Il report “L’Italia nell’era dell’IA”, curato da Luciano Floridi e Micaela Lovecchio per la Fondazione Leonardo ETS, offre la prima mappatura sistematica e aggiornata dell’ecosistema nazionale dell’intelligenza artificiale. Il quadro che emerge è quello di un Paese con asset strategici di primo piano – dal supercalcolo ai modelli linguistici sovrani – ma frenato da fuga dei talenti, divario di adozione tra grandi imprese e PMI e dipendenza tecnologica dall’estero. Ma oltre alla mappatura dell’esistente, il rapporto offre anche 18 raccomandazioni che potrebbero permettere uno sviluppo significativo del sistema-Italia.
Indice degli argomenti
Un mercato da 1,2 miliardi che può crescere a 5 miliardi
Il mercato italiano dell’AI ha raggiunto 1,2 miliardi di euro nel 2024 e 1,8 miliardi nel 2025, secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano. Secondo Floridi e Lovecchio entro il 2030 questa cifra potrebbe raggiungere i 5 miliardi di euro, a condizione che vengano attuate le misure raccomandate nel Rapporto, di cui parleremo in un paragrafo successivo.
Secondo i dati ISTAT 2025 il tasso di adozione formale nelle imprese con almeno dieci dipendenti si attesta al 16,4%: un valore sotto la media europea del 20% e distante dalla Germania (26%) e dalla Danimarca (42%), ma accompagnato da una delle dinamiche di crescita più rapide del continente: il dato è raddoppiato in un solo anno, dopo aver triplicato rispetto al 2023.
Il problema è la distribuzione: le grandi imprese (oltre 250 dipendenti) registrano un’adozione del 53,1%, mentre le PMI si fermano al 15,7%, un divario che il rapporto analizza in profondità individuandone le cause strutturali – non riducibili alla generica “mancanza di competenze” – tra costi fissi sproporzionati rispetto al fatturato, assenza di figure dedicate, difficoltà a distinguere le soluzioni valide dall’hype commerciale e sistemi legacy difficili da integrare.
Nel confronto europeo l’Italia si posiziona al 18° posto nella classifica UE per tasso di adozione aziendale, con l’obiettivo dichiarato di entrare nella top 10 entro il 2030. Il Regno Unito conta oltre 5.800 aziende attive nel settore con un valore aggiunto lordo di 13,7 miliardi di euro nel 2024; la Francia ha mobilizzato investimenti pubblici cumulativi superiori a 2,5 miliardi tra il 2018 e il 2025; la Germania ha impegnato circa 5 miliardi di fondi federali cumulativi per la stessa finestra temporale.
I punti di forza: verticalizzazione, contesto e integrazione con le competenze tradizionali
Sul fronte degli asset il rapporto Floridi-Lovecchio documenta una posizione italiana unica in Europa per l’infrastruttura di supercalcolo HPC: è l’unico Paese con due sistemi nella top 5 europea, l’HPC6 di Eni (2° in Europa, 6° al mondo con 477,9 PFlop/s) e il Leonardo del CINECA (5° in Europa con 241,2 PFlop/s).
A questo si aggiunge il primato normativo: la Legge 132/2025, entrata in vigore il 10 ottobre 2025, ha reso l’Italia il primo Stato membro dell’UE a dotarsi di una normativa organica sull’intelligenza artificiale, che affianca e integra l’AI Act europeo creando un quadro di certezza del diritto per le imprese. Sul piano dei modelli linguistici il Paese dispone di un portafoglio articolato di LLM in italiano – Colosseum, FastwebMIIA, Italia di Domyn, Minerva di Sapienza NLP/FAIR, Velvet di Almawave, Vitruvian di ASC27 – una concentrazione senza precedenti per una lingua da circa 65 milioni di parlanti.
Nel settore privato i casi di successo analizzati nel rapporto condividono tre caratteristiche distintive. La prima è la verticalizzazione: le aziende italiane competono con maggiore efficacia quando si concentrano su nicchie specifiche, sviluppando competenze approfondite in ambiti circoscritti piuttosto che inseguire soluzioni generaliste. La seconda è l’attenzione al contesto: la capacità di adattare le tecnologie alle specificità del mercato italiano – dalla lingua alle normative, dai processi produttivi alla cultura aziendale – si rivela un vantaggio competitivo rispetto alle piattaforme dei grandi attori internazionali. La terza è l’integrazione con le competenze tradizionali: le eccellenze italiane nell’AI nascono spesso dalla combinazione tra tecnologie avanzate e saperi consolidati, dalla manifattura al design, dalla finanza alla creatività. È il caso di Translated, che con ModernMT ha costruito un sistema di traduzione adattiva in cui l’AI apprende in tempo reale dalle correzioni dei traduttori umani – un modello in cui l’automazione potenzia anziché sostituire il lavoro qualificato. O di Intesa Sanpaolo con il progetto Be Fair, che applica l’AI alla valutazione del merito creditizio con attenzione sistematica all’equità algoritmica.
