L’intelligenza artificiale in Italia può contare su eccellenze scientifiche e tecnologiche, ma incontra ostacoli quando deve diventare uno strumento quotidiano per le imprese. Nel 1495 Leonardo da Vinci immaginò un cavaliere meccanico, un automa capace, almeno secondo la ricostruzione dei suoi progetti, di compiere alcuni movimenti grazie a un sistema di ingranaggi, pulegge e cavi. Non era un robot nel significato che attribuiamo oggi a questa parola, ma rappresentava un’intuizione straordinaria: una macchina costruita per riprodurre alcune azioni del corpo umano. Cinque secoli dopo, l’Italia continua a coltivare quella tradizione di ingegno meccanico. Nei laboratori di ricerca si sviluppano robot umanoidi, sistemi intelligenti e tecnologie destinate a entrare nelle fabbriche, negli ospedali e negli ambienti di lavoro.
Il paradosso italiano dell’intelligenza artificiale
Il paradosso è che il Paese capace di produrre queste innovazioni fatica ancora a diffonderle nel proprio sistema industriale. A raccontare questa contraddizione è Andrea Orlandini, primo ricercatore dell’Istituto di scienze e tecnologie della cognizione del Consiglio Nazionale delle Ricerche e, dal gennaio 2026, presidente dell’Associazione Italiana per l’Intelligenza Artificiale. Orlandini propone una lettura del panorama nazionale che evita tanto l’entusiasmo indiscriminato quanto il pessimismo. «In Italia siamo messi bene, ma non benissimo».
Una valutazione che sintetizza un sistema tecnologico nel quale convivono competenze scientifiche, capacità industriali e difficoltà strutturali. Il ritardo è evidente soprattutto nella diffusione dell’intelligenza artificiale all’interno delle aziende. Secondo il rapporto Imprese e ICT 2025 dell’Istat, nel 2025 il 16,4% delle imprese italiane con almeno dieci addetti utilizzava una o più tecnologie di intelligenza artificiale. Un risultato in forte crescita rispetto all’8,2% del 2024, ma inferiore al 20% registrato dalla media europea.
La distanza diventa ancora più significativa quando si osservano le dimensioni delle aziende. Tra le grandi imprese italiane, l’adozione dell’IA raggiunge il 53,1%. Tra le piccole e medie imprese si ferma al 15,7%.
Il problema, dunque, non è soltanto quanto velocemente evolvano le tecnologie. È comprendere quante aziende possano effettivamente utilizzarle.
Intelligenza artificiale in Italia: il ritardo sui modelli linguistici e l’opportunità della robotica
La prima distinzione proposta da Orlandini riguarda le diverse aree dell’intelligenza artificiale. Quando pensiamo all’IA, associamo spesso questa tecnologia ai grandi modelli linguistici, capaci di produrre testi, rispondere a domande, generare immagini e assistere nello sviluppo di software.
È un settore nel quale il confronto internazionale vede protagonisti soprattutto grandi gruppi tecnologici statunitensi e cinesi.
Secondo Orlandini, l’Italia sconta un ritardo in questo ambito. La competizione sui modelli di frontiera richiede infrastrutture computazionali, grandi quantità di dati, personale altamente specializzato e investimenti economici considerevoli.
Esiste però un’altra area nella quale il patrimonio industriale e scientifico italiano potrebbe offrire opportunità differenti. È la cosiddetta Physical AI, o intelligenza artificiale fisica.
A differenza dei sistemi che elaborano prevalentemente informazioni digitali, la Physical AI integra capacità di percezione, apprendimento e decisione in macchine che interagiscono con l’ambiente reale.
Un sistema robotico può utilizzare telecamere, sensori tattili e altri dispositivi per interpretare ciò che accade intorno a sé, adattando i propri movimenti alle condizioni operative. Non si tratta semplicemente di aggiungere un chatbot a un robot. La complessità consiste nel collegare l’elaborazione intelligente delle informazioni alle caratteristiche fisiche della macchina, alle condizioni dell’ambiente e alla sicurezza delle persone.
Un modello linguistico può produrre una risposta inesatta. Un robot che opera accanto a un lavoratore deve anche evitare collisioni, riconoscere gli ostacoli e rispettare vincoli meccanici precisi. La differenza rende l’intelligenza artificiale fisica un settore nel quale robotica, ingegneria, scienza dei materiali e ricerca informatica devono lavorare insieme. Proprio questa combinazione costituisce, secondo Orlandini, una possibile opportunità per il sistema italiano.
