Capire se un Paese, un’azienda o un ente pubblico siano davvero in grado di integrare l’intelligenza artificiale non è più solo una questione di entusiasmo o di investimenti spot. Serve una bussola condivisa, capace di leggere insieme infrastrutture digitali, disponibilità e qualità dei dati, competenze, ricerca, standard e politiche. È in questo solco che l’ITU (International Telecommunication Union) aggiorna il suo percorso con “AI Ready – Analysis Towards a Standardized Readiness Framework – Report 2.0”, un lavoro che punta a standardizzare la misurazione della readiness e, soprattutto, a renderla utilizzabile sul campo da governi, imprese e organizzazioni.
Per chi segue le telecomunicazioni, il tema è tutt’altro che laterale dato che l’AI vive di reti, cloud, edge, capacità di elaborazione ed energia, ma anche di interoperabilità e fiducia. Senza queste precondizioni, i progetti restano confinati in sperimentazioni; con una base solida, al contrario, possono diventare servizi industriali, scalabili e sostenibili.
Indice degli argomenti
Un percorso “dal basso”: dai casi reali a metriche confrontabili
La scelta dell’ITU è esplicitamente bottom-up ovvero un impianto che nasce dall’osservazione di progetti reali e dalla ricerca di elementi comuni. Nel percorso avviato nel 2024, l’organizzazione internazionale ha individuato sei fattori fondamentali (dati, ricerca, deployment, standard, open source, sandbox) e ha poi spinto l’analisi con un’iniziativa in stile laboratorio aperto, il Plugfest, che consente agli stakeholder di “plug in” i propri fattori regionali, dai dataset ai programmi di training.
Nell’aggiornamento – la prima edizione risale al 2024 – l’ITU descrive 13 dimensioni generiche con relative metriche e introduce un sistema di indici (filtri o pesi) per personalizzare l’autovalutazione in base alle priorità locali, mantenendo però un riferimento comune. La scelta nasce dal presupposto che la maturità digitale non è uguale per tutti. C’è chi deve colmare prima il digital divide, chi deve rafforzare governance e sicurezza, chi deve accelerare su standard e competenze. L’idea è rendere queste differenze leggibili, non nasconderle.
Il nodo tlc: connettività diffusa, ma la frattura sulle reti avanzate resta
Nel Report 2.0 torna con forza un messaggio che, per il settore telco, vale più di molte dichiarazioni di principio: la readiness non dipende solo da modelli e chip, ma dalla base digitale. L’uso di Internet nel mondo è al 55,56%, quindi quasi metà della popolazione resta fuori da un ecosistema che è anche “fabbrica di dati”, prerequisito per qualsiasi strategia su larga scala.
Sul fronte mobile, i segnali sono migliori ma non risolutivi. Il report evidenzia che il 96% della popolazione globale è coperto da mobile broadband e che la copertura 4G arriva al 93%, ma scende drasticamente nei Paesi a basso reddito. E quando si entra nel territorio del 5G la frattura si amplia: la copertura globale è indicata al 55%, contro l’84% nelle economie ad alto reddito e appena il 4% in quelle a basso reddito, con disparità regionali e urbano-rurali. La readiness “di base” cresce, ma quella necessaria per scalare casi d’uso avanzati resta diseguale.
Per gli operatori questo significa che l’AI sposta carichi e aspettative lungo tutta la catena, dal data center all’edge, e chiede reti non solo presenti ma anche performanti, resilienti, orchestrabili. Se connettività e qualità del servizio non tengono il passo, l’AI resta un esercizio di laboratorio. Se invece rete, cloud/edge e sicurezza si integrano, diventa piattaforma industriale.
Dati e governance: senza qualità, l’AI produce più rischi che valore
Il report insiste su un punto spesso dato per scontato e cioè che non basta “avere dati”, se questi non sono utilizzabili. In questo senso, la data readiness viene descritta come determinante per un’adozione efficace, affidabile e inclusiva, e si lega a parametri misurabili: qualità, diversità, rappresentatività, capacità di labeling e governance.
