(Teleborsa) - Il rapporto tra imprese e Intelligenza Artificiale in Italia ha superato la fase sperimentale. Eppure, nonostante l'accelerazione tecnologica degli ultimi due anni abbia reso l'AI uno strumento operativo a tutti gli effetti, la sua diffusione nei processi di innovazione aziendale rimane limitata: è il momento di passare da un'adozione estensiva, diffusa ma superficiale, a un uso intensivo, con procedure definite, strumenti dedicati, governance e metriche che al momento sono prerogativa di pochi. È quanto emerge dal Report "Innovazione & AI nelle imprese italiane: Gen-AI & Agentic-AI". La ricerca, condotta su un campione rappresentativo di aziende italiane dall'Osservatorio AI4Innovation della POLIMI School of Management (Innovation&Strategy), presentata oggi insieme alle aziende partner, rivela che solo il 26% si dichiara AI Scalers, cioè ha trasformato l'AI in una componente strutturale del modello di innovazione, mentre il 49% è AI Experimenters, con progetti pilota su casi d'uso specifici e un'integrazione parziale; il restante 25% è AI Starters, realtà in cui l'approccio all'AI è ancora sporadico, guidato dall'iniziativa di singoli, privo di una regia strategica centrale. Stando al sondaggio condotto tra gennaio e marzo 2026 tra gli Innovation Manager e i responsabili AI delle imprese intervistate, il segmento più critico si trova nelle medie imprese, dove il 50% si dichiara ancora Starter e solo il 9% raggiunge il profilo Scaler: troppo grandi per essere agili, ma non abbastanza strutturate per investire in modo sistematico. Di contro, le piccole imprese del campione mostrano una vitalità sorprendente, con il 30% di Scalers: si tratta però di aziende con un profilo tech elevato, capaci di trasformare l'agilità decisionale in un vantaggio competitivo reale. Tra le grandissime imprese il 16% si dice Scaler (il 67% Experimenters), tra le grandi ben il 39% si posiziona nella fascia più matura: le organizzazioni di maggiore dimensione dispongono di risorse e strutture che accelerano i percorsi di adozione, ma al tempo stesso frenano la scalabilità effettiva. "Il confine strategico non è più tra chi usa l'AI e chi no – commenta Stefano Mizio, responsabile dell'Osservatorio AI4Innovation – ma tra l'adozione estensiva, individuale, spesso superficiale e con strumenti generalisti, che è diffusa e in crescita (la Shadow AI, cioè il fenomeno dei dipendenti che adottano l'AI in autonomia, è una realtà di massa che richiede una governance urgente), e l'adozione intensiva, che invece prevede l'integrazione nei processi core con workflow definiti, tool dedicati, governance e metriche, confinata a una minoranza di organizzazioni. Il ritardo nell'adozione intensiva produce uno svantaggio esponenziale, poiché chi ha iniziato sta già accumulando un know-how operativo difficilmente colmabile, imboccando la corretta direzione evolutiva: passare a un'integrazione strutturata dell'AI nella gestione della conoscenza, nel supporto alle decisioni e nel monitoraggio dei progetti. La vera sfida è costruire le condizioni organizzative affinché l'AI diventi parte integrante del modo in cui l'innovazione viene portata a valore".L'integrazione tecnologica richiede anche un profondo aggiornamento delle competenze: il 96% dei team Innovation ritiene che sia necessario svilupparne di nuove e la figura più ricercata (51%) è il "profilo ibrido", abbastanza competente da dialogare con i sistemi e abbastanza manageriale da tradurre quella competenza in valore organizzativo. "Questo non è casuale – spiega Mizio –: la capacità di programmare non è più il discrimine, il vero prerequisito è comprendere come questi strumenti funzionano, quali sono i loro limiti, come governarli in modo responsabile. I profili tecnici puri (data scientist, ML engineer, AI engineer) rimangono necessari – e il 32% che li ricerca lo conferma – ma non sono più la risposta prevalente alla domanda su chi deve guidare l'innovazione AI-driven nelle organizzazioni".I profili ricercati dalle aziende italianeTra il 96% che ritiene necessarie nuove competenze (il 52% in modo significativo, il 44% almeno in parte) la formazione interna si conferma lo strumento più diffuso (75%) per colmare il gap, a riprova che le aziende stanno investendo per costruire competenze proprie. L'upskilling on-the-job su progetti pilota segue con il 62% (si impara facendo, sperimentando su casi d'uso reali), mentre il 48% ricorre a partnership con fornitori e consulenti, soprattutto