In Breve
- Qual è il divario tra fiducia e governance dell'AI in Italia?
- Il divario è di 14,1 punti, con un indice di fiducia di 72,9 e un indice di affidabilità di 58,8.
- Quali sono le principali criticità riscontrate nei sistemi AI?
- Le criticità includono mancanza di chiarezza, carenza di contesto e preoccupazioni sulla sicurezza degli output.
- Qual è la percentuale di organizzazioni italiane con ritorno economico elevato dai progetti AI?
- Solo il 18,7% delle organizzazioni italiane riporta un ritorno economico elevato.
Nel 2026, l’Italia si trova a fronteggiare il più ampio divario in Europa tra la fiducia riposta nei sistemi di intelligenza artificiale (AI) 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 questa forbice si sia ridotta rispetto all’anno precedente, passando da 18,4 a 14,1 punti, rimane la più marcata sul continente. Solo il 18,7% delle organizzazioni italiane riporta un ritorno economico elevato dai progetti AI.
Questa distanza tra aspettative e capacità operative mette in luce criticità significative in termini di trasparenza, spiegabilità e conformità normativa dei sistemi impiegati. Nonostante siano stati registrati miglioramenti in ambiti 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 hanno 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%). Altri fattori che rallentano l’adozione dell’AI sono la frammentazione delle basi dati, con una quota di imprese che gestisce le informazioni in silos quasi triplicata in un anno, e il fatto che solo una minoranza adotta controlli automatizzati di qualità su ogni progetto algoritmico.
Superare questo squilibrio tra adozione e governance è considerato essenziale 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.
redazione
Redazione Diarioeconomico.