un territorio ancora da esplorare secondo BpiFrance

Mentre l’IA si impone come una leva tecnologica fondamentale nei discorsi politici ed economici, la sua integrazione nel tessuto delle PMI e ETI francesi si rivela più prudente. Una recente indagine condotta da Bpifrance Le Lab, su oltre 1.200 dirigenti, permette di comprendere meglio le dinamiche di adozione in atto.

Secondo lo studio “L’IA nelle PMI e ETI francesi: Una rivoluzione tranquilla“, i dirigenti sembrano aver compreso la portata della questione: il 58% di loro ritiene che l’IA sia una questione di sopravvivenza a un orizzonte di 3-5 anni. Quanto al passaggio all’azione, è reale, ma ancora esitante: il 43% dei dirigenti ha definito una strategia IA, il 26% utilizza un’IA generativa, il 16% un’IA non generativa, e solo il 10% utilizza entrambe.

Tra le aziende che hanno adottato l’IA, la metà utilizza esclusivamente soluzioni gratuite o pronte all’uso. L’ottimizzazione dell’esistente, il miglioramento delle prestazioni, il mantenimento della competitività e la riduzione dei costi sono le principali motivazioni dei dirigenti: il 94% cita almeno una modalità di ottimizzazione, contro solo il 54% una modalità di sviluppo dell’attività.

Questo divario tra percezione strategica e attuazione riflette diverse sfide: mancanza di maturità dell’offerta, costi considerati elevati, o difficoltà a identificare casi d’uso pertinenti.

I dati, ancora troppo poco sfruttati come leva strategica

L’IA si basa su diversi prerequisiti essenziali: la digitalizzazione dell’azienda, la strutturazione dei dati, l’identificazione di casi d’uso pertinenti e il coinvolgimento dei team. Tuttavia, nonostante un leggero progresso nella digitalizzazione passata dal 72% nel 2017 al 76%, il 43% di esse non sfrutta ancora i propri dati per gestire la propria attività.

Eppure, un’azienda digitalizzata è cinque volte più probabile che adotti l’IA, e quelle che analizzano i propri dati sono 2,5 volte più propense a ricorrervi.

Disparità settoriali rivelatrici delle sfide strutturali

L’adozione dell’IA varia notevolmente a seconda dei settori, riflettendo le loro esigenze tecnologiche specifiche e le loro dinamiche interne. Così, le TIC e la finanza mostrano alti tassi di adozione delle IA generative (rispettivamente 79% e 47%), mentre settori più tradizionali come l’edilizia (19%) o i trasporti (5%) rimangono indietro.

Tipologia dei dirigenti: tra scetticismo, sperimentazione e innovazione

Lo studio identifica quattro grandi profili di dirigenti:

• Gli scettici (27%): provenienti da settori poco digitalizzati, contrari all’IA, temono i suoi impatti sociali e non percepiscono un’utilità concreta;

• I bloccati (26%): consapevoli delle sfide ma paralizzati da un deficit di competenze o di supporto;

• Gli sperimentatori (28%): curiosi e impegnati, ma frenati da vincoli finanziari e mancanza di expertise;

• Gli innovatori (19%): all’avanguardia sul digitale, integrano l’IA nei loro processi e prodotti, con una leadership dichiarata.

Questi profili variano a seconda dei settori: gli scettici dominano nell’edilizia e nei trasporti, i bloccati nel commercio, gli sperimentatori nell’industria, e gli innovatori nelle TIC, nella finanza e nei servizi alle imprese. Si nota anche una sovrarappresentazione delle donne tra gli scettici e degli uomini tra gli innovatori.

Differenze di adozione legate al profilo del dirigente

Nel 73% dei casi, i progetti IA sono promossi dal dirigente. Più il dirigente è giovane e altamente istruito, più la sua azienda è avanzata nell’adozione dell’IA. Quando utilizza la GenAI nella sua vita professionale quotidiana, l’azienda è cinque volte più propensa a utilizzarla anch’essa (46% contro 9%).

I dirigenti sotto i 35 anni sono quindi il 67% a utilizzare personalmente la GenAI al lavoro contro il 46% degli over 45, una percentuale che scende al 36% per gli over 66. Anche il livello di istruzione è discriminante: il 62% dei laureati utilizza l’IA generativa contro solo il 19% dei non diplomati.

Come accelerare l’adozione dell’IA?

Per superare queste sfide, sono raccomandate diverse leve:

• Rafforzare la trasformazione digitale per porre le basi di un’adozione efficace;

• Strutturare e sfruttare i dati per identificare usi pertinenti;

• Formare i dipendenti per superare le resistenze e massimizzare l’efficacia degli strumenti IA;

• Sperimentare con soluzioni accessibili prima di investire in tecnologie avanzate.