In Italia il 31,4% delle persone tra i 15 e i 64 anni ha usato almeno un prodotto di AI generativa nel secondo trimestre del 2026, e questa quota vale il 26° posto nella classifica del Microsoft AI Economy Institute. Il rapporto, intitolato Global AI Diffusion e uscito pochi giorni fa, ha l’obiettivo di misurare la quota di popolazione in età da lavoro che ha adoperato uno strumento di questo genere nel periodo di riferimento, partendo dalla telemetria aggregata e anonima, poi corretta per la diffusione dei diversi sistemi operativi e dispositivi, per l’accesso a internet e per la demografia di ciascuna economia.
Poco meno di una persona su tre, dunque, in un’Italia appena sopra la media del Nord Globale, fissata al 28,8%, e molto sopra la media mondiale del 18,8% (un punto percentuale in più rispetto al 17,8% del trimestre precedente). Alcuni nostri vicini europei stanno però molto più in alto: la Francia è al 49,6%, la Spagna al 45,1%, il Regno Unito al 43,7%. Germania e Stati Uniti hanno invece sull’Italia un vantaggio inferiore a due punti. È in questa fascia affollata, di poco sopra il trenta per cento, che il nostro paese si trova da tre rilevazioni consecutive. Nella tabella del rapporto, le economie sopra il 30% sono trentuno, e l’Italia ne fa parte, pur nella metà bassa del gruppo. In cima alla classifica restano, a distanza che appare quasi incolmabile, gli Emirati Arabi Uniti (73,3%) e Singapore (64,3%), con ampio margine sul terzo posto, occupato dall’Irlanda. Subito dopo l’Italia viene la Repubblica Ceca, al 31,2%. Nel trimestre quasi tutte le economie hanno aumentato l’uso; le uniche a perdere terreno sono Papua Nuova Guinea e Siria, per un decimo di punto ciascuna.
L’Italia nel gruppo di mezzo
In un anno l’Italia è salita dal 25,8% al 31,4%, anche se questo incremento in classifica ha significato poco, visto che è passata dal 25° al 26° posto, pur restando sempre nello stesso gruppo. In questa fascia, dalla Danimarca alla Finlandia, estremi compresi, ci sono nove economie separate da meno di due punti, e in uno spazio così stretto una posizione si guadagna o si perde per scarti minimi. Altrove, la Corea del Sud ha guadagnato quasi quindici punti in dodici mesi perché ha portato l’AI generativa nelle scuole, nei luoghi di lavoro e nei servizi pubblici con il sostegno di investimenti governativi. Il Giappone, che nell’ultimo trimestre ha avuto la crescita relativa maggiore, era stato oggetto nel report del primo trimestre 2026 di un approfondimento sui modelli multilingue, cioè sui progressi dell’AI nella lingua locale.
Per questi dati, il denominatore è l’intera popolazione tra i 15 e i 64 anni, e basta aver usato uno strumento una volta nel periodo per essere contati. Va detto che altre indagini sull’Italia adottano basi diverse, ad esempio l’Osservatorio Digital & Sustainable del Politecnico di Milano ha stimato per il 2025 che circa due utenti internet su tre avessero usato almeno una volta un sistema come ChatGPT, un valore molto più alto del 27,8% di Microsoft per lo stesso anno, e la differenza dipende con tutta probabilità dalla platea (solo chi è già online, contro l’intera popolazione in età da lavoro). Quanto al passo, l’Italia ha aggiunto 1,2 punti nell’ultimo trimestre, lo stesso aumento della Germania e un decimo in meno del Nord Globale. La Francia è cresciuta di più e conta ormai oltre diciotto punti di vantaggio, mentre dalla Germania, che sta davanti all’Italia, ci separano nove decimi di punto, lo stesso margine di tre mesi fa.
Il divario tra Nord e Sud del mondo
Nel secondo trimestre la distanza tra il Nord Globale, dove usa l’AI generativa il 28,8% della popolazione in età da lavoro, e il Sud Globale, fermo al 16,2%, è aumentata ancora: il Nord ha guadagnato 1,3 punti e il Sud 0,8, portando il divario da 12,1 a 12,6 punti. Il rapporto di Microsoft attribuisce la distanza a fattori che precedono l’AI, cioè la disponibilità di elettricità e di connessione, le competenze digitali e il supporto alle lingue locali. Microsoft ha poi analizzato a parte un sottoinsieme di conversazioni con Copilot in versione consumer, classificate con un sistema che tutela la privacy, e ha trovato una differenza nell’uso: nel Sud Globale l’apprendimento autonomo pesa per il 29,2% in più rispetto alla media mondiale e il supporto scolastico per il 32,3% in più, mentre nel Nord prevalgono acquisti, ricerche e richieste di consigli.
