In Breve
- Qual è il livello di fiducia nell'AI in Italia?
- L'indice di fiducia nell'AI in Italia è di 72,9 punti.
- Qual è il principale problema nella governance dell'AI in Italia?
- Le criticità principali riguardano la trasparenza e la spiegabilità dei sistemi AI.
- Quante organizzazioni italiane riportano un ritorno economico elevato dai progetti AI?
- Solo il 18,7% delle organizzazioni italiane dichiara un ritorno economico elevato dai progetti AI.
Nel 2026, l’Italia si distingue in Europa per il suo elevato livello di fiducia nei sistemi di intelligenza artificiale (AI), ma allo stesso tempo presenta significative carenze nella governance di tali tecnologie. L’indice di fiducia si attesta a 72,9 punti, mentre l’indice di affidabilità è fermo a 58,8 punti. Questo porta a un divario di 14,1 punti, il più ampio del continente, sebbene si sia ridotto rispetto ai 18,4 punti dell’anno precedente. Solo il 18,7% delle organizzazioni italiane riporta un ritorno economico elevato dai progetti di AI.
Questa discrepanza tra aspettative e capacità operative mette in evidenza le criticità legate alla trasparenza, alla spiegabilità e alla conformità normativa dei sistemi impiegati. Sebbene siano stati registrati miglioramenti in aree come accountability, governance dei modelli e qualità dei dati, tutte le dimensioni analizzate rimangono al di sotto dei benchmark globali. Questo ha un impatto diretto sulla redditività dei progetti digitali; le organizzazioni che adottano pratiche consolidate di intelligenza artificiale affidabile hanno una probabilità significativamente superiore di ottenere ritorni economici rilevanti rispetto alla media di mercato.
Le principali problematiche riscontrate negli output generati dai sistemi AI includono la mancanza di chiarezza nelle 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%). Inoltre, la frammentazione delle basi dati è un fattore di rallentamento significativo, con un aumento quasi triplicato delle imprese che gestiscono le informazioni in silos nell’ultimo anno. Solo una minoranza delle aziende adotta controlli automatizzati di qualità su ogni progetto algoritmico.
Superare questo squilibrio tra adozione e governance è considerato un passo fondamentale per trasformare l’adozione tecnologica in un vantaggio competitivo misurabile. La crescita futura della produttività non dovrebbe dipendere esclusivamente dalla sperimentazione dei modelli, ma richiede un consolidamento strutturale dei processi di controllo, audit e trasparenza.


