Terzultimi in Europa: cosa dice davvero l'8% di Eurostat sull'AI in Italia

Eurostat 2025: l'Italia e terzultima in UE con l'8% di persone che usano l'AI al lavoro. ISTAT dice 16,4% di imprese che l'hanno adottata. Non si contraddicono: misurano cose diverse, e nella differenza c'e l'unica metrica che conta davvero.

BlueSky Agent AI · 2026-08-25

Eurostat ha pubblicato i dati 2025 sull'uso dell'intelligenza artificiale generativa in Europa e per l'Italia il risultato è scomodo: 8% delle persone la usa per scopi lavorativi, terzultima nell'Unione. Davanti a noi Malta con il 29,6%, la Danimarca con il 27,2%, i Paesi Bassi con il 26,6%. Non va meglio sull'uso personale, dove l'Italia è penultima con il 12,8% contro circa il 41% di Cipro e Grecia, né nell'istruzione: 6,4% contro il 21% della Svezia.

Il dato è vero, la fonte è solida, e nel giro di poche ore è diventato il solito titolo sul ritardo digitale italiano.

Quel titolo però racconta la cosa sbagliata, perché mette il numero accanto a un altro numero che non misura la stessa cosa. Nella differenza fra i due c'è l'unica informazione utile a chi deve decidere se e come portare l'AI in azienda.

Due numeri che sembrano contraddirsi

Da mesi circola il dato ISTAT: le imprese italiane che hanno adottato almeno una tecnologia di intelligenza artificiale sono passate dal 6% al 16,4% fra il 2023 e il 2025, con una distribuzione molto diseguale. Il 53% fra le grandi imprese, il 27% fra le medie, il 14,2% fra le piccole fino a 49 addetti.

Abbiamo quindi due percentuali sullo stesso paese nello stesso periodo, 16,4% e 8%, e la tentazione è di scegliere quella che conferma la tesi che si vuole sostenere.

• ISTAT misura le imprese: quante organizzazioni hanno adottato almeno una tecnologia AI in almeno una funzione. L'unità di analisi è l'azienda.
• Eurostat misura le persone: quanti individui usano concretamente l'AI generativa per lavoro. L'unità di analisi è chi sta alla tastiera.

Due domande diverse, entrambe legittime. Messe una accanto all'altra dicono però una cosa che presa singolarmente nessuna delle due direbbe.

Un'azienda può comparire nel 16,4% delle imprese "che hanno adottato l'AI" e avere l'8% delle persone che la tocca davvero.

Questa è la distanza fra adozione dichiarata e uso reale, ed è la vera metrica del ritardo italiano, molto più della posizione in classifica.

Come si crea il divario dentro un'azienda

La sequenza è sempre la stessa, e chiunque abbia lavorato in una PMI negli ultimi due anni la riconosce.

Un'azienda acquista licenze di uno strumento generativo e le assegna a un reparto, spesso il marketing o l'amministrazione. Fa una sessione di presentazione da un'ora. Da quel momento è, correttamente e onestamente, dentro il 16,4%: ha adottato una tecnologia AI.

Poi succede quello che succede sempre. Tre persone su venti la usano con continuità, cinque la provano per due settimane e smettono, le altre dodici non la aprono mai. Quando gli si chiede perché, la risposta è quasi sempre la stessa: non so bene cosa chiedergli, oppure ci metto più tempo a spiegargli il problema che a farlo, oppure l'ho provato, mi ha risposto una cosa plausibile e sbagliata, e non ho modo di accorgermene in fretta.

Nessuno mente. La licenza è stata comprata, lo strumento c'è, la formazione è stata fatta. Solo che il numeratore è l'azienda e il denominatore sono le persone, e i due si sono staccati.

Il Politecnico di Milano fornisce la conferma dal lato dell'investimento: il 76% delle PMI non ha investito né prevede di investire in AI, e solo il 7% ha una formazione strutturata. Quel 7% spiega l'8% di Eurostat molto meglio di qualsiasi considerazione sull'arretratezza culturale italiana. Il problema non riguarda una presunta refrattarietà italiana alla tecnologia: quasi nessuno ha spiegato a queste persone, in modo strutturato, come usarla dentro il proprio lavoro concreto.

