L’intelligenza artificiale è oramai una componente strutturale della competizione economica globale. Gli investimenti messi in campo dalle grandi economie – Stati Uniti, Cina, paesi del Golfo – si misurano ormai in decine e centinaia di miliardi di dollari e coinvolgono infrastrutture di calcolo, capitale umano, ricerca scientifica e applicazioni industriali.
In questo scenario l’Europa, e in particolare l’Italia, si trova davanti a una scelta strategica: limitarsi ad adottare tecnologie sviluppate altrove oppure contribuire alla loro progettazione e sviluppo, mantenendo un ruolo attivo nella definizione dei modelli economici e culturali che accompagneranno la trasformazione digitale. La questione non riguarda soltanto la tecnologia. Riguarda la sovranità scientifica, industriale e culturale.
Indice degli argomenti
Intelligenza artificiale e competizione economica globale
Alcuni numeri aiutano a misurare la posta in gioco. Secondo lo Stanford AI Index 2025, nel 2024 gli investimenti privati in AI negli Stati Uniti hanno raggiunto 109,1 miliardi di dollari, contro 9,3 miliardi in Cina e 4,5 nel Regno Unito.
Nello stesso anno le istituzioni statunitensi hanno prodotto 40 modelli AI considerati “notable”, contro 15 della Cina e 3 dell’Europa. Lo stesso rapporto osserva inoltre che il divario qualitativo tra i migliori modelli statunitensi e cinesi, su benchmark come MMLU e HumanEval, si è ristretto fino alla quasi parità.
Le tre fasi dell’intelligenza artificiale
Come sottolinea Stefano A. Cerri, Distinguished Fellow della Fondazione Bruno Kessler di Trento, Professore emerito di Informatica all’Università di Montpellier (Francia) e Vice-direttore del LIRMM (Laboratorio di Informatica, Robotica e Microelettronica di Montpellier), per comprendere il momento attuale, è utile osservare l’evoluzione dell’intelligenza artificiale lungo tre grandi fasi storiche.
La fase del calcolo
La prima è la fase del calcolo (1945–1990), nata con lo sviluppo dei primi computer. In questo periodo l’attenzione era concentrata soprattutto sulla capacità di elaborazione delle macchine e sulle possibilità di automatizzare processi logici e matematici. In questa fase si colloca anche il lavoro pionieristico di padre Roberto Busa sull’Index Thomisticus, uno dei primi grandi progetti di elaborazione automatica del linguaggio.
La fase dell’interazione
La seconda fase è quella dell’interazione (1990–2015), caratterizzata dalla diffusione del Web e dalla crescita delle tecnologie digitali come strumenti di comunicazione e cooperazione tra persone. La rete ha trasformato radicalmente il rapporto tra conoscenza, informazione e società.
La fase dell’emergenza statistica
La terza fase, che stiamo vivendo oggi, è quella che possiamo definire di emergenza statistica: modelli basati su grandi quantità di dati, reti neurali profonde e sistemi generativi capaci di produrre testi, immagini e decisioni operative.
In tutte queste fasi un elemento rimane centrale: la qualità della conoscenza. La conoscenza non coincide con i dati o con l’informazione. È la relazione tra dati e informazione orientata verso un obiettivo. Ed è questa relazione che determina il valore reale dei sistemi di intelligenza artificiale.
Infrastrutture, ricerca e ecosistemi di innovazione
Il dibattito attuale tende spesso a concentrarsi sulla dimensione delle infrastrutture tecnologiche: supercomputer, data center, capacità di addestramento dei modelli.
Come osserva Ernesto Damiani, professore di informatica all’Università degli Studi di Milano e presidente del Consorzio Interuniversitario Nazionale per l’Informatica (CINI), la competitività dell’intelligenza artificiale non può essere ridotta alla sola disponibilità di potenza di calcolo. Le infrastrutture di calcolo sono certamente una componente essenziale, ma il vero vantaggio competitivo nasce dalla capacità di integrare infrastrutture, ricerca scientifica e applicazioni industriali nei diversi settori dell’economia. Secondo Damiani, il sistema italiano dispone di competenze scientifiche di alto livello distribuite tra università, centri di ricerca e imprese innovative.
La sfida consiste nel rafforzare i collegamenti tra questi attori e trasformare le competenze disponibili in ecosistemi di innovazione capaci di generare valore economico e tecnologico. In questo senso il ruolo delle reti scientifiche e dei consorzi nazionali di ricerca diventa particolarmente importante per coordinare competenze, condividere infrastrutture e favorire il trasferimento tecnologico.
Alla competizione per capitali e modelli si aggiunge quella per le infrastrutture sovrane. Nel febbraio 2025 la Commissione europea ha lanciato InvestAI, iniziativa pensata per mobilitare 200 miliardi di euro, di cui 20 miliardi destinati alle AI gigafactories. Sul versante della proprietà intellettuale, la WIPO ha censito circa 54.000 invenzioni legate alla GenAI nel periodo 2014-2023, oltre il 25% delle quali concentrate nel solo 2023; più di 38.000 provengono dalla Cina, circa sei volte il numero degli Stati Uniti. È il segnale di una competizione che si svolge insieme su calcolo, brevetti, ricerca e filiere industriali.
Il ruolo del capitale umano
Un elemento decisivo riguarda il capitale umano. Negli ultimi anni l’Italia ha formato migliaia di giovani ricercatori nelle discipline legate all’intelligenza artificiale, anche grazie ai programmi finanziati dal PNRR. Molti di questi ricercatori però incontrano difficoltà nel trovare collocazioni stabili nel sistema industriale o accademico nazionale. Guardando ai livelli di investimento internazionali, un investimento strutturale sulle risorse umane rappresenta una condizione minima per rimanere competitivi.
