Come cambia il lavoro con l’AI nelle imprese italiane

L’AI sta trasformando in profondità il modo in cui le organizzazioni operano. Permangono, tuttavia, diverse questioni aperte e significative incertezze riguardo alle modalità attraverso cui tale trasformazione si stia concretamente sviluppando. In questo contesto, presso il centro di ricerca ITIR dell’Università di Pavia è stata sviluppata una ricerca dal titolo “Oltre la linea rossa? Governo e diffusione dell’intelligenza artificiale”.

La ricerca, presentata in occasione di ITIR Summit 2026 lo scorso 11 marzo, è finalizzata a indagare e comprendere più a fondo i processi di diffusione dell’AI all’interno delle organizzazioni, le loro implicazioni e le logiche attraverso cui tali processi vengono governati.

Lo studio

L’analisi si basa su 5.294 osservazioni, corrispondenti ad altrettanti dipendenti di imprese italiane di medio-grande dimensione, appartenenti a diversi livelli gerarchici. Con riferimento ai settori industriali, l’indagine adotta un campione bilanciato cross-settoriale.

Lo studio si configura come uno dei primi contributi quantitativi su larga scala a considerare esplicitamente la distinzione tra le principali famiglie tecnologiche di AI: convenzionale, generativa e agentica. Sebbene a livello tecnico i confini tra queste categorie sfumino, trattandosi in ogni caso di sistemi di Machine e Deep Learning, questa tripartizione rileva a livello di gestione strategica. Ciascuna famiglia presenta infatti modalità di adozione e potenziali impatti differenti.

Nello specifico, con il termine AI convenzionale si intendono sistemi progettati per analizzare dati storici e correnti al fine di formulare previsioni, classificazioni o ottimizzazioni rispetto a compiti specifici. Sono soluzioni ogni giorno più performanti e ormai consolidate. L’AI generativa, ben più recente, riguarda sistemi capaci di produrre contenuti plausibili – testuali, visivi, audio o video – apprendendo anche da schemi e regolarità dei dati, ma mostrando una ben maggiore versatilità in quando ad input ed output. L’AI agentica, infine, identifica sistemi dotati di elevato livello di autonomia operativa, in grado anche di pianificare ed eseguire sequenze articolate di azioni su piattaforme e sistemi esterni, attraverso processi multi-step.

Nel presente articolo si propone una selezione di risultati di tale ricerca, con particolare riferimento ai livelli di adozione dell’AI e ai meccanismi attraverso cui è possibile sostenerne e guidarne la diffusione nel tempo all’interno delle organizzazioni.

Adozione, diffusione e maturità dell’AI in azienda

L’adozione dell’AI nei contesti di lavoro ha conosciuto un’accelerazione significativa negli ultimi anni. Secondo i nostri dati, ormai il 59,8% dei rispondenti dichiara di fare almeno un qualche uso dell’intelligenza artificiale nello svolgimento della propria attività lavorativa. Si tratta di una percentuale davvero rilevante: basti considerare che nel 2020 i dati Eurostat indicavano che il livello di diffusione dell’AI era soltanto il 7% (Eurostat, 2021).

Il livello di adozione dell’AI varia in relazione alla specifica funzione aziendale. Come prevedibile, i valori più elevati si registrano nell’ambito IT, dove si registra una qualche forma di utilizzo (compreso quelli occasionali) nel’89,1% dei casi. Livelli rilevanti si osservano anche nelle funzioni di Ricerca e Sviluppo (73,6%) e nelle Risorse Umane (68,0%). All’estremo opposto, si colloca l’area Commerciale/Vendite, che presenta il livello di adozione relativamente più contenuto (44,9%).

Il livello di adozione varia ancor più significativamente in base al tipo di AI: l’AI convenzionale si attesta al 17,6%, mentre l’AI generativa all’88,6% e l’AI agentica al 53,6%. Tale evidenza conferma come sia l’AI generativa sia quella agentica abbiano già superato l’AI convenzionale in quanto a livelli di adozione, nonostante quest’ultima sia presente da molti più anni.

Fig. 1. Livelli di adozione delle principali tipologie di AI nelle imprese italiane di medio-grandi dimensioni (“Ha mai fatto un qualche uso di AI sul lavoro?”)

Fonte: ITIR-Università di Pavia 2026

Come già richiamato, ben il 59,8% dei lavoratori dichiara oggi di aver fatto almeno un qualche uso dell’AI in azienda, ma solo il 14,4% ritiene di possedere una competenza adeguate nell’utilizzo di queste tecnologie. Questa percentuale sale al 19,3% tra i più giovani e al 16,3% nelle imprese più performanti: comunque su livelli modesti se confrontata con l’ampiezza della diffusione d’uso.

Il nodo del digital divide

Dall’analisi complessiva dei dati in nostro possesso, emergono dinamiche inedite in tema di digital divide. Da un lato, sembrano attenuarsi significativamente le tradizionali barriere di accesso: l’AI si configura infatti come una tecnologia accessibile, caratterizzata da costi relativamente contenuti, da una soglia d’ingresso percepita come bassa e da una facilità d’uso iniziale che ne favorisce una rapida diffusione, molto più che in passato trasversalmente a età, ruoli e funzioni organizzative.

Dall’altro lato, permane limitata la quota di individui che dichiarano di possederne una conoscenza realmente solida. Il digital divide, pertanto, non sembra scomparire, quanto piuttosto ridefinirsi e spostarsi a valle del processo di adozione: non più principalmente come barriera all’ingresso, bensì come vincolo alla piena valorizzazione, integrazione e scalabilità dell’uso dell’AI.

In tale prospettiva, diventa cruciale comprendere come governare in modo efficace il percorso di diffusione dell’AI all’interno delle organizzazioni lungo le sue diverse fasi evolutive.

