L’AI può essere un’opportunità importante per l’Italia: per risolvere la crisi della produttività e dei salari; per il rilancio economico, a lungo ricercato. Ma il Paese deve cogliere quest’opportunità lavorando sodo, risolvendo altri problemi storici: capitale umano, competenze, propensione all’innovazione.
Sono da leggere le analisi del governatore della Banca d’Italia Fabio Panetta:
l’intelligenza artificiale entra nelle Considerazioni finali sul 2025 come una leva macroeconomica.
Indice degli argomenti
AI, Panetta: produttività, lavoro e politica industriale, la sfida per l’Italia
Panetta collega AI, produttività, competitività e crescita potenziale del Paese in una fase in cui il declino demografico e la stagnazione della produttività rendono più urgente l’adozione diffusa delle tecnologie digitali avanzate.
Guardando agli Stati Uniti, richiama il contributo degli investimenti nei centri di calcolo, l’aumento delle quotazioni delle società tecnologiche e l’effetto ricchezza sui consumi. Secondo Panetta quindi l’intelligenza artificiale non è solo una tra le innovazioni tecnologiche, ma tra un fenomeno in grado di incidere su investimenti, mercati finanziari, crescita dell’occupazione qualificata e domanda aggregata.
L’AI è già un fattore macroeconomico
Per il Governatore, inoltre, l’impatto potenziale dell’intelligenza artificiale potrebbe essere superiore a quello di altre tecnologie polivalenti del passato, perché l’intelligenza artificiale può “accelerare i processi di ricerca e sviluppo” e alimentare ulteriore innovazione anche nel proprio campo.
Il quadro internazionale rafforza questa lettura. Lo Stanford AI Index 2026, curato dallo Stanford Institute for Human-Centered Artificial Intelligence, segnala che nel 2025 l’adozione organizzativa dell’intelligenza artificiale ha continuato a crescere e che quella generativa in particolare è usata in almeno una funzione aziendale dal 70% delle organizzazioni osservate. L’uso dell’intelligenza artificiale agentica è ancora in una fase iniziale, segno che la diffusione degli strumenti non coincide con una trasformazione profonda dei processi produttivi.
È una distinzione rilevante anche per l’Italia: l’intelligenza artificiale genera effetti macroeconomici quando passa dall’uso individuale alla riorganizzazione di funzioni aziendali, filiere, ricerca, produzione e servizi.
AI secondo Panetta: il ritardo italiano resta evidente
Nonostante i progressi, Panetta evidenzia come l’Italia continui a inseguire i principali partner europei. Secondo i dati richiamati nelle Considerazioni finali, nel 2025 il 16% delle aziende italiane con almeno dieci addetti usava almeno uno strumento di intelligenza artificiale, contro il 20% della media europea e il 26% della Germania. Il Governatore sottolinea però che “il ritardo italiano si sta ampliando”.
Il confronto con Eurostat conferma il divario. Nell’aggiornamento pubblicato a dicembre 2025, l’istituto statistico europeo rileva che il 20% delle imprese Ue con almeno dieci addetti utilizza tecnologie di intelligenza artificiale, in aumento di 6,5 punti percentuali rispetto al 2024. Gli impieghi più diffusi riguardano l’analisi del linguaggio scritto, la generazione di contenuti e la trasformazione del parlato in dati elaborabili.
Panetta anticipa i dati di uno studio Banca d’Italia in corso di pubblicazione, l’Indagine sulle imprese industriali e dei servizi: la quota di aziende che fa ricorso all’intelligenza artificiale è cresciuta fino al 30%. La diffusione, però, resta ancora poco profonda, con appena il 5% delle imprese ne fa un uso intensivo e, nella maggior parte dei casi, l’impiego è confinato ad applicazioni semplici, capaci di aumentare leggermente la produttività ma che non trasformano veramente i processi aziendali.
Tra le aziende italiane che già utilizzano l’intelligenza artificiale generativa, la maggioranza la impiega per la generazione di testi, mentre oltre la metà utilizza chatbot, agenti IA o strumenti di generazione del codice software. È una diffusione ancora concentrata sulle applicazioni più immediate e meno integrata nei processi produttivi core.
