Intelligenza artificiale per aziende: cosa serve davvero prima di investire

In sintesi. L'intelligenza artificiale per aziende è diventata una voce di budget prima di diventare una competenza, e questo spiega perché il 71% delle grandi imprese italiane ha avviato progetti mentre solo una minoranza ottiene risultati misurabili. Le decisioni che contano si prendono prima di scegliere la tecnologia: quale problema si risolve, quanto vale, cosa succede se il sistema sbaglia, chi risponde del risultato.

Questa guida mette in fila quello che serve sapere prima di investire, con i numeri di partenza, i casi d'uso che si verificano in poche settimane, il costo reale e gli obblighi già in vigore.

Dove sono davvero le aziende italiane

Il mercato italiano dell'AI ha superato 1,8 miliardi di euro nel 2025, con una crescita vicina al 50% in un anno. L'adozione tra le grandi imprese è salita al 71%, mentre tra le piccole e medie imprese resta intorno all'8%.

Quel divario racconta due cose. La prima è che la tecnologia non è più il fattore limitante, perché gli stessi strumenti sono accessibili a un'azienda da venti persone e a una da cinquemila. La seconda è che il fattore limitante è organizzativo: serve qualcuno che decida cosa automatizzare, qualcuno che validi i risultati e qualcuno che risponda quando il sistema produce un errore.

C'è anche un dato meno citato e più utile. In molte organizzazioni che dichiarano di avere progetti AI attivi, quei progetti sono esperimenti isolati dentro una funzione, senza integrazione con i sistemi gestionali e senza una misura del ritorno. Restano fermi lì per mesi, consumano budget e generano la sensazione che l'AI non funzioni.

I tre errori che bruciano il primo budget

Il primo errore è partire dalla tecnologia. Un'azienda sceglie una piattaforma, la paga, e solo dopo cerca il problema da risolvere. L'ordine giusto parte dal processo che costa di più o che sbaglia di più, e la tecnologia arriva alla fine.

Il secondo errore è scegliere un caso d'uso vistoso invece di uno verificabile. Un assistente che parla con i clienti si vede subito e si misura con difficoltà, perché il risultato dipende da variabili che cambiano ogni settimana. Un controllo automatico su un flusso documentale interno è meno raccontabile e produce un numero chiaro in quattro settimane.

Il terzo errore è non misurare la situazione di partenza. Senza la baseline, qualunque risultato diventa opinabile, e la discussione sul rinnovo del budget si sposta sulle impressioni di chi ha gestito il progetto.

Una PMI non ha lo stesso problema di una grande impresa

Nelle grandi organizzazioni il problema è il coordinamento. Esistono più iniziative parallele, spesso ignote l'una all'altra, e la difficoltà è mettere ordine, evitare duplicazioni e stabilire chi decide. Il valore di un intervento esterno sta nel costruire il quadro generale e i criteri di selezione.

Nelle PMI strutturate il problema è opposto. Le competenze interne sono concentrate su poche persone che hanno già un lavoro a tempo pieno, e il rischio è comprare una soluzione che nessuno avrà il tempo di presidiare. Qui il valore sta nel scegliere pochissimi casi d'uso e portarli fino in fondo, con un presidio sostenibile.

Dimensione	Problema tipico	Primo passo utile
Grande impresa	Iniziative parallele non coordinate	Inventario e criteri di priorità
PMI strutturata	Competenze concentrate su poche persone	Un solo caso d'uso, portato in produzione
Azienda con pilot fermi	Nessun passaggio dal test alla produzione	Analisi del punto in cui i progetti si bloccano

I casi d'uso che si misurano in un trimestre

Un primo progetto serve a imparare e a costruire fiducia interna, quindi conta più la verificabilità del potenziale teorico.

Caso d'uso	Tempo per una verifica	Rischio normativo
Ricerca e sintesi su documenti interni	3-4 settimane	Basso
Controllo di completezza su pratiche e contratti	4-6 settimane	Basso
Previsione della domanda o dei consumi	4-8 settimane	Basso
Assistente per il servizio clienti	6-8 settimane	Basso, obbligo di trasparenza
Supporto alla preventivazione	6-10 settimane	Medio, dipende dai dati
Selezione del personale	non adatto come primo	Alto, Allegato III
Valutazione del merito creditizio	non adatto come primo	Alto, Allegato III

Le ultime due righe non sono un divieto. Sono casi d'uso che richiedono documentazione, valutazione dei rischi e sorveglianza umana, quindi vanno affrontati quando l'organizzazione ha già una struttura di governo, non come prima esperienza.

