AI nelle PMI: il problema non è il modello, sono i dati

In breve. L'adozione dell'AI nelle PMI italiane è raddoppiata in un anno, ma il divario con le grandi imprese si è allargato, e il motivo non è il modello: è il substrato di dati su cui dovrebbe appoggiarsi.

• Nel 2025 il 16,4% delle imprese italiane con almeno 10 addetti usa almeno una tecnologia di intelligenza artificiale: 15,7% fra le PMI (10-249 addetti), 53,1% fra le grandi imprese (Istat, Imprese e ICT, 15 dicembre 2025).
• Un anno prima erano il 7,7% delle PMI e il 32,5% delle grandi. L'adozione raddoppia in entrambi i gruppi, ma la distanza passa da 24,8 a 37,4 punti percentuali.
• Fra le imprese che non usano l'AI, il 45,2% indica come ostacolo dati non disponibili o di scarsa qualità e il 58,6% la mancanza di competenze (Istat, 15 dicembre 2025).
• Il 49,5% delle imprese con almeno 10 addetti usa un software ERP: 48,8% fra le PMI contro l'85,9% fra le grandi (Istat, 15 dicembre 2025).
• Gartner prevede che oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027, per costi crescenti, valore di business non chiaro o controlli di rischio inadeguati (comunicato del 25 giugno 2025).

Se gestisci una PMI e negli ultimi mesi hai provato a portare l'intelligenza artificiale in azienda, probabilmente conosci già la sequenza: un abbonamento a un assistente generativo, qualche settimana di entusiasmo, poi il ritorno alle vecchie abitudini. Il problema dell'AI nelle PMI non è quasi mai la potenza del modello. È che il modello non sa nulla della tua azienda: non conosce i tuoi codici articolo, non sa quanto costa davvero la commessa 2026/184, non sa che il cliente che chiede uno sconto è in ritardo di 90 giorni sui pagamenti.

Quel sapere esiste, ma è sparso: in tre fogli Excel, in una casella di posta, nella testa di chi in magazzino "sa come si fa". Un modello linguistico non può dedurlo. E qui i numeri raccontano una storia molto precisa.

Il divario non si sta chiudendo: si sta allargando

L'Istat, nel report Imprese e ICT pubblicato il 15 dicembre 2025, misura per la prima volta un'adozione a doppia cifra: il 16,4% delle imprese italiane con almeno 10 addetti usa almeno una tecnologia di intelligenza artificiale, contro l'8,2% del 2024 e il 5,0% del 2023. Raddoppiata in un anno.

La lettura per classe dimensionale è però meno rassicurante. Le PMI (10-249 addetti) passano dal 7,7% al 15,7%. Le grandi imprese (250 addetti e oltre) dal 32,5% al 53,1%. Entrambe raddoppiano, ma in punti percentuali la forbice si allarga: era 24,8 punti nel 2024, è 37,4 punti nel 2025. Più di una grande impresa su due usa l'AI; meno di una PMI su sei.

Lo stesso report aggiunge un dettaglio che spiega molto: fra le imprese che adottano l'AI, le tecnologie più diffuse sono l'estrazione di conoscenza da documenti testuali (70,8%) e l'AI generativa per testo, immagini, video o audio (59,1%). Il machine learning applicato all'analisi dei dati si ferma al 20,0%. Tradotto: l'AI oggi in azienda lavora prevalentemente sulle parole, non sui dati gestionali. Scrive email, riassume contratti, genera descrizioni prodotto. Non calcola margini, non prevede fabbisogni di magazzino, non segnala che una commessa sta sfondando il preventivo.

Questa è la differenza fra un'AI che fa risparmiare mezz'ora al giorno a chi scrive e un'AI che cambia il conto economico. È il punto in cui l'AI nelle PMI si divide in due storie molto diverse.

