Il mid market nell’era dell’AI: tre scenari possibili
Tre scenari possibili per il mid market italiano nell’era dell’AI: dati Eurostat e ISTAT, vincoli strutturali, AI Act e domande per chi guida l’azienda. del post del blog.
LEADERSHIP & MANAGEMENTDIGITALINDUSTRY TRANSFORMATIONITALIANOAI STRATEGYPRIVATE EQUITY & VC
Le previsioni tecnologiche sono particolarmente incerte sui tempi. Questo articolo non formula una previsione puntuale: esplora tre scenari possibili, che possono coesistere anche all’interno della stessa azienda. Li costruisce a partire da vincoli strutturali che cambiano più lentamente della tecnologia e mantiene distinti ciò che i dati mostrano e ciò che è interpretazione o ipotesi.
In questo articolo “mid market” indica imprese con una complessità organizzativa già significativa, ma con risorse manageriali e tecnologiche più limitate rispetto ai grandi gruppi. I dati citati utilizzano perimetri statistici differenti, che vengono esplicitati di volta in volta.
Che cosa dicono i dati sull’adozione
Nel 2025 il 16,4% delle imprese italiane con almeno 10 addetti, nei settori coperti dall’indagine ICT, utilizzava almeno una tecnologia di AI, contro il 20,0% nell’Unione europea. La quota saliva al 27,6% nelle imprese italiane con 50-249 addetti, contro il 30,4% della media europea, e al 53,1% in quelle con almeno 250 addetti, contro il 55,0%. In Italia l’utilizzo era pari all’8,2% nel 2024, secondo l’ISTAT.
Questi numeri vanno letti con quattro cautele. Il perimetro esclude alcuni settori, tra cui l’agricoltura e il settore finanziario. La definizione di “uso dell’AI” comprende anche tecnologie come il riconoscimento vocale e delle immagini o il machine learning, non soltanto l’AI generativa. Il questionario 2025 è stato ampliato: è bene ricordarlo prima di enfatizzare il raddoppio rispetto all’anno precedente. Infine, le percentuali misurano la diffusione della tecnologia, non la profondità della trasformazione organizzativa né il rendimento degli investimenti.
I vincoli che cambiano lentamente
Il controllo familiare ha un peso rilevante nel tessuto imprenditoriale italiano. La XVI edizione dell’Osservatorio AUB, pubblicata nel 2025, classificava come familiari il 67,2% delle 23.578 aziende monitorate sopra i 20 milioni di euro di fatturato. È un perimetro più ampio del mid market, ma utile a contestualizzare il ruolo della proprietà nelle decisioni di trasformazione. Quando le decisioni strategiche sono concentrate nella proprietà, il sostegno del vertice può accelerare la trasformazione; la sua assenza può invece ostacolarla. Il risultato dipende anche dalla struttura manageriale e dai meccanismi di delega. Questa è una lettura organizzativa, non un risultato statistico dell’Osservatorio.
Competenze e dati, invece, sono ostacoli documentati. Secondo l’ISTAT, tra le imprese che non utilizzano AI ma ne hanno preso in considerazione l’impiego, il 58,6% segnala la mancanza di competenze adeguate e il 45,2% l’indisponibilità o la scarsa qualità dei dati necessari. Il 47,3% indica scarsa chiarezza sulle conseguenze legislative. Queste percentuali non descrivono tutte le imprese italiane, ma il segmento che ha già valutato l’adozione senza realizzarla.
Resta un’ipotesi, non un dato, che il lavoro di preparazione, integrazione e controllo dei dati possa rappresentare una componente rilevante del costo complessivo di un progetto.
Primo scenario: l’AI arriva dentro il software già in uso
È lo scenario che ritengo più plausibile per molte aziende, pur senza poterlo quantificare. L’AI entra nei processi non come progetto, ma come funzionalità di gestionali, CRM, piattaforme amministrative e strumenti di produttività. L’azienda può trovarla integrata negli aggiornamenti dei software già utilizzati.
La disponibilità della stessa funzionalità per tutti i concorrenti può ridurre il vantaggio derivante dal solo accesso alla tecnologia. Le scelte del fornitore e le condizioni contrattuali diventano inoltre determinanti per stabilire come vengono trattati i dati. La governance diventa quindi un tema operativo prima ancora che strategico: chi risponde di ciò che uno strumento già installato fa con i dati dei clienti?
In questo scenario la differenza non la fa l’adozione, ma la capacità di capire che cosa si è adottato e di misurarne gli effetti.
Secondo scenario: il ridisegno dei processi
Una parte delle aziende sceglierà pochi processi, ne misurerà lo stato di partenza e li ridisegnerà attorno all’AI, accettandone le conseguenze organizzative. Le aree più plausibili comprendono attività documentali, amministrative, di assistenza di primo livello e di preparazione delle offerte, purché siano definiti controlli e responsabilità. Gli impieghi nella selezione del personale richiedono una valutazione separata, perché possono incidere direttamente sulle opportunità delle persone e ricadere nel quadro dei sistemi ad alto rischio.
