A quasi due anni dalla sua esplosione sulla scena tecnologica, l’intelligenza artificiale generativa (GenAI) si conferma come una delle forze trasformative più potenti della nostra epoca. Due cose sono ormai chiare: da un lato, avrà un impatto profondo e trasversale su tutti i settori industriali; dall’altro, nonostante l’entusiasmo, ci troviamo ancora in una fase iniziale di adozione, in cui le complessità tecniche e organizzative restano significative.
Come accadde con l’arrivo di Internet, le organizzazioni si trovano oggi a fronteggiare un’ondata di innovazione che richiede visione strategica, sperimentazione e governance robusta.
Uno dei trend più rilevanti è la crescente sofisticazione e accessibilità dei modelli su cui si basa la GenAI. Grazie ai progressi nel deep learning e nella potenza computazionale, questi modelli sono oggi in grado di generare contenuti testuali, visivi e persino codice con livelli di accuratezza sorprendenti.
Tuttavia, sfruttare queste capacità in modo efficace non è banale. L’integrazione di soluzioni GenAI nei flussi aziendali richiede interventi su più livelli: dalla qualità dei dati alla gestione dei costi operativi, fino alla ridefinizione delle competenze interne.
Le competenze in ambito AI sono ancora scarse e la domanda supera l’offerta. In parallelo, crescono le preoccupazioni etiche e normative: dalla protezione della privacy alla trasparenza degli algoritmi, fino ai rischi di uso improprio. Per ottenere reali benefici, è necessaria una corretta ingegneria dei processi e una gestione etica delle implicazioni tecnologiche. A tal fine, l’azienda deve orchestrare il cambiamento con competenza tecnologica e abilità manageriale, considerando attentamente le implicazioni delle scelte adottate.
Lo stato dell’AI in Italia
Secondo i datti raccolti dall’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2024 il mercato dell’intelligenza artificiale in Italia ha raggiunto un nuovo record, toccando quota 1,2 miliardi di euro con una crescita del +58% rispetto al 2023. A trainare lo sviluppo sono soprattutto le sperimentazioni che utilizzano anche l’Al generativa, che rappresentano il 43% del valore, mentre il restante 57% è costituito in prevalenza da soluzioni di intelligenza artificiale tradizionale.
Se si analizza la spesa media per azienda, i settori più attivi risultano Telco&Media e Insurance, seguiti da Energy, Resource&Utility e Banking&Finance. Si evidenzia però una forte accelerazione di GDO&Retail. La Pubblica amministrazione, pur rappresentando solo il 6% del mercato, mostra un tasso di crescita superiore al 100%. Questi settori stanno investendo in progetti di Al per migliorare l’efficienza operativa, ottimizzare i processi e innovare prodotti e servizi.
Le grandi aziende italiane usano l’AI, ma meno che in Europa
Tuttavia, nonostante i precedenti numeri, l’adozione dell’intelligenza artificiale in Italia risulta più lenta rispetto a Paesi europei come Francia, Germania, Irlanda, Olanda, Regno Unito e Spagna. Nel 2024, l’81% delle grandi imprese italiane ha valutato almeno un progetto di Al, contro una media europea dell’89%. Inoltre, solo il 59% delle aziende italiane ha un progetto attivo, rispetto al 69% della media europea, posizionando l’Italia all’ultimo posto a livello continentale.
Siamo invece tra i primi nell’utilizzo di strumenti di AI generativa pronti all’uso: il 53% delle grandi aziende italiane ha acquistato licenze di strumenti come ChatGPT o Microsoft Copilot, superando Francia, Germania e Regno Unito. Va però sottolineato che solo il 39% di queste aziende ha riscontrato un effettivo aumento della produttività, mentre il 48% non ha ancora valutato gli impatti quantitativi.
Le grandi aziende italiane si mostrano consapevoli dei rischi di un utilizzo non governato dell’AI: in più di 4 su 10 ci sono linee guida e regole per l’utilizzo e nel 17% dei casi è stato vietato l’uso di tool non approvati, per evitare logiche di Shadow Al.
