Il copione si sta ripetendo. Ad affacciarsi in azienda, questa volta, non è un nuovo gestionale ma l'intelligenza artificiale generativa: pronta all'uso, integrata nei programmi che un'impresa già utilizza ogni giorno, promossa come lo strumento che finalmente abbassa la barriera tecnologica per le piccole imprese. A luglio 2026 Anthropic ha lanciato Claude for Small Business proprio con questa promessa: niente nuova piattaforma da imparare, solo automazioni dentro contabilità, CRM, posta e documenti che un'azienda usa già. Eppure, in Italia, il 92% delle PMI non ha ancora avviato un solo progetto di intelligenza artificiale. E chi lo ha fatto, spesso, fatica a dimostrarne il valore. Il problema, di nuovo, non è lo strumento.
L'IA arriva dentro gli strumenti che hai già
Il ragionamento dietro Claude for Small Business è semplice e, sulla carta, difficile da criticare. Le piccole imprese pesano per il 44% del PIL statunitense e occupano quasi metà della forza lavoro del settore privato, ma storicamente strumenti e formazione sull'intelligenza artificiale sono stati pensati per le grandi organizzazioni, non per chi non ha un reparto IT dedicato.1 La risposta di Anthropic è integrare l'IA dentro QuickBooks, HubSpot, Canva, Docusign, Google Workspace e Microsoft 365, con flussi di lavoro già pronti per finanza, operations, vendite, marketing, HR e assistenza clienti. Non serve cambiare sistema: l'IA arriva dove il lavoro già si svolge.
Ma nello stesso annuncio c'è anche il dato che conta di più. Nel sondaggio condotto tra i titolari di piccola impresa citato da Anthropic, la metà indica la sicurezza dei dati come la preoccupazione principale legata all'intelligenza artificiale.1 Non "non so usarla": non mi fido di darle accesso a quello che ho. È un segnale da tenere a mente prima di guardare i numeri italiani: il freno all'adozione, quando c'è, raramente è tecnico.
In Italia il divario è ancora più ampio
L'Osservatorio Artificial Intelligence del Politecnico di Milano misura ogni anno quanto le aziende italiane investono davvero in intelligenza artificiale, al di là degli annunci. Il mercato c'è, e cresce: nel 2025 ha raggiunto 1,8 miliardi di euro, il 50% in più rispetto al 2024. Ma a spingerlo sono soprattutto le grandi imprese: il 71% ne ha lanciato almeno un progetto nell'ultimo anno. Tra le PMI, la quota scende all'8%.2 Tra i settori, il manifatturiero è tra quelli che crescono più della media del mercato, insieme alla GDO: investe più dei propri pari, eppure l'adozione capillare resta comunque bassissima.2
Chi ha lanciato almeno un progetto di IA nel 2025
Il quadro si allarga con i dati dell'Osservatorio Innovazione Digitale nelle PMI, sempre del Politecnico di Milano, lo stesso Osservatorio che nel primo articolo di questo blog fotografava il vuoto di competenze dietro ai progetti ERP falliti: il 76% delle piccole e medie imprese italiane non ha investito in intelligenza artificiale e non prevede di farlo, e solo il 7% ha avviato un percorso di formazione strutturato sul tema per i propri collaboratori.3 È lo stesso schema visto con i gestionali: la tecnologia arriva prima delle condizioni per usarla, quando arriva.
Anche chi adotta l'IA fatica a vederne il valore
Il problema non riguarda solo chi resta fuori. La ricerca globale di McKinsey "The State of AI", condotta nel 2025 su quasi duemila aziende in 105 paesi, trova che quasi nove organizzazioni su dieci usano ormai l'intelligenza artificiale in modo regolare in almeno una funzione aziendale. Ma solo il 39% riesce a collegare quell'uso a un impatto misurabile sui risultati a livello di intera azienda. Il 62% sta già sperimentando con agenti IA autonomi, l'ultima frontiera dello strumento.4 Il pattern è coerente: adozione diffusa, valore raro.
