INTELLIGENZA ARTIFICIALE E PRODUTTIVITÀ DELL’INDUSTRIA ITALIANA: L’URGENZA DI UN INTERVENTO DI POLITICA INDUSTRIALE
Giovanni Scanagatta* Stefano Sylos Labini**
1. Secondo gli ultimi dati diffusi da Eurostat (rilevazioni 2024 sull’utilizzo delle tecnologie digitali nelle imprese), circa l’8% delle imprese italiane con almeno 10 addetti dichiara di utilizzare sistemi di intelligenza artificiale. Il confronto europeo evidenzia un divario significativo: la Francia si colloca intorno al 10%, mentre la Germania raggiunge circa il 20%.
Pur considerando la probabile accelerazione registrata nel corso del 2024–2025, favorita anche dalla diffusione di strumenti di IA generativa, il differenziale con la Germania resta ampio e strutturale. Il dato tedesco è più che doppio rispetto a quello italiano e riflette un ecosistema industriale più maturo sul piano della digitalizzazione, della formazione tecnica e della collaborazione tra imprese, università e centri di ricerca.
Il ritardo italiano nell’adozione dell’IA non rappresenta solo un gap tecnologico, ma un problema macroeconomico. La produttività del lavoro – misurata come valore aggiunto per addetto – costituisce da oltre vent’anni il principale punto debole dell’economia italiana rispetto ai partner europei. In questo contesto, l’intelligenza artificiale può rappresentare uno strumento cruciale per recuperare competitività, soprattutto nel settore manifatturiero, cuore del sistema produttivo nazionale.
- Le stime disponibili per il comparto manifatturiero indicano livelli di investimento fortemente differenziati per classe dimensionale:
- Imprese 10–49 addetti: circa 85 mila euro medi
- Imprese 50–249 addetti: circa 310 mila euro medi
- Imprese ≥ 250 addetti: oltre 2 milioni di euro
La media ponderata dell’investimento si colloca attorno ai 420 mila euro per impresa adottante. In termini relativi, ciò equivale a circa il 2% del fatturato nelle piccole e medie imprese e all’1,2% nelle grandi.
Questi ordini di grandezza sono coerenti con le evidenze europee: l’adozione efficace dell’IA non si limita all’acquisto di software, ma richiede integrazione nei processi produttivi, revisione organizzativa, cybersecurity e formazione del personale. Non sorprende quindi che le imprese di maggiori dimensioni presentino investimenti assoluti più elevati, beneficiando di economie di scala e maggiore capacità finanziaria.
Un elemento particolarmente rilevante riguarda il differenziale di produttività: le imprese che adottano l’IA mostrano un valore aggiunto per addetto superiore di oltre il 10% rispetto a quelle che non la adottano. Questo dato è plausibile e in linea con la letteratura internazionale, che attribuisce alle tecnologie digitali avanzate effetti positivi significativi sulla produttività, soprattutto quando accompagnate da investimenti complementari in capitale umano e organizzazione.
Va tuttavia precisato che tale differenziale non può essere interpretato automaticamente come un effetto causale puro: le imprese più produttive sono spesso anche quelle più innovative e più propense ad adottare nuove tecnologie. La relazione è quindi bidirezionale. Ciò non riduce l’importanza dell’IA, ma suggerisce che la politica industriale debba intervenire in modo sistemico, non limitandosi al solo incentivo all’acquisto di tecnologie.
- L’analisi econometrica (modello Logit) condotta sulle imprese manifatturiere italiane individua alcune variabili discriminanti tra adottanti e non adottanti:
- Dimensione d’impresa (numero di addetti) – Le imprese più grandi hanno una probabilità significativamente più alta di adottare IA.
- Orientamento all’export – Le imprese con una quota di esportazioni sul fatturato pari o superiore al 50% mostrano maggiore propensione all’adozione, per effetto della maggiore pressione competitiva internazionale.
- Livello di digitalizzazione preesistente – Le imprese già dotate di infrastrutture digitali avanzate (ERP, cloud, IoT, cybersecurity) adottano più facilmente l’IA.
- Accesso agli incentivi pubblici – La presenza di misure di sostegno aumenta la probabilità di investimento.
- Localizzazione nel Mezzogiorno – Variabile con segno negativo, coerente con il persistente divario territoriale in termini di capitale umano, infrastrutture e accesso al credito.
