L’intelligenza artificiale è ormai parte integrante del dibattito e delle strategie delle imprese. Viene considerata una leva capace di aumentare la produttività, contenere i costi, favorire l’innovazione di prodotti e servizi e rendere i processi decisionali più rapidi ed efficaci. Ma il punto centrale, oggi, è un altro: l’IA produce valore solo se viene integrata consapevolmente nei processi aziendali e se le persone sono preparate a usarla in modo critico e responsabile.
Il paper di I-Com, realizzato in collaborazione con Datrix, mette a fuoco proprio questo passaggio: diventare un’azienda AI-driven non significa limitarsi a utilizzare qualche applicazione innovativa o di tendenza, ma costruire un nuovo modo di lavorare. La vera sfida, infatti, non è semplicemente acquistare strumenti tecnologici, ma ripensare competenze, processi e responsabilità, facendo dell’IA una leva stabile di consapevolezza, innovazione e competitività.
UN’ADOZIONE CHE CRESCE, MA NON PER TUTTI
I dati mostrano un’accelerazione evidente. Nel 2025 il 20% delle imprese europee con almeno 10 addetti ha usato almeno una tecnologia di intelligenza artificiale. In Italia il recupero è significativo: la quota di imprese che utilizza IA è passata dal 5% nel 2023 all’8,2% nel 2024, fino al 16,4% nel 2025. Tuttavia, il Paese resta sotto la media europea e il divario dimensionale è netto: l’IA è presente nel 53,1% delle grandi imprese, ma solo nel 14,2% delle aziende tra 10 e 49 addetti. Questo significa che la tecnologia corre, ma non arriva con la stessa intensità in tutto il tessuto produttivo.
LE COMPETENZE: IL PRINCIPALE COLLO DI BOTTIGLIA
Il principale ostacolo non è la scarsa utilità dell’IA. Al contrario, molte imprese ne riconoscono il potenziale. Il problema è saperla usare. La carenza di competenze risulta la barriera più citata sia in Europa sia in Italia. A questa si aggiungono incertezza normativa, qualità dei dati, privacy, costi e difficoltà di integrazione con infrastrutture già esistenti. Il messaggio è chiaro: comprare un software non basta. Senza persone capaci di scegliere gli strumenti, valutarne gli output, proteggerne i dati e inserirli nei processi, l’IA resta un esperimento isolato.
NON SOLO TECNICI: L’IA CAMBIA TUTTI I RUOLI
La domanda di competenze sta cambiando rapidamente. Entro il 2030 59 lavoratori su 100 avranno bisogno di percorsi di upskilling o reskilling e il 63% dei datori di lavoro considera il divario di competenze il principale ostacolo alla trasformazione aziendale. Le competenze tecniche restano decisive, ma non sono le uniche. Servono anche capacità manageriali, digitali, cognitive ed emotive: saper porre le domande giuste, interpretare i risultati, capire quando un output va verificato e decidere con consapevolezza. L’IA, quindi, non cancella il contributo umano: lo rende più importante e decisivo.
FORMAZIONE E COMPETENZE: LA CHIAVE PER GOVERNARE L’IA
Dunque, senza investimenti adeguati in upskilling, reskilling e accompagnamento organizzativo, i benefici dell’IA rischiano di restare concentrati in una quota limitata di lavoratori e imprese. In questo contesto, la formazione assume un ruolo centrale nell’adozione dell’IA, ma deve essere calibrata sulla struttura e sui bisogni dell’impresa.
Nelle grandi aziende, l’adozione dell’IA può poggiare su strutture già consolidate: team IT, funzioni legali e di compliance, responsabili dei dati, academy interne e modelli di governance formalizzati. In questi contesti, la formazione può svilupparsi attraverso percorsi multilivello, competenze specialistiche e presidi dedicati alla gestione dei rischi, con l’obiettivo di scalare l’innovazione in modo ordinato e misurabile.
Per le PMI, invece, il percorso deve essere più pragmatico. Non sempre è realistico creare team interni specializzati o strutture complesse di governance; per questo l’adozione dell’IA deve partire da bisogni concreti e circoscritti, come automatizzare attività ripetitive, migliorare la gestione documentale, supportare marketing e vendite o ridurre tempi e costi operativi. Anche la formazione, in questo caso, deve essere breve, mirata e aderente ai processi reali dell’impresa, così da tradursi rapidamente in un utilizzo effettivo degli strumenti.
