In Breve
- Qual è il divario di fiducia nell'AI in Italia?
- L'Italia ha un divario di 14,1 punti tra fiducia e affidabilità nei sistemi AI.
- Quali sono le principali criticità riscontrate?
- Le criticità includono mancanza di trasparenza, spiegabilità e conformità normativa.
- Qual è la percentuale di ritorno economico dai progetti AI?
- 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 significativamente più basso, a 58,8 punti. Sebbene la forbice tra questi due indici si sia ridotta rispetto all’anno precedente, passando da 18,4 a 14,1 punti, rimane comunque la più marcata sul continente.
Solo il 18,7% delle organizzazioni italiane riporta un ritorno economico elevato dai progetti di intelligenza artificiale, evidenziando una distanza preoccupante tra le aspettative e le capacità operative. Questa situazione riflette criticità nella trasparenza, nella spiegabilità e nella conformità normativa dei sistemi impiegati.
Nonostante siano stati registrati miglioramenti in aree come 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 mostrano probabilità significativamente superiori di ottenere un ritorno economico rilevante rispetto alla media del mercato.
Le principali cause di intervento sugli 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 è un problema crescente, con una quota di imprese che gestisce le informazioni in silos quasi triplicata in un anno. Solo una minoranza delle organizzazioni adotta controlli automatizzati di qualità su ogni progetto algoritmico.
Il superamento dello squilibrio tra adozione e governance è considerato cruciale 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.