Questi risultati sono coerenti con le evidenze europee: l’IA è una tecnologia sistemica, che richiede un ecosistema favorevole. Senza un adeguato livello di digitalizzazione di base e senza competenze interne, l’investimento risulta rischioso e meno redditizio.
- Un risultato particolarmente significativo riguarda l’intensità degli incentivi necessari per accelerare l’adozione. Le stime indicano che un contributo pubblico inferiore al 40% dell’investimento difficilmente risulta sufficiente a superare le barriere iniziali, soprattutto per le PMI.
Questo valore è elevato, ma plausibile alla luce di tre fattori:
- Elevata incertezza sui ritorni dell’investimento;
- Carenza di competenze interne;
- Difficoltà di accesso al credito per investimenti immateriali.
Ancora più rilevante è il vincolo delle competenze, identificato come principale ostacolo. Senza tecnici specializzati, data scientist, ingegneri di processo e figure ibride capaci di integrare IA e produzione, l’investimento rischia di restare sottoutilizzato.
In questo senso, destinare almeno il 60% delle risorse pubbliche alla formazione appare coerente con le migliori pratiche internazionali: l’IA è prima di tutto una trasformazione organizzativa, non soltanto tecnologica.
- La stima degli effetti di una politica industriale mirata a favore dell’adozione dell’IA nel manifatturiero indica un possibile incremento della produttività complessiva dell’economia italiana tra 2 e 3 punti percentuali nel medio periodo.
Si tratta di una stima ambiziosa ma non irrealistica. Considerato il peso del manifatturiero sul valore aggiunto nazionale e gli effetti di spillover tecnologico che possono estendersi ai servizi collegati (logistica, design, consulenza, ICT), un’accelerazione diffusa dell’adozione potrebbe generare un impatto macroeconomico significativo.
Tuttavia, tale incremento non va interpretato come immediato: gli effetti sulla produttività delle tecnologie digitali tendono a manifestarsi gradualmente, una volta completato il processo di apprendimento organizzativo.
- L’ipotesi di un intervento massiccio di politica industriale pari a circa 10 miliardi di euro, basato su un contributo a fondo perduto del 40% degli investimenti in IA nel manifatturiero, appare coerente con gli ordini di grandezza sopra indicati.
Se si considera:
- una platea potenziale di decine di migliaia di imprese manifatturiere;
- un investimento medio nell’ordine delle centinaia di migliaia di euro;
- una copertura pubblica del 40%;
l’ammontare complessivo stimato risulta compatibile con una strategia pluriennale (ad esempio su 3–5 anni). In termini di finanza pubblica, 10 miliardi distribuiti su più esercizi rappresentano un impegno significativo ma non straordinario, soprattutto se confrontato con i potenziali benefici in termini di crescita del PIL, gettito fiscale e occupazione qualificata.
La condizione essenziale, tuttavia, è l’efficacia del disegno degli incentivi: criteri selettivi, monitoraggio dei risultati, premialità per la formazione e integrazione con le politiche universitarie e tecniche.
- Il ritardo italiano nell’adozione dell’intelligenza artificiale è documentato e significativo nel confronto europeo. Le differenze rispetto alla Germania segnalano un rischio concreto di perdita di competitività nelle catene globali del valore.
Le evidenze empiriche mostrano che:
- l’IA è associata a un differenziale di produttività superiore al 10%;
- dimensione, export, digitalizzazione e incentivi sono determinanti chiave;
- le competenze rappresentano il principale collo di bottiglia;
- una politica industriale mirata potrebbe generare un aumento della produttività aggregata tra 2 e 3 punti percentuali.
L’investimento pubblico stimato in circa 10 miliardi di euro non deve essere letto come un costo, ma come una scelta strategica di politica industriale. In un Paese che soffre di stagnazione della produttività da oltre due decenni, l’intelligenza artificiale non è una opzione tecnologica tra le altre: è una leva strutturale per rilanciare crescita, salari e competitività internazionale.
La vera urgenza non è solo finanziare l’IA, ma costruire un ecosistema integrato di tecnologia, formazione e organizzazione. Senza questa visione sistemica, il divario con le economie più avanzate rischia di ampliarsi ulteriormente; con essa, l’Italia può trasformare un ritardo in un’opportunità di modernizzazione profonda del proprio sistema produttivo.
**Professore di Politica economica e monetaria all’Università di Roma “La Sapienza”
**Gruppo Moneta Fiscale