Tecnologie emergenti e produttività: come leggere i dati italiani

Come leggere i dati italiani su tecnologie emergenti e produttività

La produttività è un indicatore composito: combina valore aggiunto, ore lavorate, qualità e organizzazione del lavoro. Prima di collegarla alle tecnologie emergenti, conviene separare tre livelli di dato che spesso si sovrappongono: dimensione del mercato, tasso di adozione e impatto sui processi. L'Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano offre un esempio utile: il mercato italiano dell'AI è cresciuto del 58% nel 2024, raggiungendo 1,2 miliardi di euro, ma nello stesso periodo l'Italia si è collocata all'ultimo posto tra otto Paesi europei per adozione, con il 59% delle grandi imprese con un progetto attivo contro una media europea del 69%. Il primo dato misura la spesa, il secondo la diffusione: nessuno dei due dice quanto sia aumentata la produttività.

Anche le stime di impatto vanno lette per quello che sono. Lo studio Impact of Intelligent Operations di Zebra Technologies con Oxford Economics (settembre 2025) indica che l'automazione dei principali flussi di lavoro potrebbe aumentare la produttività fino al 20%: è un potenziale rilevato su 1.000 dirigenti senior in otto mercati, non un effetto automatico dell'acquisto di tecnologia. La distanza tra potenziale e risultato si gioca nell'integrazione nei processi: senza ridisegno delle attività, dei ruoli e delle responsabilità, la tecnologia resta uno strumento in più.

Regola pratica: per ogni numero chiedersi chi lo misura (Osservatori, ISTAT, Unioncamere, indagini private), su quale popolazione (grandi imprese, PMI, singoli settori) e se descrive un'attività svolta o un risultato ottenuto. Il Digital Intensity Index di ISTAT, per esempio, conta quante attività digitali fondamentali svolge un'impresa, non i benefici che ne ricava: un valore alto indica ampiezza d'uso, non produttività.

Il quadro italiano: divari dimensionali e settoriali

Il divario di adozione è soprattutto dimensionale. Secondo l'Osservatorio, solo il 7% delle piccole e il 15% delle medie imprese ha avviato progetti concreti di AI. Il rapporto ISTAT "Imprese e ICT – Anno 2024", pubblicato a gennaio 2025, misura il 7,7% di adozione di soluzioni di AI nelle PMI contro il 32,5% delle grandi imprese, il 29,4% di adozione del cloud nelle PMI contro oltre il 70% nelle grandi, e meno del 30% delle PMI che adotta almeno sette delle undici misure di sicurezza raccomandate. Sul Digital Intensity Index, il 70,2% delle PMI resta a un livello "base" (al massimo quattro attività digitali tra le dodici considerate), solo il 26,2% raggiunge un livello alto, contro il 75,6% delle grandi imprese.

A livello settoriale gli investimenti si concentrano in telecomunicazioni, assicurazioni, energia e finanza, con la grande distribuzione in rapida accelerazione; la Pubblica Amministrazione cresce a un tasso superiore al 100%, pur rappresentando ancora il 6% del mercato. Le grandi imprese italiane mostrano un approccio pragmatico: il 65% sta sperimentando l'AI generativa e il 53% ha acquistato licenze di strumenti come ChatGPT o Microsoft Copilot, risultando prime in Europa per questo indicatore.

Le due misure sull'AI nelle PMI (7% delle piccole e 15% delle medie con progetti concreti secondo l'Osservatorio; 7,7% di adozione secondo ISTAT) non coincidono perché cambiano la definizione e la popolazione di riferimento. È il primo elemento da verificare quando si confrontano fonti diverse sullo stesso fenomeno.

Tecnologie emergenti e produttività: cosa dicono le evidenze

Le evidenze disponibili collegano automazione, Internet of Things, AI, sensori e analisi dei dati in tempo reale a un insieme di effetti di processo: ottimizzazione delle attività, miglioramento della qualità, maggiore flessibilità e riduzione degli sprechi. Il passaggio descritto è da un'impresa che reagisce a un'impresa che anticipa, con i dati che guidano le decisioni operative e strategiche.

Lo studio Impact of Intelligent Operations (Zebra Technologies con Oxford Economics, settembre 2025), condotto su 1.000 dirigenti senior di aziende di retail, manifattura, trasporti e logistica in otto mercati, stima che l'automazione dei principali flussi di lavoro possa aumentare la produttività fino al 20%. Nel dettaglio: nel retail gli intervistati riportano un miglioramento della soddisfazione dei clienti del 21%, legato soprattutto alla gestione degli inventari e al servizio al cliente; nel manifatturiero le aziende che hanno iniziato a integrare tecnologie d'avanguardia registrano un aumento della produttività dei dipendenti del 19%; nei trasporti e nella logistica gli incrementi sono del 21%, grazie a processi più fluidi e alla visibilità in tempo reale delle operazioni.

La conseguenza operativa è che la produttività non sale per la tecnologia in sé, ma per la combinazione tra automazione dei flussi di lavoro, disponibilità dei dati in tempo reale e capacità di decidere su quei dati. Le percentuali restano stime potenziali basate su dichiarazioni dei dirigenti: vanno trattate come ordini di grandezza da verificare nel proprio contesto, non come risultati acquisiti.

