Il 67% delle PMI manifatturiere italiane coinvolte nell’analisi di Deloitte considera l’intelligenza artificiale determinante per crescita e competitività. Il report indica come ostacoli alla scala i dati frammentati, i sistemi non integrati e un cambiamento che riguarda anche i processi decisionali. Nelle aziende italiane, secondo il DESI 2026, l’adozione dell’AI è al 16%.
Che cosa dice Deloitte sulle PMI manifatturiere?
Il report si intitola «La manifattura industriale in Italia 2026». Deloitte lo ha presentato il 13 ottobre 2026 con un comunicato stampa e una pagina dedicata con il report completo.
Il comunicato dà più cifre sulle PMI manifatturiere italiane, e qui ne scegliamo due. Per il 67% l’adozione dell’AI è determinante per crescita e competitività. Per 9 su 10 la digitalizzazione è l’investimento più importante per aumentare il valore dell’impresa.
Il 67% è l’opinione delle PMI coinvolte nell’analisi: dice quanto conta l’AI per loro. Per l’adozione il comunicato cita un altro rapporto, il DESI.
La pagina del report aggiunge un risultato dell’analisi quantitativa, che riguarda la maturità digitale in generale e non l’AI. Le imprese con livelli più elevati di maturità digitale, resilienza energetica e soddisfazione dei clienti presentano, in media, migliori performance economico-finanziarie, misurate attraverso l’EBITDA.
Quante imprese italiane hanno adottato l’AI?
Il DESI 2026 è l’indice con cui la Commissione europea segue i progressi digitali degli Stati membri nel programma Digital Decade 2030. Il comunicato di Deloitte lo cita così: adozione dell’AI nelle aziende italiane al 16%, contro un target UE 2030 del 75%. Non precisa quali imprese rientrino nel 16%.
Assolombarda, che ha sintetizzato il rapporto della Commissione sullo State of the Digital Decade, dà un perimetro. Il tasso di adozione delle tecnologie AI raddoppia in un anno e raggiunge il 16,4% per le imprese private italiane dell’industria e dei servizi non finanziari con almeno 10 addetti. Resta sotto la media UE, che è il 20%, e lontano dai Paesi in testa, dove la quota supera il 35%.
Le fonti non dicono se il 16% e il 16,4% siano lo stesso dato, e per questo qui restano due cifre separate. Nessuna delle due è calcolata sulle sole PMI manifatturiere.
Il comunicato collega l’adozione alle competenze. Sempre dal DESI 2026, le persone con competenze digitali di base sono il 54%, contro un target UE 2030 dell’80%. Le aziende italiane, scrive Deloitte, hanno margine di miglioramento sia nelle competenze digitali sia, «conseguentemente», nell’adozione dell’AI.
Come si leggono insieme il 67%, il 16% e il 16,4%?
Ogni cifra ha il suo perimetro. Il 67% riguarda le PMI manifatturiere italiane coinvolte nell’analisi di Deloitte ed è un’opinione sull’importanza dell’AI. Il 16% è il dato DESI 2026 sull’adozione nelle aziende italiane, citato dal comunicato senza perimetro. Il 16,4% è il dato sull’adozione che Assolombarda riporta per le imprese private italiane con almeno 10 addetti.
La prima cifra risponde a quanto conta l’AI per un gruppo di PMI. Le altre due riguardano quante imprese la adottano. Messe in fila senza il perimetro accanto a ognuna, sembrano un’unica serie.
Nelle fonti citate in questo articolo non c’è un dato sull’adozione dell’AI nelle sole PMI manifatturiere, né un costo o un tempo per portarla su scala. Qui non ne compare nessuno.
Che cosa frena il passaggio dalla sperimentazione alla scala?
Il report dice che diverse aziende si trovano ancora in una fase sperimentale. Le principali barriere sono l’assenza di un data lake aziendale unificato e la mancanza di piena integrazione tra i sistemi. I dati, pur essendo disponibili, risultano spesso frammentati, non interoperabili o distribuiti in silos organizzativi. Questo riduce l’efficacia dei modelli e ostacola la scalabilità dei progetti.
