L’intelligenza artificiale è entrata rapidamente nelle agende delle imprese italiane, ma tra l’interesse per la tecnologia e la sua integrazione effettiva nei processi aziendali rimane una distanza significativa. Il problema, infatti, non sembra essere più soltanto capire che cosa possa fare l’IA, ma creare le condizioni organizzative, tecnologiche e culturali necessarie per utilizzarla in modo efficace.

I dati più recenti di ISTAT mostrano una crescita molto forte: nel 2025 il 16,4% delle imprese italiane con almeno 10 addetti utilizzava almeno una tecnologia di intelligenza artificiale, contro l’8,2% del 2024 e il 5% del 2023. Nelle grandi imprese la quota ha raggiunto il 53,1%, mentre nelle PMI si è fermata al 15,7%.

La crescita è quindi evidente, ma altrettanto evidente è il divario dimensionale. E soprattutto emergono alcuni ostacoli ricorrenti che spiegano perché molte aziende, pur avendo valutato l’adozione dell’IA, non siano ancora passate alla fase operativa.

1. Mancano competenze adeguate

È il principale ostacolo indicato dalle imprese.

Secondo ISTAT, tra le aziende che hanno preso in considerazione l’utilizzo dell’intelligenza artificiale ma non l’hanno adottata, il 58,6% indica la mancanza di competenze come barriera. La percentuale sale a quasi il 60% tra le imprese che hanno valutato un investimento senza poi realizzarlo.

Il problema non riguarda soltanto la disponibilità di sviluppatori o specialisti di machine learning. Per introdurre l’IA in azienda servono competenze differenti: capacità di individuare processi adatti all’automazione, gestione dei dati, conoscenza degli strumenti disponibili, valutazione dei risultati e capacità di integrare l’IA nei flussi di lavoro.

È una distinzione importante. Un’impresa può acquistare un software dotato di IA senza possedere al proprio interno le competenze necessarie per capire dove utilizzarlo, come misurarne i risultati e quali rischi introdurre.

Il tema delle competenze è inoltre più ampio del solo settore tecnologico. La Commissione europea rileva per l’Italia una quota relativamente bassa di specialisti ICT sull’occupazione totale, pari al 4% nel 2024, e segnala la necessità di rafforzare sia la formazione sia la capacità di attrarre e trattenere professionisti digitali.

2. I dati aziendali non sono sempre pronti per l’IA

L’intelligenza artificiale può essere potente quanto i dati sui quali viene utilizzata. E qui molte imprese incontrano un secondo ostacolo: dati frammentati, incompleti, poco aggiornati o difficili da integrare.

Tra le imprese che hanno considerato l’adozione dell’IA senza procedere, il 45,2% indica infatti l’indisponibilità o la scarsa qualità dei dati necessari come una delle principali difficoltà.

È un problema particolarmente concreto nelle PMI, dove le informazioni possono essere distribuite tra software gestionali, fogli Excel, posta elettronica, documenti, CRM e archivi non collegati tra loro.

Prima ancora di introdurre un sistema di IA, quindi, può essere necessario mettere ordine nel patrimonio informativo dell’impresa.

Non sorprende che nel 2025 sia aumentata anche la quota di imprese che effettuano analisi dei dati: dal 26,6% al 42,7% nell’arco di due anni.

L’adozione dell’IA, in molti casi, parte dunque da un’attività meno spettacolare ma decisiva: rendere i dati accessibili, affidabili e utilizzabili.

3. Costi e ritorno dell’investimento

Il terzo problema è economico.

Il 43% delle imprese che hanno valutato l’adozione dell’IA senza procedere indica i costi elevati come ostacolo.

Il costo, però, non coincide necessariamente con il prezzo di un software o di un abbonamento a un servizio di IA.

Un progetto aziendale può richiedere infrastrutture, integrazioni con i sistemi esistenti, consulenza, formazione del personale, gestione dei dati, sicurezza e manutenzione. A questo si aggiunge il costo organizzativo del cambiamento.

Per una grande azienda questi investimenti possono essere distribuiti su molti processi e su un numero elevato di dipendenti. Per una piccola impresa, invece, anche un progetto tecnologicamente semplice può rappresentare un investimento significativo.

A rendere più complessa la decisione è poi la difficoltà di quantificare il ritorno economico. Non tutte le applicazioni dell’IA producono immediatamente un aumento delle vendite o una riduzione dei costi facilmente misurabile.

Per questo il problema non è soltanto «quanto costa l’IA?», ma «quale problema aziendale risolve e come misuro il risultato?».

4. La complessità normativa

Un’altra barriera indicata direttamente dalle imprese è la scarsa chiarezza legislativa: il 47,3% delle aziende che hanno valutato l’IA senza adottarla cita questo elemento tra gli ostacoli.

Il tema è diventato particolarmente rilevante nel 2026 con l’applicazione progressiva dell’AI Act europeo.

Dal 2 agosto 2026 sono diventate applicabili diverse disposizioni della normativa, compresi specifici obblighi di trasparenza. Le regole per determinati sistemi di IA ad alto rischio sono invece previste, dopo le modifiche intervenute nel 2026, dal 2 dicembre 2027, mentre per l’IA integrata in determinati prodotti regolamentati il termine è il 2 agosto 2028.

