Al convegno LENS dedicato al digitale e all'intelligenza artificiale come priorità strategica per Italia ed Europa, Giovanni Miragliotta, Direttore dell'Osservatorio Artificial Intelligence del Politecnico di Milano, ha delineato le condizioni strutturali necessarie affinché l'Europa smetta di inseguire gli Stati Uniti e costruisca una propria capacità autonoma di valorizzazione dei dati attraverso l'intelligenza artificiale.
Il quadro che emerge non è incoraggiante per il sistema produttivo italiano ed europeo. La metafora del petrolio, che per un decennio ha alimentato narrazioni ottimistiche sulla disponibilità di dati come asset strategico, mostra oggi i suoi limiti: disporre di materia prima non equivale ad avere la raffineria. Il vero collo di bottiglia è strutturale, e riguarda la capacità di trasformare i dati in vantaggio competitivo misurabile, un processo che richiede infrastrutture tecnologiche, competenze specializzate e un quadro istituzionale coerente.
Miragliotta ha indicato nell'Osservatorio Artificial Intelligence del Politecnico di Milano il punto di osservazione privilegiato di questo ritardo. Il trasferimento tecnologico dalle università e dai centri di ricerca verso il tessuto industriale rimane inefficiente, con tempi e modalità che non reggono il confronto con l'ecosistema nordamericano, dove la prossimità tra venture capital, università e impresa accelera il ciclo dall'idea all'applicazione commerciale in modo che l'Europa fatica a replicare.
Sul piano istituzionale, il dibattito ruota attorno alla necessità di una visione centralizzata e coordinata tra i paesi membri dell'Unione Europea. L'AI Act, entrato in vigore nel 2024, rappresenta il tentativo europeo di regolamentare il settore, ma rischia di produrre un effetto paradossale: irrigidire i requisiti di conformità per le imprese europee mentre gli operatori extra-UE, in particolare quelli statunitensi e cinesi, operano in contesti normativi più permissivi. La questione non è se regolamentare, ma come farlo senza comprimere la capacità competitiva delle aziende del continente.
Il ritardo europeo si misura anche in termini di investimenti. Secondo i dati dell'Osservatorio, il gap tra la spesa in ricerca e sviluppo applicata all'intelligenza artificiale negli Stati Uniti e quella aggregata dei paesi europei rimane significativo, con una concentrazione dei capitali privati nei grandi modelli linguistici sviluppati da player statunitensi come OpenAI, Google e Anthropic. L'Italia sconta un ritardo ulteriore, legato alla frammentazione del sistema produttivo in piccole e medie imprese con limitate risorse per l'adozione tecnologica.
Il nodo del trasferimento tecnologico è cruciale anche per valutare la sostenibilità del modello attuale. Senza meccanismi efficaci che colleghino la ricerca accademica alle imprese, il rischio è che le competenze migliori migrino verso ecosistemi più remunerativi, aggravando il fenomeno della fuga dei talenti che già penalizza il sistema universitario italiano.
Resta aperta una domanda di fondo che il dibattito al convegno LENS ha sollevato senza risolverla: quanto tempo ha ancora l'Europa per costruire una capacità autonoma nel settore dell'intelligenza artificiale prima che il divario con i leader globali diventi strutturalmente incolmabile, e quale ruolo possono giocare le politiche industriali nazionali in un contesto dove le dinamiche competitive si giocano su scala planetaria?