In ambito etico e normativo, il percorso è ancora lungo: solo il 28% delle grandi imprese italiane attive in progetti Al ha adottato misure concrete per la compliance, mentre il 52% dichiara di non aver compreso pienamente il quadro normativo, in particolare l’Al Act.
Nelle PMI è ancora limitato il ricorso all’AI
Se si sposta l’analisi dalle grandi aziende alle PMI emerge che l’adozione dell’intelligenza artificiale è significativamente inferiore. Solo il 7% delle piccole imprese e il 15% delle medie imprese ha avviato progetti di Al, spesso tramite sviluppo interno o fornitori esterni. Il 58% delle PMI mostra interesse per il tema, stimolato dall’attenzione mediatica e dalla disponibilità di strumenti pronti all’uso e low-cost. Tuttavia, l’immaturità nella gestione dei dati rappresenta un forte limite per l’adozione progettuale. A questo aspetto si aggiunge che le PMI spesso dispongono di budget e competenze tecniche ridotti, rendendo difficile l’investimento in progetti complessi. Ne risulta che solo l’8% delle PMI fa uso di strumenti di Al generativa tramite licenze. Si tratta principalmente di quelle realtà già attive nell’AI, alle quali si affianca una quota minoritaria di aziende che esplorano il tema con investimenti contenuti. Gli obiettivi principali riguardano l’ottimizzazione dei processi produttivi, ma la mancanza di visione strategica può limitare l’adozione su larga scala.
Quali sono oggi i casi d’uso
Ma le aziende che usano l’intelligenza artificiale, in particolare l’AI generativa, quali scopi intendono raggiungere? A livello italiano, l’Osservatorio del Politecnico di Milano ha riscontrato che la quota più elevata del mercato (il 34%) mira a progetti di data exploration, prediction & optimization systems (come sistemi di previsione della domanda, ottimizzazione dei flussi di trasporto o piani di produzione, identificazione di attività anomale o fraudolente). Seguono le soluzioni di text analysis, classification & conversation systems (32%), che mettono a segno la crescita più elevata (+86%), grazie soprattutto ai sistemi di Retrieval augmented generation su normative, manuali o documentazione. Al terzo posto, l’Osservatorio del Politecnico colloca le soluzioni di recommendation systems (17%) all’interno delle quali la GenAl sta dando un rilevante contributo, catturando tramite i Large language models (LLM) la semantica dell’interazione con i beni e servizi fruiti e ricavando suggerimenti pertinenti.
Più in generale, secondo il report State of the Generative AI Market redatto da ISG, il principale obiettivo degli attuali investimenti in AI è nel 32% dei casi il miglioramento della qualità (per esempio, migliori risposte alle richieste dei clienti, migliore gestione dei processi) e dell’efficienza (riduzione dei tempi di risposta, risoluzioni più rapide). Seguono la crescita del business (21%), risparmi sui costi (18%), miglioramento del customer service (17%) e innovazione (12%).
Per quanto riguarda la concentrazione delle spese per l’implementazione dell’AI generativa in azienda, a farla da padrone è il segmento applicazioni/software (inclusi i servizi di SaaS) con il 36%, seguono il personale con il 25% (compresi contractor e aumento dei dipendenti), l’infrastruttura (21%) e l’outsourcing (sostanzialmente servizi gestiti) con il 18%.
Le imprese cercano la via verso la scalabilità
Nel panorama dell’AI generativa, le aziende si stanno muovendo con una certa cautela, adottando approcci che privilegiano il controllo umano e la qualità dei risultati. Lo evidenzia ISG, osservando come l’attenzione ai processi HITL (Human-in-the-Loop) rifletta un atteggiamento prudente volto a contenere i rischi e a mantenere sotto controllo la responsabilità operativa dell’AI. I risultati prodotti dagli algoritmi vengono sottoposti a un attento esame prima di essere adottati, con l’obiettivo di migliorarne progressivamente l’accuratezza. Un atteggiamento giustificato dalle attuali incertezze legate alle cosiddette “allucinazioni” dell’AI generativa e dalla mancanza di trasparenza sulle fonti dei dati di addestramento, spesso soggette a vincoli di proprietà intellettuale non sempre ben definiti.
