In Breve
- Qual è il livello di fiducia nell'AI in Italia?
- L'indice di fiducia nell'AI in Italia è di 72,9 punti.
- Quali sono le principali criticità nella governance dell'AI?
- Le criticità includono mancanza di trasparenza, spiegabilità e conformità normativa.
- Qual è il ritorno economico dei progetti AI in Italia?
- Solo il 18,7% delle organizzazioni italiane riporta un ritorno economico elevato dai progetti AI.
Nel 2026, l’Italia si distingue per il più ampio divario in Europa tra la fiducia riposta nei sistemi di intelligenza artificiale e la maturità delle infrastrutture di controllo. L’indice di fiducia si attesta a 72,9 punti, mentre l’indice di affidabilità è di 58,8 punti. Sebbene la forbice si sia ridotta rispetto all’anno precedente, passando da 18,4 a 14,1 punti, rimane la più marcata del continente. Inoltre, solo il 18,7% delle organizzazioni italiane riporta un ritorno economico elevato dai progetti di intelligenza artificiale.
Questa distanza tra aspettative e capacità operative mette in luce criticità legate alla trasparenza, alla spiegabilità e alla conformità normativa dei sistemi utilizzati. Sebbene siano stati registrati miglioramenti in termini di accountability, governance dei modelli e qualità dei dati, tutte le dimensioni analizzate rimangono al di sotto dei benchmark globali. Ciò ha impatti diretti sulla redditività dei progetti digitali: le organizzazioni che adottano pratiche consolidate di intelligenza artificiale affidabile hanno probabilità significativamente superiori di ottenere un ritorno economico rilevante rispetto alla media del mercato.
Le principali problematiche riscontrate negli output generati dai sistemi AI includono la mancanza di chiarezza delle risposte (37,7%), la carenza di contesto (26,4%), preoccupazioni sulla sicurezza degli output (14,2%), inesattezze fattuali (13,2%) e il rischio di bias (8,5%). Inoltre, la frammentazione delle basi dati rappresenta un ulteriore ostacolo, con una quota di imprese che gestisce le informazioni in silos quasi triplicata nell’ultimo anno. Solo una minoranza delle organizzazioni adotta controlli automatizzati di qualità su ogni progetto algoritmico.
Superare lo squilibrio tra adozione e governance è considerato un passo fondamentale per trasformare l’adozione tecnologica in un vantaggio competitivo misurabile. La crescita futura della produttività non dovrebbe dipendere esclusivamente dalla sperimentazione dei modelli, ma piuttosto dal consolidamento strutturale dei processi di controllo, audit e trasparenza.
