I dati da soli non generano valore: serve una capacità concreta di trasformarli in impatto economico. È su questo passaggio che si gioca oggi la partita dell’intelligenza artificiale in Europa e in Italia. Durante l’evento “LENS – Digitale e Intelligenza Artificiale: una priorità strategica per Italia ed Europa“, Giovanni Miragliotta, professore ordinario e direttore dell’Osservatorio Artificial Intelligence del Politecnico di Milano, ha delineato con chiarezza le condizioni necessarie per un’AI come motore di crescita, evidenziando al tempo stesso i principali limiti strutturali del sistema europeo.
Indice degli argomenti
Sovranità digitale e dipendenza infrastrutturale
La narrativa che ha accompagnato l’ultimo decennio – quella dei dati come “nuovo petrolio” – mostra oggi i suoi limiti. Il valore non risiede nel dato in sé, ma nella capacità di utilizzarlo. In questo senso, l’intelligenza artificiale rappresenta il vero motore in grado di trasformare il potenziale informativo in vantaggio competitivo.
In Europa, tuttavia, questo processo si scontra con una forte dipendenza tecnologica. L’80% del mercato cloud è nelle mani di provider statunitensi e oltre metà della capacità dei data center è concentrata in pochi operatori globali. Un assetto che espone il continente a vulnerabilità strategiche.
La risposta passa anche da iniziative come InvestAI, il piano europeo da 200 miliardi di euro pensato per rafforzare l’ecosistema tecnologico e rendere più sostenibile lo sviluppo dell’AI. In parallelo, strumenti regolatori come l’AI Act vengono interpretati non solo come vincoli normativi, ma come potenziale elemento distintivo: la capacità di garantire affidabilità e trasparenza può diventare un fattore competitivo sui mercati internazionali.
Il nodo irrisolto del trasferimento tecnologico
L’Europa dimostra una forte capacità di generare conoscenza, ma fatica a tradurla in valore industriale. È il paradosso evidenziato dai dati: il 15% delle pubblicazioni globali sull’intelligenza artificiale proviene dal continente europeo, contro il 9% degli Stati Uniti. Questo vantaggio si annulla però sul fronte dei brevetti, dove la quota europea si ferma al 3%, ben distante dal 14% statunitense.
Il divario è ancora più evidente negli investimenti. Nel 2024 le startup AI europee hanno raccolto circa 19 miliardi di dollari, contro i 109 miliardi degli Stati Uniti. In Italia il dato si riduce ulteriormente, con circa 900 milioni di dollari.
Il punto critico è la difficoltà nel trasferire innovazione dai centri di ricerca al mercato. Per arrivare all’AI come motore di crescita, diventa necessario rafforzare i meccanismi di valorizzazione della proprietà intellettuale e sostenere la nascita di startup capaci di industrializzare i risultati della ricerca.
Nonostante il ritardo, emergono segnali di dinamismo: nell’ultimo anno gli investimenti privati nelle startup AI italiane sono triplicati, indicando una crescente attenzione del sistema imprenditoriale.
Competenze e attrattività: il fattore umano
La disponibilità di competenze rappresenta una delle principali variabili critiche. Le aziende europee segnalano difficoltà diffuse nel reperire specialisti: il 76% dichiara problemi nel recruiting e nella retention dei talenti.
In Italia la domanda cresce rapidamente: il peso delle competenze legate all’intelligenza artificiale negli annunci di lavoro è aumentato del 94% rispetto al 2024. Un segnale di quanto l’AI stia diventando pervasiva nei modelli organizzativi.
A questo si aggiunge un elemento strutturale: la scarsa attrattività del sistema Paese. Le offerte internazionali possono arrivare a quadruplicare le retribuzioni italiane, alimentando la fuga dei talenti.
Emerge però anche una specificità interessante: i profili junior non sono percepiti come categorie a rischio, ma come risorse chiave per l’adozione dell’AI come motore di crescita. A differenza di quanto osservato negli Stati Uniti, in Italia i giovani vengono considerati un fattore abilitante della trasformazione.
Il rischio, in assenza di politiche coordinate su salari, welfare e attrattività, è quello di sostenere la formazione senza riuscire a trattenere le competenze generate.
Dalla sperimentazione al valore: l’impatto su produttività e P&L
Il vero banco di prova dell’intelligenza artificiale resta la capacità di incidere sui risultati economici. L’adozione diffusa non equivale automaticamente a creazione di valore.
In Italia il 59% delle grandi imprese ha avviato iniziative legate all’AI, ma solo il 31% ha raggiunto un livello di integrazione avanzato nei processi di business. Ancora più significativo è il dato sul successo: meno di un’azienda su venti riesce a ottenere un impatto pienamente misurabile.
Questa dinamica non è esclusiva del contesto italiano. Anche negli Stati Uniti solo il 5% dei progetti pilota integrati riesce a tradursi in benefici concreti sul conto economico.
Il limite principale non è tecnologico, ma organizzativo. L’AI genera valore solo quando viene incorporata nei processi core e accompagnata da una revisione dei modelli operativi.
Una sfida sistemica, non solo tecnologica
L’elemento che emerge con maggiore forza è la natura sistemica della sfida. Non è sufficiente disporre di tecnologie avanzate: serve una strategia che metta in connessione ricerca, capitale, competenze e industria.
Non è necessario attendere soluzioni di frontiera o forme di intelligenza artificiale “forte”. Le tecnologie già disponibili – la cosiddetta weak AI – possono generare impatti rilevanti, a condizione che vengano integrate in modo coerente nelle organizzazioni.
La capacità di trasformare l’AI in un vero motore di crescita dipende quindi da scelte di politica industriale e da una visione di lungo periodo. È su questo terreno che si gioca la possibilità per l’Italia e per l’Europa di passare da spettatori a protagonisti della trasformazione in corso.