nelle fasi di adozione; più contenuto (28%) chi sta procedendo con assunzioni.La survey in dettaglio: in quali fasi dell'innovazione è più presente l'uso dell'AI? Scendendo più in dettaglio, in che modo la Generative AI e gli agenti AI (sistemi capaci di pianificare e agire in modo semi-autonomo) stanno trasformando l'approccio delle imprese italiane alle opportunità di innovazione? I dati raccolti dalla survey ne hanno indagato l'adozione in cinque fasi specifiche del front-end, cioè l'inizio del ciclo innovativo, prima che un progetto sia formalizzato in un percorso strutturato: l'Idea Generation, il momento in cui vengono generate le idee, è quello in cui si fa più uso dell'AI (58% dei rispondenti), favorito dalla bassa barriera d'ingresso dei modelli linguistici, mentre l'Idea Evaluation, quando le proposte vengono selezionate e valutate, ha un tasso di adozione strutturata di appena il 9%, frenato dalla diffidenza verso i frequenti fraintendimenti in cui l'AI incorre.Il back-end invece è la fase in cui le idee scelte vengono trasformate in soluzioni concrete e integrate nei processi aziendali: è qui che i progetti approvati si confrontano con vincoli tecnici, scarsità di risorse e resistenze, spesso non riuscendo a generare valore. L'emergere della Generative AI e dell'Agentic AI apre oggi la possibilità concreta di superare queste criticità, perché l'AI può ampliare in modo significativo la qualità e la disponibilità delle informazioni, supportare un aggiornamento continuo dello stato dei progetti, mitigare bias e distorsioni: un modello strutturalmente diverso in cui agenti AI e persone collaborano in modo complementare. I risultati della survey mostrano però che questo potenziale è ancora limitato a piccole imprese con profilo tech elevato o grandi organizzazioni con governance AI strutturata e metriche definite. L'area in cui l'AI risulta più presente è il knowledge management, dove circa il 60% del campione dichiara almeno una qualche forma di utilizzo (27% in modo strutturato, 33% occasionale): le barriere organizzative sono più basse e i casi d'uso immediatamente accessibili, come la ricerca di informazioni e la sintesi documentale. Tuttavia, il 72% si affida a LLM (modelli di machine learning in grado di comprendere e generare testo in linguaggio umano) generalisti, mentre solo il 24% utilizza tool verticali e appena il 18% ha introdotto agenti o workflow automatizzati. Questo indica che la conoscenza aziendale viene ancora soprattutto "interrogata", più che strutturalmente acquisita e resa disponibile in modo continuo. Il quadro è ancora più arretrato nei settori a maggiore impatto strategico e organizzativo. Nel decision making, meno di un'azienda su tre ha avviato un qualche percorso di integrazione dell'AI: l'utilizzo strutturato si ferma al 13%, mentre il restante campione si colloca prevalentemente in una fase di pre-adozione. Nel project management il quadro è analogo: il 70% del campione non utilizza strumenti AI a supporto della gestione progettuale; solo il 12% dichiara un utilizzo strutturato. Anche qui domina l'approccio più semplice, con il 74% degli utilizzatori che si affida a strumenti generalisti, contro il 32% che usa tool verticali e il 16% che ha implementato automazioni o sistemi agentici.L'AI roadmap: solo il 24% delle imprese dispone di un percorso pienamente formalizzatoLa survey ha poi chiesto ai rispondenti se la propria organizzazione avesse definito una roadmap per l'integrazione dell'AI: il 24% dichiara di disporre di un percorso pienamente formalizzato, con priorità, casi d'uso, governance e criteri di misurazione; il 43% di uno parzialmente formalizzato, con linee guida e priorità generali, mentre il 34% ammette di procedere in modo opportunistico. Quasi due terzi del campione si attribuisce dunque una qualche forma di pianificazione strategica sull'AI, ma sovrapponendo i dati con chi si collocava su livelli medio-alti di maturità emerge un leggero disallineamento: è possibile raggiungere un livello strutturato di integrazione AI senza una pianificazione esplicita? Probabilmente no.Lo spacchettamento per dimensione aziendale aggiunge ulteriori sfumature. Tra le grandissime imprese, il 27% dichiara una roadmap pienamente formalizzata, una quota superiore al 16% che si collocava tra gli AI Scalers: il dato è coerente, avere una pianificazione strutturata non garantisce di essere già Scalers, ma è difficile diventarlo senza. Al contrario, l'85%...