione delle imprese è quindi allineata con quello che i dati osservati effettivamente mostrano: il livello occupazionale complessivo non cambia significativamente nel breve periodo.
Il cambiamento più netto riguarda la composizione dell’occupazione. Le imprese che adottano l’IA mostrano un aumento dell’occupazione degli impiegati (lavoratori con qualifiche di concetto, categorie cosiddette white collar) pari a circa il 2,3%, e contestualmente una riduzione degli operai (lavoratori manuali, categorie blue collar) di circa il 7,7%. In termini di quote sul totale dell’occupazione aziendale, la percentuale di impiegati cresce di circa 0,7 punti percentuali, mentre quella degli operai si riduce di circa 1,1 punti percentuali.
Questi numeri descrivono un cambiamento strutturale nella composizione della forza lavoro: l’intelligenza artificiale non elimina i posti di lavoro in blocco, ma modifica l’essenzialità di questo o quella mansione. Cioè, tende a ridurre il peso delle mansioni più routinarie e manuali (quelle che più facilmente si prestano all’automazione o al potenziamento attraverso strumenti digitali) e ad aumentare il peso delle mansioni che richiedono coordinamento, analisi, supervisione, giudizio. Questo schema è coerente con una vasta letteratura economica internazionale sui cosiddetti modelli basati sui compiti (task-based models), che descrivono l’automazione non come sostituzione di lavoratori, ma come sostituzione di specifici compiti, con conseguente redistribuzione dei lavoratori verso compiti diversi.
Il punto di attenzione, che la ricerca registra onestamente, è che questa redistribuzione non è neutrale: chi svolgeva prevalentemente mansioni manuali e routinarie si trova in una posizione potenzialmente difficile, non perché venga licenziato, ma perché il tipo di lavoro per cui era impiegato perde peso relativo nell’organizzazione aziendale. Nel medio e lungo periodo, se questa tendenza si consolida su larga scala, il sistema formativo e le politiche del lavoro dovranno rispondere a un mercato che chiede profili sempre più orientati verso competenze cognitive, digitali e di gestione dell’informazione.
Come cambia il modo in cui le imprese fissano i prezzi e guardano all’inflazione
Uno degli aspetti più originali della ricerca riguarda un canale di trasmissione economica che raramente viene analizzato in questo tipo di studi: il modo in cui l’adozione dell’IA influenza le aspettative delle imprese sui prezzi futuri e sull’inflazione. Le imprese intervistate nel quadro della SIGE forniscono ogni trimestre stime quantitative sull’andamento dei propri prezzi di vendita nei dodici mesi precedenti e in quelli successivi, e dichiarano le proprie aspettative sull’inflazione a sei mesi, un anno, due anni e quattro anni. Questo patrimonio informativo consente di verificare se le imprese che hanno adottato l’IA si aspettino evoluzioni diverse dei prezzi rispetto a quelle che non la usano.
I risultati sono chiari. Sul breve periodo l’adozione dell’IA non produce differenze statisticamente significative rispetto alle imprese che non la usano. Ma guardando all’orizzonte a due e quattro anni, il quadro cambia: le imprese che usano l’IA si aspettano un’inflazione significativamente più bassa rispetto alle imprese che non l’hanno utilizzata. La differenza è di circa un quarto di punto percentuale a due anni e di circa un terzo di punto percentuale a quattro anni. Valori apparentemente modesti, ma statisticamente robusti e concettualmente importanti.
Cosa ci dicono queste aspettative? Le imprese che hanno già adottato l’IA e ne hanno sperimentato gli effetti sulla propria produttività e sui propri costi operativi, si aspettano che i guadagni di efficienza che stanno realizzando continuino a prodursi nel tempo, portando a una moderazione delle pressioni sui costi e quindi sui prezzi. Non è solo un fenomeno di percezione soggettiva: è la traduzione in aspettative di quello che i dati di bilancio già mostrano in termini di produttività crescente senza aumento dei costi unitari del lavoro. Se produci di più con gli stessi costi, non hai bisogno di aumentare i prezzi per mantenere i tuoi margini.
Questo risultato apre una prospettiva che va al di là della singola impresa. Se le aspettative delle imprese adottanti sono corrette, se cioè la diffusione dell’IA produce effettivamente guadagni di efficienza stabili nel medio-lungo periodo, allora si può ipotizzare che la diffusione su larga scala di queste tecnologie eserciti nel tempo una pressione disinflazionistica sull’economia nel suo complesso. Non è una conclusione meccanica: dipende dalla velocità di diffusione, dal tipo di applicazioni, dalla struttura dei mercati, e da molti altri fattori. Ma è un canale che la ricerca identifica chiaramente e che merita attenzione da parte di chi si occupa di politica monetaria.
