L'Italia e l'AI: i numeri del rapporto Floridi, e quello che non dicono

Luciano Floridi e Micaela Lovecchio hanno pubblicato per la Fondazione Leonardo un rapporto di 148 pagine sullo stato dell'intelligenza artificiale in Italia. Si chiama "L'Italia nell'era dell'IA" e ha il merito raro di mettere insieme dati verificabili, confronti internazionali, e raccomandazioni con indicatori misurabili e responsabilità assegnate. È un lavoro serio, che vale la pena leggere per intero. Ma proprio perché è serio, vale la pena anche leggerlo con un occhio meno diplomatico di quello che gli autori hanno scelto di usare. Perché il rapporto, diciamolo subito, dipinge un quadro parecchio più roseo di quanto i numeri giustifichino. E siccome io in questo settore ci ho lavorato per diciotto anni, qualche cosa su come funzionano davvero certi meccanismi me la ricordo. Prima di entrare nei numeri, un passo indietro per chi non mastica il gergo. Quando si parla di "intelligenza artificiale" nel contesto di un rapporto come questo, si intende soprattutto software che impara dai dati e prende decisioni o produce contenuti: i chatbot come ChatGPT, i sistemi che analizzano documenti, gli strumenti che prevedono guasti nelle fabbriche, le app che ti suggeriscono cosa comprare. Quando si parla di "supercomputer", si intendono macchine enormi, con migliaia di processori che lavorano in parallelo, capaci di fare calcoli che un computer normale impiegherebbe anni a completare. Tenete a mente queste due cose, perché il rapporto le mescola in modo che fa sembrare l'Italia più forte di quanto sia. Partiamo da quello che funziona, e che è reale. Il mercato italiano dell'AI valeva 1,2 miliardi di euro nel 2024, con una crescita del 58% rispetto all'anno precedente (dati dell'Osservatorio del Politecnico di Milano, che è la fonte più affidabile su questi numeri). L'obiettivo del rapporto è portarlo a 5 miliardi entro il 2030, il che richiede una crescita media annua di circa il 27% per sei anni di fila. Ambizioso. Il settore più dinamico è quello dei chatbot e degli strumenti di analisi testuale, che da solo rappresenta il 32% del mercato e cresce dell'86% annuo. In pratica, una buona fetta del mercato AI italiano è fatta di aziende che comprano strumenti per far parlare i loro siti web con i clienti, o per far leggere alle macchine documenti che prima leggeva (male) un impiegato. Adesso arriviamo ai supercomputer, e qui devo fare un racconto personale. Nel 2013, quando lavoravo ancora in NVIDIA, accompagnai un gruppo di giornalisti italiani al CINECA di Bologna per vedere Eurora, un supercomputer accelerato con GPU NVIDIA Tesla K20 che aveva appena battuto il record mondiale di efficienza energetica nella classifica Green500 (per capirci, la classifica che misura quanti calcoli riesci a fare per ogni watt di energia che consumi, che è il modo intelligente di valutare un supercomputer, perché la potenza bruta senza efficienza è solo una bolletta elettrica enorme). Era il 2013 e le GPU, i processori grafici che oggi sono al centro dell'intera rivoluzione AI, venivano ancora guardate con curiosità nel mondo del supercalcolo. Tredici anni dopo, il rapporto Floridi presenta come fiore all'occhiello due macchine al CINECA e in Eni: Leonardo del CINECA, quinto in Europa e decimo al mondo, e HPC6 di Eni, secondo in Europa e sesto al mondo. Sono macchine potenti, nessun dubbio, e nessun altro paese europeo ne ha due di questa classe. Fin qui il rapporto ha ragione. Ma quello che non dice, o dice di passaggio, è che queste sono infrastrutture HPC generaliste (High Performance Computing, cioè macchine progettate per fare tanti calcoli in parallelo su problemi scientifici e ingegneristici), e non cluster di GPU ottimizzati specificamente per addestrare modelli di intelligenza artificiale, che è una cosa diversa. HPC6 è di proprietà di Eni e serve principalmente per le simulazioni nel settore energetico: cercare petrolio, modellare giacimenti, ottimizzare la produzione. Leonardo è aperto alla ricerca e ha effettivamente ospitato il training di alcuni modelli AI italiani, ma la capacità che può dedicare a questo tipo di progetti è una frazione del totale. Quando Meta addestra il suo modello Llama, usa decine di migliaia di GPU dedicate esclusivamente a quello per mesi. Noi abbiamo due macchine potentissime che fanno anche un po' di AI quando avanza tempo. È un asset, certo, ma presentarlo come prova di indipendenza tecnologica nell'AI, come il rapporto tende a fare, è parecchio generoso. E poi c'è la Legge 132/2025, che ha reso l'Italia il primo stato membro dell'UE a dotarsi di una normativa organica sull'AI, anticipando l'AI Act europeo (il regolamento che stabilisce le regole per i sistemi di intelligenza artificiale in tutta