Da iCub a Generative Bionics: la ricerca italiana diventa industria
Una delle esperienze citate da Orlandini è Generative Bionics, società nata dal patrimonio di ricerca dell’Istituto Italiano di Tecnologia di Genova. La sua storia permette di comprendere che cosa significhi trasferire una tecnologia dal laboratorio al mercato.
All’inizio degli anni Duemila, l’IIT avviò il progetto iCub, un robot umanoide sviluppato come piattaforma per la ricerca sulla cognizione artificiale e sull’interazione tra persone e macchine. Nel tempo, le attività scientifiche hanno portato alla realizzazione di ulteriori sistemi, tra cui ergoCub, progettato in collaborazione con INAIL per studiare applicazioni robotiche legate alla sicurezza e all’ergonomia del lavoro.
La ricerca su questi sistemi ha generato competenze, soluzioni tecniche e brevetti che oggi rappresentano la base di nuovi progetti industriali. Nel dicembre 2025 l’IIT ha annunciato l’avvio industriale di Generative Bionics, sostenuta da un investimento di 70 milioni di euro. L’operazione è stata guidata dal Fondo Artificial Intelligence di CDP Venture Capital, con la partecipazione di investitori industriali e finanziari.
La società punta a sviluppare robot umanoidi intelligenti destinati ad applicazioni in ambito manifatturiero, logistico, sanitario e commerciale. La prospettiva comprende attività ripetitive, operazioni fisicamente impegnative e contesti nei quali la presenza umana può comportare rischi.
Il caso non dimostra che la robotica umanoide sia già pronta per una diffusione generalizzata nelle aziende. Mostra, piuttosto, che la ricerca italiana può generare iniziative industriali capaci di attirare capitali e costruire progetti tecnologici autonomi.
Il passaggio decisivo, tuttavia, viene dopo. Un prototipo sviluppato in laboratorio deve essere verificato in ambienti reali, adattato alle necessità operative, sottoposto a valutazioni di sicurezza e integrato nei processi produttivi. È proprio nel collegamento tra ricerca scientifica e applicazione industriale che Orlandini individua uno degli aspetti centrali per la competitività italiana.
Intelligenza artificiale in Italia: il 16,4% delle imprese la utilizza, ma il divario cresce
La fotografia dell’Istat rende evidente quanto il percorso sia ancora disomogeneo. Nel 2023 soltanto il 5% delle imprese italiane con almeno dieci addetti utilizzava tecnologie di intelligenza artificiale. La quota era salita all’8,2% nel 2024 e ha raggiunto il 16,4% nel 2025. In due anni, dunque, la diffusione è più che triplicata.
Il confronto con il resto dell’Unione europea mostra però che l’Italia continua a inseguire.
Secondo Eurostat, nel 2025 il 20% delle imprese europee con almeno dieci addetti utilizzava l’intelligenza artificiale. In Danimarca la quota raggiungeva il 42%, in Finlandia il 37,8% e in Svezia il 35%. La crescita italiana, quindi, non è sufficiente a colmare automaticamente la distanza con gli altri Paesi.
Il confronto più significativo riguarda però le dimensioni aziendali. Nel 2025 il 53,1% delle grandi imprese italiane utilizzava almeno una tecnologia di IA, contro il 15,7% delle PMI. Il divario tra questi due gruppi è di 37,4 punti percentuali. Due anni prima, secondo l’Istat, la distanza tra grandi imprese e PMI era di circa venti punti.
L’adozione aumenta in entrambe le categorie, ma le imprese maggiori avanzano più rapidamente in termini assoluti. La situazione è particolarmente delicata per un sistema produttivo come quello italiano, caratterizzato dalla presenza di numerose aziende di piccole dimensioni.
Le imprese maggiori possono disporre di strutture informatiche dedicate, budget per la sperimentazione, personale specializzato e capacità di sostenere investimenti il cui ritorno economico non è immediato.
Per una PMI, invece, scegliere una nuova tecnologia può significare impegnare risorse che devono produrre benefici verificabili in tempi relativamente brevi.
Le piccole e medie imprese hanno bisogno di investimenti concreti e di un quadro tecnologico sufficientemente comprensibile per individuare applicazioni utili. La rapidità con cui cambiano gli strumenti può rendere difficile scegliere quali sistemi adottare, quali competenze sviluppare e quali investimenti programmare.
Il 58,6% indica la mancanza di competenze: il vero ostacolo è la formazione del capitale umano
I dati ISTAT dimostrano che tra le imprese che non utilizzano l’intelligenza artificiale, l’11,5% aveva preso in considerazione la possibilità di adottarla. All’interno di questo gruppo, il 58,6% ha segnalato la mancanza di competenze adeguate. La percentuale non riguarda tutte le imprese italiane, ma soltanto quelle che avevano valutato l’utilizzo dell’IA senza procedere all’adozione. La distinzione è necessaria per comprendere correttamente il dato.
