L’adozione dell’intelligenza artificiale nelle imprese italiane ha registrato un’accelerazione senza precedenti. Tra il 2024 e il 2025, la quota di aziende che utilizzano almeno una soluzione di AI è più che raddoppiata, passando dall’8% al 16,4%.
Nonostante questo balzo, l’Italia rimane ancora al di sotto della media dell’Unione Europea, attestata al 20%, segnalando la persistenza di un gap strutturale da colmare.
L’impatto sul mercato del lavoro si manifesta con dinamiche contrapposte che ridisegnano le geografie occupazionali. Per i profili senior e ad alta qualifica la tecnologia agisce prevalentemente come strumento di potenziamento (augmentation), stimolando incrementi di produttività compresi tra il 12% e il 37%.
Al contrario, iniziano a emergere segnali di pressione per le posizioni junior nelle professioni tecniche e creative.
È quanto emerge dal rapporto “L’IA nel mercato del lavoro italiano – Professioni, modelli di adozione e la sfida della formazione”, di Anitec-Assinform e del Politecnico di Torino.
Lo studio avverte che, sebbene l’impatto causale sull’occupazione sia ancora difficile da misurare pienamente nel nostro Paese, i segnali dai mercati più maturi sono allarmanti: nel Regno Unito le offerte di lavoro per le professioni più esposte sono già calate del 23,4%.
Indice degli argomenti
La mappa dell’adozione dell’AI: settori, applicazioni e il “peso” della dimensione aziendale
L’analisi sottolinea che l’accelerazione nell’adozione dell’intelligenza artificiale in Italia non avviene in modo omogeneo, ma riflette profonde disparità legate alla dimensione aziendale e alla maturità digitale dei diversi comparti.
Le grandi imprese agiscono come veri e propri motori della transizione: in questo segmento, il tasso di adozione sfiora il 50%, a testimonianza di una capacità di investimento e di una struttura organizzativa pronte a integrare soluzioni avanzate nei processi core.
Le piccole e medie imprese appaiono frenate da un mix di fattori strutturali che includono limiti finanziari, una cronica carenza di competenze tecniche e manageriali, oltre a una persistente incertezza sul piano normativo e della governance dei dati.
Sotto il profilo settoriale, sebbene l’ICT mantenga un ruolo centrale con un tasso di diffusione del 50%, si osserva un’interessante espansione della tecnologia in ambiti tradizionalmente considerati a basso contenuto tecnologico, come il commercio e il settore alberghiero.
In questi settori l’IA viene utilizzata per ottimizzare la gestione dei flussi e migliorare l’interazione con il cliente.
Per quanto riguarda le tecnologie specifiche, il text mining si conferma lo strumento più diffuso, adottato dal 70% delle imprese che utilizzano l’IA, seguito dal riconoscimento vocale e dalle prime implementazioni di IA generativa, che iniziano a trovare spazio soprattutto nella creazione di contenuti e nel supporto alle decisioni aziendali.
Casi studio: dalla ricerca farmacologica alla reingegnerizzazione dei processi
L’indagine qualitativa condotta su otto realtà pioniere nell’ecosistema italiano — tra cui spiccano nomi come Dompé, Italgas, Intesa Sanpaolo e Fincantieri — rivela come l’intelligenza artificiale stia superando la fase della sperimentazione isolata per diventare un fattore di trasformazione sistemica.
In questi contesti l’AI non viene semplicemente sovrapposta alle procedure esistenti, ma agisce come catalizzatore per abilitare nuove capacità operative e strategiche che impattano sull’intera filiera produttiva.
L’orientamento prevalente non è la sostituzione netta della forza lavoro, ma una riorganizzazione dei ruoli basata su logiche di potenziamento delle capacità umane.
Un esempio di eccellenza è rappresentato dal modello Dompé, dove l’integrazione dell’AI ha profondamente ridefinito l’intero ciclo di ricerca e sviluppo del farmaco.
Attraverso l’utilizzo di algoritmi avanzati per l’analisi di enormi banche dati molecolari, l’azienda è riuscita a contrarre significativamente i tempi della sperimentazione, ottimizzando i processi di drug discovery.
Un caso che dimostra come la tecnologia consenta di svincolare parzialmente la capacità decisionale complessa dal possesso di informazioni specifiche, permettendo ai ricercatori di concentrarsi su attività ad alto valore aggiunto e accelerando l’innovazione in un settore ad alta intensità di conoscenza.