Le cause pratiche, tutte risolvibili

Lo strumento è arrivato senza il processo

Fra "abbiamo un assistente AI" e "l'AI sta dentro il ciclo di lavorazione degli ordini" c'è tutta la differenza. Nel primo caso l'uso dipende dalla buona volontà del singolo, che si esaurisce nel momento esatto in cui arriva una settimana intensa. Nel secondo l'uso è strutturale: se il processo gira, l'AI è stata usata.

Non c'è un proprietario

Gli strumenti generici hanno un budget e non un responsabile. Quando nessuno risponde della qualità dell'output, nessuno raccoglie i casi in cui ha funzionato male, nessuno corregge, e lo strumento resta congelato al livello del primo giorno. Un processo con un proprietario migliora, una licenza distribuita resta ferma.

La scelta tecnica è stata scaricata sull'utente

È la causa meno discussa e forse la più pesante. All'impiegato dell'amministrazione viene chiesto, implicitamente, di sapere quale modello conviene per quale compito: uno da ragionamento per analizzare una clausola contrattuale, uno rapido ed economico per riclassificare cento righe di estratto conto, uno multimodale per leggere una bolla di consegna scannerizzata.

Non lo sa, e non è ragionevole pretendere che lo sappia. Quindi usa sempre lo stesso, quasi sempre il più costoso e il più lento, ottiene risultati mediocri su metà dei compiti e conclude che l'AI non funziona per il suo lavoro. Ecco un pezzo dell'8%.

Togliere la scelta di mezzo

È il punto su cui abbiamo costruito la nostra piattaforma. ModelMatch è il motore di routing che sceglie quale modello linguistico usare per ogni singola fase del processo agentico, perché ragionamento, generazione, estrazione e verifica sono compiti diversi e hanno bisogno di modelli diversi.

Ne derivano due conseguenze, e quella che conta di più non è la prima. Quella che finisce nei titoli è il costo, cioè il 42% di costo medio in meno a qualità invariata, ottenuto usando il modello caro solo dove serve davvero. Quella che pesa sul divario di cui stiamo parlando è che la persona alla tastiera non deve più fare una scelta tecnica che non le compete: scrive cosa deve ottenere, il routing decide con cosa ottenerlo. Fra uno strumento che richiede una competenza specialistica per rendere e uno che rende dal primo giorno passa, nei numeri di Eurostat, la distanza fra chi rientra nell'8% e chi smette dopo due settimane.

Non è l'unica leva, ma agisce sul punto giusto. Il divario italiano si chiude facendo in modo che le licenze già comprate vengano usate, più che convincendo le aziende a comprarne altre.

Il 14,2% delle piccole imprese non è un dettaglio della tabella

Dentro la rilevazione ISTAT c'è un numero che merita più attenzione della media nazionale: la forbice fra grandi imprese al 53%, medie al 27% e piccole fino a 49 addetti al 14,2%. Quasi quattro volte di distanza fra i due estremi.

Se ne dà spesso una lettura economica, cioè che le grandi hanno più budget, vera ma incompleta. La spiegazione più utile è organizzativa: la grande impresa ha qualcuno il cui lavoro è occuparsi di questo, una funzione IT, un responsabile di processo, chi scrive le procedure. La piccola impresa ha un titolare che fa anche il commerciale, un ufficio amministrativo di due persone e un consulente esterno che passa due volte al mese.

Ne segue una conseguenza controintuitiva. Per la piccola impresa il costo della licenza è quasi irrilevante, perché qualche decina di euro al mese non è la barriera. La barriera è il tempo di configurazione e di manutenzione: capire cosa collegare a cosa, quale modello usare, come verificare che non stia sbagliando, cosa fare quando cambia il fornitore. È tempo di persone che in azienda non ci sono.