In entrambi i casi, il punto resta lo stesso: l’IA genera valore solo se le persone sanno usarla, interpretarla e governarla. Per le grandi imprese questo significa costruire modelli strutturati e scalabili; per le PMI significa adottare soluzioni proporzionate, misurabili e realmente utili alla quotidianità aziendale. Solo così le competenze acquisite possono rafforzare produttività, qualità del lavoro e competitività.
UPSKILLING E IA: UN INTERESSE DA RAFFORZARE. L’ANALISI DI I-COM E BYTEK
Tuttavia, l’analisi condotta da I-Com e Bytek sulle ricerche online relativamente alla formazione aziendale in IA mostra una domanda ancora poco sviluppata nei Paesi europei rispetto agli Stati Uniti. Questo dato segnala un possibile disallineamento tra la crescente necessità di percorsi formativi nelle imprese e il livello effettivo di attenzione verso upskilling, reskilling e training aziendale sull’IA, con il rischio di rallentare la diffusione di competenze utili all’implementazione dell’IA.
Ricerche su formazione aziendale in IA per Paese ogni 100.000 abitanti (2025)
Fonte: elaborazioni I-Com su dati Bytek
DALLA TECNOLOGIA AL CAMBIAMENTO: LA REGOLA DEL “10-20-70”
L’adozione dell’IA richiede una valutazione attenta non solo dell’investimento tecnologico, ma anche dei costi organizzativi della trasformazione: processi, responsabilità, competenze, formazione e change management sono condizioni decisive per generare valore. La regola del “10-20-70” evidenzia che il valore dell’IA dipende solo in parte dalla tecnologia: il 10% delle risorse dovrebbe andare ad algoritmi e modelli, il 20% a dati e infrastrutture, mentre il 70% dovrebbe essere destinato a persone, processi e trasformazione culturale. Sotto-finanziare formazione, revisione dei workflow e accompagnamento organizzativo può portare al paradosso di disporre di tecnologie avanzate che non vengono realmente utilizzate dalla forza lavoro, bloccando i progetti nella fase pilota e impedendo il raggiungimento del ROI atteso. Inoltre, senza obiettivi chiari – perché adottare l’IA, in quali processi, con quali risultati attesi e con quali responsabilità – l’adozione dell’IA rischia di procedere per tentativi, riducendo la capacità dell’impresa di trasformare la tecnologia in impatto strutturale.
CONCLUSIONI
Il percorso più efficace non parte, dunque, dalla domanda “quale tecnologia compriamo?”, ma da una domanda più concreta: “quale problema vogliamo risolvere?”. Da qui si costruisce una roadmap ordinata: mappare gli usi già in corso, verificare la qualità dei dati, selezionare pochi casi d’uso prioritari, definire responsabilità e supervisione, formare le persone coinvolte e misurare i risultati. Il ROI non si misura solo con il numero di strumenti introdotti, ma con benefici osservabili: tempo risparmiato, errori ridotti, decisioni migliori, costi abbattuti e nuove opportunità di ricavo.
L’intelligenza artificiale può rappresentare una grande occasione per le imprese, ma solo se viene affrontata come un percorso di trasformazione e non come una semplice scelta tecnologica. Acquistare nuovi strumenti non basta: perché l’IA produca valore servono obiettivi chiari, dati affidabili, processi ben organizzati e persone capaci di usare questi strumenti con consapevolezza.
La formazione diventa quindi il vero fattore abilitante dell’azienda AI-driven. È ciò che permette di ridurre i rischi, evitare utilizzi improvvisati o non governati e trasformare l’IA in una leva concreta di produttività, innovazione e competitività. Per le grandi imprese questo significa costruire modelli strutturati e scalabili; per le PMI, invece, partire da bisogni pratici, casi d’uso mirati e risultati misurabili.
La sfida, dunque, non è usare più intelligenza artificiale, ma usarla meglio. In sintesi, l’azienda AI-driven non è quella che adotta il maggior numero di strumenti, ma quella che riesce a trasformare l’IA in una capacità organizzativa stabile: con persone formate, processi governati, dati di qualità e obiettivi misurabili. Solo così l’intelligenza artificiale può generare valore nel tempo e contribuire a migliorare la qualità delle decisioni, del lavoro e della crescita aziendale.