Seguono altre difficoltà: il 47,3% segnala l’incertezza sulle conseguenze giuridiche, il 45,2% la disponibilità o qualità insufficiente dei dati, il 43,2% le preoccupazioni relative a privacy e protezione dei dati e il 43% i costi elevati. Queste percentuali descrivono ostacoli che possono coesistere all’interno della stessa azienda. L’adozione dell’intelligenza artificiale, dunque, non viene frenata da un unico problema.
La tecnologia può essere disponibile, ma mancare il personale capace di valutarla. Un’impresa può disporre delle competenze, ma non avere dati sufficientemente strutturati. Un’altra può riconoscere le possibilità di un sistema intelligente senza riuscire a quantificarne il ritorno economico.
Quando gli viene chiesto che cosa desidererebbe se avesse una bacchetta magica, Orlandini indica senza esitazioni una priorità: maggiori investimenti nella ricerca.
La motivazione riguarda direttamente la formazione. Il presidente di AIxIA sottolinea la necessità di preparare un numero maggiore di giovani, con percorsi non soltanto generici, ma specializzati.
L’affermazione introduce un tema che va oltre la conoscenza degli strumenti generativi. Saper utilizzare un chatbot non equivale a possedere le competenze necessarie per progettare un sistema di visione artificiale, integrare algoritmi in un impianto industriale o sviluppare un’applicazione robotica sicura. Servono professionalità differenti: ingegneri, ricercatori, tecnici dell’automazione, esperti di dati, specialisti di cybersecurity e persone capaci di collegare le esigenze produttive alle possibilità tecnologiche. La formazione deve quindi accompagnare sia lo sviluppo scientifico sia l’applicazione concreta dei sistemi nelle organizzazioni.
Dalla ricerca alle PMI: perché rafforzare i competence center
L’Italia dispone di università, centri di ricerca e imprese innovative, ma il patrimonio di conoscenze prodotto da queste realtà non raggiunge automaticamente tutte le aziende.
Un risultato scientifico, per diventare applicazione industriale, deve incontrare una domanda concreta. Occorre comprendere quale problema risolva, quali risorse richieda, come possa essere integrato negli impianti esistenti e quali benefici economici sia ragionevole attendersi.
È in questo percorso che entrano in gioco i competence center, centri di competenza ad alta specializzazione che organizzano attività di orientamento, formazione e accompagnamento delle imprese verso tecnologie avanzate.
Il MIMIT ha previsto interventi per il potenziamento dei centri di trasferimento tecnologico, compresi competence center e poli di innovazione digitale e serve rafforzare questi percorsi, con particolare attenzione alle piccole e medie imprese.
Perchè la questione non riguarda soltanto la disponibilità di finanziamenti. Un’azienda che desidera introdurre l’intelligenza artificiale deve poter verificare la fattibilità di un progetto prima di impegnare risorse significative.
Immaginiamo una piccola impresa manifatturiera interessata a utilizzare sistemi di visione artificiale per il controllo qualità.
Il problema iniziale non consiste nello scegliere il modello di IA più conosciuto. Occorre valutare le caratteristiche dei prodotti, la disponibilità di immagini utili, le condizioni di illuminazione, le prestazioni richieste e il costo degli errori e solo successivamente diventa possibile individuare una soluzione adeguata.
Un centro di competenza può accompagnare questa analisi attraverso attività di consulenza, formazione e sperimentazione. Il valore del trasferimento tecnologico nasce proprio dalla capacità di collegare problemi industriali reali e conoscenze scientifiche disponibili.
L’Europa ha l’AI Act, l’Italia la legge 132 del 2025
L’intervista affronta anche il ruolo della normativa europea. Orlandini considera l’approccio regolatorio dell’Unione europea un elemento distintivo nel confronto internazionale. Mentre altri contesti presentano assetti normativi differenti, l’Europa ha scelto di costruire un quadro comune attraverso l’AI Act, il regolamento europeo sull’intelligenza artificiale.
Il provvedimento, entrato in vigore nel 2024, introduce regole che si applicano progressivamente in funzione delle caratteristiche dei sistemi e dei rischi associati al loro utilizzo. Dal 2 agosto 2026 sono applicabili numerose disposizioni, comprese quelle relative a determinati obblighi di trasparenza. Le scadenze per specifiche categorie di sistemi ad alto rischio sono successive, secondo il calendario aggiornato dell’Unione europea.