Per una PMI, quindi, la domanda su quale strumento AI comprare è quasi sempre quella sbagliata. Quella giusta riguarda quale singolo processo si può far girare con l'AI dentro senza aggiungere lavoro di gestione: un processo solo, scelto perché ripetitivo, ad alto volume e a basso rischio. La prima classificazione delle email in ingresso, l'estrazione dei dati dalle bolle, la preparazione delle risposte standard ai clienti.

Come misurare l'uso reale nella vostra azienda

Il modo più rapido per capire da che parte state non passa dal confronto con la media europea. Passa da cinque domande sui vostri numeri, e si fa in un pomeriggio.

1. Quante persone hanno accesso a uno strumento AI e quante lo hanno aperto nell'ultima settimana? Il rapporto fra i due è la vostra versione privata del divario 16,4% / 8%.
2. Esiste almeno un processo in cui, se l'AI si fermasse, ve ne accorgereste entro un giorno? Se la risposta è no, avete strumenti e non adozione.
3. Chi risponde della qualità degli output? Serve un nome, non un reparto.
4. Dove finiscono i dati che ci mettete dentro? È una domanda di conformità ed è anche una domanda di adozione: dove non c'è una risposta chiara l'uso resta clandestino, quindi invisibile e non migliorabile.
5. Avete deciso prima di partire cosa avreste misurato? Numero di pratiche gestite, minuti per pratica, tasso di rilavorazione. Senza una misura decisa prima ogni risultato è opinabile, e il progetto muore alla prima settimana intensa.

Per molte aziende la risposta onesta a tutte e cinque è oggi negativa, ed è un punto di partenza documentato che vale più di qualsiasi confronto con la Danimarca.

Il ritardo, letto per quello che è

Del dato Eurostat si sente spesso una lettura consolatoria: siamo indietro, quindi possiamo imparare dagli errori degli altri. Vale la pena essere precisi su quanto è vera.

Sul piano tecnologico lo è. Chi parte nel 2026 salta per intero la fase in cui si costruivano integrazioni fragili su modelli che cambiavano ogni tre mesi, e trova standard, strumenti di orchestrazione e pratiche di sicurezza che due anni fa non esistevano. È un vantaggio concreto e non va sprecato.

Sul piano competitivo no. Un'azienda danese che ha il 27% dei dipendenti che usa l'AI al lavoro ha anche due anni di apprendimento organizzativo su cosa funziona e cosa no, e quel tipo di vantaggio non si compra con una licenza: si recupera lavorando.

La conclusione pratica è meno drammatica del titolo e più impegnativa. Il numero da guardare è il rapporto fra chi in azienda potrebbe usare l'AI e chi la usa davvero dentro un processo che ha un proprietario, una tracciabilità e una misura. Quel numero è vostro, si calcola in un pomeriggio, e a differenza della classifica europea lo potete cambiare entro il trimestre.

In sintesi

• Eurostat 2025 colloca l'Italia terzultima in UE per uso lavorativo dell'AI generativa, all'8%, contro il 29,6% di Malta, il 27,2% della Danimarca e il 26,6% dei Paesi Bassi.
• ISTAT rileva il 16,4% di imprese che hanno adottato almeno una tecnologia AI: i due numeri non si contraddicono, perché uno conta le aziende e l'altro le persone.
• La distanza fra i due misura il divario fra adozione dichiarata e uso reale, ed è la metrica che conta più della posizione in classifica.
• Secondo il Politecnico di Milano il 76% delle PMI non ha investito né prevede di investire in AI, e solo il 7% ha una formazione strutturata.
• Fra le piccole imprese fino a 49 addetti l'adozione si ferma al 14,2% contro il 53% delle grandi: la barriera non è il costo della licenza ma il tempo di configurazione e manutenzione, che in una PMI nessuno ha.

Fonti: Eurostat, dati 2025 sull'uso dell'AI generativa nell'UE · ISTAT, rilevazione 2025 sull'uso delle tecnologie AI nelle imprese italiane · Osservatorio PMI, Politecnico di Milano.

BlueSky Agent AI è la piattaforma di agenti AI per le PMI italiane. ModelMatch sceglie il modello giusto per ogni fase del processo, riducendo il costo medio del 42% a qualità invariata e togliendo a chi lavora una scelta tecnica che non gli compete.