La trappola del pilota: perché l'IA nelle medie imprese resta in superficie

Molte imprese usano l'IA, ma soprattutto come strumento liberamente disponibile per compiti isolati: senza dati propri, senza processi modificati e senza prove di che cosa sia migliorato. Secondo gli studi disponibili, le imprese che ottengono un valore misurabile con l'IA riprogettano più spesso i propri processi, misurano l'impatto, ancorano la responsabilità nella direzione e si concentrano su poche applicazioni chiave. Questi studi provengono per lo più da grandi imprese e mostrano correlazioni, non cause.

La diffusione non è il problema. Secondo Bitkom, il 57 % delle imprese tedesche con almeno 20 dipendenti usa l'IA, contro il 20 % del 2024. La vera domanda è quindi: perché questo uso produce così raramente un effetto percepibile e che cosa dovrebbe cambiare nell'approccio?

Uso ampio, poco potenziale sfruttato

Le imprese stesse vedono il divario. Degli utilizzatori di IA intervistati (n = 343), solo il 3 % dichiara di sfruttarne il potenziale «piuttosto molto»; secondo la propria valutazione, l'87 % lo sfrutta poco o per niente (presentazione Bitkom 2026, slide 9). Colpisce che questo valore sia compreso tra l'84 e l'87 % in tutte le classi dimensionali. Budget più ampi, da soli, evidentemente non risolvono il problema.

Una ragione sta nel tipo di utilizzo. L'Istituto tedesco per la ricerca sul lavoro (IAB) ha rilevato per il 2025 che il 90 % delle aziende che usano l'IA generativa impiega modelli di accesso generale. Solo il 16 % usa modelli riaddestrati con dati propri. L'uso intensivo si limita a una parte relativamente piccola delle aziende. Anche gli ambiti di applicazione sono coerenti: contatto con i clienti (72 %) e marketing (54 %) sono molto avanti secondo Bitkom, produzione (22 %) e ricerca e sviluppo (16 %) nettamente dietro. Di conseguenza KfW raccomanda alle medie imprese di usare l'IA «non solo in modo puntuale, ma intensivo».

Dove si bloccano gli strumenti senza processo

Un chatbot liberamente disponibile velocizza una bozza. Ma non cambia il processo in cui la bozza nasce, né conosce i dati che fanno la differenza in azienda. Il beneficio resta quindi individuale e difficile da misurare.

Lo si vede con particolare chiarezza nella cosiddetta IA ombra, cioè l'uso di account privati di IA per compiti di lavoro. Secondo Bitkom (21/10/2025), è diffusa, si verifica in casi isolati o è sospettata in circa quattro imprese su dieci. Solo il 26 % mette a disposizione ufficialmente l'IA generativa e il 23 % ha regole per il suo utilizzo. Il presidente di Bitkom, Ralf Wintergerst, consiglia di evitare una «proliferazione incontrollata dell'IA». L'IA ombra è meno un comportamento scorretto dei dipendenti che un sintomo: dove l'impresa non offre uno strumento approvato né regole, nasce un uso privato senza dati aziendali e senza collegamento ai processi. Non ne deriva un caso d'uso scalabile.

Che cosa fanno più spesso in modo diverso le imprese che scalano

I confronti più solidi provengono da indagini internazionali. Nello «State of AI» 2026 di McKinsey, circa il 6 % degli intervistati sono «high performer» che attribuiscono all'IA almeno il 5 % del risultato operativo. Quasi tre quarti di loro hanno riprogettato i processi, contro circa un quarto degli altri. Gli high performer hanno inoltre il doppio delle probabilità di disporre di processi definiti per misurare l'impatto e di un impegno visibile della direzione.

BCG (2024) giunge a un quadro simile: il 74 % delle imprese intervistate non ottiene ancora un valore tangibile. Le imprese leader perseguono circa la metà dei casi d'uso delle altre, ma si attendono più del doppio del rendimento. Il 62 % del loro valore da IA proviene da funzioni chiave come operations, vendite e R&S. BCG colloca circa il 70 % dello sforzo nelle persone e nei processi, e solo il 10 % negli algoritmi.

Vanno aggiunte due avvertenze. Entrambi gli studi intervistano soprattutto grandi imprese e si basano su autodichiarazioni. E mostrano che cosa fanno più spesso le imprese di successo, non che questo approccio causi il successo. Per le medie imprese manca un confronto analogo tra chi scala e chi resta bloccato nel pilota.

Che cosa dovrebbe essere stabilito prima del prossimo pilota

Da questi schemi si ricavano domande da chiarire prima del prossimo passo di budget:

• Misurazione di partenza: quanto dura oggi il tempo di attraversamento, quanto è alto il tasso di errore, quanto è grande l'onere di lavorazione? Senza un valore di partenza nessun miglioramento può essere dimostrato.
• Processo, non strumento: quale passo di lavoro scompare, chi verifica che cosa in futuro, di quali dati aziendali ha bisogno la soluzione? Queste domande decidono il beneficio più della scelta del modello.
• Criteri di scalabilità e di interruzione: quale effetto giustifica l'estensione e sotto quale soglia ci si ferma? Entrambi vanno prima dell'avvio del progetto, non nella revisione a posteriori.
• Responsabilità: chi nell'area di business risponde del risultato e quale dirigente decide il passaggio all'esercizio?
• Focus: quali una-tre applicazioni riguardano un processo chiave? Dieci esperimenti paralleli generano attività, ma raramente una prova.

Questo elenco non rende automaticamente l'IA redditizia. Fa sì che un pilota risponda a una domanda, anche quando la risposta è che un processo manuale migliorato o il software tradizionale sono la scelta migliore. Se a questo punto sta pianificando uno studio di fattibilità strutturato con punti decisionali fissi, può parlarne con capinori.

Domande frequenti sulla trappola del pilota di IA nelle medie imprese

Fonti (7)

• Bitkom: comunicato «Erstmals nutzt die Mehrheit der Unternehmen KI», 14/09/2026 (in tedesco). Sito
• Bitkom Research: Künstliche Intelligenz in der Wirtschaft 2026, presentazione (603 imprese con almeno 20 dipendenti) (in tedesco). PDF
• Bitkom: comunicato «Beschäftigte nutzen vermehrt Schatten-KI», 21/10/2025 (in tedesco). Sito
• IAB: Friedrich/Kagerl, «Jeder vierte Betrieb nutzt mittlerweile generative KI», IAB-Kurzbericht 8/2026, 05/05/2026 (in tedesco). PDF
• KfW Research: Fokus Volkswirtschaft n. 554, 29/07/2026 (Dr. Volker Zimmermann) (in tedesco). PDF
• McKinsey & Company: The state of AI in 2026, 25/08/2026 (in inglese). Sito
• Boston Consulting Group: Where's the Value in AI?, ottobre 2024 (in inglese). PDF