Un paper firmato da dieci ricercatori della Banca d'Italia, citato dal Governatore Fabio Panetta nelle considerazioni finali sul 2025, quantifica per la prima volta con rigore modellistico l'impatto potenziale dell'intelligenza artificiale sull'economia italiana: tra 0,2 e 1,1 punti percentuali aggiuntivi di crescita annua della produttività del lavoro, a seconda della velocità di adozione tecnologica. Una forchetta ampia che non riflette l'incertezza sulla tecnologia, ma quella sulle politiche industriali.
Il documento — intitolato L'adozione dell'intelligenza artificiale: effetti su produttività e politiche a sostegno — entra nel dibattito internazionale su un terreno scivoloso: le stime disponibili divergono in misura sconcertante. Acemoglu e Aghion con Bunel, due scuole di pensiero di primo piano, arrivano a conclusioni distanti quasi dieci volte sull'impatto dell'IA sulla produttività totale dei fattori, rispettivamente 0,07 e 0,68 punti percentuali annui. Metà di questo divario dipende da un'unica ipotesi: quante mansioni siano realmente esposte all'automazione nella pratica, fuori dai laboratori. Il primo autore stima il 20%, il secondo il 60%.
Per l'Italia, i ricercatori costruiscono un modello calibrato sulla struttura produttiva nazionale, che simula come i guadagni di efficienza si propaghino attraverso le catene di fornitura. Nello scenario lento — paragonabile alla diffusione storica dell'elettricità — l'aumento annuo di produttività sarebbe di 0,2 punti. Nello scenario intermedio, analogo alla diffusione di computer e internet, di 0,7 punti. Nello scenario rapido, assimilabile ai telefoni cellulari, di 1,1 punti. In tutti e tre gli scenari si stima un effetto positivo sull'occupazione nell'ordine di un decimo di punto.
La scomposizione settoriale rivela una geometria produttiva precisa. Nello scenario di rapida adozione, il contributo principale alla crescita del PIL viene dalla manifattura (2 punti percentuali su dieci anni), seguita dal commercio (1 punto) e dalle attività professionali, scientifiche e tecniche (0,8 punti). Il contributo di queste ultime è in larga misura indiretto: deriva non dall'aumento di produttività nel settore stesso, ma dalla sua posizione di centralità nella rete produttiva, che amplifica la propagazione dei guadagni di efficienza lungo filiere diverse.
Il quadro di breve periodo racconta però una storia opposta. Dati internazionali mostrano guadagni misurabili su singole attività — meno 40% nel tempo di scrittura professionale (Noy e Zhang, 2023), più 14% nella produttività del customer service (Brynjolfsson et al., 2025), più 55% nella programmazione (Gambacorta et al., 2024) — ma questi guadagni non si traducono in miglioramenti sistemici. Un'indagine su 6.000 dirigenti in Stati Uniti, Regno Unito, Germania e Australia rileva che oltre l'80% delle aziende non registra ancora effetti apprezzabili. Una ricerca McKinsey su 1.750 grandi imprese mostra che solo un terzo di quelle che hanno adottato l'IA dichiara un impatto positivo sui margini operativi.
Per le imprese italiane, l'analisi su dati Banca d'Italia giunge alle stesse conclusioni: nessun effetto sistematico misurabile su fatturato per dipendente, occupazione o investimenti. Il 70% delle imprese che già usano l'IA dichiara che finora non ha cambiato nulla nella propria produttività. Il paradosso è noto: lo stesso schema si verificò negli anni Ottanta e Novanta con l'informatica, tanto che l'economista Robert Solow coniò la battuta sul paradosso della produttività. I benefici arrivarono, ma solo dopo anni di riorganizzazione profonda dei processi.
Il vero nodo strutturale che il paper individua è il cosiddetto "missing middle": il vuoto tra strumenti generalisti accessibili a tutti e soluzioni su misura che solo le grandi imprese possono permettersi. Le PMI restano intrappolate in questo spazio intermedio, e il mercato non è strutturalmente in grado di colmarlo da solo, per via delle complementarità strategiche che rendono conveniente adottare l'IA solo se anche i partner di filiera lo fanno.
Sul fronte delle politiche, il confronto internazionale contenuto nell'appendice del paper è impietoso. Su una griglia in ventidue dimensioni, l'Italia ottiene 13 punti su 21, contro i 21 di Singapore e Francia, i 19 della Danimarca, i 18 di Germania e Spagna. Il dato finanziario che fotografa meglio il divario: i Competence Center italiani hanno ricevuto 186 milioni di euro in sei anni (2019-2025). Il solo Fraunhofer Institute tedesco ne incassa 2,2 miliardi ogni anno.
Il paper articola la risposta lungo tre assi: accompagnamento qualificato alla domanda (sul modello del programma 100 Experiments di AI Singapore), sviluppo di un'offerta di startup specializzate per filiera, e fattori abilitanti come la condivisione dei dati, la certezza normativa sull'AI Act europeo e l'accesso alle infrastrutture di calcolo. Su quest'ultimo punto, il supercalcolatore Leonardo del Cineca di Bologna — tra i più potenti d'Europa — ha destinato alle industrie solo il 5% della propria capacità nel 2024, essendo concepito principalmente per la ricerca scientifica. L'AI Factory IT4LIA, con circa 430 milioni di euro di investimento in cofinanziamento europeo e nazionale, punta a modificare questo equilibrio.
Resta aperta una questione che il paper segnala senza svilupparla pienamente: in un mercato dell'IA dominato da pochi grandi operatori che controllano modelli di base, infrastruttura cloud e applicazioni di settore, esiste il rischio concreto che i sussidi alla domanda vengano assorbiti dai fornitori sotto forma di prezzi più alti, senza raggiungere le imprese beneficiarie. È una distorsione strutturale che nessuna politica industriale nazionale, da sola, è in grado di correggere — e che rimanda alla questione più ampia di come l'Europa intenda regolare e redistribuire i benefici di una tecnologia il cui sviluppo avviene prevalentemente altrove.