fonte Shutterstock
L’Intelligenza Artificiale è ormai entrata stabilmente nelle organizzazioni italiane, ma il suo utilizzo nei processi di innovazione resta ancora frammentato. Secondo il report “Innovazione & AI nelle imprese italiane: Gen-AI & Agentic-AI” dell’Osservatorio AI4Innovation della POLIMI School of Management, solo il 26% delle aziende ha trasformato l’AI in una componente strutturale del proprio modello di innovazione.
Il resto del mercato si divide tra sperimentazione e utilizzo sporadico: il 49% delle imprese è in fase “Experimenter”, mentre un ulteriore 25% è ancora in uno stadio iniziale, con iniziative isolate e prive di una governance centrale.
Il divario tra aziende: piccole più agili, medie in difficoltà
Il quadro evidenzia differenze significative in base alla dimensione aziendale. Le medie imprese risultano il segmento più in ritardo: la metà si dichiara ancora “Starter” e solo il 9% ha raggiunto un livello avanzato di adozione.
Al contrario, le piccole imprese mostrano una maggiore dinamicità, con il 30% già classificato come “Scaler”, mentre tra le grandi aziende la quota sale al 39%. Le grandissime organizzazioni, invece, restano prevalentemente in fase di sperimentazione, con un 67% di “Experimenters”.
Un’evidenza che mostra come la combinazione tra risorse, struttura e agilità decisionale sia determinante nel percorso di adozione dell’AI.
Dalla diffusione all’uso intensivo: il vero punto di svolta
Secondo Stefano Mizio, responsabile dell’Osservatorio AI4Innovation, il vero discrimine non è più tra chi usa o non usa l’AI, ma tra due modalità di utilizzo profondamente diverse.
Da un lato c’è un’adozione estensiva, spesso individuale e poco strutturata, basata su strumenti generalisti. Dall’altro un’adozione intensiva, ancora minoritaria, che integra l’AI nei processi core con workflow definiti, strumenti dedicati e sistemi di governance.
Il ritardo nella seconda modalità, sottolinea Mizio, rischia di generare uno svantaggio competitivo crescente e difficilmente colmabile.
Competenze: cresce la domanda di profili ibridi
Il cambiamento tecnologico sta imponendo anche un’evoluzione delle competenze. Il 96% dei team innovation segnala la necessità di sviluppare nuove skill, mentre la figura più ricercata (51%) è quella del “profilo ibrido”, capace di coniugare competenze tecniche e manageriali.
Accanto a questi, restano rilevanti i profili specialistici come data scientist e AI engineer (32%), ma il focus si sposta sempre più verso figure in grado di tradurre la tecnologia in valore organizzativo.
La formazione interna resta la leva principale (75%), seguita dall’upskilling su progetti pilota (62%) e dalle partnership esterne (48%).
Dove si usa davvero l’AI nei processi di innovazione
L’adozione dell’AI varia sensibilmente lungo il ciclo dell’innovazione. Il punto di maggiore utilizzo è la generazione delle idee, dove il 58% delle aziende dichiara di impiegare strumenti di AI.
Molto più debole è invece la fase di valutazione delle idee, dove solo il 9% utilizza l’AI in modo strutturato, a causa della diffidenza verso l’affidabilità degli output.
Anche nei processi di decision making e project management l’integrazione resta limitata, con la maggioranza delle aziende ancora in una fase pre-adozione o di utilizzo non strutturato.
Knowledge management: il primo vero caso d’uso diffuso
L’area più matura è quella del knowledge management, dove circa il 60% delle aziende utilizza l’AI almeno in forma parziale.
Tuttavia, il 72% si affida ancora a modelli linguistici generalisti, mentre solo il 24% utilizza strumenti verticali e appena il 18% ha introdotto agenti o automazioni strutturate. La conoscenza aziendale viene quindi ancora “interrogata” più che organizzata e resa disponibile in modo sistemico.
Roadmap e investimenti: cresce la consapevolezza strategica
Sul fronte della pianificazione, solo il 24% delle aziende dispone di una roadmap pienamente formalizzata per l’adozione dell’AI, mentre il 43% ha un percorso solo parzialmente definito.
Gli investimenti si concentrano soprattutto su tre direttrici: accesso a strumenti generativi (73%), sviluppo interno di soluzioni su misura (67%) e utilizzo di tool verticali (38%).
L’obiettivo sempre più condiviso è combinare AI e dati proprietari per costruire un vantaggio competitivo difficilmente replicabile.
Le priorità: efficienza, automazione e nuovi modelli di business
Le principali priorità d’uso dell’AI restano l’efficienza operativa (72%) e l’automazione dei processi ripetitivi (59%), ma cresce anche la quota di aziende orientate all’innovazione strategica.
Il 43% delle imprese vede nell’AI una leva per esplorare nuovi modelli di business, segnale di un’evoluzione da strumento operativo a driver di trasformazione competitiva.