Per un’impresa questo significa che adottare una soluzione di IA non è più soltanto una decisione tecnologica. Occorre anche capire quale sia il ruolo dell’azienda rispetto al sistema utilizzato, quali dati vengano trattati, quali obblighi si applichino e quali procedure interne siano necessarie.

La regolamentazione non è quindi necessariamente un ostacolo all’innovazione, ma aumenta la complessità della decisione e richiede nuove competenze.

5. Privacy e protezione dei dati

Il 43,2% delle imprese che hanno valutato l’IA senza adottarla indica le preoccupazioni relative alla privacy e alla protezione dei dati.

Il problema emerge soprattutto quando l’azienda vuole utilizzare sistemi generativi o strumenti cloud per elaborare documenti, informazioni commerciali, dati dei clienti o materiale riservato.

La domanda non è soltanto se uno strumento sia tecnicamente capace di elaborare un determinato contenuto. L’impresa deve chiedersi anche:

• quali dati vengono trasferiti;
• dove vengono elaborati;
• chi può accedervi;
• per quanto tempo vengono conservati;
• come vengono utilizzati;
• quali garanzie contrattuali offre il fornitore;
• quali informazioni possono essere inserite nei prompt dai dipendenti.

Da questo punto di vista, la diffusione dell’IA rende sempre più importante una vera governance aziendale dei dati.

6. L’IA spesso arriva prima della strategia

Esiste poi un problema meno visibile, ma probabilmente altrettanto importante: l’adozione dell’IA può avvenire senza un progetto aziendale preciso.

ISTAT rileva che nel 2025, tra le imprese che dichiarano di utilizzare l’IA, è cresciuta la quota di quelle che non indicano una specifica finalità aziendale: dal 15,5% del 2024 al 33,4%. Il fenomeno riguarda soprattutto le imprese più piccole. Secondo ISTAT, questo dato suggerisce un’adozione ancora iniziale e sperimentale, non sempre collegata a uno specifico ambito organizzativo.

È un punto cruciale.

Utilizzare ChatGPT, un assistente per la produzione di immagini o un software dotato di una funzione generativa non significa necessariamente aver introdotto l’intelligenza artificiale nell’organizzazione.

La differenza sta nell’integrazione.

L’IA diventa realmente una tecnologia aziendale quando viene collegata a un processo, a un obiettivo e a un indicatore: ridurre i tempi di risposta al cliente, automatizzare una fase amministrativa, migliorare l’analisi commerciale, supportare la ricerca e sviluppo, aumentare la produttività di un determinato reparto.

7. La distanza tra grandi imprese e PMI

Il problema italiano presenta infine una forte componente dimensionale.

Nel 2025 utilizzava almeno una tecnologia di IA il 53,1% delle grandi imprese, contro il 15,7% delle PMI. ISTAT segnala che il divario nell’intensità di utilizzo è arrivato a 37 punti percentuali.

La differenza non dipende necessariamente da un maggiore interesse delle grandi aziende per la tecnologia. Una grande impresa dispone generalmente di maggiori risorse finanziarie, specialisti IT, infrastrutture, dati e strutture organizzative dedicate all’innovazione.

Per una PMI, invece, l’introduzione dell’IA deve spesso convivere con sistemi informatici preesistenti, budget limitati e personale che ricopre più funzioni.

Questo rende particolarmente importante un approccio progressivo: individuare un processo concreto, sperimentare una soluzione, misurare il risultato e soltanto successivamente estendere l’utilizzo.

8. Sicurezza e controllo dell’output

C’è infine un ostacolo legato alla fiducia.

Un sistema di IA può produrre informazioni errate, risultati non aggiornati o contenuti apparentemente plausibili ma privi di fondamento. In ambito aziendale questo può diventare un problema quando l’output viene utilizzato senza un adeguato controllo umano.

La questione riguarda soprattutto i processi nei quali un errore può produrre conseguenze economiche, legali o reputazionali.

Per questo l’adozione dell’IA richiede anche procedure di verifica: chi controlla il risultato? Quali informazioni possono essere generate automaticamente? Quali devono essere validate da una persona? Quali attività non possono essere delegate completamente?

La stessa normativa europea attribuisce un ruolo importante alla supervisione umana nei sistemi classificati ad alto rischio.

Il vero ostacolo non è necessariamente la tecnologia

I dati raccontano quindi una situazione più complessa di quella suggerita dalla semplice contrapposizione tra aziende «innovative» e aziende «arretrate».

Nel 2025 l’adozione dell’IA nelle imprese italiane è raddoppiata in un anno, ma l’83,6% delle imprese con almeno 10 addetti non utilizzava ancora alcuna tecnologia di IA.

E le barriere principali sono molto concrete: competenze, dati, costi, chiarezza normativa, privacy e capacità di integrare la tecnologia nei processi.

La sfida della prossima fase, dunque, potrebbe non essere convincere le aziende che l’intelligenza artificiale esiste. Sarà aiutarle a capire dove abbia realmente senso utilizzarla.

Per molte imprese italiane il passaggio decisivo sarà quello dall’esperimento all’organizzazione: non adottare l’IA perché è disponibile, ma progettare processi nei quali l’IA possa produrre un risultato misurabile, mantenendo sotto controllo dati, persone, rischi e responsabilità.

È in questo passaggio che la tecnologia smette di essere una semplice novità e diventa una componente della strategia aziendale.