L’evidenza che accomuna questi “campioni” è che l’adozione dell’AI è più efficace dove si innesta su una complessità organizzativa già matura e su una solida infrastruttura digitale preesistente.
Gli effetti dell’AI sul mercato del lavoro: a rischio i profili junior
Il rapporto sottolinea tuttavia alcune criticità legate all’impatto dell’AI sul mercato del lavoro. L’integrazione dell’intelligenza artificiale nei processi produttivi italiani sta delineando un impatto asimmetrico, che varia profondamente in base al livello di esperienza e alla tipologia di mansione.
Per le figure senior e i profili ad alta specializzazione, la tecnologia si manifesta come una forza di integrazione che ne aumenta l’efficacia operativa. I dati indicano che l’adozione di strumenti avanzati permette incrementi di produttività compresi tra il 12% e il 37%, agendo come un moltiplicatore delle capacità analitiche e decisionali.
Per questi ruoli l’IA non sostituisce l’individuo, ma ne espande il raggio d’azione, automatizzando le componenti più ripetitive del lavoro intellettuale e liberando tempo per attività a maggior valore aggiunto.
Il quadro muta sensibilmente se si osservano le posizioni junior, specialmente nelle professioni tecniche e creative. Nelle imprese italiane più esposte alla transizione tecnologica si registra già una contrazione dell’occupazione junior pari al 5,8%.
Si tratta di un segnale che trova riscontro in mercati internazionali più maturi, dove la penetrazione dell’IA ha prodotto effetti ancora più netti e funge da monito per il sistema nazionale.
Nel Regno Unito, nelle professioni maggiormente esposte all’automazione algoritmica, si è verificata una riduzione del 23,4% delle offerte di lavoro, mentre negli Stati Uniti l’occupazione tra i lavoratori junior nelle mansioni “AI-intensive” è calata del 16%.
Dinamiche che confermano un rischio di spiazzamento per chi inizia la carriera: l’AI risulta estremamente efficiente nello svolgere quei compiti di supporto e analisi preliminare che storicamente fungevano da palestra per i giovani professionisti, spostando rapidamente il vantaggio competitivo verso chi possiede competenze di supervisione e integrazione dei sistemi.
AI e lavoro, una roadmap per l’Italia: le 23 raccomandazioni di policy
L’ultima parte del rapporto delinea una roadmap strategica per governare la transizione digitale, articolata in 23 raccomandazioni di policy che mirano a trasformare l’adozione tecnologica in un volano di crescita inclusiva.
Le raccomandazioni si articolano su tre livelli d’azione: il sostegno diretto alle imprese, la riforma degli ecosistemi formativi e la creazione di un quadro di governance istituzionale capace di bilanciare innovazione e tutela del lavoro.
Un punto centrale della proposta riguarda il superamento del divario tra grandi imprese e PMI attraverso un intervento a doppio binario. Da un lato, si suggerisce di rafforzare la rete dei “gatekeeper” della digitalizzazione, come i Digital Innovation Hub e i Competence Center, per facilitare il trasferimento tecnologico verso le realtà più piccole.
Dall’altro, si propone l’introduzione di strumenti finanziari agili, come schemi di costo semplificati per la formazione standardizzata sull’IA, per ridurre il carico burocratico che spesso scoraggia le PMI dall’investire nel capitale umano.
Sul fronte della formazione e delle politiche attive, il rapporto avanza proposte innovative per gestire le transizioni di carriera, tra cui:
- la sperimentazione di un fondo individuale che consenta ai lavoratori di gestire autonomamente il proprio upskilling tecnologico, con il supporto di Ministero del Lavoro, Regioni e Fondi interprofessionali
- l’integrazione delle competenze tecniche con capacità di pensiero critico e umanistico, fondamentali per supervisionare i processi algoritmici ed evitare l’accettazione passiva dei risultati delle macchine
- il potenziamento di Academy congiunte e modelli di apprendimento pratico (come challenge e project work) per allineare i percorsi accademici ai rapidi cambiamenti della frontiera tecnologica.
L’obiettivo complessivo è la costruzione di una struttura integrata che veda la cooperazione tra atenei, istituzioni e associazioni imprenditoriali per guidare l’innovazione dell’intero sistema produttivo.
Per le istituzioni, la sfida prioritaria è definire una regolazione che garantisca la qualità e l’etica del dato senza limitare la competitività, assicurando che i guadagni di produttività generati dall’AI si traducano in benefici diffusi per l’intero mercato del lavoro.