Tuttavia, ISG sottolinea che finché le soluzioni GenAI saranno concepite solo come estensioni del lavoro umano, sarà proprio la capacità umana a rappresentare il principale collo di bottiglia.
Con il progressivo affinamento delle tecnologie e l’evoluzione dei casi d’uso, le imprese dovranno affrontare due sfide chiave: superare i limiti operativi del modello HITL per raggiungere economie di scala e spostare gli investimenti dalla semplice efficienza verso la crescita e l’innovazione.
La realtà attuale mostra una scalabilità ancora limitata. Sinora, nessun percorso standard ha portato con successo dal progetto pilota all’adozione di GenAI su larga scala. Questa mancanza di casi di successo consolidati rallenta la fiducia delle imprese, che esitano a investire in modo deciso. I numeri lo confermano: secondo ISG, solo il 15% delle aziende utilizza oggi GenAI in produzione. Il resto si distribuisce tra chi è ancora in fase di valutazione (8%), test (7%), sviluppo pilota (43%) e transizione verso la produzione (27%).
Queste cifre raccontano di un interesse forte, ma anche di una chiara esigenza di ottenere risultati concreti e scalabili. Le aziende non cercano semplicemente sperimentazione: vogliono percorsi chiari verso benefici tangibili.
Uno dei problemi principali è il disallineamento tra le opportunità offerte dalla GenAI e la capacità delle organizzazioni IT tradizionali di coglierle. Spesso, infatti, queste ultime si limitano a seguire il mercato, adattandosi con ritardo alle nuove tecnologie.
Per colmare questo divario e ridurre il rischio di insuccessi, ISG consiglia alle imprese di instaurare partnership strategiche con fornitori di software e servizi capaci di dimostrare risultati misurabili su obiettivi specifici. Queste collaborazioni permettono di accedere a competenze avanzate, evitare sprechi di risorse e sfruttare strumenti e framework che altrimenti non sarebbero disponibili internamente.
AI generativa per le aziende: ecco i vantaggi concreti
Secondo le attuali roadmap di sviluppo, l’integrazione delle tecnologie di AI generativa è destinata ad accelerare significativamente nei prossimi 12 mesi. Mentre alcune funzionalità sono già disponibili sul mercato, altre verranno introdotte come moduli opzionali.
L’obiettivo è chiaro: fornire strumenti intelligenti che permettano agli utenti aziendali di lavorare in modo più efficiente, rapido, sicuro ed economico. Le applicazioni alimentate da GenAI sono pensate per rispondere in maniera mirata a sfide concrete.
Uno dei principali punti di forza della GenAI risiede nella sua capacità di adattarsi a diversi contesti settoriali. Sempre più imprese stanno ripensando i propri flussi di lavoro per integrarvi strumenti di intelligenza generativa, con l’obiettivo di massimizzare il valore dei dati e automatizzare attività a basso valore aggiunto, liberando risorse per compiti più strategici.
Ma quali sono, nel dettaglio, i benefici che questa tecnologia è in grado di offrire? Ecco i principali ambiti di impatto.
- Esperienza cliente potenziata. Tra i casi d’uso più consolidati spicca il supporto al cliente attraverso chatbot intelligenti. Questi strumenti sono in grado di accedere a database aziendali e documentazione tecnica per rispondere in modo preciso e personalizzato alle richieste degli utenti. Non solo: suggeriscono prodotti o servizi complementari, supportano operazioni come ordini o modifiche contrattuali e automatizzano completamente l’interazione, migliorando tempi e qualità del servizio.
- Accelerazione dello sviluppo di prodotti e soluzioni. Nel contesto dello sviluppo software, la GenAI dimostra un enorme potenziale. Integrata negli ambienti di DevOps, può analizzare e rifattorizzare codice esistente, generare nuove componenti in maniera automatica, semplificare i test e persino gestire deployment e rollback. Risultato: riduzione dei cicli di rilascio e maggiore qualità del software, anche per team con risorse limitate.