Si comincia dal basso, si consolida con la leadership, si sblocca col “talento ribelle”

La Tabella 1 presenta alcune evidenze relative ad alcuni fra i principali fattori che stimolano nel tempo la diffusione e l’adozione dell’intelligenza artificiale in azienda, ponendoli in relazione con le diverse fasi della sua evoluzione organizzativa ed evidenziando, per ciascuna di esse, il peso relativo degli stessi fattori (così che il totale per colonna è pari al 100%).

Tabella 1. Fattori che stimolano la diffusione e l’adozione dell’AI nelle aziende italiane di medio-grande dimensione: variazione della rilevanza relativa in funzione del grado di diffusione organizzativa

Nelle fasi iniziali della diffusione assume un ruolo preminente l’azione delle “iniziative spontanee di colleghi che ispirano altri”, la cui rilevanza tende tuttavia a ridursi progressivamente con l’aumentare del grado di penetrazione dell’AI in azienda. Nelle fasi di avvio, la diffusione dell’AI è quindi trainata soprattutto da dinamiche informali, meccanismi imitativi e processi di contaminazione tra pari. Una tecnologia che “non chiede il permesso di entrare”: arriva, a prescindere dai piani formali e top down dell’azienda.

Nelle fasi più avanzate cresce invece l’importanza di leadership e governance top down. Le evidenze empiriche suggeriscono che una volta superata la soglia della sperimentazione iniziale, l’estensione e il consolidamento dell’AI richiedano una più esplicita capacità di indirizzo strategico e legittimazione manageriale.

Il passaggio più delicato e critico si colloca tuttavia nelle fasi intermedie del processo di diffusione, tra la sperimentazione bottom-up e il consolidamento top-down. Favorire un’ampia adozione dell’AI tra i dipendenti, anche attraverso iniziative spontanee dal basso, rappresenta in effetti la condizione necessaria per avviare efficacemente il percorso. Tuttavia, le nuove forme di AI tendono a generare una sorta di plateau d’utilizzo, nel quale la diffusione cresce, si amplia rapidamente e per certi versi sorprende, ma non riesce a compiere quel salto qualitativo necessario per tradursi in una piena integrazione organizzativa e in un impatto effettivo sul vantaggio competitivo. In altri termini, è proprio nel momento in cui ci si avvicina a una possibile maturità che il ruolo del top management potrebbe diventare decisivo; eppure, non di rado, le organizzazioni restano bloccate in una fase intermedia, senza riuscire a superarla.

In questo quadro, il nostro studio ha evidenziato come, nelle fasi intermedie della diffusione dell’AI – quelle per l’appunto identificate come più critiche – , assuma particolare rilievo il ruolo di soggetti “ribelli” o anticonformisti presenti in azienda, ossia portatori di quello che può essere definito un “talento ribelle”. Tale evidenza appare coerente con l’idea che i momenti centrali del processo di diffusione siano quelli in cui l’innovazione richiede maggiormente attori capaci di sfidare le inerzie organizzative, superare le resistenze interne e promuovere modalità di adozione non convenzionali.

La rilevanza delle pressioni esterne – vedi tabella 1 – tende invece a mantenersi relativamente costante lungo le diverse fasi della diffusione, risultando solo lievemente più accentuata in quelle iniziali.

Adattare dinamicamente l’AI governance per far attecchire il cambiamento

In sintesi, la nostra ricerca suggerisce come la diffusione dell’AI non sia sostenuta da un unico driver costante nel tempo, bensì da una combinazione dinamica di fattori di governo, la cui rilevanza varia in funzione del grado di diffusione e maturità nell’uso dell’AI.

Infatti, AI agentica e generativa sembrano ridurre le barriere del digital divide: l’accesso iniziale appare relativamente semplice, si diffonde la percezione (errata) che non servano particolari competenze per partire, la sperimentazione si amplia e la diffusione cresce rapidamente. Tuttavia, sono livelli di adozione effimeri: la tecnologia si diffonde, ma la maturità d’uso resta limitata; l’utilizzo si estende, ma l’impatto sul lavoro e sul vantaggio competitivo fatica a consolidarsi.

Una lettura d’insieme dei nostri dati – di cui in questo articolo si riporta solo una piccola parte dal full report – suggerisce che, nel caso delle nuove forme di AI, si stia passando dall’ostacolo a monte del digital divide a una barriera un poco più a valle del processo di adozione, che potremmo definire “digital plateau”: si ha la percezione di un’ampia diffusione, rapida saturazione e primi risultati promettenti, ma poi si fatica a scalare e a generare vantaggio competitivo.

Non vi sono alternative: diventa essenziale costruire modelli di governance dinamici, capaci di evolvere in funzione delle diverse fasi del percorso di adozione. Ciò richiede la consapevolezza che AI convenzionale, generativa e agentica – pur rientrando tutte, sul piano tecnico, nell’alveo del machine learning –  presentano nella sostanza caratteristiche e modalità di manifestazione tali da generare sfide inedite. Tra queste rientra, ad esempio, il sopracitato passaggio dal digital divide al digital plateau, che segnala come i problemi non riguardino più soltanto l’accesso o la prima adozione delle tecnologie, ma anche la capacità di superare soglie intermedie di utilizzo e consolidarne l’integrazione organizzativa. Si tratta, pertanto, di dinamiche che richiedono nuove chiavi interpretative e nuove capacità di governo, che le organizzazioni sono chiamate a riconoscere e presidiare con crescente consapevolezza.

Nota

Il presente articolo si basa su una selezione di contenuti dal Report “Oltre la linea rossa? Governo e diffusione dell’intelligenza artificiale”, sviluppato da ITIR Università di Pavia e presentato nel corso di ITIR Summit 2026.