Il lento risveglio delle Pmi
Un segnale di dinamismo inatteso arriva però dal segmento più piccolo del tessuto produttivo italiano. Un’indagine della Cna (Confederazione nazionale dell’artigianato) svolto a gennaio del 2026 mostra che il 35,6% delle aziende associate utilizza almeno uno strumento basato sull’intelligenza artificiale: una quota quasi sette volte superiore rispetto al 5,2% rilevato circa diciotto mesi prima, e ben oltre il 6,9% registrato dall’Istat nel 2024 tra le imprese con 10-49 dipendenti. Tra le aziende già utenti, il 19,2% dichiara di impiegare più di uno strumento, segnale che in molti casi l’uso va oltre i chatbot e le applicazioni di intelligenza artificiale generativa più diffuse. Un ulteriore 15,4% sta valutando l’adozione.
Il dato è rilevante perché colma un vuoto nella fotografia che Panetta traccia nelle Considerazioni finali, dove i numeri sull’adozione riguardano quasi sempre imprese con almeno dieci addetti. Nelle micro e piccole imprese artigiane (il cuore del sistema produttivo italiano la velocità di adozione è risultata superiore alle attese. Restano però barriere concrete: quasi la metà delle imprese (49%) non ha ancora avviato alcun percorso di adozione, il 36% dichiara di non riuscire a individuare applicazioni concrete utili al proprio processo produttivo, e circa due imprese su cinque segnalano carenza di competenze interne. Sono esattamente i limiti – competenze, trasferimento tecnologico, supporto all’adozione – che Panetta identifica come priorità di intervento pubblico, e che nelle imprese più piccole si presentano in forma ancora più acuta.
Le imprese che adottano IA crescono di più
Le indicazioni che emergono dalla ricerca della Banca d’Italia sono particolarmente rilevanti. Il lavoro di Tiziano Ropele e Alex Tagliabracci,“The economic impact of artificial intelligence: evidence from Italian firms”, pubblicato nella serie Questioni di Economia e Finanza n. 1005 a marzo 2026, analizza l’adozione dell’intelligenza artificiale tra imprese italiane con almeno 50 addetti, integrando dati dell’Indagine sulle aspettative di inflazione e crescita con bilanci aziendali e dati amministrativi sui lavoratori.
Lo studio mostra che l’adozione dell’intelligenza artificiale è associata a:
- +5,2% del valore aggiunto per addetto;
- +11,9% dell’Ebitda per addetto;
- nessun incremento statisticamente significativo del costo del lavoro per addetto.
I risultati suggeriscono che, almeno nella fase attuale, l’intelligenza artificiale opera prevalentemente come strumento di aumento della produttività e della redditività aziendale. È un elemento importante in un dibattito pubblico concentrato principalmente sugli effetti sulla occupazione.
Le evidenze europee vanno nella stessa direzione. L’Eib Working Paper 2026/02, realizzato da ricercatori della Banca europea per gli investimenti e della Banca dei regolamenti internazionali su oltre 12mila imprese non finanziarie dell’Ue e degli Stati Uniti, stima che l’adozione dell’intelligenza artificiale possa aumentare anche del 4% la produttività del lavoro nelle imprese europee, senza contraccolpi occupazionali nel breve periodo.
Il dato è coerente con l’analisi della Banca d’Italia, ma segnala anche un limite strutturale: i benefici tendono a concentrarsi nelle imprese già più strutturate, quelle con maggiore capacità di investimento e più attrezzate nella gestione dei dati e delle competenze. È un divario che non si chiude da solo, come si vedrà nelle sezioni successive.
L’indagine Invind: cresce l’adozione ma emergono ostacoli strutturali
Le Considerazioni finali rinviano esplicitamente all’Indagine sulle imprese industriali e dei servizi (Invind), i cui risultati dettagliati saranno pubblicati a breve. Le anticipazioni contenute nella Relazione annuale mostrano una crescente attenzione delle imprese verso l’AI, ma anche la presenza di barriere significative.
Secondo i dati Eurostat richiamati da Panetta, il 10% delle imprese italiane dichiara di non avere adottato soluzioni di intelligenza artificiale pur avendone valutato l’utilizzo. Il principale ostacolo indicato è la carenza di competenze, seguita da incertezza normativa, bassa qualità e disponibilità dei dati e rischi legali.
La questione delle competenze emerge quindi come il collo di bottiglia della trasformazione digitale italiana. Gli studi internazionali confermano che l’adozione dell’intelligenza artificiale produce risultati quando è accompagnata da riorganizzazione dei processi, capacità manageriali e controllo degli output.
