In Breve
- Qual è il divario tra fiducia e governance nell'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.
- Quante organizzazioni italiane ottengono un buon ritorno economico dai progetti AI?
- Solo il 18,7% delle organizzazioni italiane dichiara un ritorno economico elevato dai progetti AI.
- Quali sono le principali problematiche riscontrate nei sistemi AI?
- Le problematiche includono mancanza di chiarezza, carenza di contesto e preoccupazioni sulla sicurezza degli output.
Nel 2026, l’Italia si distingue in Europa per il suo significativo divario tra la fiducia riposta nei sistemi di intelligenza artificiale e la maturità delle infrastrutture di controllo. Con un indice di fiducia che raggiunge i 72,9 punti, l’Italia si trova di fronte a un indice di affidabilità di soli 58,8 punti. Sebbene la distanza tra queste due misure si sia ridotta, passando da 18,4 a 14,1 punti rispetto all’anno precedente, rimane la più marcata del continente.
Un aspetto allarmante è che solo il 18,7% delle organizzazioni italiane ha dichiarato di ottenere un ritorno economico elevato dai progetti di intelligenza artificiale. Questo dato evidenzia una discrepanza tra le aspettative e la realtà operativa, segnalando criticità nella trasparenza, nella spiegabilità e nella 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. 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 problematiche più comuni riscontrate negli 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 rischio di bias (8,5%). Inoltre, la frammentazione delle basi di dati è un altro fattore di rallentamento, con una quota di imprese che gestisce le informazioni in silos quasi triplicata nell’ultimo anno.
Un altro dato preoccupante è che solo una minoranza delle organizzazioni adotta controlli automatizzati di qualità per ogni progetto algoritmico. Questo porta a una necessità urgente di superare lo squilibrio tra adozione e governance, che è considerato fondamentale per trasformare l’adozione tecnologica in un vantaggio competitivo misurabile.
Per garantire una crescita futura della produttività, è cruciale non limitarsi alla sola sperimentazione dei modelli, ma investire nel consolidamento strutturale dei processi di controllo, audit e trasparenza. Solo così l’Italia potrà colmare il divario tra fiducia e governance nell’ambito dell’intelligenza artificiale.