Alle barriere sui dati il report ne affianca altre, di tipo culturale e organizzativo. L’adozione dell’AI, vi si legge, non è solo una questione tecnologica: richiede un cambiamento nei processi decisionali e nella mentalità aziendale. Senza una sponsorship forte del management e una comprensione diffusa del valore dell’AI, le iniziative rischiano di rimanere confinate a sperimentazioni isolate, con un impatto limitato e non sistemico.
Il report distingue così due famiglie di ostacoli: i dati e i sistemi da una parte, i processi decisionali e il sostegno del management dall’altra. È una nostra lettura, ma ha una conseguenza pratica: la prima famiglia si affronta con chi gestisce i sistemi, la seconda con chi decide.
Nel comunicato Cosimo Luca Negro, Technology & Transformation Leader di Deloitte per il settore Industrial Products & Construction, dice che la sfida «non è solo sperimentare nuovi casi d’uso, ma riuscire a portarli su scala». Integrarli nei processi e nei diversi stabilimenti richiede «dati affidabili, modelli operativi coerenti e competenze adeguate».
Che aspetto ha un progetto che porta il dato di produzione dove serve?
Un esempio nostro. Un’azienda manifatturiera con più stabilimenti in Italia aveva lo stato delle linee visibile solo andando a guardarle. Abbiamo realizzato una web app che effettua richieste a un sistema basato su API, ed è quel sistema a gestire l’interazione con l’AS400. L’interfaccia è pensata per i terminali ZEBRA. Ci hanno lavorato 2 persone, backend e frontend, per 6 mesi.
L’operatore può monitorare in tempo reale lo stato della produzione e scegliere quali linee spostare, in base allo stabilimento in cui lavora in quel momento. Il progetto è raccontato nella pagina gestione linee di produzione. Il progetto non usa l’intelligenza artificiale. Lo citiamo per il tipo di lavoro: un software che si collega a un sistema già in uso.
È il tipo di lavoro che descriviamo nella pagina sui gestionali su misura.
Che cosa deve essere chiaro prima di chiedere un preventivo?
Le fonti di Deloitte si possono leggere come una traccia di cinque domande a cui conviene saper rispondere prima di parlare con un fornitore. Ognuna rimanda a una frase del report o del comunicato. L’elenco è una nostra lettura, e Deloitte non lo scrive così.
Dove stanno oggi i dati che il progetto userebbe? Il report mette fra le barriere principali l’assenza di un data lake aziendale unificato e i dati distribuiti in silos organizzativi.
Con quali sistemi dovrà parlare? La mancanza di piena integrazione tra i sistemi è l’altra barriera citata. Se un sistema ha qualche anno, come un AS400, la domanda è come ci si collega e chi lo conosce.
In quanti stabilimenti dovrà funzionare? Negro parla di portare i casi d’uso «nei diversi stabilimenti», e dice che per farlo servono modelli operativi coerenti.
Chi, da parte vostra, sostiene il progetto? Il report mette la sponsorship forte del management fra le condizioni: senza, le iniziative rischiano di restare sperimentazioni isolate.
Chi lo usa e chi lo segue dopo il rilascio? Il comunicato parla di competenze adeguate e collega l’adozione dell’AI alle competenze digitali.
Il 67% basta per partire?
Il 67% dice che le PMI manifatturiere coinvolte nell’analisi considerano l’AI determinante. Quante di loro la usino già, le fonti citate non lo dicono.
Per chi sta decidendo, il paragrafo più concreto del report è quello sulle barriere: dati non unificati, sistemi non integrati, una sponsorship debole del management. Deloitte non ne dà una graduatoria. Un’indicazione nostra, non di Deloitte, per cominciare a guardarle: una lista di dove stanno i dati di produzione, quali sistemi li producono, chi li legge e dove finiscono.
Si comincia con una chiamata, gratuita. Poi una visita in sede, per vedere come lavorate oggi.