- Ottimizzazione delle operazioni IT. L’integrazione dell’IA nelle operazioni IT (AIOps) rappresenta un approccio trasformativo alla gestione e all’ottimizzazione delle operazioni IT per migliorare l’efficienza, l’intelligenza e la reattività dei sistemi. L’AI aiuta le aziende a gestire in modo proattivo gli ambienti IT, a ridurre i tempi di inattività e a migliorare le prestazioni complessive. Secondo il report di ISG, tali miglioramenti portano a un aumento dell’efficienza tra il 28% e il 50%.
- Maggiore efficienza operativa. La GenAI trova spazio anche all’interno di strumenti di produttività e piattaforme aziendali come CRM ed ERP. Qui, i modelli generativi automatizzano attività ripetitive come l’estrazione di dati, la compilazione di form e lo scambio di informazioni tra sistemi. Ciò comporta meno errori manuali, più precisione e un risparmio di tempo significativo per le attività di back office.
- Personalizzazione scalabile e mirata. Uno dei punti di forza dell’intelligenza generativa è la capacità di adattare contenuti e comunicazioni a clienti diversi, su scala globale. I modelli GenAI possono generare testi personalizzati, tradurre contenuti in più lingue, identificare opportunità di upselling e proporre offerte mirate in base al comportamento o alle preferenze del cliente, migliorando l’efficacia delle campagne marketing e l’engagement.
- Gestione del rischio e compliance migliorata. Infine, la GenAI si rivela uno strumento prezioso anche in ambiti più critici come la gestione dei rischi, la sicurezza IT e la conformità normativa. Analizzando rapidamente grandi volumi di dati provenienti da sistemi diversi, questi strumenti aiutano a identificare anomalie, prevenire incidenti, migliorare gli audit di sicurezza e rafforzare le politiche di governance aziendale.
Le sfide nell’adozione dell’AI
Si diceva che, quando decide di integrare l’AI nei suoi processi, l’azienda deve orchestrare il cambiamento con competenza tecnologica e abilità manageriale perché le sfide da affrontare sono diverse. Anzitutto, l’implementazione dell’AI richiede un investimento significativo in risorse qualificate, sia in termini di budget sia di personale addestrato per sviluppare e mantenere le capacità di AI.
È poi necessario che le piattaforme e le applicazioni esistenti siano tecnologicamente pronte a interoperare con l’intelligenza artificiale. Ciò può comportare l’aggiornamento dell’infrastruttura, la garanzia della compatibilità dei dati (va infatti ricordato che l’efficacia della GenAI dipende da grandi volumi di dati di alta qualità utilizzati per addestrare e gestire i modelli) e l’integrazione di nuovi componenti software.
Migliorare gli strumenti di produttività con l’AI è relativamente semplice, ma comporta spese ricorrenti, spesso strutturate come canoni mensili per utente. Le imprese devono valutare le implicazioni di costo a lungo termine.
Ogni ambiente aziendale è unico. Quindi, per raggiungere il successo sono necessari approcci innovativi che affrontino le sfide specifiche. In tal senso, le applicazioni aziendali abilitate all’AI richiedono spesso una personalizzazione e una preparazione approfondite a causa dei flussi di lavoro e dei processi specifici che supportano. Le aziende devono essere pronte a investire per adattare le soluzioni di intelligenza artificiale alle loro esigenze specifiche.
Infine, le piattaforme di AI complete richiedono l’integrazione e l’interoperabilità con le piattaforme cloud e di dati esistenti. La complessità di queste integrazioni richiede un’attenta pianificazione e solide strategie di implementazione.
Serve un uso etico e trasparente dell’AI
In un panorama in rapida evoluzione, le aziende devono adottare un quadro etico solido per l’utilizzo della GenAI, basato su principi socio-tecnologici. Secondo gli esperti, non basta rispettare la normativa: occorre andare oltre, promuovendo una responsabilità condivisa sin dalla fase di progettazione dei sistemi AI.
Un elemento chiave è l’uso responsabile dei dati. Definire chiaramente chi è responsabile dell’AI e dei suoi risultati aiuta a garantire che le applicazioni siano allineate ai valori aziendali e migliorino l’esperienza del cliente. Per esempio, sostituire personale umano con chatbot può aumentare l’efficienza, ma rischia di compromettere la qualità del rapporto con l’utente.