Questo quadro internazionale rende ancora più evidente il nodo italiano. Secondo Eurostat, nel 2025 il 20,0% delle imprese europee con almeno 10 addetti utilizza tecnologie di AI, mentre in Italia – secondo Istat – la quota è pari al 16,4%, pur in forte crescita rispetto all’8,2% del 2024. Il divario si amplia guardando alla dimensione: l’AI è adottata dal 53,1% delle grandi imprese italiane, ma solo dal 15,7% delle PMI. La mancanza di competenze adeguate rappresenta inoltre un freno per quasi il 60% delle imprese che hanno valutato investimenti in AI senza poi realizzarli. La storia dell’innovazione mostra con chiarezza che le tecnologie possono essere acquistate, mentre gli ecosistemi culturali e scientifici devono essere costruiti nel tempo.
Dalla ricerca all’impresa
La competitività dell’intelligenza artificiale si gioca anche nella capacità di portare queste tecnologie dentro le organizzazioni.
Secondo Silvia Migliavacca, Direttore Demand, Supply Chain e Coordinamento Progetti Strategici del Gruppo Mediolanum, l’adozione dell’AI nelle imprese non è semplicemente una questione tecnologica. L’intelligenza artificiale non è solo uno strumento di efficienza operativa. In molti casi sta diventando un fattore di trasformazione dei processi decisionali e dei modelli organizzativi. Le applicazioni riguardano la gestione dei progetti, l’analisi dei dati, l’automazione dei processi e il supporto alle decisioni.
Tuttavia, le principali difficoltà non sono tecniche ma organizzative: integrazione nei processi, formazione delle persone, capacità di valutare il valore generato.
Per questo motivo la diffusione dell’AI nelle imprese richiede non solo nuove tecnologie, ma anche nuove competenze manageriali e culturali.
Le ragioni di questa corsa non sono soltanto geopolitiche ma anche economiche. In uno studio NBER su 5.179 addetti al customer service, l’introduzione di un assistente generativo ha prodotto un aumento medio della produttività del 14%, con un miglioramento del 34% per i lavoratori meno esperti. Un secondo studio NBER del 2025, condotto su 66 imprese e 7.137 knowledge workers, ha rilevato che gli utenti dello strumento hanno ridotto di circa due ore settimanali il tempo dedicato alle email e il lavoro fuori orario. Quando effetti di questa portata iniziano a distribuirsi su scala aziendale, è comprensibile che i Paesi considerino l’AI un tema di competitività sistemica.
Intelligenza artificiale tra innovazione tecnologica e visione culturale
Nella visione di Stefano Cerri, l’intelligenza artificiale richiede una nuova alleanza tra competenze scientifiche, cultura umanistica e capacità imprenditoriale. Solo integrando questi elementi è possibile costruire un’innovazione che generi valore economico e rafforzi la coesione sociale. In questa prospettiva la diffusione dell’AI non è soltanto un tema di competitività industriale, ma anche di sviluppo culturale e formativo, che coinvolge università, imprese e istituzioni.
Il rischio più grande sarebbe considerare l’intelligenza artificiale soltanto come una tecnologia. In realtà l’AI è prima di tutto una disciplina scientifica che studia l’intelligenza e i processi cognitivi, sia naturali sia artificiali. Se il XIX secolo ha cercato di comprendere la natura della materia e il XX secolo quella della vita, il XXI secolo potrebbe essere ricordato come il secolo nel quale l’umanità ha iniziato a comprendere il funzionamento della mente.
In questa prospettiva l’intelligenza artificiale non è solo uno strumento economico o industriale. È una componente fondamentale della capacità di una società di comprendere e governare i propri sistemi informativi, sociali ed economici. E proprio per questo la sua gestione riguarda non soltanto la politica industriale, ma la politica nel senso più ampio del termine.
Anche sul piano macroeconomico, la distribuzione dei benefici sarà diseguale. Secondo il Fondo monetario internazionale, circa il 40% dell’occupazione mondiale è esposto all’AI, quota che sale al 60% nelle economie avanzate. In un working paper del 2025, il FMI stima inoltre che l’impatto sulla crescita delle economie avanzate potrebbe essere più che doppio rispetto a quello dei Paesi a basso reddito. In altre parole, l’intelligenza artificiale rischia di ampliare le distanze tra sistemi economici che la sanno integrare e sistemi che restano semplici utenti di tecnologie sviluppate altrove.
La sovranità tecnologica e scientifica non è molto diversa dalla sicurezza o dalla difesa: ci si accorge della sua importanza soprattutto quando non la si possiede più.
Per questo motivo la questione non è se investire nell’intelligenza artificiale, ma come costruire nel tempo un ecosistema scientifico, industriale e culturale capace di sostenerla.
Riferimenti essenziali
Eleanor W. Dillon, Sonia Jaffe, Nicole Immorlica, Christopher T. Stanton, Shifting Work Patterns with Generative AI, NBER Working Paper 33795, 2025.
Stanford Institute for Human-Centered Artificial Intelligence (HAI), AI Index Report 2025.
European Commission, “EU launches InvestAI initiative to mobilise €200 billion of investment in artificial intelligence”, 11 febbraio 2025.
World Intellectual Property Organization (WIPO), Patent Landscape Report on Generative AI, 2024.
Eurostat, “20% of EU enterprises use AI technologies”, 11 dicembre 2025.
Istat, Imprese e Ict – Anno 2025, 15 dicembre 2025.
International Monetary Fund, “AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity”, 14 gennaio 2024.
International Monetary Fund, Working Paper No. 2025/076, The Global Impact of AI: Mind the Gap, aprile 2025.
Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work, NBER Working Paper 31161, 2023.
