Secondo l’ultimo rapporto ISTAT su imprese e ICT, tra il 2023 e il 2025 la distanza tra grandi imprese e PMI si è ridotta sulla maggior parte degli indicatori digitali, con l’eccezione dell’intelligenza artificiale, dove è salita da circa 20 a 37 punti percentuali. Nel 2025 usa almeno una tecnologia di AI il 53,1% delle grandi imprese, contro il 15,7% delle PMI.
L’ISTAT segnala anche che un terzo delle imprese che usano l’AI non indica alcuna finalità aziendale precisa, segno di un’adozione ancora poco strutturata, e che tra le aziende che ne hanno valutato l’utilizzo senza poi avviarlo il 58,6% indica come ostacolo la mancanza di competenze.
Indice degli argomenti
Dopo il PNRR, il divario AI tra grandi imprese e PMI
Il quadro descritto dall’ISTAT pesa ancora di più ora che il PNRR, il più grande programma di investimento pubblico nella storia recente del Paese, si è chiuso. Il 31 agosto è scaduto il termine per completare obiettivi e rendicontazione, e il 23 settembre la Cabina di regia ha verificato il raggiungimento dei 156 obiettivi legati all’ultima rata, per un valore di 28,4 miliardi.
Sul fronte digitale, il Dipartimento per la trasformazione digitale ha comunicato a luglio che circa 13mila amministrazioni hanno migrato dati e applicativi in cloud, di cui oltre 280 sul Polo Strategico Nazionale. Sono risultati espressi in migrazioni, quindi il passo successivo è capire quanto quei servizi verranno effettivamente usati da cittadini e imprese, a partire dalle PMI, ancora lontane dall’adozione sistematica dell’intelligenza artificiale.
I costi della continuità digitale nei bilanci ordinari
La risposta arriverà nei prossimi anni, quando i costi di gestione e manutenzione di quanto realizzato passeranno dai fondi straordinari ai bilanci ordinari. La legge di bilancio 2027 sarà la prima approvata dopo la chiusura del PNRR, e dovrà già prevedere le risorse per far funzionare nel tempo ciò che il Piano ha finanziato.
Il rischio di infrastrutture senza capacità reale
Nel report “Italia 2030: scenari per l’innovazione tra AI, impresa e politica”, scritto con Valerio Mancini per il Centro di Ricerca della Rome Business School, abbiamo descritto un Paese in cui gli asset fisici crescono rapidamente: a ottobre 2025 si contano 209 data center attivi censiti e ci saranno tre data center dell’infrastruttura dell’euro digitale localizzati in Italia. Tra i rischi indicati c’era quello di accumulare infrastrutture senza costruire le competenze, le piattaforme e la governance necessarie a trasformarle in capacità reale, restando una base di hosting importante con un ruolo limitato nelle decisioni sul digitale europeo.
Il tema è ora anche europeo: con il Cloud and AI Development Act l’UE punta almeno a triplicare la capacità dei data center in cinque-sette anni. Chris Kremidas-Courtney dell’European Policy Centre avverte però che data center e reti elettriche sono investimenti misurati in decenni, mentre le tecnologie di calcolo cambiano nell’arco di mesi o anni, e che il rischio è scambiare le esigenze di capitale delle grandi aziende dell’AI per le esigenze di calcolo dell’economia europea.
L’infrastruttura è una condizione abilitante, e un data center crea valore solo nella misura in cui permette a imprese e istituzioni di usare meglio dati, competenze e processi. I dati ISTAT sull’AI mostrano che, dal lato delle imprese, il divario tra chi adotta e chi resta indietro continua ad ampliarsi.
Competenze e interoperabilità per colmare il divario delle PMI
A fare la differenza tra un uso efficace dei fondi e una spesa fine a sé stessa saranno alcuni fattori. Il primo riguarda la sostenibilità economica delle piattaforme, che richiedono ogni anno manutenzione, aggiornamenti di sicurezza e licenze, e reggono solo dove queste voci sono previste nei bilanci ordinari. Contano poi le competenze, e in particolare la presenza di manager capaci di valutare il ritorno della tecnologia e di guidare i cambiamenti organizzativi che comporta. Conta infine l’interoperabilità, cioè la possibilità di far dialogare i sistemi e riusare le soluzioni tra amministrazioni diverse.