Trasparenza e spiegabilità sono pilastri fondamentali. Le aziende che comunicano in modo chiaro come l’AI viene impiegata guadagnano maggiore fiducia da parte di dipendenti, clienti e stakeholder. Al tempo stesso, è essenziale garantire misure di sicurezza contro malfunzionamenti o decisioni scorrette da parte degli algoritmi.
Infine, il coinvolgimento di tutte le parti interessate – compresi utenti e comunità – favorisce un’adozione più consapevole. L’obiettivo deve essere un’AI che supporti l’essere umano, senza sostituirlo, valorizzando trasparenza, etica e sostenibilità nel lungo termine.
Il ruolo fondamentale della formazione
Nel suo ultimo lnternational Barometer Transformations Skills and Learning, Cegos ha rilevato che il 63% delle aziende indicano AI e Data come le skill prioritarie da sviluppare per i dipendenti.
In un momento in cui l’adozione dell’AI sta crescendo rapidamente, ma rimane ancora limitata in molte organizzazioni, l’azienda evidenzia tre passaggi essenziali per strutturare un percorso di sviluppo delle competenze che sia efficace e responsabile nell’ambito dell’intelligenza artificiale:
- Sviluppare una cultura dell’AI all’interno delle organizzazioni. Un primo passo essenziale per sensibilizzare tutti i dipendenti e strutturare un approccio progressivo. Tale metodologia si basa, in particolare, sulla modellizzazione di un “AI Profiler”, un modello che permette alle organizzazioni di identificare quattro profili di maturità nell’ambito dell’IA. L’AI Profiler funge da bussola per guidare l’integrazione progressiva dell’AI, facendo leva sullo sviluppo delle competenze per ottimizzarne il valore aggiunto.
- Favorire l’integrazione dell’AI nelle attività aziendali e nelle pratiche professionali. Le potenzialità dell’AI sono numerose, ma questi benefici dipendono da una strategia di integrazione solida, dalla gestione dei rischi e dal supporto ai dipendenti nell’uso quotidiano dell’AI.
- Rafforzare le competenze interpersonali e umane per un uso efficace della GenAI. Etica, sicurezza e riservatezza devono essere integrate nella formazione operativa, affinché l’AI sia utilizzata in modo sicuro e conforme alle esigenze aziendali.
Per garantire e massimizzare l’uso dell’IA generativa nelle imprese, Cegos raccomanda un approccio basato sullo sviluppo delle skill su tre livelli complementari:
- sviluppo delle competenze cognitive, come il pensiero critico e la gestione dei bias;
- rafforzamento delle skill socio-emotive, che distinguono gli esseri umani dall’AI;
- promozione del “growth mindset”, che aiuta le persone a imparare ad apprendere e ad agire.
Come funziona l’AI generativa?
Il processo di GenAI inizia con modelli di base, come la serie GPT o Gemini. Si tratta di grandi reti neurali addestrate su enormi raccolte di dati che forniscono un’ampia assimilazione di informazioni e conoscenze note. Generalmente includono testo, che consente di distillare i concetti umani. Altre fonti di dati includono immagini, video, IoT, istruzioni per robot e dati aziendali.
I modelli base di AI generativa sono costituiti da un codificatore e un decodificatore. Il codificatore trasforma testo, codice, immagini e altri prompt in un formato elaborabile dall’AI. Il decodificatore genera contenuti trasformando la rappresentazione intermedia in nuovi contenuti, come la risposta di un chatbot, un riepilogo di un documento, una traduzione o altri tipi di dati.
Per addestrare i componenti del codificatore e del decodificatore vengono utilizzati diversi algoritmi. Attraverso particolari reti neurali chiamate transformer, i ricercatori hanno addestrato modelli sempre più grandi senza dover etichettare tutti i dati in anticipo. I Large language model potrebbero quindi essere addestrati su miliardi di pagine di testo, producendo risposte più approfondite. I transformer possono anche tracciare le connessioni per analizzare codice, dati di eventi di sicurezza, proteine, sostanze chimiche e DNA.