l'Unione, in vigore dal 2024 ma con obblighi che scatteranno gradualmente fino all'agosto 2026). Il rapporto la presenta come un vantaggio competitivo: chi si adegua prima è pronto prima. L'argomento ha una sua logica, a patto che i decreti attuativi (cioè le istruzioni dettagliate su come applicare la legge nella pratica) escano in tempo. Al momento in cui scrivo, dovevano essere pronti entro aprile 2026 e non ci sono. E c'è un rischio speculare che il rapporto preferisce non discutere: essere i primi a regolamentare può anche significare essere i primi a imporre costi di adeguamento alle proprie aziende mentre i competitor in altri paesi lavorano ancora senza vincoli. Fin qui i punti di forza, che esistono. Adesso le cose che meritano di essere dette più forte di quanto il rapporto faccia. Il dato che dovrebbe stare in prima pagina, e che il rapporto annacqua in mezzo a tabelle comparative, è il tasso di adozione dell'AI nelle imprese italiane: 16,4% in media. Che diventa 53,1% nelle aziende grandi e crolla al 15,7% nelle PMI, le piccole e medie imprese che in Italia sono il tessuto produttivo vero, quello che dà lavoro alla maggioranza delle persone. La media europea è al 20%. L'Italia è al diciottesimo posto su ventisette. Diciottesimo. Non è il quadro di un paese in corsa per la leadership tecnologica, è il quadro di un paese dove le aziende grosse (che in Italia sono relativamente poche) si stanno muovendo e tutto il resto sta a guardare, in parte perché non sa da dove cominciare, in parte perché non ha le persone giuste per farlo. Il rapporto nota che il tasso è raddoppiato in un anno, il che sembra impressionante finché non ti accorgi che è passato dall'8,2% al 16,4%. Quando la tua base di partenza è l'otto per cento, raddoppiare non richiede un miracolo, richiede che una fetta relativamente piccola di aziende decida di provare. La domanda vera è cosa succede dopo, quando le aziende che avevano già la cultura digitale per adottare l'AI l'hanno adottata e restano quelle che non ce l'hanno. Le barriere che il rapporto documenta non sono rassicuranti a riguardo: il 58,6% delle imprese che ha valutato l'AI senza poi usarla dice che il problema sono le competenze, che battono sia i costi sia la tecnologia come barriera percepita. E le competenze non si comprano con un decreto. Il che ci porta al problema dei talenti, che secondo me è la vulnerabilità più seria e anche la meno risolvibile. Un ricercatore o un ingegnere AI in Italia guadagna il 40-50% in meno rispetto allo stesso profilo in Germania o nel Regno Unito. Il rapporto lo classifica come rischio in peggioramento, il che è un modo gentile per dire che l'Italia forma gente brava, li paga poco, e quelli se ne vanno. La proposta è estendere gli incentivi fiscali per il rientro dei talenti da 5 a 10 anni. Centocinquanta milioni di euro di budget. È una misura ragionevole, ma compete con regimi analoghi che hanno Francia, Germania e Regno Unito, e che sono agganciati a stipendi di base che sono già il 40% più alti. Come dire: ti offro uno sconto fiscale per tornare in un paese dove guadagnerai comunque molto meno. Funziona per chi ha ragioni personali di tornare, non come strategia di sistema. Adesso la parte che mi ha fatto alzare un sopracciglio: i modelli linguistici italiani. Il rapporto elenca sei LLM (Large Language Model, i modelli tipo ChatGPT che generano testo, rispondono a domande e ragionano) sviluppati per la lingua italiana: Colosseum, FastwebMIIA, Italia, Minerva, Velvet, Vitruvian. Sei nomi, che sulla carta fanno impressione. Un "record europeo" per una lingua da 65 milioni di parlanti, dice il rapporto. Il problema è che dietro i nomi c'è meno di quanto sembri. Il più documentato di tutti, Minerva, è un modello da 7 miliardi di parametri sviluppato dalla Sapienza con il supporto del CINECA (per dare un ordine di grandezza: GPT-4 ne ha centinaia di miliardi, forse più di mille, i numeri esatti non sono pubblici). I creatori di Minerva avvertono esplicitamente che "qualsiasi confronto con chatbot commerciali come ChatGPT o Claude va preso con cautela", il che è un modo onesto di dire che siamo in una categoria completamente diversa. Gli altri cinque modelli oscillano tra prototipi aziendali e annunci con pochi dettagli tecnici resi pubblici. Quello che vedo, da persona che ha passato una carriera a gestire ecosistemi tecnologici, è il pattern classico della frammentazione italiana applicato all'AI: sei modelli piccoli dove forse ne servirebbero uno o due con risorse concentrate. La Francia ha messo le sue risorse su Mistral e ha prodotto modelli che competono con quelli americani. Noi abbiamo sei modellini che non competono con nessuno. Va anche detto, per completezza, che GPT-4 e Claude nel frattempo hanno migliorato parecchio