La ricerca esamina anche le aspettative delle imprese sugli effetti economici più generali della diffusione dell’IA. Alla domanda su quali effetti potrebbe avere sull’economia italiana la diffusione dell’IA nei prossimi due anni, quasi il 55% delle imprese risponde “moderatamente positivi” o “molto positivi”, il 25% dichiara di non sapere, e solo l’8% prevede effetti negativi. Le imprese che già usano l’IA o che hanno intenzione di adottarla sono significativamente più ottimiste della media, mentre le non-adottanti tendono a collocarsi sulle risposte di incertezza o di attesa neutrale. Il divario di percezione tra chi ha già vissuto l’esperienza dell’adozione e chi ne è ancora fuori è in sé un dato significativo: l’esperienza diretta forma aspettative più positive, il che suggerisce che parte dello scetticismo diffuso tra le imprese non adottanti potrebbe essere legato alla mancanza di informazione di prima mano piuttosto che a una valutazione razionale e informata dei rischi.
Cosa ci dice questa ricerca e cosa ancora non sappiamo
Questo studio pubblicato dalla Banca d’Italia si inserisce in un filone di ricerca internazionale che sta crescendo rapidamente, man mano che i dati disponibili consentono analisi sempre più precise. Studi condotti negli Stati Uniti, in Germania e su campioni europei più ampi convergono su risultati simili: l’adozione dell’IA tende a migliorare la produttività e la redditività delle imprese adottanti, tende a cambiare la composizione dell’occupazione più che il suo livello aggregato, e tende a concentrarsi nelle imprese più grandi e nelle attività più intensive di conoscenza.
La specificità della ricerca italiana sta nell’aver costruito questo quadro su dati amministrativi di alta qualità, incrociando bilanci e dati previdenziali con informazioni raccolte direttamente dalle imprese in una survey rigorosa.
Alcune limitazioni metodologiche meritano di essere esplicitate, come gli stessi autori riconoscono. Il campione riguarda imprese con almeno 50 dipendenti: il tessuto delle piccole imprese italiane, che costituisce la gran parte del sistema produttivo nazionale, è fuori dall’orizzonte diretto di questa analisi.
I risultati sulle grandi imprese non sono automaticamente trasferibili alle piccole, che hanno risorse, strutture organizzative e accesso alle competenze molto diversi. Inoltre, la survey fotografa un momento specifico (il terzo trimestre del 2024) in un momento in cui la diffusione dell’IA stava ancora accelerando: i dati ISTAT per il 2025, disponibili separatamente, mostrano già aumenti significativi rispetto a quell’istantanea.
Un secondo limite riguarda il tipo di informazione disponibile sull’intensità dell’adozione. La survey registra se un’impresa usa l’IA o no, non in quale misura e con quale profondità. Imprese che hanno introdotto uno strumento di IA per una funzione specifica vengono classificate nello stesso modo di imprese che hanno riorganizzato interi processi produttivi intorno a tecnologie di apprendimento automatico. Questa eterogeneità è inevitabile in questa fase di diffusione ancora precoce, ma limita la precisione delle stime.
Infine, l’orizzonte temporale: gli effetti documentati riguardano il breve e medio periodo. Gli studi sull’impatto a lungo termine dell’automazione (che richiedono decenni di osservazione) suggeriscono che i sistemi economici tendono ad adattarsi, con la creazione di nuove professioni che compensano la scomparsa di quelle eliminate. Ma questo adattamento non è automatico né indolore, e il modo in cui avviene dipende in larga misura dalle politiche pubbliche: formazione professionale, reti di protezione sociale, incentivi all’innovazione, regolazione dei mercati.
Lo studio fornisce una base empirica solida per discutere di queste politiche con dati alla mano invece che con previsioni apocalittiche o con ottimismo acritico. Ci dice che l’IA sta già producendo effetti reali e misurabili sulle imprese che la adottano, che questi effetti tendono ad essere positivi sul piano della produttività e della redditività, che non producono finora riduzioni nette dell’occupazione ma modificano la struttura professionale interna alle aziende, e che le imprese più esposte all’IA si aspettano un futuro di prezzi più stabili. È un quadro che invita a prendere sul serio la transizione in corso, a non attendere che si completi da sola, e a costruire già oggi le condizioni — in termini di competenze, infrastrutture digitali e politiche industriali, perché i benefici dell’intelligenza artificiale siano distribuiti in modo più ampio possibile nell’economia italiana.
