Perché l'AI raddoppia nelle imprese ma non entra in fabbrica

L'adozione cresce, ma non dove serve alla produzione

Nel 2025 la quota di imprese italiane con almeno 10 addetti che utilizza almeno una tecnologia di intelligenza artificiale raddoppia rispetto all'anno precedente, passando dall'8,2% al 16,4% (ISTAT, 2025). È un salto netto, il terzo consecutivo dopo il 5,0% del 2023, e racconta un'adozione che accelera più velocemente di quanto la narrazione corrente lasci intendere. Ma la stessa rilevazione ISTAT mostra dove quella crescita si concentra: marketing e vendite, organizzazione dei processi amministrativi, ricerca e sviluppo. Le aree in cui un Direttore di Produzione riconoscerebbe il proprio lavoro, la programmazione, il controllo qualità, la gestione degli scarti, restano ai margini della fotografia. Il problema non è la disponibilità della tecnologia, ormai acquistabile in abbonamento da qualsiasi fornitore cloud. È che la produzione non sta ancora offrendo all'AI qualcosa su cui lavorare.

Il divario che si allarga invece di chiudersi

Se l'adozione complessiva raddoppia, la sua distribuzione racconta una storia meno lineare. Il divario tra grandi imprese e PMI nell'uso di tecnologie AI, che nel 2023 era di circa 20 punti percentuali, sale a 25 nel 2024 e arriva a 37 punti percentuali nel 2025 (ISTAT, 2025): le imprese sopra i 250 addetti toccano il 53,1%, quelle piccole restano ferme al 15,7%. È un andamento opposto rispetto agli altri indicatori digitali rilevati dallo stesso report, dove i divari dimensionali si riducono. L'AI, da sola tra le tecnologie osservate, sta ampliando la distanza tra chi ha già strutture dati mature e chi no.

Questo non è un dettaglio statistico, è la chiave di lettura dell'intero fenomeno. Le grandi imprese arrivano all'AI con anni di investimenti in sistemi MES, ERP integrati, procedure digitalizzate: hanno già un dato di processo in una forma che un algoritmo può interrogare. Le PMI manifatturiere italiane, che costituiscono la parte più consistente del tessuto produttivo nazionale in un settore che vale il 15% del PIL e il 35% degli investimenti complessivi (Industria Italiana, 2026), partono da una condizione diversa: la conoscenza di processo esiste, ma vive nella testa degli operatori, in manuali PDF non aggiornati, in video di setup mai catalogati. Non è un vuoto di sapere, è un sapere nella forma sbagliata.

Perché il collo di bottiglia non è mai stato l'algoritmo

C'è un secondo dato ISTAT che completa il quadro, e che riguarda direttamente chi la tecnologia l'ha già valutata. Quasi il 60% delle imprese che hanno considerato un investimento in AI senza poi realizzarlo indica la mancanza di competenze adeguate come causa principale (ISTAT, 2025). Non il costo, non la scarsa fiducia nella tecnologia: la competenza. Coerentemente, l'Osservatorio Artificial Intelligence del Politecnico di Milano registra che il knowledge management è oggi l'area in cui l'impatto dell'AI generativa appare più immediato, proprio perché il problema di partenza, la conoscenza tacita dispersa tra teste delle persone e documenti eterogenei, è quello su cui l'AI generativa incide più direttamente quando trova un dato da cui partire (Osservatorio Artificial Intelligence, Politecnico di Milano, 2025).

Il quadro che emerge scompone il problema in due livelli distinti, spesso confusi nella narrazione pubblica sull'AI in fabbrica.

1. Disponibilità tecnologica. Non è più un vincolo. Gli strumenti generativi e gli agenti AI sono accessibili anche a una PMI, in abbonamento, senza necessità di infrastrutture proprietarie complesse.
2. Struttura del dato di partenza. È il vero collo di bottiglia. Un sistema AI, per generare valore su un processo produttivo, ha bisogno che quel processo sia già descritto in una forma leggibile: procedure versionate, sequenze operative tracciate, know-how reso esplicito. Dove questa struttura manca, l'AI resta uno strumento di marketing o di back office, mai un supporto alla produzione.