Il paper Nber Generative AI at Work, pubblicato nel 2023 da Erik Brynjolfsson, Danielle Li e Lindsey Raymond, ha analizzato l’introduzione di un assistente intelligenza artificiale in un contesto di attività di assistenza della clientela su 5.179 operatori. L’accesso allo strumento di intelligenza artificiale ha aumentato la produttività media di circa 14%, con benefici più marcati per lavoratori meno esperti. Il risultato mostra che l’intelligenza artificiale può migliorare l’operatività del personale umano e ridurre i loro tempi di apprendimento, ciò soprattutto quando le attività sono ben definite e misurabili.
Un secondo filone di ricerca, condotto dal Digital Data Design Institute di Harvard con Boston Consulting Group su 758 consulenti, ha mostrato forti miglioramenti di velocità e qualità nei compiti che rientrano nel perimetro di efficacia dell’intelligenza artificiale, ma evidenzia anche un limite preciso: applicata a compiti per i quali non è affidabile, l’intelligenza artificiale può peggiorare i risultati.
Per le imprese italiane questo significa che acquistare strumenti di intelligenza artificiale non basta. Servono dati, formazione, criteri di validazione degli output, responsabilità organizzative definite e processi ridisegnati attorno alle effettive capacità dello strumento.
The dark side of AI: la sua adozione amplifica i rischi cibernetici
Le Considerazioni finali affrontano un aspetto che il dibattito sull’adozione dell’intelligenza artificiale tende a trascurare il suo nesso con l’aumento del rischio cibernetico. Panetta dedica una sezione specifica al sistema bancario, dove i dati sono già disponibili e le evidenze inequivocabili.
Nel periodo 2023-25, gli incidenti informatici che hanno coinvolto intermediari italiani sono aumentati dell’80% rispetto al triennio precedente; quelli di natura cibernetica sono raddoppiati. Sebbene non abbiano prodotto perdite rilevanti, il Governatore avverte che segnalano “vulnerabilità da non sottovalutare” e che l’attività di vigilanza ha rilevato “carenze nella gestione di questi rischi”.
Il punto critico è che l’intelligenza artificiale agisce su entrambi i lati del rischio: può rafforzare i presidi difensivi, ma rende anche più efficaci gli attacchi. Nelle ultime settimane, scrive Panetta, “sono emerse notizie su modelli avanzati in grado di individuare vulnerabilità nei sistemi informatici con rapidità e profondità senza precedenti”.
Chiaro il riferimento a Mythos e al recente allarme BCE.
Per questo motivo la Banca d’Italia ha avviato contatti con le principali aziende globali del settore per preparare un utilizzo difensivo dei nuovi modelli, non appena saranno resi accessibili al pubblico. Questo profilo del rischio non riguarda solo le banche. Qualsiasi organizzazione che adotti strumenti di intelligenza artificiale amplia la propria “superficie di attacco” se non gestisce in parallelo la sicurezza informatica. L’adozione e la protezione sono scelte che non possono essere disgiunte, questo è particolarmente importante per la pubblica amministrazione (anche per la grande quantità e qualità di dati), e per chi gestisce infrastrutture critiche.
Sul fronte regolatorio, Panetta cita il regolamento DORA (Digital Operational Resilience Act, UE/2022/2554) come strumento per rafforzare la resilienza operativa del sistema finanziario, e sottolinea la necessità di un’attuazione rapida e coordinata a livello europeo. Il tema è rilevante anche per le imprese non finanziarie: l’Agenzia dell’Unione europea per la cybersicurezza (ENISA) ha documentato nel suo rapporto annuale 2025 un aumento del 38% degli attacchi a infrastrutture industriali rispetto all’anno precedente, con una quota crescente condotta attraverso strumenti di intelligenza artificiale generativa. Una politica industriale per l’intelligenza artificiale che non includa la dimensione della sicurezza informatica non è solo incompleta, è pericolosa.
Lavoro: aumentare produttività e capitale umano per l’AI
L’intelligenza artificiale entra nelle Considerazioni finali anche su una dimensione diversa, quella relativa al tema del declino demografico e alla necessità di aumentare la produttività del lavoro. Panetta richiama una stima già presentata nel 2025: in assenza di un aumento della produttività e con tassi di occupazione invariati ai livelli del 2024, il Pil rischia di diminuire dell’11% tra il 2024 e il 2040.
In questa prospettiva, l’intelligenza artificiale è una delle leve per compensare l’impatto dell’invecchiamento della popolazione e della riduzione della forza lavoro. Le evidenze disponibili mostrano che, almeno nel breve periodo, l’adozione non si traduce in un aumento significativo dei costi del lavoro per addetto: i guadagni di produttività non vanno dunque a scapito dell’occupazione, ma si sommano ad essa.
