IA e giovani al centro della crescita italiana

La relazione di Panetta va letta come una mappa di politica economica. Il Governatore lega l’IA al rallentamento della produttività italiana, alla fuga di capitale umano giovane, alla frammentazione finanziaria europea e alla difesa dei sistemi bancari. La scelta lessicale è significativa: la tecnologia viene trattata come infrastruttura di crescita, con benefici potenziali solo se accompagnata da investimenti, competenze e regole applicabili.

Il baricentro: IA, capitale umano e produttività

Il passaggio più concreto delle Considerazioni finali riguarda la produttività. Panetta descrive l’IA come una leva capace di incidere sul prodotto per ora lavorata, cioè sull’indicatore che decide la crescita potenziale di un Paese quando la popolazione in età da lavoro diminuisce. La nostra lettura è netta: l’Italia non può affidarsi solo al recupero ciclico della domanda interna, perché il nodo strutturale resta la capacità di generare più valore con ogni ora di lavoro disponibile.

Il punto tecnico sta nella combinazione tra automazione cognitiva e riprogettazione dei processi. L’IA produce effetti economici quando entra nella gestione di ordini, manutenzione predittiva, assistenza clienti, analisi documentale, compliance, ricerca industriale e programmazione. Se resta confinata a sperimentazioni isolate, il beneficio rimane assorbito dai costi di avvio.

Adozione ampia, integrazione ancora bassa: il dato va letto per perimetri

La fotografia più utile arriva dalla distinzione tra uso generico e uso strutturato. Nella rilevazione sulle imprese con almeno 20 addetti, la quota di aziende che utilizzano IA raggiunge il 32% all’inizio del 2026 dopo il raddoppio osservato nel 2025. La dimensione aziendale pesa in modo evidente: tra le imprese con almeno 500 addetti la quota arriva al 63%, nella classe 20-49 addetti si ferma al 28%.

La rilevazione su base europea spiega perché il dato italiano può apparire diverso nelle serie pubbliche. Sul perimetro delle imprese private con almeno 10 addetti, l’Italia è al 16% nel 2025, quattro punti sotto la media dell’Unione europea. Sono basi statistiche differenti, quindi la divergenza non segnala contraddizione: racconta il peso delle imprese più piccole e la distanza tra semplice utilizzo di strumenti IA e trasformazione del modello operativo.

Il 5% che conta più del 32%

La quota decisiva è il 5% delle imprese che integrano l’IA in modo estensivo nei processi. Qui si misura il passaggio dall’esperimento alla produttività. Un’azienda può usare un modello generativo per bozze di testo o ricerca interna; altra cosa è collegarlo ai flussi di produzione, ai database, agli acquisti, alla manutenzione e al controllo qualità.

La differenza ha conseguenze contabili. L’uso occasionale migliora singole attività, l’integrazione estensiva ridisegna tempi, errori, scorte, margini e fabbisogno di competenze. Per questo Panetta insiste sulla governance: senza procedure, dati puliti, responsabilità interne e verifica umana, l’IA resta un costo digitale che produce benefici difficili da misurare.

Gli scenari sulla produttività: da 0,2 punti a oltre un punto l’anno

La Relazione annuale quantifica il divario tra una diffusione lenta e una diffusione pervasiva. In uno scenario prudente, l’aumento della produttività legato all’IA può restare attorno a 0,2 punti percentuali annui nel decennio. Con adozione rapida, riorganizzazione dei processi e investimenti complementari, l’effetto può superare un punto percentuale l’anno. Il margine tra i due scenari è enorme perché misura la distanza tra acquisto di software e trasformazione aziendale.

Questa valutazione si innesta su una debolezza storica. Nel settore privato non finanziario, la produttività per ora lavorata in Italia è aumentata di circa 6% dall’inizio del secolo, contro incrementi molto più robusti registrati nelle principali economie dell’area euro. Il messaggio implicito è severo: l’IA serve a correggere un ritardo accumulato, non a decorare una fase espansiva già solida.

Per le Pmi la barriera principale sta nell’organizzazione

Le piccole e medie imprese incontrano ostacoli diversi da quelli delle grandi società. I costi iniziali pesano, però il collo di bottiglia più profondo riguarda competenze tecniche, capacità manageriali, qualità dei dati, incertezza legale e privacy. Un modello IA addestrato male o alimentato da archivi disordinati rischia di generare decisioni opache, duplicazioni e responsabilità difficili da attribuire.

La catena di fornitura può ridurre il divario. Se un grande cliente introduce standard digitali, piattaforme condivise e flussi informativi più trasparenti, anche i fornitori piccoli vengono spinti ad aggiornare processi e competenze. Questa dinamica crea esternalità positive; richiede coordinamento: senza una domanda qualificata, molte imprese restano sulla soglia della sperimentazione.

