La risposta breve: nella maggior parte delle PMI italiane un progetto di intelligenza artificiale non si ferma per il modello scelto o per il costo della licenza. Si ferma perché i dati aziendali non sono in condizione di essere letti. Lo dicono le imprese stesse: fra quelle che hanno valutato un investimento in AI senza realizzarlo, il 45,2% indica fra gli ostacoli l'indisponibilità o la scarsa qualità dei dati, e il 58,6% la mancanza di competenze (Istat, Imprese e ICT, anno 2025).
È un punto poco discusso, perché non è quello che si vende. Un assistente conversazionale si mostra in una riunione; un'anagrafica clienti allineata fra gestionale ed e-commerce, no. Eppure è il secondo a determinare se il primo produrrà qualcosa di utile.
Questo articolo mette in fila i numeri disponibili, spiega che cosa significa concretamente «dati non pronti» in un'azienda da 10 a 50 addetti, e indica che cosa conviene sistemare prima di comprare qualsiasi cosa.
Poche, ma in rapida crescita. Secondo Istat (Imprese e ICT, 2025), nel 2025 il 16,4% delle imprese con almeno 10 addetti ha utilizzato tecnologie di intelligenza artificiale. Il dato era 8,2% nel 2024 e 5,0% nel 2023: raddoppia ogni anno.
La media però nasconde il divario dimensionale. Fra le piccole imprese da 10 a 49 addetti la quota si ferma al 15,7%; fra quelle con almeno 250 addetti sale al 53,1%.
Sul fronte degli investimenti futuri, l'Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano (maggio 2026) rileva che il 76% delle PMI non ha investito né prevede di investire in AI, e che solo il 7% ha avviato programmi strutturati di formazione sul tema.
Istat ha chiesto direttamente alle imprese che avevano preso in considerazione l'AI senza adottarla quali ostacoli avessero incontrato. Le risposte, in ordine:
| Ostacolo | Quota |
|---|---|
| Mancanza di competenze | 58,6% |
| Carenza di chiarezza legislativa | 47,3% |
| Indisponibilità o scarsa qualità dei dati | 45,2% |
| Preoccupazioni relative alla privacy | 43,2% |
| Costi elevati | 43,0% |
| Considerazioni di natura etica | 25,7% |
| Ritenuta non utile | 14,8% |
Fonte: Istat, Imprese e ICT, anno 2025.
Due osservazioni. La prima: solo il 14,8% ritiene che l'AI non serva. Il problema quindi non è la convinzione, è la condizione di partenza. La seconda: le prime tre voci — competenze, quadro normativo, qualità dei dati — sono ostacoli organizzativi, non tecnologici. Nessuno di questi si risolve comprando uno strumento migliore.
«Qualità dei dati» è un'espressione che in azienda non significa niente finché non la si traduce in fatti quotidiani. In una PMI suona così:
Un assistente basato su un modello linguistico collegato a questa base restituisce esattamente ciò che trova: tre versioni dello stesso cliente e nessuna attribuzione. Non sbaglia — riporta. È la ragione per cui molte sperimentazioni si chiudono dopo tre mesi con la sensazione che «l'AI non funzioni».
Prima di qualunque progetto di intelligenza artificiale, in un'azienda di questa dimensione servono quattro cose. Non sono opzionali e non sono costose quanto sembra.
1. Un'anagrafica unica. Una sola definizione di «cliente», condivisa fra gestionale, e-commerce e CRM, con una regola scritta su chi la crea e come. È il lavoro meno gratificante dell'elenco ed è quello che sblocca tutti gli altri.
2. Un CRM che segue il processo reale. Non quello del manuale: quello che i vostri commerciali fanno davvero. Se il sistema chiede passaggi che nessuno compie, i dati non entrano e il CRM diventa un archivio morto. Vale la pena ricordare che, secondo Istat (2025), il CRM è usato dal 21,1% delle PMI contro il 56,5% delle grandi imprese: il divario è di oltre 35 punti.
3. Tracciamento dalla campagna all'ordine chiuso. Ogni contatto porta con sé l'origine, e quell'informazione sopravvive fino alla fattura. Senza questo, ogni discussione sul budget pubblicitario è un'opinione.
4. Una vista che qualcuno guarda davvero. Un cruscotto con dentro solo i numeri su cui si decide. Se contiene quaranta metriche, non lo apre nessuno e siamo al punto di partenza.
Fatte queste quattro cose, l'AI diventa un'aggiunta economica: gli assistenti hanno qualcosa da leggere, le automazioni hanno passaggi definiti su cui agire, e i risultati sono misurabili perché esiste un prima e un dopo.
Sei domande. Se rispondete «no» o «non lo so» a tre o più, il problema non è l'AI.
Dipende dal disordine di partenza, e chiunque dia una cifra senza aver guardato sta tirando a indovinare. Quello che si può dire è come si struttura di solito la spesa: una fase di analisi a perimetro chiuso, poi un intervento di costruzione, poi un presidio leggero perché il sistema non torni al disordine.
Nel mio caso la prima fase è una diagnosi del sistema: due settimane, 1.800-2.500 €, prezzo fisso. Produce la mappa di come si muovono contatti, ordini e dati, i punti in cui il flusso si rompe quantificati, un piano a 90 giorni con priorità e costi, e una valutazione onesta di che cosa dell'AI ha senso nel vostro caso e che cosa no. Se la conclusione è che conviene fermarsi lì, lo scrivo nel documento — che resta vostro e potete far eseguire a chiunque.
Non necessariamente un CRM formale, ma serve un posto unico e affidabile dove vivono contatti e trattative. Nella pratica, per un'azienda da 10 a 50 addetti, quel posto è quasi sempre un CRM. Se ne avete già uno inutilizzato, farlo funzionare costa molto meno che sostituirlo.
La diagnosi richiede due settimane e due ore del titolare. L'intervento di costruzione, nella maggior parte dei casi, sei-dieci settimane. Non è un progetto pluriennale: le PMI di questa dimensione hanno un numero di sistemi contenuto, ed è il motivo per cui l'intervento è fattibile.
Si può, ma si paga due volte: prima la sperimentazione che non produce risultati, poi la messa in ordine che sarebbe servita all'inizio. E si consuma la fiducia interna, che è la risorsa più difficile da recuperare quando si riprova.
Serve una persona di riferimento, non un reparto. Di solito è chi già oggi tiene insieme i pezzi in modo informale. Va formata e va messa nelle condizioni di decidere sulle anagrafiche: senza quella responsabilità assegnata, il disordine si riforma in pochi mesi.
L'adozione dell'intelligenza artificiale nelle imprese italiane raddoppia ogni anno, ma resta al 15,7% fra le piccole imprese. Fra chi ci ha provato e si è fermato, quasi una su due indica la qualità dei dati come ostacolo. La conclusione operativa è semplice: le fondamenta non sono un passaggio preliminare noioso da sbrigare in fretta, sono la parte che determina se tutto il resto funzionerà.
Se volete capire a che punto siete, parliamone trenta minuti. Se non ha senso, ve lo dico in quei trenta minuti. Trovate come lavoro e chi sono sul resto del sito.
I dati citati sono rilevazioni di fonte primaria con anno indicato. Le valutazioni su costi e tempi sono basate sulla mia esperienza diretta e vanno verificate sul caso specifico.