Perché il successo della transizione ecologica non dipenderà dalla potenza di calcolo, ma dalla consapevolezza di chi la governa.

In Italia, il mercato dell’Intelligenza Artificiale ha raggiunto nel 2025 un valore di 1,8 miliardi di euro, con un balzo impressionante delle startup del settore (passate dai 118 milioni del 2024 ai 480 milioni attuali). Se guardiamo ai numeri, l'adozione segue una scala dimensionale prevedibile: 59% nelle grandi imprese, 15% nelle medie e ancora un timido 7% nelle PMI.

Tuttavia, il dato più interessante riguarda le persone: il 77% dei dipendenti italiani utilizza già strumenti di AI, superando i colleghi di Francia e UK. Siamo un popolo di "utilizzatori precoci", ma senza una governance chiara, questo entusiasmo rischia di scontrarsi con la realtà della messa a terra.

OLTRE IL MITO DEL "GRANDE INVESTIMENTO"

Come in tutti i periodi di transizione, anche il processo di evoluzione e trasformazione digitale sta attraversando la fase della messa a terra che farà da scuola per affinare sempre meglio la strategia di sviluppo tecnologico che, per definizione, scardina molti meccanismi consolidati. Nel mondo dell'AI, infatti, l'assunzione "alti investimenti = alti risultati" è spesso fallace. La dinamicità dei sistemi non segue una scala lineare: progetti piccoli, mirati e "di periferia" generano spesso impatti superiori rispetto a mega-progetti ambiziosi la cui rendicontazione dell'impatto risulta quasi impossibile.

Dobbiamo inoltre considerare la natura "viva" di questo software. Non è un ambiente statico, ma dinamico, che impone fluttuazioni di costo anche sul lato hardware (si pensi alla crisi delle RAM e dei semiconduttori in Europa) oltre a una manutenzione continua dal punto di vista del funzionamento e della user experience. Adottare l'AI oggi, inoltre, significa accettare un periodo di test molto più impegnativo rispetto ai software tradizionali: se una migrazione SAP ha una garanzia di risultato nota, un progetto AI ha un tasso di successo oggi stimato intorno al 4% contro il 20% del software standard. Motivo? Spesso per il basso livello di engagement di chi quegli strumenti deve usarli ogni giorno. La natura della mente umana tende sempre al risparmio energetico spingendoci a seguire la via più sicura e semplice (come insegna uno dei master della materia, il premio Nobel Daniel Kahneman in “Pensieri lenti, Pensieri veloci”).Senza considerare il tema della sovranità tecnologica e del dato che, se non gestita con lungimirante efficacia, esporrà la PA e le aziende a pericolosi attacchi cyberinformatici. Processo che dovrà prevedere massicci investimenti in infrastrutture come i Data Center, favorite da un quadro regolatorio più snello, efficiente ed efficace (L'oro digitale: come i Data Center stanno ridisegnando l'industria).

Non riuscire a creare le condizioni favorevoli significherebbe anche depotenziare la versatilità intrinseca dell’AI generativa che, nata come tecnologia open source, è teoricamente integrabile in ogni piattaforma e contesto, favorendo oltretutto un’economia di scala importante per tutti gli attori coinvolti (dagli investitori alla PA).

DAGLI LLM AGLI AI AGENT: L'ERA DELL'AUTOCORREZIONE

Siamo passati dalla "old school" della programmazione manuale (es. Python) all'era degli AI Agent. Non si parla più quindi di semplici chatbot che rispondono a prompt, ma di sistemi capaci di elaborazioni multistep e di gestire task complessi con un'elevata capacità di autocorrezione. Così efficienti da sollevare da parte degli esperti rischi non trascurabili, minacciando di declassare l'uomo da attore a spettatore. Deriva, questa, che sta spingendo una parte del mercato IT verso modelli di governance basati sul principio dello human-on-the-loop. Ma che impatti potrebbe generare un utilizzo massivo di questa tecnologia sul mercato del lavoro? Questo salto tecnologico sta ridisegnando l’intero ecosistema, soprattutto in ambito:

• Nuovi profili: Cresce la richiesta di junior per task precedentemente affidati a senior, ora mediati dalla macchina.
• Cybersecurity e Sovranità: Il 47% dei lavoratori italiani usa l'AI per scopi lavorativi. Senza un'AI Governance aziendale che includa il concetto di "human in the loop" ed un'adeguata consapevolezza sui rischi, prestiamo il fianco a rischi enormi di cybersecurity e perdita di sovranità del dato.
• Infrastrutture fisiche: La sovranità tecnologica non è un concetto astratto: passa per i Data Center, le strutture fisiche che ospitano questa intelligenza e che devono essere costruite e regolate sul nostro territorio. Investimenti che si tradurranno in nuove professioni e nuovi posti di lavoro.

L’IMPATTO DELL’AI NELLA TRANSIZIONE ENERGETICA

Tutta questa potenza di calcolo ha un fine ultimo: la sostenibilità. Se confermate, le stime di digitalizzazione potrebbero contribuire alla riduzione del 53% delle emissioni al 2050.    L’AI Act europeo traccia la rotta su 5 pilastri:

1. Potenziamento delle infrastrutture: anche attraverso AI factory che combinano supercomputer da più di 100.000 processori (con investimenti superiori ai 20 B€).
2. Migliorare la qualità dei dati: strategie europee attraverso Data Labs e Data Space centralizzati e diffusi.
3. Adozione dell'AI capillare: in ambito PMI, PA e Industry, favorire questa importante e delicata transizione con normative e sovvenzioni ad hoc.
4. Skills & Education: creazione di piattaforme europee che includano anche il reskilling e l’upskilling per coprire la maggior parte della platea.
5. Regolatorio e Normativo: semplificare la normativa seguendo il feedback degli operatori e degli user (ad esempio allineando le sanzioni, privacy, GDPR) con vista al 2027.

Ma è sul campo operativo che si gioca la partita. L’AI è oggi il più formidabile abilitatore della decarbonizzazione attraverso:

• Ottimizzazione O&M: inclusa di manutenzione predittiva che riduce i fermi macchina degli impianti rinnovabili.
• Monitoraggio dei trend: gestione dei picchi di consumo e previsione del prezzo dell’energia.
• Sicurezza del territorio: sviluppando un sistema di prevenzione nazionale integrato (come emerso dal recente report alla Camera dei Deputati sul Pronto Intervento Ambientale) che utilizzi l'AI per intercettare calamità e dissesti prima che avvengano.

In conclusione, l'AI in Italia non è più una scommessa sul futuro, ma un'esigenza del presente. Ma per non ridurla a un mero esecutore di medie statistiche, serve una leadership capace di dire di no all'algoritmo quando necessario e di investire, prima ancora che nelle macchine, nella consapevolezza di chi le governa.

Il futuro del nostro ecosistema non dipenderà da quanto sapremo rendere intelligenti i nostri algoritmi, ma da quanto sapremo restare umani mentre loro ci osservano.