Tra le startup, AIKO sviluppa software di autonomia per missioni satellitari permettendo ai veicoli di prendere decisioni in tempo reale, mentre Orobix combina visione artificiale per applicazioni industriali e medicali con una piattaforma proprietaria di governance dei modelli di machine learning.
Tra i campioni nazionali, Bending Spoons è valutata 11 miliardi di dollari dopo un aumento di capitale da 710 milioni; Domyn (già iGenius), unicorno da circa 1,7 miliardi, punta sull’AI responsabile per settori regolamentati.
Gli ostacoli e il Paradosso della Sovranità
Il rapporto individua tre criticità della massima priorità. La prima è la fuga dei talenti alimentata da un divario salariale strutturale del 40-50% rispetto a Germania e Regno Unito: un ingegnere AI entry-level in Italia percepisce tra 30.000 e 35.000 euro, contro i 52.000-58.000 tedeschi e i 45.000-50.000 sterline britannici. Le cause sono insieme macroeconomiche (produttività oraria più bassa, cuneo fiscale elevato), di mercato (domanda concentrata su poche città, prevalentemente Milano) e istituzionali (CCNL senza inquadramenti specifici per i profili AI, vincoli salariali nel sistema pubblico della ricerca). Il risultato è un circolo vizioso: i salari bassi portano i migliori talenti all’estero, le aziende italiane non raggiungono l’eccellenza, risultano meno competitive e non possono permettersi salari più alti.
La seconda criticità è la dipendenza tecnologica dall’hardware estero. Ed è qui che il rapporto introduce il concetto di “Paradosso della Sovranità“, esemplificato dall’analisi del progetto Colosseum 355B di Domyn. Il modello garantisce la sovranità dei dati (residenti in infrastrutture italiane, sviluppate con Vertiv) e la sovranità della governance (pesi e proprietà intellettuale controllati da un’entità italiana), ma si appoggia per l’addestramento su cluster NVIDIA DGX Cloud. L’indipendenza del software e dei dati si fonda ancora, inevitabilmente, sull’hardware statunitense. Questo paradosso – cui il rapporto chiarisce che non sfugge nessun progetto europeo di AI di frontiera – rende urgente una strategia di medio termine per ridurre la dipendenza, esplorando partnership nell’ambito dell’European Chips Act e investimenti in tecnologie alternative.
Il terzo ostacolo è il già citato divario di adozione nelle PMI, che costituiscono la spina dorsale del sistema produttivo italiano. L’adozione dell’AI nelle imprese più piccole si attesta al 15,7% contro il 53,1% delle grandi: un divario che, se non colmato, rischia di creare un’economia a due velocità in cui i benefici della trasformazione digitale si concentrano in pochi attori.
Le 18 raccomandazioni operative
Il rapporto Floridi-Lovecchio si chiude con 18 raccomandazioni organizzate in nove aree tematiche, ciascuna corredata di KPI misurabili, lead istituzionale e analisi delle barriere all’implementazione.
Sul fronte della governance e del coordinamento, la Raccomandazione 1 propone di istituire protocolli operativi strutturati tra PCM, AgID e ACN, con uno sportello unico per le imprese dell’AI come punto di accesso unificato per le questioni normative e autorizzative. La Raccomandazione 2 prevede un rapporto annuale sullo stato dell’AI in Italia e l’emanazione delle linee guida applicative della Legge 132/2025 entro aprile 2026.
Per la concentrazione e la scala, la Raccomandazione 3 propone di far evolvere il progetto FAIR da rete distribuita a sistema hub-and-spoke con uno o due hub principali che attraggano massa critica, mantenendo spoke territoriali per il trasferimento tecnologico – con almeno due spoke operativi nel Mezzogiorno entro il 2029. La Raccomandazione 4 punta a formalizzare cluster di adozione AI per settore (agroalimentare, manifattura, moda, sanità), sviluppando anche uno strumento gratuito di autovalutazione della prontezza all’AI per le PMI, disponibile entro giugno 2026.
Sul capitale finanziario, la Raccomandazione 5 prevede di potenziare CDP Venture Capital con un fondo dedicato all’AI da almeno 500 milioni di euro, con attenzione particolare alle fasi seed ed early stage, accompagnato da un regime fiscale agevolato per le stock option.