Quanto costa l'AI per un'azienda

Le stime che circolano guardano al costo delle licenze, che è la parte più visibile e spesso la meno rilevante. Questo è il quadro completo delle voci che vediamo nei progetti reali.

Voce	Peso tipico
Licenze e consumo del modello	10-20%
Integrazione con i sistemi esistenti	25-40%
Preparazione e pulizia dei dati	15-30%
Tempo interno di validazione nei primi mesi	10-20%
Formazione e accompagnamento	5-10%
Presidio e manutenzione dopo il rilascio	10-20% all'anno

Il presidio è la voce che manca quasi sempre nei business case. Un sistema in produzione va monitorato, i modelli cambiano comportamento con gli aggiornamenti del fornitore, e la documentazione va mantenuta. Un progetto che non prevede questa linea di budget nasce con una scadenza implicita.

Cosa è obbligatorio adesso e cosa lo diventa nel 2027

Parte degli obblighi è già in vigore, e il Digital Omnibus ha spostato in avanti soltanto quelli sui sistemi ad alto rischio.

Cosa	Da quando
Pratiche vietate e obbligo di alfabetizzazione, articolo 4	2 febbraio 2025
Obblighi per i fornitori di modelli di uso generale	2 agosto 2025
Applicazione generale, trasparenza dell'articolo 50, sanzioni	2 agosto 2026
Sistemi ad alto rischio dell'Allegato III	2 dicembre 2027
Sistemi ad alto rischio incorporati in prodotti regolamentati	2 agosto 2028

L'obbligo di alfabetizzazione è quello che sorprende più spesso, perché riguarda chiunque usi sistemi AI per conto dell'azienda, inclusi collaboratori esterni e personale di rete.

La conseguenza pratica per un'azienda che sta cominciando adesso è semplice. Un assistente che risponde ai clienti va dichiarato come sistema automatico già oggi, e un sistema che valuta persone va trattato fin dall'inizio come se gli obblighi fossero già in vigore, perché la documentazione si costruisce durante il progetto e non si recupera dopo.

Come si decide se partire

La decisione si prende su quattro domande, e tutte e quattro hanno bisogno di una risposta scritta.

La prima riguarda il numero di partenza. Se nessuno sa quante ore costa oggi quel processo o quanti errori produce, il primo lavoro è misurarlo, perché senza quella cifra non esiste modo di dire se il progetto ha funzionato.

Poi viene l'alternativa più semplice, che va valutata e scartata per iscritto: molti problemi si risolvono cambiando una soglia di autorizzazione, riordinando un archivio o correggendo un modulo, e senza quel passaggio il confronto resta tra fare il progetto e non fare nulla.

La terza domanda riguarda chi risponde. Un progetto senza un responsabile che abbia il potere di fermarlo prosegue finché c'è budget, indipendentemente dai risultati.

L'ultima riguarda i dati, ed è quella su cui si ferma la maggior parte delle iniziative, quando emerge che le informazioni necessarie appartengono contrattualmente a un fornitore oppure vivono dentro sistemi che non si parlano.

Da dove partire

Il punto di ingresso è la misurazione della maturità, descritta nella pagina AI Rating, che restituisce un punteggio sulle quattro dimensioni e indica il vincolo da sciogliere per primo.

Per il metodo di selezione dei casi d'uso ci sono come scegliere il primo caso d'uso e prioritizzare gli use case. Il quadro completo dell'adozione è in framework di AI adoption, mentre i costi sono trattati in quanto costa davvero un progetto AI.

Sugli obblighi normativi il riferimento è AI Act: guida completa, e per i vincoli specifici del vostro comparto c'è la pagina Settori.

Per capire da dove conviene partire nella vostra organizzazione puoi fissare un incontro di valutazione oppure avviare l'autovalutazione.