Anche l’International Labour Organization, nel rapporto 2025 Generative AI and Jobs: A Refined Global Index of Occupational Exposure, invita a distinguere tra esposizione delle mansioni e perdita effettiva di lavoro. Lo studio, basato su quasi 30 mila task occupazionali, stima che circa un lavoratore su quattro nel mondo svolga un’occupazione che potrebbe essere sostituita con l’intelligenza artificiale generativa, il 3,3% dell’occupazione globale rientra in una categoria di esposizione al rischio sostituzione ancora più alta.
Il tema riguarda quindi la trasformazione delle mansioni, la composizione delle competenze e la capacità delle imprese di usare l’intelligenza artificiale per aumentare il valore prodotto per ora lavorata. Nelle economie avanzate, l’esposizione è più alta nelle professioni impiegatizie e nei servizi ad alta intensità informativa, proprio le aree in cui le imprese devono costruire nuove competenze intermedie tra tecnologia, organizzazione e controllo dei rischi.
Su questo terreno si innestano alcune tensioni che le Considerazioni finali non sviluppano ma che i dati di mercato segnalano con nitidezza. Il 64% delle organizzazioni prevede un aumento delle competenze legate all’intelligenza artificiale per la maggior parte dei ruoli, e per il 56,3% delle persone la possibilità di accedere a percorsi di formazione continua è già oggi una leva attrattiva rilevante nella scelta del datore di lavoro. In un contesto in cui l’obsolescenza delle competenze si accelera, la capacità di apprendimento continuo tende a diventare un criterio di selezione tanto per le imprese quanto per i lavoratori.
La sfida non è solo quantitativa (formare più persone) bensì qualitativa: pensare e costruire organizzazioni capaci di aggiornare le competenze in modo sistematico, evitando al contempo la progressiva perdita di know-how individuale e organizzativo che una delega acritica agli strumenti automatizzati può produrre.
A questo si aggiunge la dimensione demografica, che Panetta richiama nelle Considerazioni finali in termini di riduzione della forza lavoro, ma che ha anche una declinazione organizzativa ancora poco discussa. Con una forza lavoro sempre più longeva, le imprese si trovano a gestire coesistenze generazionali inedite: più di un lavoratore su due degli over 40 svolge anche funzioni di caregiver, il che pone vincoli di flessibilità che la transizione tecnologica non può ignorare.
Il 63% delle organizzazioni considera già oggi la trasmissione di conoscenza tra generazioni diverse una sfida rilevante: costruire ponti tra lavoratori senior, che portatori di competenze tacite e know-how consolidato, e nuove generazioni più a proprio agio con gli strumenti digitali è una condizione per non disperdere il capitale cognitivo accumulato nel momento in cui si introduce l’automazione. Non è un tema di gestione delle risorse umane: è una questione di produttività a lungo termine, che si intreccia direttamente con i rischi di bias algoritmici e con la necessità di mantenere un controllo umano effettivo sulle decisioni sensibili delegate all’intelligenza artificiale.
Le indicazioni di policy: competenze, trasferimento tecnologico e procurement innovativo
Dalle Considerazioni finali emerge una vera agenda di politica industriale per l’intelligenza artificiale. Il primo asse riguarda le competenze. Se la principale barriera all’adozione è la scarsità di personale qualificato, diventano necessari: formazione avanzata, percorsi Stem, riqualificazione professionale e capacità manageriali per selezionare casi d’uso sostenibili.
Il secondo asse riguarda il trasferimento tecnologico. Panetta richiama il ruolo dei Competence Center e cita esperienze internazionali come il programma 100 Experiments di AI Singapore e gli istituti Fraunhofer tedeschi, esempi di collaborazione strutturata tra ricerca e imprese.
Questa indicazione è coerente con la letteratura internazionale sull’adozione dell’intelligenza artificiale nelle imprese: i benefici aumentano quando le aziende non sperimentano da sole, ma accedono a competenze applicative, infrastrutture, dati e modelli di progetto replicabili. Per un Paese caratterizzato da molte Pmi, la mediazione tecnologica può essere decisiva.
Il terzo asse è il ruolo della domanda pubblica. Nelle Considerazioni finali viene richiamato il modello del pre-commercial procurement, attraverso cui la pubblica amministrazione finanzia e orienta attività di ricerca e sviluppo senza limitarsi all’acquisto di tecnologie già mature. Sanità, giustizia, scuola, servizi locali e gestione documentale sono ambiti in cui una domanda pubblica qualificata può generare casi d’uso, standard e competenze.
