Per anni l’intelligenza artificiale è stata raccontata come una rivoluzione guidata dai grandi player globali, confinata nei laboratori delle big tech e nelle strategie delle multinazionali. La trasformazione economica più profonda, però, si sta giocando anche altrove: nel tessuto diffuso delle micro, piccole e medie imprese. È qui che l’AI può smettere di essere promessa tecnologica e diventare una leva concreta di competitività, capace di ottimizzare processi, ridurre costi, generare nuovi modelli di business e migliorare la relazione con i clienti.
Eppure, proprio dove il suo impatto potrebbe essere più sistemico, l’adozione resta limitata. I dati pubblicati dall’Osservatorio del Politecnico di Milano relativi al 2025 mostrano un divario netto: solo il 7% delle piccole imprese utilizza l’AI in modo consapevole e circa il 15% delle medie imprese la adotta strutturalmente, mentre nelle grandi aziende la diffusione è molto più elevata. Non è un segnale di inutilità della tecnologia, ma la prova di un ritardo culturale, organizzativo e normativo che frena la trasformazione del sistema produttivo.
I temi trattati all’interno dell’articolo
Il paradosso dell’adozione nelle PMI
Il basso livello di adozione evidenzia un problema di sistema. Le principali barriere non sono tecnologiche, bensì strutturali: mancano competenze diffuse su dati, rischi e opportunità, la complessità normativa genera costi di compliance difficili da sostenere e l’incertezza interpretativa delle regole rallenta le decisioni di investimento. Questi fattori rendono più difficile avviare percorsi di innovazione proprio dove sarebbero più necessari, ampliando il divario competitivo con le grandi organizzazioni.
All’interno del tessuto imprenditoriale emerge inoltre una distinzione cruciale. Da un lato esistono imprese che sviluppano direttamente soluzioni di intelligenza artificiale, dotate di competenze tecniche e inserite in ecosistemi di sperimentazione. Dall’altro si colloca la grande maggioranza delle PMI che non produce tecnologia ma deve necessariamente adottarla per restare competitiva, pur senza possedere le conoscenze tecniche e normative adeguate. È su questo secondo gruppo che si gioca la competitività complessiva del sistema produttivo.
Il “mare normativo” che rallenta l’innovazione
Uno degli ostacoli principali è rappresentato dalla stratificazione regolatoria. Le imprese devono confrontarsi contemporaneamente con AI Act, GDPR, Data Act e normative settoriali, in un quadro complesso che genera incertezza e rinvii nelle scelte di investimento. Il problema non riguarda soltanto la quantità delle norme, ma la loro concreta applicabilità e l’interpretazione delle soglie di rischio.
Ne deriva un paradosso evidente: dal punto di vista tecnico molte soluzioni di AI sono rapide da implementare e accessibili anche per realtà di dimensioni contenute; dal punto di vista normativo emergono invece costi nascosti legati alla gestione dei dati, alle valutazioni di rischio, alle responsabilità e alle consulenze necessarie, che in alcuni casi possono superare il costo della tecnologia stessa.
Un caso concreto: la semplicità tecnologica contro la complessità regolatoria
Il divario diventa evidente osservando situazioni operative. Una PMI che desideri adottare un sistema di AI per la gestione documentale può disporre di strumenti pronti all’uso, economici e veloci da implementare. Tuttavia, accanto alla semplicità tecnologica emergono immediatamente interrogativi normativi legati alla classificazione di rischio del sistema, alla presenza di dati personali, alla necessità di valutazioni d’impatto, all’individuazione delle responsabilità e agli obblighi di trasparenza.
L’azienda si trova così costretta a costruire una competenza di compliance non prevista, evidenziando il divario tra disponibilità tecnologica e capacità regolatoria di accompagnarne l’adozione.
"L'AI Act è assurdo. L'hanno scritto persone tecnologicamente analfabete", intervista ad Alec Ross | AI Talks #19
Tra USA ed Europa c'è una netta differenza culturale. Ne…
Dal GDPR una lezione per l’AI
La storia del GDPR offre una chiave di lettura incoraggiante. Inizialmente percepito come un costo e una fonte di complessità, nel tempo ha contribuito a diffondere una cultura del dato, migliorare i modelli di governance e creare persino vantaggi competitivi per le aziende più mature. Lo stesso percorso potrebbe caratterizzare le nuove regolazioni legate all’intelligenza artificiale, trasformando un vincolo percepito in una leva di fiducia e sviluppo.
Perché ciò accada, servono condizioni precise: un dialogo continuo tra istituzioni e imprese, indicatori chiari di diffusione e impatto economico dell’AI, linee guida semplici e proporzionate alla dimensione delle PMI e, soprattutto, una rapida riduzione dell’incertezza interpretativa. Solo quando le regole risultano comprensibili e applicabili le imprese possono investire con fiducia e accelerare i propri percorsi di innovazione.
L’“AI del fare” come paradigma industriale
È in questo contesto che prende forma il paradigma dell’“AI del fare”: un’intelligenza artificiale accessibile, integrata nei processi reali e capace di generare impatto misurabile. La vera sfida non è costruire algoritmi sempre più sofisticati, ma rendere l’AI realmente utilizzabile da milioni di imprese, sostenendone la diffusione attraverso competenze, ecosistemi collaborativi e tecnologie coerenti con il quadro regolatorio europeo.
Se l’adozione resterà concentrata nelle grandi aziende, il rischio sarà ampliare le disuguaglianze produttive. Se invece riuscirà a diffondersi nelle PMI, potrà diventare il vero motore della crescita economica europea.
