L’intelligenza artificiale in Italia entra in una fase decisiva. Il quadro che emerge dal rapporto della Fondazione Leonardo (SCARICA QUI IL TESTO ORIGINALE), presentato alla Camera il 19 marzo 2026, restituisce un Paese in movimento ma ancora incompleto. La crescita c’è, ed è evidente. Tuttavia, le fragilità strutturali restano profonde e richiedono scelte rapide.
Il mercato ha raggiunto 1,2 miliardi di euro nel 2024, con un aumento del 58%. Anche l’adozione nelle imprese accelera. Ma il confronto europeo resta sfavorevole. L’Italia si posiziona sotto la media Ue, mentre il divario tra grandi aziende e Pmi continua ad ampliarsi. È qui che si gioca la partita.
Indice degli argomenti
Un ecosistema che cresce ma resta disomogeneo
L’adozione dell’intelligenza artificiale nelle imprese con almeno dieci dipendenti è raddoppiata in un anno. Nelle grandi aziende supera il 50%, mentre nelle Pmi si ferma al 15,7%. Questo squilibrio rischia di generare un’economia a due velocità.
A incidere non è solo la carenza di competenze. Pesano i costi iniziali, la mancanza di figure tecniche interne e l’assenza di dati strutturati. Inoltre, molte realtà faticano a individuare casi d’uso concreti. Servono soluzioni settoriali e intermediari affidabili.
Nel frattempo, l’effetto Chatgpt ha ridotto le barriere culturali. Le tecnologie no-code e low-code hanno ampliato l’accesso. Gli incentivi del Pnrr hanno sostenuto gli investimenti. Tuttavia, partire da una base ridotta amplifica le percentuali di crescita.
Il posizionamento globale e le scelte strategiche
Nel contesto internazionale, la competizione resta dominata da Stati Uniti e Cina. I primi controllano l’intera filiera tecnologica. La seconda avanza con investimenti pubblici massicci.
L’Italia non può competere frontalmente. Può però differenziarsi. Il rapporto indica alcune direttrici chiare: intelligenza artificiale responsabile, applicazioni verticali nei settori chiave e valorizzazione della dimensione linguistica e culturale.
Manifattura, sanità, agroalimentare e patrimonio culturale rappresentano ambiti in cui il Paese può costruire vantaggi competitivi. In questo scenario, la specializzazione diventa una leva strategica.
Supercalcolo e infrastrutture: un vantaggio competitivo
Uno dei punti di forza dell’intelligenza artificiale in Italia riguarda le infrastrutture. Il Paese dispone di una concentrazione unica di supercomputer. Hpc6 di Eni e Leonardo del Cineca figurano tra i più potenti in Europa.
Questa capacità di calcolo rappresenta un asset strategico. Il sistema Leonardo, alimentato da energia rinnovabile, mostra livelli di efficienza tra i più elevati. Progetti come Lisa e It4lia AI factory rafforzano ulteriormente l’ecosistema.
Tuttavia, la potenza di calcolo non basta. Restano carenze su cloud, storage e distribuzione. Il Polo strategico nazionale copre il settore pubblico, ma la dipendenza dai provider esteri resta elevata.
Modelli linguistici e il “paradosso della sovranità”
L’Italia si distingue nello sviluppo di modelli linguistici nazionali. Minerva, Velvet e altri progetti dimostrano una vivacità significativa. Questa pluralità non ha equivalenti in Europa per una comunità linguistica comparabile.
Eppure emerge un limite strutturale. Il cosiddetto paradosso della sovranità. I dati e il software possono essere controllati, ma l’hardware resta dipendente dall’estero. Gpu e semiconduttori provengono quasi esclusivamente da filiere internazionali.
Si tratta di una vulnerabilità condivisa a livello europeo. Per questo, la partecipazione all’European Chips Act diventa cruciale nel medio periodo.
Il vantaggio normativo e il nodo delle linee guida sull’intelligenza artificiale
Sul piano regolatorio, l’Italia ha anticipato l’Europa. La legge 132/2025 rappresenta il primo quadro organico nazionale sull’intelligenza artificiale. Introduce elementi distintivi, come l’attenzione all’accessibilità e alla sicurezza.
Questo primato offre opportunità. Le imprese possono sviluppare soluzioni compliant fin dall’origine. Le competenze normative diventano esportabili. Tuttavia, manca ancora un passaggio chiave.
Le linee guida attuative non sono state emanate. Senza queste, la certezza del diritto resta incompleta. Il rischio è rallentare gli investimenti proprio nella fase di maggiore accelerazione.
Intelligenza artificiale: industria e casi di successo
Le esperienze più solide condividono tre elementi. Verticalizzazione, attenzione al contesto e integrazione tra tecnologia e competenze tradizionali.
Alcune aziende puntano sull’uso strategico dell’intelligenza artificiale, altre sullo sviluppo diretto. In entrambi i casi emerge un approccio pragmatico. Non serve controllare tutta la tecnologia. Conta la capacità di applicarla in modo efficace.
Questo modello si adatta bene al tessuto produttivo italiano. Tuttavia, richiede una maggiore diffusione nelle Pmi, che restano indietro.
Pubblica amministrazione: sperimentazione e scalabilità
La Pa rappresenta un laboratorio interessante. Progetti come l’assistente virtuale dell’Inps o i prototipi della Camera dei deputati mostrano un approccio centrato sull’utente.
“Il valore è significativo: l’Italia è tra le prime istituzioni parlamentari al mondo a sperimentare l’IA per migliorare la trasparenza del processo democratico”.
Queste iniziative dimostrano che l’innovazione può essere accessibile anche con investimenti contenuti. Ora serve scalare. Il rapporto propone un repository nazionale dei casi d’uso per favorire la replicabilità.
Le criticità: dipendenza, talenti e divari
Accanto ai progressi, emergono criticità rilevanti. La dipendenza tecnologica resta il nodo principale. L’Italia non produce chip né controlla le piattaforme cloud.
La fuga dei talenti rappresenta un’altra emergenza. Il divario salariale con Germania e Regno Unito supera il 40%. Questo spinge molti professionisti a lasciare il Paese.
Anche il divario territoriale è marcato. Milano concentra quasi la metà degli investimenti. Il rischio è consolidare un sistema duale tra Nord e Sud.
Infine, il gender gap mostra dinamiche complesse. La presenza femminile è relativamente alta, ma diminuisce nei ruoli apicali. Serve una strategia lungo tutto il ciclo professionale.
Il rischio dell’AI-washing e le priorità operative
Il rapporto evidenzia anche il fenomeno dell’AI-washing. Progetti presentati come innovativi spesso non producono risultati concreti. Per questo, propone indicatori basati sugli impatti, non sugli annunci.
Le priorità sono chiare. Servono linee guida rapide, investimenti operativi e strumenti per attrarre talenti. Il rafforzamento del venture capital e l’estensione degli incentivi fiscali diventano leve decisive.
