intelligenza artificiale

Fiducia nell’AI: Trust Gap negativo per l’Italia


Indirizzo copiato

Il nostro paese registra il più ampio divario europeo tra fiducia nell’intelligenza artificiale e capacità di governarla. Secondo uno studio SAS e IDC, solo il 18,7% delle organizzazioni ottiene un ROI elevato dall’AI. Qualità dei dati, trasparenza e governance diventano decisive per generare valore

Pubblicato il 23 ott 2026



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Fiducia nell'AI: a che punto è l'Italia in termini di Trust Gap




La fiducia è una cosa serie che si da alle cose serie. Così recitava uno slogan pubblicitario negli Anni ’70 e l’Intelligenza artificiale è certamente una cosa seria, ma se si mette in relazione con la fiducia sorge ancora qualche perplessità. L’AI è un’altalena: da una parte solleva aspettative e speranze e dall’altra crea nuove ansie per le possibili minacce e per i rischi diretti e indiretti che crea. La fiducia è sempre in bilico e se da una parte cresce l’adozione e l’impegno verso l’intelligenza artificiale dall’altra la capacità delle imprese di governarla non procede alla stessa velocità. Ed è proprio il “segno particolare” che caratterizza il mercato italiano, vale a dire il divario tra le aspettative nei confronti dell’AI e la maturità dei sistemi di controllo che purtroppo risulta il più elevato tra i Paesi europei analizzati.

Fiducia nell’AI, ma anche tanta difficoltà nel fornire garanzie

Sul tema della fiducia nell’AI e sui rischi connessi al “Trust Gap” si è concentrato lo studio presentato da ⁠SAS e sviluppato sulla base di insight di ricerca di ⁠IDC, uno studio che fotografa un Paese sempre più convinto delle potenzialità dell’intelligenza artificiale, ma ancora in difficoltà nel tradurre questa fiducia in pratiche strutturate di governance, trasparenza e affidabilità.

Il problema non riguarda soltanto la conformità normativa, ma la capacità di governare l’AI risulta strettamente collegata alla possibilità di generare risultati economici concreti e trasformare gli investimenti tecnologici in vantaggio competitivo.

Intelligenza artificiale: l’Italia ha il Trust Gap più alto d’Europa

Nel 2026 l’indice di fiducia percepita nell’intelligenza artificiale raggiunge in Italia 72,9 punti, mentre il Trustworthiness Index, che misura la maturità delle pratiche necessarie a garantire l’affidabilità dei sistemi, si ferma a 58,8 punti. La differenza, definita Trust Gap, è quindi pari a 14,1 punti.

Il dato rappresenta un miglioramento rispetto al 2025, quando il divario era di 18,4 punti, ma resta il più elevato tra i mercati europei considerati.

Questo significa che le organizzazioni italiane attribuiscono all’intelligenza artificiale un livello di fiducia superiore rispetto alla loro effettiva capacità di dimostrarne trasparenza, spiegabilità, controllabilità e conformità alle normative. Secondo il Data and AI Impact Report, le organizzazioni che adottano pratiche mature di Trustworthy AI hanno una probabilità 15 volte superiore di ottenere ritorni significativi dagli investimenti in intelligenza artificiale. La corporate governance e accountability diventa quindi una componente essenziale della competitività aziendale.

Governance dell’AI: migliorano i controlli, ma restano le criticità

La ricerca evidenzia poi alcuni segnali positivi. Il Trustworthiness Index italiano cresce di 7,6 punti rispetto all’anno precedente e tutte le cinque dimensioni considerate nella valutazione dell’affidabilità dell’AI registrano progressi.

L’incremento maggiore riguarda le attività di Audit & Accountability, che migliorano di 6,8 punti, seguite dalla Model Governance (+5,6 punti) e dalla Data Quality (+4,1 punti). Le politiche di Responsible AI rappresentano la dimensione più avanzata, con un punteggio di 64 punti. Nonostante questi progressi, tutti gli indicatori italiani rimangono al di sotto dei benchmark globali del 2026.

Il risultato è un sistema imprenditoriale nel quale l’adozione dell’intelligenza artificiale procede più rapidamente rispetto alla costruzione delle competenze, dei processi e dei meccanismi di controllo necessari a utilizzarla in modo affidabile.

Spiegabilità dell’Intelligenza artificiale: la principale criticità

Uno degli aspetti più significativi dello studio riguarda la capacità delle organizzazioni di comprendere e interpretare le risposte prodotte dai sistemi di AI. Il 37,7% delle organizzazioni indica la scarsa chiarezza degli output come principale motivo per modificarli o correggerli. Seguono la mancanza di contesto, segnalata dal 26,4% delle organizzazioni, le preoccupazioni relative alla sicurezza delle risposte (14,2%), le inesattezze fattuali (13,2%) e il rischio di bias (8,5%).