Anche qui ci vuole cautela: il Sud ha una popolazione molto più giovane, e la differenza dipende in parte dall’età; i dati riguardano soltanto chi ha adottato l’AI per primo, e chi arriverà dopo potrebbe usarla in modo diverso; sul perché l’apprendimento pesi di più nel Sud gli autori dichiarano di non avere una spiegazione. Il report ricorda che altri studi su Gemini e Claude hanno trovato lo stesso schema nei paesi a basso reddito, e ne ricava l’ipotesi che l’apprendimento sia il primo punto di contatto con l’AI nelle regioni che si trovano all’inizio della curva di adozione. L’Italia, con il suo 31,4%, sta nel gruppo di testa del Nord e la questione si pone in termini diversi: l’accesso alla rete c’è, e la sua qualità varia da zona a zona.
Chi in Italia apre un chatbot dal telefono passa dalla rete mobile, e la qualità del segnale decide se la conversazione scorre o si interrompe; per questo conviene guardare con attenzione al piano dati che si paga (a proposito, su SOSTariffe.it si possono confrontare le migliori offerte di telefonia mobile). Le zone rurali sono quelle in cui la distanza dalle città si sente di più. Per quelle aree Opensignal stima che l’accordo di RAN sharing tra TIM e Fastweb+Vodafone, una volta attuato per intero, porti entrambi gli operatori a un indice di esperienza di copertura 5G di circa 7,5 su dieci, contro il 5,6 di TIM e il 6,8 di Vodafone di oggi. Il miglioramento deriva dall’accesso ai siti fisici dell’altro operatore, perché le frequenze sono le stesse e la differenza sta nel numero di antenne installate sul territorio. Opensignal ricorda che l’accordo cade in vista del rinnovo delle licenze radio previsto per il 2029, che probabilmente porterà obblighi di copertura più severi di quelli attuali.
Modelli aperti e costo per compito
Una parte del rapporto di Microsoft esce dalla misura dell’uso per guardare ai modelli che fanno funzionare gli strumenti. Si tratta dei modelli open-weight, di cui i produttori rilasciano i pesi, cioè i parametri addestrati, in modo che chiunque possa scaricarli, modificarli e farli girare sulla propria infrastruttura. Chi li adopera li incontra spesso senza saperlo, dentro un’applicazione o un assistente per la programmazione, e questo li tiene in gran parte fuori dalle statistiche sugli utenti. Per osservarli Microsoft usa OpenRouter, un’interfaccia attraverso cui gli sviluppatori instradano le richieste verso centinaia di modelli aperti e chiusi, e vi trova che i modelli aperti coprono ormai il 75% dei token elaborati. Il report avverte subito che il dato descrive gli utenti di quella piattaforma, inclini a provare più fornitori, e lascia fuori l’uso diretto dei modelli chiusi e le installazioni locali; la direzione è comunque chiara, perché a fine 2025 la quota era intorno a un terzo.
Nell’indice di Artificial Analysis i modelli chiusi migliori sono a 53,4 punti e i migliori tra gli aperti a 44,9, e spesso un modello aperto raggiunge in pochi mesi il livello che quelli chiusi avevano appena stabilito. Sul fronte dei costi, GLM 5.3 Flash ottiene risultati simili a GPT 5.6 Sol a livello di ragionamento “high” spendendo circa un terzo. Le aziende hanno cominciato a farsi i conti: il report ricorda la pratica del “tokenmaxxing”, che trattava l’aumento dei token consumati come prova di un’adozione riuscita, e che diventa costosa quando agenti e applicazioni ripetono le chiamate al modello. Ora si assegna ogni compito al modello adatto, riservando quello più potente ai casi in cui la capacità in più ha un valore, e Reuters ha riferito in agosto di aziende che, controllando le spese in AI, si orientano sui modelli aperti.
Per il Sud Globale Microsoft vede in questa evoluzione un’occasione, con i limiti già visti: costo e adattamento alle lingue locali sono due ostacoli che i pesi aperti attenuano, mentre elettricità, connessione e competenze restano. Con una tecnica di adattamento sviluppata dal suo laboratorio AI for Good, il chichewa e il māori sono migliorati in media del 12% su una serie di test, e gli autori stanno lavorando a un percorso per lingue con pochissimo materiale a disposizione, come l’inuktitut. La stessa logica vale per le imprese di ogni paese, Italia compresa, che possono adattare un modello aperto al proprio settore: il report cita aziende che hanno già rifinito modelli aperti su una materia specifica come il diritto. Intorno ai modelli cresce il lavoro degli sviluppatori: i progetti ospitati su Hugging Face Spaces sono 1,46 milioni, l’83% in più dal primo report.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
