Banca d’Italia, un piano per l’IA o la produttività resterà al palo

L’Italia rischia di perdere il treno dell’intelligenza artificiale non perché manchino le tecnologie, ma perché manca ancora la loro diffusione nel tessuto produttivo. È questo il messaggio che emerge con chiarezza nel nuovo studio di Bankitalia – “L’adozione dell’intelligenza artificiale: effetti su produttività e politiche a sostegno”  – dedicato agli effetti dell’IA sulla produttività e alle politiche di sostegno che ha sviluppato le riflessioni del governatore  Fabio Panetta in occasione delle Considerazioni finali di venerdì 29 maggio e ora sistematizzate .

Banca d’Italia, un piano per l’IA o la produttività resterà al palo

Il punto di partenza è un apparente paradosso. Le applicazioni di intelligenza artificiale stanno dimostrando, in numerosi contesti operativi, di aumentare significativamente l’efficienza di singole attività: dalla programmazione informatica alla gestione documentale, dall’assistenza ai clienti alla produzione di contenuti. Eppure, questi miglioramenti non si stanno ancora traducendo in un visibile aumento della produttività delle imprese nel loro complesso. È lo stesso fenomeno osservato negli anni della diffusione dell’informatica e di Internet: i benefici microeconomici precedono quelli macroeconomici e richiedono profonde trasformazioni organizzative prima di emergere nelle statistiche aggregate.

Per questo motivo lo studio invita a evitare due errori opposti. Da una parte, sottovalutare il potenziale dell’IA perché gli effetti non sono ancora pienamente visibili; dall’altra, confidare che il mercato sia in grado da solo di garantire una diffusione rapida e capillare della tecnologia. La questione centrale è che l’adozione dell’intelligenza artificiale produce benefici che vanno oltre la singola impresa. Quando un’azienda introduce sistemi più efficienti, parte dei vantaggi si trasmette ai fornitori, ai clienti e all’intero ecosistema produttivo. Inoltre, il valore dell’adozione cresce al crescere del numero di imprese che adottano la stessa tecnologia, grazie alla condivisione di dati, alla nascita di standard comuni e allo sviluppo di applicazioni sempre più specializzate. In economia questi fenomeni vengono definiti esternalità ed effetti di rete. Il risultato è che le imprese tendono a investire meno di quanto sarebbe ottimale per il sistema economico nel suo complesso.
Da qui la giustificazione dell’intervento pubblico. Non si tratta di sostituirsi al mercato né di scegliere i vincitori tecnologici del futuro. Piuttosto, si tratta di rimuovere gli ostacoli che impediscono alle imprese di cogliere le opportunità offerte dall’innovazione.

Il documento della Banca d’Italia individua con precisione questi ostacoli. Il principale è la carenza di competenze. Molte imprese, soprattutto piccole e medie, non dispongono delle professionalità necessarie per comprendere come integrare l’IA nei processi produttivi e valutarne il ritorno economico. A questo si aggiungono costi iniziali elevati, difficoltà nell’accesso ai dati, incertezza normativa e una limitata disponibilità di soluzioni applicative realmente adatte alle esigenze delle aziende di dimensioni minori.

È qui che si inserisce la visione di politica industriale delineata da via Nazionale. Una strategia efficace non dovrebbe concentrarsi principalmente su sussidi generalizzati o incentivi fiscali indistinti. Al contrario, dovrebbe accompagnare concretamente le imprese nel percorso di adozione, rafforzando le strutture di trasferimento tecnologico, i competence center e i digital innovation hub. L’obiettivo non è soltanto finanziare l’acquisto di tecnologia, ma aiutare le aziende a comprenderne gli usi, sperimentarne le applicazioni e ripensare i modelli organizzativi. La stessa logica vale per il lato dell’offerta. In Italia esiste una distanza ancora troppo ampia tra la ricerca avanzata e la disponibilità di applicazioni immediatamente utilizzabili dalle imprese. È il cosiddetto “missing middle”: da un lato grandi modelli e tecnologie generali, dall’altro aziende che avrebbero bisogno di soluzioni verticali e specializzate. Colmare questo divario significa sostenere startup, trasferimento tecnologico e fornitori innovativi capaci di tradurre la frontiera della ricerca in strumenti concreti per la manifattura, i servizi e le filiere produttive.

Un altro pilastro della strategia riguarda le infrastrutture. L’accesso alla capacità di calcolo, la disponibilità di dati interoperabili e la certezza del quadro regolatorio stanno assumendo la stessa importanza che ebbero, in passato, le reti energetiche o le infrastrutture digitali. Senza questi fattori abilitanti il mercato rischia di svilupparsi in modo frammentato e disomogeneo. Il messaggio finale è particolarmente rilevante per un Paese come l’Italia, caratterizzato da una prevalenza di piccole e medie imprese. Secondo le stime richiamate dalla Banca d’Italia, una diffusione ampia dell’intelligenza artificiale potrebbe accrescere la produttività del lavoro di oltre un punto percentuale all’anno nel prossimo decennio. Si tratta di un ordine di grandezza che, in un’economia da tempo alle prese con una crescita modesta della produttività, avrebbe implicazioni decisive per salari, competitività e crescita del reddito.

L’intervento pubblico evocato dallo studio non appare quindi come una semplice misura di sostegno all’innovazione. Si configura piuttosto come una politica economica orientata a risolvere problemi di coordinamento che il mercato, da solo, potrebbe impiegare molti anni a superare. La sfida non è creare l’intelligenza artificiale, che già esiste, ma renderla accessibile, conveniente e utile per l’intero sistema produttivo italiano.