Questi dati mostrano come la spiegabilità, o Explainable AI, rappresenti una condizione sempre più importante per l’utilizzo dell’intelligenza artificiale nei processi aziendali. Quando gli algoritmi vengono impiegati per supportare decisioni operative, finanziarie o strategiche, non è sufficiente che producano risultati apparentemente corretti. Diventa necessario comprendere come siano stati generati, verificarne l’attendibilità e individuare eventuali errori o distorsioni.

La spiegabilità assume quindi una doppia funzione: rafforzare la fiducia degli utilizzatori e consentire alle organizzazioni di esercitare un controllo effettivo sui sistemi.

ROI dell’intelligenza artificiale: risultati ancora limitati

Il divario tra fiducia e capacità di governo dell’AI si riflette anche nei risultati economici. Secondo la ricerca, l’Impact Index, che misura la capacità delle organizzazioni di generare valore attraverso l’intelligenza artificiale, cresce soltanto da 50,2 a 51,7 punti. Soprattutto, appena il 18,7% delle organizzazioni italiane dichiara di ottenere un ritorno sull’investimento elevato dalle proprie iniziative di AI.

Il dato suggerisce che, nonostante la diffusione delle sperimentazioni e dei progetti, molte imprese incontrano ancora difficoltà nel trasformare l’innovazione tecnologica in benefici economici misurabili. La questione non riguarda necessariamente l’efficacia delle soluzioni adottate, ma anche la capacità delle aziende di integrarle nei processi, alimentarle con dati affidabili e monitorarne i risultati.

Qualità dei dati e silos informativi frenano il valore dell’AI

Tra gli ostacoli più rilevanti emerge la frammentazione delle infrastrutture informative. In un solo anno, la percentuale di organizzazioni che gestiscono dati distribuiti in silos è quasi triplicata, passando da circa l’11% al 29%. Un fenomeno che rischia di compromettere l’efficacia dei progetti di intelligenza artificiale, soprattutto quando le applicazioni devono integrare informazioni provenienti da sistemi e funzioni aziendali differenti.

La ricerca evidenzia inoltre che soltanto l’8,4% delle organizzazioni rende obbligatorio l’utilizzo di strumenti di data quality in ogni progetto di AI, mentre il 33,6% continua ad affidare la gestione dei dati ai singoli team. Questa frammentazione limita la possibilità di costruire una governance unitaria e rende più complesso garantire coerenza, accuratezza e tracciabilità delle informazioni.

La qualità dei dati diventa così un fattore determinante non soltanto per l’affidabilità dei modelli, ma anche per la sostenibilità economica degli investimenti.

Trustworthy AI: dalla conformità normativa alla competitività

I risultati dello studio indicano che le pratiche di Trustworthy AI non devono essere considerate esclusivamente come strumenti per rispettare obblighi normativi o ridurre i rischi. Trasparenza, accountability, auditabilità, spiegabilità e qualità dei dati rappresentano anche condizioni fondamentali per migliorare le performance aziendali. Una governance strutturata permette infatti di individuare più rapidamente gli errori, ridurre le inefficienze, monitorare i risultati e rendere più affidabili le decisioni supportate dall’intelligenza artificiale.

Questo approccio assume particolare rilevanza anche alla luce dell’evoluzione del quadro normativo europeo, a partire dall’AI Act, che introduce un sistema di regole basato sulla gestione del rischio e specifici obblighi per determinate categorie di sistemi di intelligenza artificiale.

Per le aziende, la sfida consiste quindi nel passare da una gestione dell’AI prevalentemente tecnologica a un modello organizzativo nel quale responsabilità, controlli e qualità dei dati siano integrati nei processi decisionali.

Ridurre il Trust Gap per trasformare l’AI in valore economico

Una delle indicazioni più importanti della ricerca SAS-IDC riguarda il cambiamento delle priorità per le imprese italiane. La questione non è più soltanto accelerare l’adozione dell’intelligenza artificiale, ma garantire che la crescita della fiducia nella tecnologia sia accompagnata da un rafforzamento delle capacità di governo.

L’Italia mostra segnali di miglioramento, ma il persistente divario rispetto agli altri mercati europei evidenzia la necessità di investire maggiormente nella governance dei modelli, nella qualità dei dati, nella spiegabilità e nei sistemi di controllo. Ridurre il Trust Gap significa creare le condizioni per utilizzare l’intelligenza artificiale in modo più affidabile, ma soprattutto per aumentarne l’impatto economico.

La ricerca suggerisce infatti che la maturità della governance dell’AI è sempre più collegata alla capacità delle imprese di ottenere risultati concreti dagli investimenti tecnologici. Per il sistema produttivo italiano, la sfida dei prossimi anni sarà quindi trasformare la fiducia nell’intelligenza artificiale in una capacità organizzativa misurabile, capace di sostenere innovazione, produttività e competitività nel lungo periodo.

Partecipa alla community

guest
0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

Articoli correlati

0
Lascia un commento, la tua opinione conta.x