Per il capitale umano, tre raccomandazioni agiscono su livelli diversi della filiera formativa. La Raccomandazione 6 chiede di estendere il regime “Rientro dei Cervelli” da 5 a 10 anni per i profili AI e di introdurre un percorso di visto accelerato sul modello del Global Talent Visa britannico per ricercatori e imprenditori extraeuropei, con l’obiettivo di ridurre il divario salariale con la Germania di almeno 15 punti percentuali entro il 2028. La Raccomandazione 7 propone un programma nazionale di borse di studio universitarie per corsi in discipline AI (informatica, data science, matematica applicata, fisica computazionale), riservate a studenti con merito documentato e ISEE entro una soglia definita, con copertura integrale di tasse, alloggio e costo della vita, puntando a 1.000 borse all’anno a regime con almeno il 40% destinate al Mezzogiorno. La Raccomandazione 8 riguarda la mobilità della ricerca: periodi di 6-12 mesi in azienda per i ricercatori universitari (e viceversa) mantenendo la posizione di origine, programmi bilaterali con Francia, Germania e Regno Unito, scambi inter-istituzionali tra IIT, CNR, CINECA e le università FAIR, e un programma di scambi bidirezionali Nord-Sud per contrastare la polarizzazione delle competenze. La Raccomandazione 9 prevede programmi strutturati di mentorship che colleghino ricercatori affermati a professionisti all’inizio di carriera e a leader delle PMI, con formazione obbligatoria su AI di base per parlamentari e alti funzionari della PA.
Per il trasferimento tecnologico, la Raccomandazione 10 punta a professionalizzare gli uffici universitari di trasferimento tecnologico, con l’obiettivo di ridurre i tempi medi di brevettazione sotto i 18 mesi e raggiungere almeno 50 spin-off AI universitarie all’anno entro il 2028. La Raccomandazione 11 propone di documentare e condividere le implementazioni di successo nella PA (come l’assistente virtuale INPS e i sistemi della Camera dei Deputati) in un repository nazionale di casi d’uso, e di sviluppare benchmark specifici per la valutazione delle prestazioni dei modelli linguistici in italiano.
Per dati e infrastrutture, la Raccomandazione 12 chiede di rendere obbligatoria la disponibilità dei dataset della PA in formati standardizzati e di creare sandbox che consentano a ricercatori e imprese di accedere a dati anonimizzati per sviluppare applicazioni. La Raccomandazione 13 propone un fondo dedicato agli LLM italiani di almeno 50 milioni di euro entro il 2028 e una strategia di medio termine per ridurre la dipendenza hardware attraverso partnership nell’ambito dell’European Chips Act.
Per la PA come volano di domanda, la Raccomandazione 14 prevede percorsi di procurement accelerati per soluzioni AI con un catalogo certificato di soluzioni prequalificate e tempi di aggiudicazione sotto i 90 giorni, con una spesa PA in AI di almeno 200 milioni all’anno entro il 2029. La Raccomandazione 15 introduce l’obbligo di valutazioni d’impatto dell’AI per tutti i deployment nel settore pubblico sopra una soglia di rischio o di valore economico, con 100% dei sistemi ad alto rischio con valutazione pubblicata entro il 2029.
Sul fronte dell’etica e responsabilità, la Raccomandazione 16 propone una carta etica volontaria per le aziende italiane di AI, con almeno 100 aziende aderenti entro il 2027. La Raccomandazione 17 prevede template in italiano per Datasheets e Model Cards allineati all’AI Act e alla Legge 132/2025, e standard per la misurazione dell’impronta ambientale dei sistemi AI in chiave ESG.
Infine il quantum computing: la Raccomandazione 18 chiede di rendere operativi i meccanismi di allocazione del fondo da 1 miliardo (Art. 23 della Legge 132/2025), che copre esplicitamente IA generativa, cybersecurity e calcolo quantistico, con almeno 100 milioni allocati a progetti quantum entro il 2027 e i primi pilota quantum-AI operativi entro il 2028.
Il rapporto stima risorse incrementali comprese tra 800 milioni e 1,2 miliardi di euro per il triennio 2026-2028 e indica tre scenari al 2030: ottimistico (6-7 miliardi di mercato, adozione al 75%) con attuazione completa; base (5 miliardi, 65%) con attuazione parziale delle raccomandazioni; pessimistico (3 miliardi, 45%) in caso di implementazione limitata, recessione e fuga dei talenti accelerata.
Il testo integrale del rapporto “L’Italia nell’era dell’IA”
Potete scaricare il report dal sito della Fondazione Leonardo, dove consigliamo anche di leggere la presentazione fatta da Luciano Floridi qui.
Ve lo proponiamo anche qui sotto e scaricabile in Pdf da questo link.