In Italia, il quadro europeo è stato affiancato dalla legge 23 settembre 2025, n. 132, entrata in vigore il 10 ottobre dello stesso anno. La norma introduce disposizioni nazionali relative a ricerca, sperimentazione, sviluppo, adozione e applicazione dell’intelligenza artificiale.
L’esistenza di una legge nazionale non significa che ciascuno Stato membro possa sostituire autonomamente il regolamento europeo. L’AI Act rimane un regolamento dell’Unione europea, mentre le disposizioni italiane operano nel quadro delle competenze e degli spazi normativi previsti. Per le imprese, la presenza di regole comuni può favorire la prevedibilità degli obblighi.
L’intelligenza artificiale è un’opportunità o un rischio? La risposta di Orlandini
La parte conclusiva dell’intervista introduce una questione che attraversa il dibattito internazionale. Alla domanda se l’intelligenza artificiale rappresenti un’opportunità oppure un rischio, Orlandini risponde: «È tutte e due». La valutazione nasce dalla portata della tecnologia.
L’intelligenza artificiale può ampliare le capacità di analisi, migliorare processi produttivi, sostenere la ricerca scientifica e rendere possibili applicazioni difficilmente realizzabili con strumenti precedenti. La Physical AI, per esempio, potrebbe permettere a sistemi robotici di operare in contesti pericolosi, riducendo l’esposizione delle persone ad alcune mansioni rischiose. La stessa tecnologia solleva però interrogativi sulla concentrazione del potere economico e tecnologico.
Orlandini richiama il rischio che lo sviluppo dei sistemi più avanzati rimanga nelle mani di un numero limitato di grandi imprese private, prevalentemente straniere. Il problema non riguarda soltanto la competizione industriale. Chi controlla infrastrutture, modelli e piattaforme può influenzare le condizioni di accesso alla tecnologia, la distribuzione delle opportunità economiche e, in determinati contesti, i processi attraverso i quali circolano le informazioni. La capacità di orientare contenuti e interazioni introduce questioni legate all’opinione pubblica, alla trasparenza e alla tutela dei diritti.
Sono altresì chiari a tutti i possibili effetti ambientali e gli interrogativi più ampi sull’impatto dell’IA sulla società. Non tutti questi rischi hanno lo stesso grado di probabilità o dispongono delle stesse evidenze scientifiche.
Occorre distinguere i problemi già osservabili, come i costi infrastrutturali e le conseguenze energetiche, dagli scenari ipotetici relativi all’evoluzione futura dei sistemi più avanzati. La loro presenza nel dibattito pubblico non autorizza a considerarli tutti inevitabili. Sottolinea, piuttosto, l’importanza di sviluppare tecnologie accompagnate da ricerca, valutazione dei rischi e responsabilità.
Il futuro dell’intelligenza artificiale italiana dipende dalle persone
Sappiamo bene che la tecnologia, da sola, non basta. Non basta possedere laboratori di eccellenza se i risultati della ricerca faticano a raggiungere il sistema produttivo. Non basta introdurre strumenti intelligenti se le imprese non dispongono delle competenze per utilizzarli. Non basta costruire un quadro normativo comune se le organizzazioni non riescono a comprenderne gli obblighi e le opportunità.
I numeri raccontano un Paese nel quale l’adozione dell’intelligenza artificiale sta crescendo rapidamente, ma con differenze significative tra grandi aziende e PMI.
Il 16,4% di imprese utilizzatrici rappresenta un avanzamento rispetto al passato. Il 53,1% registrato tra le grandi imprese dimostra che, in presenza di risorse e competenze, l’integrazione tecnologica può procedere con maggiore velocità.
La distanza tra medie e grandi imprese e le PMI segnala il rischio di un’innovazione distribuita in modo diseguale. Le esperienze come Generative Bionics mostrano però un’altra possibilità: valorizzare la ricerca italiana per sviluppare tecnologie industriali e costruire iniziative imprenditoriali.
Il collegamento tra i due mondi rimane la sfida decisiva
Forse la questione non consiste nel tentare di replicare in ogni ambito il modello delle grandi aziende tecnologiche americane o cinesi. Per un Paese con una tradizione manifatturiera consolidata, una comunità scientifica competente e numerose imprese specializzate, la sfida potrebbe essere individuare le applicazioni nelle quali queste caratteristiche rappresentino un vantaggio concreto.
Servono investimenti nella ricerca, percorsi di formazione specializzati, centri di competenza accessibili e aziende capaci di valutare l’intelligenza artificiale sulla base dei risultati ottenuti.
Leonardo da Vinci poteva immaginare un cavaliere meccanico. Oggi disponiamo delle conoscenze per costruire macchine capaci di percepire e interagire con il mondo.