Giovani, laurea e competenze: il legame economico con l’IA

Panetta lega l’IA ai giovani attraverso un dato che pesa sulla traiettoria del Paese. Tra i 28 e i 30 anni, la quota di laureati in Italia è attorno al 30%, sotto i livelli di Francia e Germania. Tra i giovani senza laurea, oltre uno su cinque resta fuori da lavoro e formazione. Nel periodo 2020-2024, più di 100mila giovani laureati hanno lasciato il Paese.

Il problema economico non si limita alla quantità di titoli. La domanda di lavoro qualificato resta debole quando il sistema produttivo innova poco; di conseguenza il premio salariale della laurea in Italia appare inferiore a quello osservato nelle principali economie europee. In una fase dominata dall’IA, le competenze decisive includono supervisione dei modelli, giudizio critico, interpretazione dei risultati e capacità di tradurre un output algoritmico in una decisione responsabile.

La spesa in istruzione diventa una variabile industriale

La distanza di spesa pubblica in istruzione, pari a circa un punto di Pil rispetto alla media dell’Unione europea, si concentra soprattutto sull’università. Questo dato cambia il modo in cui va interpretata la politica industriale. Finanziare competenze avanzate, ricerca applicata, laboratori e trasferimento tecnologico significa agire sul lato produttivo dell’economia.

Il nodo universitario ha un effetto a cascata sulle imprese. Senza dottorati industriali, percorsi tecnici aggiornati, docenti collegati ai settori produttivi e percorsi di rientro per talenti emigrati, l’adozione dell’IA rischia di dipendere da consulenze esterne. Una parte del valore finisce così fuori dall’impresa e fuori dal territorio che dovrebbe beneficiarne.

Europa: risparmio abbondante, capitale disperso

Il discorso di Panetta colloca il dossier italiano dentro la debolezza europea. L’Unione dispone di risparmio privato, basi scientifiche e regole già impostate sull’IA; la frammentazione dei mercati finanziari ostacola la crescita di imprese tecnologiche capaci di scalare. Un sistema che finanzia innovazione altrove esporta rendimento futuro insieme al capitale.

Da qui il richiamo all’unione degli investimenti, al mercato integrato dei capitali e a un titolo sovrano europeo. La logica è finanziaria prima ancora che politica: senza strumenti comuni e profondità di mercato, l’Europa fatica a trattenere progetti ad alta intensità di capitale, soprattutto in settori dove potenza di calcolo, infrastrutture dati e ricerca assorbono risorse ingenti.

Domanda pubblica e mercato: la leva indicata da Via Nazionale

Le politiche pubbliche non si esauriscono negli incentivi all’acquisto di tecnologie. La leva più concreta indicata nelle Considerazioni finali riguarda la domanda pubblica nei settori in cui lo Stato compra, regola e produce servizi: sanità, energia, sicurezza, mobilità e amministrazione. Una commessa pubblica ben progettata può obbligare fornitori e amministrazioni a standardizzare dati, misurare risultati e trasferire competenze.

Questo approccio rende più selettiva la politica per l’innovazione. Venture capital, private equity, trasferimento tecnologico, accesso alla capacità di calcolo e condivisione sicura dei dati funzionano se vengono collegati a problemi industriali verificabili. L’obiettivo operativo è creare mercati dove l’IA risolve colli di bottiglia reali, non vetrine digitali destinate a esaurirsi dopo la fase pilota.

Banche, IA e rischio cibernetico

Il settore finanziario entra nel discorso da due direzioni. La prima riguarda l’efficienza: IA e modelli generativi possono incidere su pagamenti, gestione del risparmio, controlli interni, assistenza alla clientela e contrasto alle frodi. La seconda riguarda la sicurezza, perché la stessa tecnologia può amplificare attacchi, imitazioni, manipolazioni documentali e vulnerabilità lungo la catena dei fornitori.

Tra il 2023 e il 2025, gli incidenti operativi segnalati dagli intermediari italiani sono aumentati dell’80% e quelli cibernetici sono raddoppiati. Nel 2025 la Relazione annuale registra 110 segnalazioni riferite a 80 eventi. La Banca d’Italia ha già avviato contatti con grandi operatori globali dell’IA per preparare l’uso difensivo dei nuovi modelli; il raccordo con DORA diventa il passaggio regolatorio che può trasformare la vigilanza digitale in pratica quotidiana.

Il raccordo con i dossier che avevamo già aperto

Questa analisi aggiorna un percorso già presente nel nostro archivio. Nel pezzo Panetta: conti sotto controllo e banche solide in Italia avevamo ricostruito il legame tra stabilità bancaria e margini di politica economica. Con Banca d’Italia, guerra e caro energia peggiorano il clima delle imprese avevamo fissato il contesto industriale su cui oggi si innesta la sfida dell’IA.

Il collegamento più diretto arriva dal dossier Panetta: tecnologia non sostituisce banche centrali. Lì il tema era il rapporto tra innovazione e fiducia monetaria; qui diventa il rapporto tra innovazione e crescita potenziale. La linea resta coerente: la tecnologia produce valore solo quando viene governata da istituzioni capaci, imprese organizzate e capitale umano preparato.