Perché i progetti AI si fermano: la diagnosi non è tecnologica

Il dato più utile del report Istat non riguarda chi usa l'AI, ma chi non la usa. Alle imprese che non l'hanno adottata è stato chiesto perché. Le risposte, in ordine:

• Mancanza di competenze: 58,6%
• Mancanza di chiarezza sulla normativa: 47,3%
• Dati non disponibili o di scarsa qualità: 45,2%
• Preoccupazioni su privacy e protezione dei dati: 43,2%
• Costi troppo elevati: 43,0%
• Considerazioni etiche: 25,7%
• L'AI non è ritenuta utile: 14,8%

Quasi una su due dichiara di non avere dati utilizzabili. Non "non abbiamo capito l'AI": non abbiamo i dati. È una confessione sulla qualità delle fondamenta, non sul tetto.

Gli stessi segnali arrivano dalla ricerca internazionale. Gartner, in un comunicato del 25 giugno 2025, prevede che oltre il 40% dei progetti di AI agentica sarà cancellato entro la fine del 2027, per tre ragioni: costi crescenti, valore di business non chiaro, controlli di rischio inadeguati. Nello stesso documento l'analista Anushree Verma osserva che integrare gli agenti nei sistemi legacy può essere tecnicamente complesso e richiedere modifiche costose, e che molti casi d'uso presentati oggi come "agentici" non richiedono affatto un agente.

Il rapporto The GenAI Divide: State of AI in Business 2025 dell'iniziativa NANDA del MIT, uscito nell'agosto 2025 e basato su circa 150 interviste a manager, 350 risposte di dipendenti e l'analisi di 300 implementazioni pubbliche, arriva alla stessa conclusione da un'altra strada: solo circa il 5% dei progetti pilota aziendali produce un'accelerazione misurabile dei ricavi. La causa individuata non è la qualità dei modelli né la normativa, ma l'integrazione con i processi aziendali esistenti e l'incapacità degli strumenti generici di trattenere e riutilizzare il contesto organizzativo nel tempo.

Tre fonti diverse, una sola diagnosi: l'AI fallisce dove non ha contesto operativo.

Dove vive il contesto operativo: nel gestionale, se c'è

Il contesto operativo di un'azienda è l'insieme di dati e regole che descrivono come quell'azienda lavora davvero: anagrafiche, distinte base, cicli di lavorazione, tempi, prezzi, condizioni di pagamento, cronologia degli ordini, storico degli interventi. Non è documentazione: è il sistema nervoso. E vive nel gestionale.

Qui il report Istat offre il numero che chiude il cerchio: nel 2025 il 49,5% delle imprese con almeno 10 addetti usa un software ERP, ma la quota è del 48,8% fra le PMI e dell'85,9% fra le grandi imprese. Più di una PMI su due non ha un sistema gestionale integrato. Prima di qualunque discorso sull'AI, metà del tessuto produttivo italiano non ha il luogo in cui l'AI andrebbe a leggere.

È la ragione per cui l'AI nelle PMI resta spesso un abbonamento invece di diventare un vantaggio: senza un sistema che tenga insieme i dati, l'unica cosa che puoi dare in pasto a un modello è un file incollato a mano. Ne abbiamo scritto parlando del costo reale di tenere l'azienda su fogli Excel sparsi: ogni foglio è un pezzo di contesto che nessun sistema potrà mai usare da solo.

Cosa distingue un'AI che funziona da una che resta un giocattolo

Nella pratica l'AI nelle PMI prende due forme che si somigliano solo nel nome. La differenza si può elencare voce per voce. Da un lato l'assistente generico usato come strumento personale, dall'altro un'AI che lavora sopra i dati aziendali.