Infine, Panetta sottolinea la necessità di un quadro regolatorio stabile. L’incertezza normativa è infatti tra le principali cause che frenano gli investimenti in intelligenza artificiale, insieme alla qualità dei dati e ai rischi legali.
Il nodo del capitale: chi finanzia l’adozione IA nelle PMI
Nelle Considerazioni finali, Panetta dedica una sezione specifica al rilancio del capitale di rischio come leva per finanziare innovazione e crescita dimensionale delle imprese. Il Governatore segnala che i fondi di private equity e di venture capital, in Italia, “restano poco sviluppati” rispetto al resto d’Europa, e che le aziende da essi finanziate “innovano di più e crescono più rapidamente in termini di fatturato, occupazione e produttività”. La riforma del Testo unico della finanza è citata come un passo nella direzione giusta, ma Panetta elenca altri fronti aperti: maggior coinvolgimento di fondi pensione e compagnie assicurative, avvicinamento delle famiglie all’investimento azionario, apertura degli imprenditori al finanziamento esterno.
Nelle Considerazioni finali questo argomento è separato dalla questione dell’adozione intelligenza artificiale, ma il nesso è diretto. L’adozione non è solo un problema di competenze e trasferimento tecnologico: è anche un problema di accesso al capitale. I costi iniziali di implementazione (dalle infrastrutture ai dati, dalla formazione alla riorganizzazione dei processi) sono elevati rispetto alle dimensioni medie delle PMI italiane. Il credito bancario, come Panetta stesso osserva, non è uno strumento adeguato per finanziare investimenti ad alto rischio e orizzonte lungo. Lo dimostrano i dati citati nelle Considerazioni finali sulla composizione dei finanziamenti alle imprese italiane per tipo di intermediario: private equity e venture capital sono già oggi orientati in misura molto maggiore verso settori ad alta intensità tecnologica rispetto al credito bancario, che resta concentrato sui settori tradizionali.
La ricerca della Banca d’Italia sui benefici di produttività dell’intelligenza artificiale riguarda imprese con almeno 50 addetti: dimensioni già superiori alla mediana del sistema produttivo italiano. Per le imprese più piccole, l’ostacolo finanziario si somma a quelli di competenze e di accesso alle infrastrutture. È qui che la politica industriale deve scegliere: se si vuole che l’adozione dell’intelligenza artificiale sia pervasiva e non solo appannaggio delle imprese più strutturate, occorre costruire strumenti finanziari specifici – garanzie pubbliche mirate, fondi di coinvestimento, incentivi all’ingresso di capitali pazienti – che abbassino la soglia di accesso per le realtà più piccole.
AI e politica monetaria: un nesso che Panetta non chiude
Le Considerazioni finali trattano il rischio inflazionistico e la politica monetaria nella sezione dedicata all’Europa, e l’intelligenza artificiale in una sezione separata sull’economia globale e italiana. Il collegamento tra i due temi non viene esplicitato, ma è rilevante per capire le implicazioni di medio periodo. L’intelligenza artificiale può esercitare pressione al ribasso sui prezzi attraverso due canali: l’aumento della produttività nelle imprese che la adottano, che riduce i costi unitari, e l’accelerazione della concorrenza nei mercati dei servizi, dove l’intelligenza artificiale abbassa le barriere di ingresso. Entrambi gli effetti tendono a comprimere l’inflazione nel medio termine, in modo strutturale e non ciclico.
Il Fondo monetario internazionale, nel World Economic Outlook di aprile 2026 (che Panetta stesso cita nelle Considerazioni finali) stima che un’adozione rapida e pervasiva dell’intelligenza artificiale potrebbe innalzare la crescita del PIL mondiale di quasi un punto percentuale entro il 2030 e contribuire a ridurre le pressioni sui prezzi nel medio termine. La stessa analisi avverte però che questo effetto dipende dalla velocità e dall’ampiezza dell’adozione: negli scenari con adozione lenta o concentrata in pochi settori, l’effetto deflazionistico è marginale.
La tensione è chiara: nel breve termine, la BCE si trova ad affrontare uno shock inflazionistico da costi energetici che richiede una risposta restrittiva. Nel medio termine, un’adozione diffusa dell’intelligenza artificiale nell’economia europea potrebbe essere uno dei fattori che riportano l’inflazione sotto controllo in modo strutturale, riducendo i costi di produzione e ampliando la capacità produttiva potenziale. La calibrazione della risposta monetaria allo shock energetico non può ignorare questo secondo orizzonte: restringere le condizioni finanziarie in modo eccessivo o prolungato potrebbe frenare proprio gli investimenti in intelligenza artificiale (ad alto rischio e ad orizzonte lungo) che rappresentano una delle vie per uscire dalla stagnazione della produttività.
