Con la diffusione dell’AI non siamo di fronte a un passaggio dal tecnigrafo al CAD, vale a dire a una semplice sostituzione di strumenti, come avvenuto con la rivoluzione ICT tra gli anni ’80 e ’90. Le evidenze di una ricerca che abbiamo condotto con Anitec-Assinform mostrano invece che l’intelligenza artificiale entra nel cuore di processi ad alto utilizzo di dati, regole e giudizio, rimodellando parte dei layer cognitivi di manager, ingegneri, analisti e altri knowledge worker.
In un contesto in cui l’Unione europea ambisce ad affermare una propria autonomia sul digitale e sulla filiera dell’AI, i dati Istat ci dicono che solamente l’8% circa delle imprese italiane ha introdotto l’AI nei propri processi.
Otto casi di studio condotti su altrettante imprese leader in settori diversi evidenziano che gli usi più avanzati dell’AI si sono sviluppati dove la complessità competitiva è più elevata e richiede una forte integrazione tra ingegneria di prodotto e processo, e dove il lavoro tecnico non può più essere descritto come mera esecuzione, ma come attività cognitiva distribuita tra persone, dati, modelli, sistemi – e le loro rappresentazioni virtuali sul digitale.
Accanto a questa analisi, un approfondimento sull’offerta di formazione, attori istituzionali e imprese high-tech, ci ha aiutato a comprendere come il sistema formativo italiano abbia oggi necessità di sviluppare approcci maggiormente integrati e basati su una condivisione di infrastrutture (dati, casi di uso, approcci didattici) per poter sostenere una tecnologia così trasversale e mutevole.
Indice degli argomenti
L’IA si diffonde nelle aziende italiane dove la complessità competitiva è alta
Un primo risultato è che gli usi più avanzati dell’IA non emergono in modo omogeneo. Non basta essere “digitali”, né basta avere budget. I casi mostrano che le imprese che adottano e integrano di più l’AI sono soprattutto quelle esposte a una maggiore complessità competitiva: maggiore varietà di prodotti e configurazioni, mercati più articolati, pressioni più intense su efficienza, velocità di innovazione e livello servizio, aspetti che richiedono una più stretta interdipendenza tra marketing, progettazione del prodotto e del processo produttivo.
In tali contesti l’AI, da quella rule-based a quella generativa passando per il machine learning, diventa un modo per gestire interdipendenze che altrimenti resterebbero troppo costose, troppo lente o troppo opache da governare in fase progettuale o di gestione. È in questa chiave che vanno letti casi come i digital twin di processo, la visione artificiale per il controllo qualità, i modelli predittivi per le operations o l’uso di architetture agentiche nei servizi e nelle reti. La ricerca suggerisce quindi una conclusione importante: l’IA crea più valore nei contesti in cui la complessità da orchestrare è già elevata.
Questo valore non consiste in un’automazione del lavoro o in un taglio di costi, ma nel supporto a logiche attraverso cui l’impresa porta beneficio al cliente in modo più efficace, talvolta anche nuovo. Non si tratta di una rivoluzione spettacolare ed improvvisa, ma una trasformazione incrementale e cumulativa. Prima dell’AI sono arrivate maggiore integrazione cross-funzionale di processi oltre che best practices che portavano agilità ed efficienza nello sviluppo prodotto e nella produzione. L’AI si innesta su questa traiettoria, rendendola più strutturata.
Il secondo punto è quasi controintuitivo rispetto alla retorica pubblica. L’intelligenza artificiale, almeno nei casi osservati, non si afferma prevalentemente attraverso rotture radicali, ma migliorando e potenziando pratiche gestionali e operative già esistenti. Manutenzione predittiva, approcci prescrittivi e data-driven alle pratiche lean, segmentazione data-driven dei clienti, controllo qualità più approfondito, supporto documentale e assistenza sono tutti esempi di una traiettoria in cui l’innovazione è meno “teatrale” di quanto spesso si racconti, ma non per questo meno importante.
Questa è forse la lezione più utile anche per il dibattito pubblico: l’IA non coincide necessariamente con una “disruption” visibile. In molti casi è una rivoluzione silenziosa e incrementale, che si annida nei processi core e ne modifica gradualmente performance, velocità decisionale, qualità e scalabilità.
AI e imprese italiane: il punto vero non è il tool, ma il layer cognitivo
Parlare di IA come se fosse un semplice strumento da aggiungere alla cassetta degli attrezzi di un knowledge o di un line worker è riduttivo. La metafora del tecnigrafo e del CAD serve proprio a chiarire questo punto: nel cuore della terza Rivoluzione Industriale abbiamo assistito principalmente a una sostituzione di tool fisici e analogici con tool digitali che non sfruttavano ancora a pieno il valore dei dati e della connettività. Oggi, invece, assistiamo ad un cambiamento nella struttura cognitiva del lavoro tecnico.
Nei casi studiati nella ricerca Anitec-Assinform, abbiamo riscontrato una prevalenza di logiche di augmentation nelle scelte tecniche di produzione/servizio e progettazione: dove utilizzata, l’AI entra spesso nella formulazione del problema, nella generazione delle alternative, nella scomposizione dei task, nella validazione degli output, nella gestione di casi eccezionali per i quali è disponibile conoscenza pregressa formalizzata che può supportare l’analisi. In questo senso l’AI funziona come un layer cognitivo, non come una mera protesi operativa.