La stessa ricerca individua cosa distingue le aziende che quel valore lo ottengono davvero: non il budget investito né la sofisticazione dello strumento, ma il fatto di aver ridisegnato i processi di lavoro attorno all'IA, invece di limitarsi ad affiancarla a come si lavorava prima.4 È la stessa distanza, in una forma diversa, che separa comprare un gestionale dal cambiare davvero il modo in cui l'azienda gestisce i propri dati. Il gruppo che McKinsey chiama "high performer", le aziende che attribuiscono all'IA un impatto sull'EBIT di almeno il 5%, è appena il 6% del campione. Ma quel 6% ha una caratteristica precisa: è quasi tre volte più probabile che abbia ridisegnato davvero i propri flussi di lavoro, invece di limitarsi ad affiancare lo strumento a processi rimasti identici.4
C'è chi legge questi numeri e ne trae la conclusione opposta: meglio muoversi comunque, subito, prima che lo facciano i concorrenti. È un timore legittimo, ma guarda al problema sbagliato. Il vantaggio non va a chi parte prima: va a chi arriva pronto. Introdurre l'IA senza aver deciso processi, controlli e responsabilità apre un debito organizzativo che prima o poi si presenta, esattamente come i gestionali comprati in fretta e mai davvero adottati, i cui costi si vedono un anno dopo in dati sporchi e fiducia perduta.
Le domande da farsi prima di lasciare che l'IA entri in azienda
Come per il gestionale, la buona notizia è che non serve un reparto dedicato per iniziare con ordine. Servono risposte chiare a cinque domande, prima di autorizzare il primo uso strutturato, o per capire dove intervenire se l'IA in azienda circola già in modo informale, come succede quasi ovunque.
Le 5 domande prima di introdurre l'IA
- Quale processo, esattamente, volete affidarle?Non "l'intelligenza artificiale in azienda" in generale: un'attività precisa, con un input e un output misurabili.
- Chi controlla l'output prima che esca verso un cliente, un fornitore o la produzione?Se la risposta è "ci si fida", il processo non è pronto, indipendentemente dallo strumento scelto.
- Quali dati aziendali vede lo strumento, e chi ha deciso che può vederli?È la preoccupazione numero uno dei titolari, secondo gli stessi dati Anthropic: ignorarla non la risolve.
- Chi risponde se l'output è sbagliato ma sembra giusto?Serve un responsabile del processo, non solo chi ha attivato lo strumento in ufficio.
- Con quale numero misurerete, tra sei mesi, se ha funzionato?Tempo risparmiato, errori evitati: un dato solo, deciso prima e non ricostruito a posteriori.
Nessuna di queste cinque domande richiede competenze tecniche. Richiedono lo stesso lavoro, poco visibile e poco entusiasmante, che il 92% delle PMI italiane che non ha ancora lanciato un progetto di intelligenza artificiale sta rimandando insieme all'investimento: decidere, prima che lo decida qualcuno per inerzia, come l'azienda vuole usarla.
Le due trappole dell'IA in azienda
Nelle PMI manifatturiere che affianco, l'intelligenza artificiale generativa quasi mai è vietata. Semplicemente non esiste come decisione aziendale: esiste come iniziativa personale. Un commerciale che si fa scrivere un'offerta, e la manda con uno sconto che nessuno aveva autorizzato perché il modello lo ha proposto come "in linea con le condizioni standard". Un ufficio tecnico che le fa tradurre una scheda prodotto, e scopre il valore di tolleranza invertito solo quando il pezzo torna indietro dal cliente. Un impiegato che le fa sistemare un file prima di mandarlo, senza controllare a chi. Nessuno ha deciso quali processi vale la pena affidarle, nessuno controlla l'output prima che diventi un preventivo firmato o una specifica tecnica sbagliata, e soprattutto nessuno risponde quando l'errore emerge, magari mesi dopo, davanti a un cliente.
C'è un rischio in più rispetto al gestionale malfunzionante. Un ERP che riceve un dato sbagliato di solito lo mostra sbagliato, o si blocca, e qualcuno se ne accorge. Un modello di intelligenza artificiale generativa, davanti a una domanda a cui non sa rispondere con certezza, quasi mai si ferma: produce comunque una risposta, formulata bene, che suona plausibile. In un'azienda dove nessuno ha il compito di verificarla, quella plausibilità diventa la fonte più insidiosa di errori: silenziosi, difficili da tracciare, scoperti solo a danno fatto. È lo stesso lavoro rimandato visto con i gestionali, con un margine di errore più silenzioso: mettere un responsabile su ogni processo prima di affidarlo allo strumento, non dopo il primo danno.
Fonti
- Anthropic, "Introducing Claude for Small Business"
- Politecnico di Milano, Osservatorio Artificial Intelligence
- Politecnico di Milano, Osservatorio Innovazione Digitale nelle PMI, ricerca 2025-2026 (comunicato, maggio 2026)
- McKinsey & Company, "The State of AI: Global Survey 2025"