• Fonte dei dati — Assistente generico: quello che incolli nella chat. AI integrata nel gestionale: anagrafiche, ordini, magazzino, commesse in tempo reale.
• Memoria del contesto — Assistente generico: nulla, oltre la singola conversazione. AI integrata: lo storico completo dell'azienda.
• Tipo di output — Assistente generico: testo plausibile. AI integrata: numeri verificabili e tracciabili alla fonte.
• Chi può usarla — Assistente generico: chi sa scrivere un buon prompt. AI integrata: chiunque abbia accesso al gestionale, nel suo flusso di lavoro normale.
• Effetto sul processo — Assistente generico: un passaggio in più, fuori dal processo. AI integrata: un passaggio in meno, dentro il processo.
• Misurabilità — Assistente generico: sensazione di tempo risparmiato. AI integrata: ore, scarti, ritardi, margini confrontabili prima e dopo.
• Proprietà del substrato — Assistente generico: del fornitore. AI integrata su software proprio: dell'azienda.

L'ultima voce è quella che pesa sul lungo periodo. Se i processi e i dati vivono dentro un SaaS in affitto, l'AI che potrai costruirci sopra sarà quella che quel fornitore decide di concederti, ai tempi e ai prezzi che decide lui. Chi possiede il proprio software può integrare l'AI quando e come serve; chi affitta il software affitta anche il substrato. È un tema che abbiamo affrontato guardando alle regole sul cambio di fornitore cloud, e vale identico per l'intelligenza artificiale.

Uno scenario concreto: PMI manifatturiera, 30 addetti, produzione su commessa

Lo scenario che segue è ricostruito sui dati Istat citati sopra e su configurazioni ricorrenti nel manifatturiero del triangolo Mantova-Brescia-Verona. Non è un caso cliente: è il profilo tipico di un'azienda che si trova esattamente sulla soglia.

Trenta addetti, produzione su commessa, ERP assente o presente solo per la parte amministrativa. Gli ordini arrivano via email, la programmazione sta su un foglio condiviso, i consumi di materiale si registrano a fine mese, il costo della commessa si conosce quando la commessa è già chiusa e fatturata. L'imprenditore sente parlare di AI e la domanda che si pone è legittima: può aiutarmi a capire quali commesse perdono soldi?

La risposta onesta è: non ancora, perché il dato di consumo non esiste in forma leggibile. Un modello può riassumere le email degli ordini, e già questo vale qualcosa. Ma non può dire quale lavorazione sfonda il preventivo, perché quell'informazione non è mai stata registrata nel momento in cui accadeva. La prima mossa non è comprare AI: è far nascere il dato. Dichiarazione di produzione a bordo macchina o da tablet, versamenti di magazzino legati alla commessa, ore uomo attribuite. Dopo tre mesi di dati puliti, lo stesso modello diventa utile: confronta preventivo e consuntivo mentre la commessa è aperta, segnala gli scostamenti, propone priorità di produzione.

L'ordine corretto delle operazioni

Dalle tre fonti citate si ricava una sequenza che vale per quasi tutte le PMI che vogliono arrivare a un'AI utile e non a un abbonamento in più.

1. Scegli un processo che oggi ti costa e che sai misurare. Non "l'azienda": un processo. Il costo commessa, il riordino di magazzino, la gestione dei resi, le ore fatturabili.
2. Fai nascere il dato nel momento in cui il fatto accade. Se un'informazione viene ricostruita a fine mese, non è un dato: è un ricordo. È questa la voce che il 45,2% delle imprese dichiara mancante.
3. Integra, non duplicare. Un unico luogo in cui il dato esiste. Ogni doppio inserimento è una fonte di divergenza che renderà inaffidabile qualunque modello.
4. Metti l'AI sopra un processo che già gira. Prima automazione delle regole note, poi modelli sui casi ambigui. L'ordine inverso produce esattamente i progetti che Gartner si aspetta di vedere cancellati entro il 2027.
5. Misura prima e dopo. Ore, scarti, ritardi, margine. Se non riesci a dire di quanto è migliorato, non saprai nemmeno se vale il rinnovo.

È un percorso meno spettacolare di un pilota generativo, e per questo funziona: non chiede all'azienda di credere a una promessa, le chiede di guardare un numero. Sul rovescio della medaglia, cioè sui rischi dell'adottare sistemi potenti senza controllo sul contesto, abbiamo ragionato anche a proposito dei limiti dichiarati dai produttori stessi di questi modelli.