La differenza tra un’invenzione straordinaria e un progresso economico diffuso, però, non dipende soltanto dalla macchina. Dipende dalle persone che sanno progettarla, utilizzarla e integrarla nella società.
L’Italia possiede una parte importante di queste competenze. Riuscirà a fare in modo che diventino un’opportunità anche per le migliaia di imprese che oggi osservano l’intelligenza artificiale senza sapere ancora come adottarla?
FAQ
Chi è Andrea Orlandini?
Andrea Orlandini è primo ricercatore dell’Istituto di scienze e tecnologie della cognizione del Consiglio Nazionale delle Ricerche. Nel gennaio 2026 è stato eletto presidente dell’Associazione Italiana per l’Intelligenza Artificiale. Si occupa di pianificazione automatica, robotica cognitiva e interazione uomo-macchina.
Come si posiziona l’Italia nell’intelligenza artificiale?
Secondo Andrea Orlandini, l’Italia presenta competenze ed esperienze industriali importanti, soprattutto nella robotica, ma registra difficoltà nella competizione sui grandi modelli linguistici e nell’adozione dell’IA da parte delle imprese.
Quante imprese italiane utilizzano l’intelligenza artificiale?
Secondo Istat, nel 2025 il 16,4% delle imprese italiane con almeno dieci addetti utilizzava almeno una tecnologia di IA. Nel 2024 la quota era dell’8,2% e nel 2023 del 5%.
Qual è la media europea di adozione dell’IA nelle imprese?
Secondo Eurostat, nel 2025 il 20% delle imprese dell’Unione europea con almeno dieci addetti utilizzava una o più tecnologie di intelligenza artificiale, contro il 16,4% registrato in Italia.
Qual è il divario tra grandi imprese e PMI italiane?
Nel 2025 l’adozione dell’intelligenza artificiale raggiungeva il 53,1% nelle grandi imprese italiane e il 15,7% nelle PMI. La differenza era di 37,4 punti percentuali.
Qual è il principale ostacolo all’adozione dell’IA?
Secondo Istat, il 58,6% delle imprese che avevano valutato l’utilizzo dell’IA senza adottarla indicava la mancanza di competenze adeguate. Tra gli altri ostacoli figurano incertezza giuridica, qualità dei dati, privacy e costi.
Che cosa significa Physical AI?
La Physical AI, o intelligenza artificiale fisica, comprende sistemi capaci di percepire l’ambiente, elaborare informazioni e compiere azioni fisiche attraverso robot e altri dispositivi intelligenti. Trova applicazioni potenziali nella manifattura, nella logistica e in altri settori.
Che cos’è Generative Bionics?
Generative Bionics è una società nata dalle attività di ricerca dell’Istituto Italiano di Tecnologia di Genova. Sviluppa robot umanoidi intelligenti destinati ad applicazioni industriali e professionali. Nel dicembre 2025 ha annunciato un investimento da 70 milioni di euro.
Che cosa sono i competence center?
Sono centri di competenza ad alta specializzazione che supportano le imprese nell’adozione di tecnologie avanzate attraverso attività di orientamento, formazione, consulenza e sperimentazione. Andrea Orlandini ne propone il rafforzamento, con attenzione particolare alle PMI.
Che cos’è l’AI Act?
L’AI Act è il regolamento dell’Unione europea sull’intelligenza artificiale. Introduce disposizioni relative allo sviluppo, alla commercializzazione e all’utilizzo di sistemi di IA, con obblighi differenziati in funzione dei rischi e delle caratteristiche delle applicazioni.
Qual è la legge italiana sull’intelligenza artificiale?
È la legge 23 settembre 2025, n. 132, entrata in vigore il 10 ottobre 2025. Introduce principi e disposizioni nazionali relativi alla ricerca, allo sviluppo e all’adozione dell’IA, nel quadro della normativa europea.
Perché Orlandini chiede maggiori investimenti nella ricerca?
Secondo il presidente di AIxIA, le imprese incontrano difficoltà nell’individuare personale specializzato e nell’adozione concreta dei sistemi intelligenti. Maggiori investimenti nella ricerca e nella formazione potrebbero favorire lo sviluppo di competenze e il trasferimento tecnologico.
L’intelligenza artificiale rappresenta un’opportunità o un rischio?
Secondo Orlandini rappresenta entrambe le cose. Può creare nuove possibilità scientifiche e industriali, ma solleva anche problemi legati alla concentrazione del potere tecnologico, all’influenza sull’opinione pubblica, alla sostenibilità e agli effetti sulla società.
Se hai una bella storia di innovazione da raccontare, contatta la nostra redazione.