il loro italiano, e la finestra di vantaggio per chi costruisce modelli localizzati si sta restringendo ogni trimestre. Detto questo, per alcune applicazioni specifiche (la pubblica amministrazione, il settore legale, la sanità, cioè ovunque i dati siano sensibili e il contesto normativo sia locale) avere modelli addestrati su testi italiani e ospitabili su infrastruttura italiana non è un vezzo di sovranità digitale, è una necessità pratica che ha senso costruire. Il fatto che la Camera dei Deputati sia tra le prime istituzioni al mondo a dotarsi di un LLM parlamentare è un segnale nella direzione giusta, ammesso che funzioni nella pratica e non solo nelle demo per le delegazioni in visita. Sul fronte imprenditoriale, il rapporto presenta Bending Spoons e Domyn come "campioni nazionali". Bending Spoons ha effettivamente acquisito AOL ed Eventbrite, il che per un'azienda italiana è una cosa notevole. Ma va notato che Bending Spoons compra piattaforme tech sottovalutate e le ottimizza: è un modello di business brillante e redditizio, ma c'entra con l'intelligenza artificiale in modo tangenziale. Chiamarla "campione nazionale dell'AI" è come chiamare un fondo immobiliare un campione dell'architettura. Domyn è l'unico unicorno AI italiano (cioè una startup valutata oltre un miliardo). Uno. L'obiettivo è arrivare a cinque entro il 2030. Nel frattempo la Francia ne ha già diversi e il Regno Unito ne ha una dozzina. In termini di soldi, il rapporto chiede un budget incrementale tra 800 milioni e 1,2 miliardi di euro nel triennio 2026-2028. Di cui 500 milioni per un fondo di venture capital tramite CDP (la Cassa Depositi e Prestiti, in pratica la banca dello Stato), 150 milioni per i talenti, 100 milioni per il trasferimento tecnologico dalle università alle imprese. Sono cifre importanti per l'Italia, ma per dare un senso delle proporzioni: gli Stati Uniti investono più di 100 miliardi di dollari all'anno in AI (da privati, non dallo Stato), e la Commissione Europea ha lanciato l'iniziativa InvestAI da 200 miliardi di euro. Il budget triennale che l'Italia chiede per tutta la strategia AI è meno di quello che OpenAI spende in un trimestre per far girare i suoi server. La domanda vera, quella che il rapporto avrebbe dovuto mettere in copertina invece di seppellirla nella sezione delle raccomandazioni, è se l'Italia sia in grado di fare quello che il rapporto le chiede di fare. Le proposte sono ben fatte, con indicatori e responsabilità per ciascuna. Ma richiedono un livello di coordinamento tra ministeri, agenzie, enti locali, università e aziende che il sistema italiano non ha storicamente dimostrato di saper produrre nei tempi necessari. I decreti attuativi della Legge 132 sono in ritardo. Il fondo da un miliardo dell'articolo 23 per AI, quantum computing e cybersecurity non ha ancora criteri di allocazione. E intanto il mondo va avanti. Il rapporto di Floridi è il documento più completo che abbiamo sullo stato dell'AI in Italia, e le eccellenze che documenta sono vere. Altrettanto vere, però, sono le cose che il rapporto preferisce sfumare, e che secondo me vanno dette più chiaramente. La Fondazione Leonardo, che ha commissionato e finanziato il lavoro, è legata al gruppo Leonardo, che è un attore industriale con interessi diretti nel settore. Il rapporto mantiene un tono costruttivo, il che è comprensibile dal punto di vista istituzionale, ma a un certo punto il tono costruttivo diventa un modo educato per non dire le cose scomode, e questo in un documento che dovrebbe informare le decisioni politiche è un problema. Quello che resta da vedere è se qualcuno leggerà queste 148 pagine con la stessa serietà con cui sono state scritte, e soprattutto se agirà di conseguenza. La storia italiana dei rapporti strategici che finiscono nei cassetti è lunga abbastanza da giustificare un certo scetticismo. O forse questa volta i numeri sono abbastanza grandi e le conseguenze abbastanza visibili da rendere l'inerzia più costosa dell'azione. Io al CINECA ci sono andato nel 2013, e già allora era un'eccellenza, e di rapporti che dicono che l'Italia ha un potenziale enorme ne ho letti almeno una decina da allora. Il potenziale ce l'abbiamo davvero. Il problema è che ce l'avevamo anche nel 2013.

Fonti

Luciano Floridi e Micaela Lovecchio, "L'Italia nell'era dell'IA", Fondazione Leonardo ETS, marzo 2026 Osservatorio Artificial Intelligence, Politecnico di Milano (dati mercato 2024) ISTAT, Imprese e ICT 2025 (dati adozione AI) Minerva LLM, Sapienza NLP / CINECA / FAIR NVIDIA Newsroom, Eurora Supercomputer, gennaio 2013 EU AI Continent Action Plan, Commissione Europea, aprile 2025 Legge 132/2025 (normativa italiana sull'intelligenza artificiale)

Vuoi applicare queste strategie alla tua azienda? Parliamone.