Esistono evidenze di miglioramenti misurabili in specifiche attività. Uno studio accademico pubblicato come working paper dal National Bureau of Economic Research, su un assistente AI introdotto presso migliaia di addetti al customer support, documenta aumenti di produttività, più marcati tra i lavoratori meno esperti. È molto meno chiaro quanto quei risultati siano trasferibili ad altre imprese e quanto si traducano in un rendimento economico complessivo, una volta inclusi i costi di integrazione, controllo e cambiamento organizzativo. I risultati di un singolo pilot non dimostrano, da soli, la sostenibilità economica di un’estensione all’intera organizzazione.
Va inoltre definito che cosa si misura. Le ore liberate hanno valore se vengono riallocate o se riducono i costi, ma i benefici possono riguardare anche la qualità, la capacità produttiva, i tempi di servizio e i rischi evitati.
Resta la questione delle persone. Se l’AI assorbirà una parte dei compiti tradizionalmente affidati ai junior, le aziende dovranno ripensare i percorsi di apprendimento. In alcune attività il supporto dell’AI può accelerare l’acquisizione di competenze, come suggerisce lo stesso studio; resta aperto il suo effetto di lungo periodo sulla costruzione dell’esperienza professionale.
Terzo scenario: l’attesa
Una parte delle aziende non farà nulla di strutturato, per prudenza, per mancanza di competenze o perché i margini non lasciano spazio all’investimento. Non è necessariamente una scelta sbagliata: se il settore è poco esposto e i concorrenti non hanno vantaggi evidenti, aspettare può essere razionale.
Il rischio è che il ritardo diventi visibile solo quando è costoso da recuperare, per esempio nelle aspettative dei clienti sui tempi di risposta, nell’interoperabilità richiesta dai fornitori o nell’attrattività verso i talenti. Sono ipotesi coerenti con ciò che accade quando una tecnologia generale diventa infrastruttura, non esiti accertati.
Che cosa cambia per chi guida queste aziende
La prima questione riguarda la responsabilità. L’AI richiede un presidio che non coincide con l’IT né con l’innovazione. Non serve necessariamente una nuova figura a tempo pieno, ma serve qualcuno con mandato e competenza per rispondere al consiglio di amministrazione di ciò che l’azienda fa con questi strumenti.
La seconda riguarda il quadro normativo, che è già operativo con applicazione progressiva. Il calendario aggiornato dalla Commissione europea, dopo l’AI Omnibus entrato in vigore il 27 luglio 2026, prevede l’applicazione delle regole per i sistemi ad alto rischio dell’Allegato III dal 2 dicembre 2027 e per quelli incorporati nei prodotti regolamentati dell’Allegato I dal 2 agosto 2028. Gli obblighi di trasparenza si applicano dal 2 agosto 2026, con disposizioni transitorie. Per un’impresa, il primo passo è censire gli strumenti utilizzati, le finalità, i fornitori e il proprio ruolo nella catena di responsabilità.
La terza riguarda la misurazione. Prima di avviare un intervento servono i dati di partenza sul processo attuale: tempi, costi e tassi di errore. Senza questo punto di partenza ogni risultato successivo resta un’opinione.
La quarta riguarda le competenze. Le aziende che useranno l’AI in modo produttivo avranno bisogno di manager capaci di ridisegnare processi e di valutare criticamente ciò che i sistemi producono. La capacità di identificare e sviluppare queste competenze diventerà una variabile rilevante.
Una considerazione sui tempi
Il tempo che le aziende impiegano ad assorbire una tecnologia dipende da fattori organizzativi, culturali e normativi più che dalla tecnologia stessa. La domanda utile per un amministratore non è quale scenario si realizzerà, ma in quale si trova oggi la sua azienda e se la posizione è il risultato di una decisione consapevole.
Fonti: Eurostat, The use of artificial intelligence technologies in the European Union, 2026; ISTAT, Imprese e ICT, anno 2025; Osservatorio AUB, XVI edizione, sintesi dei risultati; Commissione europea, AI Act Service Desk, calendario di attuazione; Brynjolfsson, Li, Raymond, Generative AI at Work, NBER Working Paper 31161.
Silvio Fontaneto è Senior Partner di Beaumont Group, autore di Stop Fearing AI e della trilogia The Vector*. Pubblica la newsletter* AI Impact on Business*: https://www.linkedin.com/newsletters/ai-impact-on-business-7326519028552765440/*
Connect
Reach out for tailored AI leadership guidance
© 2026 Silvio Fontaneto. All rights reserved.