Il modello estone tra interoperabilità e competenze
Tra i casi da cui trarre esempio c’è quello dell’Estonia, un Paese piccolo che ha puntato sull’interoperabilità dei dati pubblici e sulla diffusione delle competenze. Sulla propria infrastruttura di scambio dati ha costruito un assistente virtuale unico per i servizi pubblici, basato su componenti AI riutilizzabili condivisi tra amministrazioni, e in un anno la quota di imprese estoni che usano l’AI è passata dal 5,2% al 13,9%.
Per l’Italia, che ha appena portato in cloud migliaia di amministrazioni, la lezione è che interoperabilità, riuso delle soluzioni e alfabetizzazione diffusa, contano più della dimensione assoluta. Va ripensata anche l’idea di sovranità.
Sovranità tecnologica e domanda pubblica per startup e PMI
La vera sovranità tecnologica significa poter cambiare fornitore, proteggere i dati e continuare a operare quando le circostanze cambiano, più che costruire grandi data center entro i confini dell’UE. Una filiera è sovrana quando governa i propri dati critici, decide chi vi accede e per quali finalità, anche ricorrendo a tecnologie sviluppate altrove. Anche la domanda pubblica può fare la sua parte, con appalti innovativi e sandbox regolatori che rendano la PA il primo cliente qualificato di startup e PMI.
Misurare l’uso del PNRR e il valore dell’AI per le PMI
Per misurare questi progressi si propone che il governo pubblichi ogni anno un indice d’uso delle piattaforme digitali finanziate dal PNRR, con dati aperti su accessi, servizi erogati e amministrazioni attive. Alle imprese si raccomanda di misurare sistematicamente ritorni e impatti per evitare il cosiddetto “teatro dell’IA”, cioè progetti avviati soprattutto per essere mostrati, senza un valore misurabile per l’organizzazione.
Lo stesso principio vale per la pubblica amministrazione: un indice di questo tipo rafforzerebbe il ruolo degli osservatori indipendenti e contribuirebbe a costruire una capacità di foresight istituzionale in grado di cogliere per tempo i segnali deboli.
Il Dataspace dei Distretti contro il divario AI delle PMI
Per ridurre il divario delle PMI, si propone invece il “Dataspace dei Distretti”, un’iniziativa nazionale che metta in comune i dati industriali di moda e lusso, meccanica di precisione, agroalimentare, farmaceutico e nautica, con governance cooperativa e regole di responsible AI, per addestrare modelli verticali italiani ospitati sull’infrastruttura di cloud sovrano già esistente. Per un Paese di PMI significa scegliere la verticalizzazione, con modelli più piccoli e specializzati, meno energivori e più adatti a reti alimentate da rinnovabili, invece di inseguire i modelli generalisti su un terreno in cui si vince con centinaia di miliardi di capitale.
Strumenti come l’apprendimento federato permettono inoltre di addestrare modelli condivisi senza cedere il dato grezzo. L’obiettivo è trasformare la frammentazione produttiva, storico punto debole del Paese, in un patrimonio di dati che nessun altro Paese possiede. Per finanziarlo, l’idea proposta è quella di un fondo di co-investimento pubblico-privato capace di subentrare al PNRR, fornendo la base necessaria per armonizzare a livello nazionale le diverse iniziative attualmente individuali.
Strategia italiana per l’AI: le scelte per ridurre il divario delle PMI
Nei prossimi mesi si faranno dei passi importanti. Il 10 ottobre è scaduto il termine di dodici mesi per i decreti attuativi della legge 132 sull’intelligenza artificiale, e la Strategia italiana per l’IA 2024-2026 si avvia alla conclusione entro la fine dell’anno. Il suo aggiornamento, che la legge prevede con cadenza biennale, sarà tra i primi documenti di programmazione scritti dopo la chiusura del Piano, e proprio per questo rappresenta l’occasione per indicare su quali settori concentrare le risorse e con quali strumenti garantire continuità agli investimenti avviati.
Da queste scelte dipende la traiettoria del Paese. A politiche invariate, lo scenario più probabile al 2030 resta quello di una lenta convergenza con la media europea. Per costruire una leadership di nicchia occorre concentrare le risorse nei settori in cui l’Italia ha un vantaggio reale e garantire agli investimenti una continuità che vada oltre il singolo ciclo di finanziamento
Partecipa alla community