La distinzione conta perché smonta un'equazione diffusa quanto sbagliata: non è vero che un'azienda debba scegliere tra restare com'è o affrontare anni di progetti di digitalizzazione prima di poter usare l'AI in produzione. È vero il contrario di quello che sembra: un sistema AI mal impiegato aggiunge capacità di calcolo a un problema che non è di calcolo, ma un sistema AI applicato correttamente può essere proprio lo strumento che struttura quel dato, non solo quello che lo consuma a valle. La differenza tra le due strade sta tutta qui: da un lato l'idea, ancora dominante, che prima serva un progetto di digitalizzazione tradizionale, lungo e costoso, e solo dopo l'AI; dall'altro la possibilità, oggi concreta, di usare l'AI stessa per trasformare in tempo reale ciò che un operatore fa o spiega in procedure strutturate, versionate, interrogabili. È lo stesso principio già illustrato parlando dei dati sommersi della fabbrica: il patrimonio informativo che resta chiuso nella testa degli operatori o in archivi non strutturati non è solo un costo nascosto, è la ragione strutturale per cui la trasformazione digitale, se pensata come tappa preliminare separata, si ferma prima di arrivare in reparto.

Questo non riguarda solo le PMI più piccole o meno strutturate. Anche in aziende con investimenti tecnologici consolidati, la conoscenza specifica di una singola linea, di un singolo macchinario o di un singolo cliente spesso non è mai stata messa per iscritto in una forma sistematica, perché finché a gestirla è stato un tecnico esperto con anni di anzianità il problema non si è mai posto in termini di urgenza. È quando quel tecnico va in pensione, o quando l'azienda apre un secondo stabilimento che deve ripartire dallo stesso livello di competenza, che l'assenza di struttura diventa visibile, e a quel punto nessun abbonamento a un modello linguistico colma da solo la distanza.

Un divario che si autoalimenta

Il rischio, se il pattern del 2025 si consolida, non è la stagnazione ma la polarizzazione. Le imprese che hanno già una base dati strutturata continueranno ad assorbire l'AI più in fretta, ottenendo un vantaggio competitivo che a sua volta finanzia ulteriori investimenti in struttura dati. Le imprese che partono da un sapere operativo destrutturato rischiano di restare bloccate nella fase sperimentale osservata dallo stesso Report ISTAT, dove la quota di aziende che dichiara di usare l'AI senza saperla ricondurre a un ambito aziendale specifico sale dal 15,5% al 33,4% in un solo anno: segno di un'adozione più diffusa ma ancora poco integrata nei processi (ISTAT, 2025).

Per una PMI manifatturiera italiana, la conseguenza pratica non è rassegnarsi a un progetto di digitalizzazione separato prima di poter pensare all'AI in produzione. Alcune aziende stanno affrontando questo passaggio in senso inverso, usando l'AI stessa per digitalizzare la conoscenza operativa già presente in reparto: video di lavorazione, spiegazioni verbali di un tecnico esperto, procedure informali vengono trasformati direttamente in documentazione strutturata e interrogabile, senza passare da un progetto preliminare a parte. La sequenza "prima ordino i dati, poi ci metto l'AI" si comprime in un unico passaggio, e questo cambia i tempi e i costi con cui una PMI può davvero portare l'intelligenza artificiale dentro il proprio reparto.

La domanda che conta prima di quella sull'AI

I dati ISTAT del 2025 raccontano una trasformazione reale, ma parziale: l'intelligenza artificiale sta entrando nelle imprese italiane più in fretta che mai, senza però risolvere ancora il problema che più pesa sulla produzione. La domanda che una PMI manifatturiera dovrebbe porsi non è più "prima digitalizzo o prima adotto l'AI", perché posta così la domanda porta quasi sempre alla stessa risposta paralizzante, un progetto di digitalizzazione rimandato all'anno prossimo. La domanda utile è quanto del proprio sapere operativo sia già in una forma che un sistema AI possa leggere, e quanto di quel lavoro di messa in ordine l'AI stessa sia oggi in grado di fare, se applicata al punto giusto. È una distinzione meno immediata di un titolo su un giornale, ma è quella che deciderà, nei prossimi anni, chi userà l'AI per produrre meglio e chi continuerà a usarla solo per scrivere email migliori.

Fonti

• ISTAT (2025): Imprese e ICT - Anno 2025
• Industria Italiana (2026): Manifattura italiana, quattro fratture da ricomporre. La visione di Minsait
• Osservatorio Artificial Intelligence, Politecnico di Milano (2025): dati citati in Innovation Post, Oltre la sperimentazione: ecco come dare valore industriale e scalabile all'AI nel manufacturing