AI in Italia: trasformare il vantaggio scientifico in crescita economica
C’è un ultimo dato che merita attenzione. Panetta ricorda che l’Italia è il secondo Paese europeo per pubblicazioni di qualità sull’intelligenza artificiale. Il problema non riguarda quindi la produzione di conoscenza scientifica, ma la capacità di trasformarla in innovazione diffusa, investimenti e crescita della produttività. I divari già esaminati — nel tasso di adozione, nell’intensità d’uso, nell’accesso al capitale — indicano che la distanza tra potenziale e risultati concreti è ancora ampia.
Le evidenze internazionali rafforzano la diagnosi. L’intelligenza artificiale può aumentare la produttività italiana nei contesti aziendali in cui viene integrata in processi chiari, con dati affidabili e competenze adeguate. Può accelerare l’apprendimento dei lavoratori meno esperti e sostenere attività ad alta intensità informativa. Può contribuire alla crescita potenziale della produttività se l’adozione diventa pervasiva. Ma i benefici restano diseguali quando l’uso si ferma a strumenti individuali, sperimentazioni isolate o applicazioni prive di governance.
Concentrazione del potere IA e sovranità tecnologica europea
Nelle Considerazioni finali, Panetta osserva che cinque grandi aziende statunitensi detengono circa tre quarti della capacità di calcolo mondiale e che negli Stati Uniti viene sviluppata anche la maggior parte dei modelli generalisti. La Cina “sta rapidamente riducendo il divario”, mentre “l’Europa rimane in ritardo”. Il Governatore non si ferma però alla fotografia: richiama la distinzione cruciale tra chi sviluppa la tecnologia e chi la adotta, ricordando che nelle grandi trasformazioni tecnologiche “i guadagni maggiori sono spesso andati non a chi le ha originate, ma a chi ha saputo adottarle e applicarle”. È un’apertura verso un’impostazione più pragmatica, ma non risolve il problema strutturale della dipendenza.
La concentrazione nelle infrastrutture di calcolo non è un dato neutro rispetto alle politiche industriali. Un’impresa che adopera modelli di frontiera forniti da operatori extra-europei trasferisce dati, dipende da accordi contrattuali soggetti a giurisdizioni straniere e costruisce processi su architetture su cui non ha controllo. Il tema è già al centro del dibattito regolatorio europeo: il Cloud Act statunitense, la giurisprudenza in materia di trasferimento dati verso gli Usa e le norme del Data Act della UE delineano un perimetro di rischio che molte imprese sottovalutano al momento dell’adozione.
Panetta richiama in proposito il patrimonio di dati industriali come vantaggio competitivo europeo: “un patrimonio difficile da acquisire dall’esterno e ancora più difficile da replicare”. È un punto che le Considerazioni finali sviluppano nelle note, ma che meriterebbe maggiore enfasi nella discussione di politica industriale. I dati generati dal tessuto manifatturiero europeo (processi, macchinari, qualità, supply chain) sono la materia prima per costruire modelli di intelligenza artificiale settoriali non riproducibili altrove. Costruire infrastrutture per trattare questi dati in modo conforme, sicuro e sovrano è una precondizione dell’autonomia tecnologica: non un dettaglio tecnico, ma una scelta di politica industriale.
La conclusione che emerge dalle Considerazioni finali è che per l’Italia l’intelligenza artificiale è uno strumento di politica economica, produttività e competitività. La disponibilità della tecnologia non basta: servono investimenti privati, trasferimento tecnologico, competenze e una domanda pubblica capace di orientare l’innovazione verso bisogni concreti.
A queste condizioni si aggiunge quella della sicurezza: l’adozione dell’intelligenza artificiale senza un’adeguata gestione del rischio cibernetico espone le organizzazioni a vulnerabilità crescenti, come i dati sul sistema bancario documentano già oggi. E si aggiunge quella della sovranità: accedere ai modelli di frontiera senza costruire capacità propria di trattamento dei dati significa dipendere da scelte altrui su infrastrutture critiche. Solo affrontando insieme produttività, sicurezza e autonomia tecnologica il vantaggio scientifico italiano potrà diventare crescita economica duratura.