Inoltre dataset di scarsa qualità o distorti possono rafforzare discriminazioni e ridurre l’impatto reale, soprattutto nei contesti locali. Da qui la spinta su apertura dei dati pubblici e su servizi di data management (raccolta, pulizia, etichettatura) come precondizione per rendere i progetti replicabili e sostenibili. Per il comparto tlc non si tratta solo di trasportare dati, ma di assicurare catene affidabili, basate su sicurezza, conformità e tracciabilità e coerenti con standard e requisiti regolatori.
E c’è anche un tema di fiducia, che spesso decide la “messa in produzione”. Questo perché se governance e controlli non sono solidi, le organizzazioni esitano a usare sistemi che impattano cittadini e clienti. In questa prospettiva, la readiness cessa di esse un indice tecnico per diventare “capacità”, capacità di sostenere responsabilità, audit e trasparenza lungo tutta la filiera.
Dal documento allo strumento: il toolkit per gap analysis e priorità
La parte più operativa del Report 2.0 è la progettazione dell’ITU AI Readiness Enablement Toolkit (AI-RE Toolkit). L’obiettivo è trasformare la valutazione in gap analysis e raccomandazioni azionabili nella logica di far convergere materiali non strutturati (report PDF, deployment story, best practice) in record standardizzati e alimentarli in una knowledge base, che diventa la base “viva” del sistema.
Qui entrano in gioco anche gli indici: il toolkit può essere “pesato” sulle priorità locali, dalla costruzione di competenze alla definizione di cornici etiche e legali. In chiave di policy, l’ITU richiama la possibilità di domande “what if” per valutare l’impatto di scelte regolatorie in un ambiente di sandbox. Il demo pilot del toolkit è previsto per luglio 2026, con esecuzione locale e applicazione di indici e dati regionali.
Per il settore tlc, un passaggio del genere può diventare una lingua comune tra attori che spesso procedono in parallelo, come operatori, PA, università, industria. Un toolkit che restituisce una fotografia strutturata facilita anche la selezione dei progetti prioritari e la costruzione di partnership, soprattutto dove servono competenze e risorse distribuite, come nell’AI all’edge.
Standard, interoperabilità e “energy readiness”: i gap che pesano sulla scalabilità
Coerentemente con il mandato dell’ITU, la readiness viene letta anche come capacità di contribuire e allinearsi agli standard internazionali. Il report individua tre aree di gap: standard, implementazione e policy. E sul fronte standardizzazione cita priorità come data harmonization, readiness per GenAI e metriche di energy readiness, per arrivare a confronti più omogenei e percorsi di adozione più affidabili.
In chiave telco, il punto è quasi un’evidenza industriale: senza standard e interoperabilità, l’AI resta frammentata tra piattaforme, use case e livelli di rete; con standard condivisi aumenta la fiducia, cresce la replicabilità, si riducono lock-in e dipendenze. Il report non dimentica la delicata questione energetica nell’era dell’AI che richiede potenza di calcolo e quindi energia. In questo contesto misurare la readiness significa anche capire quanto un ecosistema sia in grado di sostenere la crescita senza compromettere costi, resilienza e obiettivi di sostenibilità.
Prossimi passi: più sandbox, più progetti, più capacità di esecuzione
Nel capitolo dedicato al futuro, l’ITU punta a estendere Plugfest e Sandbox Network e a sostenere progetti con risorse di calcolo e cloud credits per accelerare sperimentazione e deployment in contesti reali. L’ambizione, in filigrana, è costruire un ciclo virtuoso che colleghi ricerca, implementazione e standardizzazione, facendo evolvere nel tempo il toolkit e rendendolo un riferimento pratico per orientare investimenti e governance.
La readiness, insomma, non è una fotografia statica ma una traiettoria. Oggi pesa la copertura 4G/5G e la disponibilità di dati; domani conterà ancora di più la capacità di governare modelli complessi, rispondere a requisiti di sicurezza, rispettare regole sull’uso responsabile. Per le telecomunicazioni, la sfida è trasformare questa traiettoria in opportunità industriale: abilitare servizi “AI-ready” che integrino rete, edge, cloud, sicurezza e compliance, contribuendo nel frattempo a ridurre i divari territoriali. Perché, alla fine, la maturità digitale è anche inclusione: senza infrastrutture e competenze diffuse, l’AI rischia di ampliare le disuguaglianze invece di ridurle.