Questa capacità di distribuire conoscenza precedentemente formalizzata a ruoli tecnici pone questioni nella gestione delle persone e nello sviluppo del loro capitale umano ancora poco affrontate nelle Relazioni Industriali: come riconoscere e valorizzare il lavoro di messa a disposizione delle conoscenze? Come cambiano logiche e tempi con cui professioni complesse sviluppano autonomia e seniority?
Le conseguenze sul lavoro, almeno allo stato attuale, non si leggono soprattutto come sostituzione netta di occupazione, ma come riorganizzazione e ripensamento dei modelli di gestione del capitale intellettuale e delle persone. Le attività diventano più scomponibili, più standardizzabili e più tracciabili; il valore si sposta verso capacità di esercita giudizio su scelte complesse e sfaccettate, supervisione, controllo, interpretazione e gestione delle eccezioni; crescono le figure ibride capaci di operare all’interfaccia tra algoritmi, dati e processi.
Come sta evolvendo la formazione sull’AI in Italia
Di fronte ad una trasformazione organizzativa così articolata, la formazione non può essere trattata come un capitolo secondario legato alla trasmissione di un nuovo tipo di sapere informatico. La seconda parte della ricerca, dedicata alla domanda e all’offerta di formazione, mostra che il sistema è ancora frammentato e in parte disallineato rispetto alla natura della tecnologia. Molte imprese – soprattutto PMI – sanno di dover “fare qualcosa” con l’IA, ma non hanno ancora chiaro dove applicarla, con quali obiettivi, con quali professionalità e con quali investimenti e ritorni attesi.
Questo vuoto di orientamento strategico non è neutrale: si traduce spesso in scelte di acquisto poco consapevoli, come l’adozione di soluzioni monolitiche, invece di approcci più selettivi e modulari di tipo best-of-breed. In questo contesto, i system integrator tendono a svolgere un ruolo crescente di traduzione e orchestrazione delle soluzioni, ma non sempre riescono a colmare il deficit di visione strategica del cliente, finendo talvolta per rafforzare logiche di lock-in tecnologico più che percorsi di sviluppo delle capacità interne.
Le interviste accolte mostrano che oggi la formazione sull’AI si sta organizzando secondo almeno tre registri: una awareness di base per platee ampie; una formazione verticale e funzionale per ruoli specifici; e una formazione generalista sull’uso consapevole degli strumenti, molto legata alla GenAI, al prompting, all’interpretazione critica degli output, alla sicurezza e ad aspetti di compliance regolatoria. Questa formazione è spesso erogata in formati brevi, ricorrenti, e modulari.
AI nelle imprese italiane: la policy non dovrebbe inseguire solo l’offerta, ma supportare approcci integrativi
Le implicazioni per le policy pubbliche che questa ricerca rende particolarmente evidenti vanno oltre la solita invocazione a rafforzare il coordinamento tra attori, segnalando una questione più precisa: come si forma una forza lavoro quando la tecnologia è general-purpose, versatile, trasversale ai ruoli e in rapida mutazione?
La risposta che emerge dai materiali non è semplicemente “più corsi” o “più sistema”, ma la necessità di costruire spazi integrativi di formazione e apprendimento, sostenuti da collaborazioni stabili tra imprese, università, ITS Academy e rete del trasferimento tecnologico.
Tre elementi da integrare nella formazione
• competenze di dominio;
• capacità d’uso e di validazione degli strumenti di IA;
• comprensione dei processi organizzativi in cui tali strumenti vengono incorporati.
Se l’IA entra nel lavoro come layer cognitivo, servono ambienti formativi che permettano a tecnici, manager e professional di imparare dentro problemi reali, non solo dentro moduli astratti.
La vera natura del divario portato dall’AI nelle aziende
Letta in questa prospettiva, l’intelligenza artificiale non è una tecnologia difficile da adottare. È una tecnologia difficile da assorbire.
Anche se i dati disponibili indicano che l’adozione riguarda poco più dell’8% delle imprese italiane, la questione rilevante non è tanto la velocità di diffusione, quanto la capacità di integrazione. Le imprese riescono a sperimentarla relativamente in fretta. Molto meno riescono a incorporarla nei processi, nelle competenze e nelle pratiche decisionali.
In tal senso, la rete che ruota attorno alle attività di formazione e trasferimento tecnologico dei Competence Centres rappresenta un’infrastruttura già disponibile, ma ancora sottoutilizzata, che potrebbe essere valorizzata in modo più sistematico.
Queste azioni possono contribuire a colmare un divario, che non si manifesta tra chi ha accesso alla tecnologia e chi no, ma tra chi riesce a trasformarla in capacità organizzativa e chi la lascia ai margini. Si tratta di un divario cognitivo e formativo, prima ancora che tecnologico.
Riferimenti bibliografici
Anitec-Assinform, e Politecnico di Torino. 2026. L’IA nel mercato del lavoro italiano: Professioni, modelli di adozione e la sfida della formazione. https://www.anitec-assinform.it/pubblicazioni/studi/l-ia-nel-mercato-del-lavoro.kl