Domande frequenti

Quante PMI italiane usano davvero l'intelligenza artificiale?

Nel 2025 il 15,7% delle PMI italiane con 10-249 addetti usa almeno una tecnologia di intelligenza artificiale, contro il 7,7% del 2024. Fra le imprese con 250 addetti e oltre la quota è del 53,1%. Il dato è dell'Istat, report Imprese e ICT pubblicato il 15 dicembre 2025.

Perché l'AI nelle PMI spesso non produce risultati misurabili?

Perché il modello non ha accesso al contesto operativo dell'azienda: anagrafiche, ordini, magazzino, costi di commessa. Secondo l'Istat (15 dicembre 2025), il 45,2% delle imprese che non adottano l'AI indica come ostacolo l'assenza o la scarsa qualità dei dati. Il rapporto MIT NANDA dell'agosto 2025 attribuisce il fallimento di circa il 95% dei progetti pilota aziendali all'integrazione mancata con i processi esistenti, non alla qualità dei modelli.

Serve un gestionale prima di adottare l'intelligenza artificiale?

Serve un luogo unico e affidabile in cui i dati aziendali nascono e vivono, e nelle PMI quel luogo è il gestionale. Nel 2025 il 48,8% delle PMI italiane usa un software ERP, contro l'85,9% delle grandi imprese (Istat, 15 dicembre 2025). Senza quel substrato l'AI può lavorare solo sui testi che le vengono incollati a mano.

Un abbonamento a un assistente generativo è uno spreco?

No, ma va collocato per quello che è: uno strumento di produttività individuale su testi ed email. Fra le imprese italiane che adottano l'AI, il 70,8% la usa per estrarre conoscenza da documenti testuali e il 59,1% per generare contenuti, mentre solo il 20,0% applica il machine learning all'analisi dei dati (Istat, 15 dicembre 2025). Il salto di valore sta in quel 20%.

Quanto tempo serve prima che un progetto AI dia risultati?

Dipende dal punto di partenza. Se il dato operativo già esiste in forma strutturata, le prime analisi utili arrivano in poche settimane. Se il dato va fatto nascere, servono mesi di raccolta pulita prima che un modello possa dire qualcosa di affidabile: tipicamente almeno un trimestre di rilevazioni coerenti sul processo scelto.

Perché Gartner prevede la cancellazione di oltre il 40% dei progetti di AI agentica?

Nel comunicato del 25 giugno 2025 Gartner indica tre cause: costi crescenti, valore di business non chiaro e controlli di rischio inadeguati. Aggiunge che molti casi d'uso presentati come agentici non richiedono un agente e che l'integrazione con i sistemi legacy è spesso complessa e costosa. La previsione riguarda la fine del 2027.

Il software in affitto limita quello che posso fare con l'AI?

Può limitarlo, sì. Se i dati e i processi risiedono in un SaaS, le integrazioni possibili sono quelle che il fornitore espone, ai tempi e alle condizioni che decide. Con un software di proprietà l'azienda controlla schema dei dati, accessi e tempi di integrazione, e può collegare l'AI al processo che le serve senza attendere la roadmap di un terzo.

Da dove conviene partire con poche risorse?

Da un solo processo misurabile e costoso, con un indicatore definito prima di cominciare. Un unico flusso portato a dato pulito vale più di cinque sperimentazioni parallele, ed è l'unico modo per capire se l'investimento successivo ha senso.

Fonti

• Istat, Imprese e ICT — Anno 2025, comunicato stampa del 15 dicembre 2025: istat.it e report completo in PDF.
• Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027, comunicato del 25 giugno 2025: gartner.com.
• MIT NANDA, The GenAI Divide: State of AI in Business 2025, agosto 2025, nella sintesi pubblicata da Fortune.

Vuoi capire se i tuoi dati sono pronti per l'AI? In una call di 30 minuti guardiamo insieme un processo della tua azienda e ti diciamo con onestà se oggi l'AI può aiutarti o se prima va costruito il dato. Scrivici per fissare la call.