Le barriere dietro i numeri: cultura, competenze e governance

Sul lato delle competenze, i dati del Sistema Informativo Excelsior di Unioncamere segnalano difficoltà di reperimento per circa il 48% dei profili ricercati dalle imprese, con picchi critici proprio nelle aree tecniche e digitali. Il problema non è solo di specialisti ICT: la transizione richiede un'ibridazione di competenze, in cui la conoscenza del mestiere tradizionale si combina con la padronanza degli strumenti digitali.

Sul lato della maturità organizzativa, i dati dell'Osservatorio Digital Innovation del Politecnico di Milano indicano che solo l'8% delle PMI italiane può essere definita "matura" dal punto di vista digitale. Molte realtà procedono con un approccio frammentato, in cui la tecnologia viene calata dall'alto senza preparazione del capitale umano: la carenza di cultura digitale emerge come barriera primaria e trasforma l'innovazione in un costo percepito.

Il rapporto ISTAT "Imprese e ICT – Anno 2024" quantifica il deficit di presidio: nelle PMI solo l'11,3% dispone di figure dedicate interne, contro il 74,5% delle grandi imprese; la formazione informatica è offerta appena nel 17,8% dei casi e spesso si limita a iniziative isolate, non integrate nei processi. Senza figure e senza formazione, la tecnologia viene introdotta senza presidio strategico e senza la capacità di valutare impatti, rischi e benefici nel tempo.

La barriera culturale e manageriale agisce prima di quella economica: la resistenza al cambiamento parte spesso dai vertici aziendali e la mancanza di figure manageriali capaci di guidare la transizione organizzativa impedisce di cogliere le opportunità dell'automazione e dell'analisi dei dati.

Dagli indicatori alle decisioni: una griglia pratica

L'Osservatorio Artificial Intelligence del Politecnico di Milano indica un percorso in cinque passaggi per le aziende. Si parte dall'identificazione delle aree chiave di applicazione e dalla valutazione delle risorse necessarie. Seguono la scelta tra sviluppo interno e acquisto di soluzioni pronte, i progetti pilota e la formazione continua del personale. Le aree di applicazione citate sono analisi dei dati, customer service, marketing personalizzato, produzione e supply chain, risorse umane, finanza e sicurezza informatica.

La scelta tra sviluppo interno e soluzione pronta dipende da quanto il processo è specifico dell'impresa. Dove il vantaggio competitivo sta nel modo di lavorare, conviene costruire. Dove la funzione è standard, conviene acquistare e concentrare le risorse sull'integrazione. In entrambi i casi la valutazione delle risorse deve includere non solo licenze e infrastruttura, ma tempo interno, competenze disponibili e costo di gestione nel tempo.

Prima di avviare un pilota conviene fissare una baseline sul processo scelto: tempi di esecuzione, costo per unità di output, tasso di errore o di rilavorazione, volume gestito. Il pilota si conduce su un perimetro limitato e un periodo definito, con gli stessi indicatori misurati prima e dopo, così da distinguere l'effetto della tecnologia da quello di altre variabili. Solo un confronto su baseline e perimetro dichiarati rende replicabile il risultato.

Sul fronte organizzativo, il dato ISTAT sull'11,3% di PMI con figure dedicate interne indica che la maggior parte delle imprese non può contare su un presidio strutturato. Le alternative praticabili sono due: creare internamente la figura di raccordo tra tecnologia, processi e strategia, oppure accedere dall'esterno a competenze manageriali con un impegno parziale e obiettivi definiti, il modello "fractional CIO" proposto per le PMI italiane, che affrontano la trasformazione con approcci frammentati e senza una regia chiara. In parallelo, la formazione continua sui dati e sugli strumenti digitali è il modo per ridurre il mismatch rilevato da Unioncamere sui profili tecnici e digitali.

Errori di lettura da evitare

Confondere la crescita del mercato con l'aumento della produttività: come mostrato nella prima sezione, la crescita del mercato dell'AI descrive la spesa, non il valore aggiunto prodotto dalle imprese che l'hanno sostenuta. Un mercato che cresce può convivere con un'adozione limitata.

Confondere l'acquisto di licenze con un'adozione matura: l'acquisto di licenze di strumenti di AI generativa è diffuso tra le grandi imprese, ma non equivale a un progetto a regime. La licenza è un requisito di accesso, non un progetto.

Confondere la sperimentazione con un progetto a regime: la sperimentazione, rilevata nel quadro italiano, misura interesse e capacità di prova, non processo ridisegnato né risultato consolidato.

Confondere la media nazionale con la propria specificità settoriale e dimensionale: la forbice tra grandi imprese e PMI, e tra settori, rende fuorviante applicare un unico benchmark a contesti diversi. I dati riportati nelle sezioni precedenti mostrano divari ampi e settori che investono più della media.

Confondere definizioni diverse dello stesso fenomeno: le stime sull'AI nelle PMI cambiano a seconda che si conti l'adozione di soluzioni, le licenze acquistate o i progetti concreti avviati. Prima di usare un numero come obiettivo o come confronto, va verificata la definizione con cui è stato prodotto.