Questo articolo è stato originariamente pubblicato su Tom’s Hardware il 7 aprile 2026 (solo in italiano).
Dall’esperienza di Google Italia nel 2001 alle PMI di oggi: come l’IA può trasformare il tessuto economico italiano prima che sia troppo tardi.
C’era una volta una stampante acquistata con una carta di credito personale, in un anonimo business center di Milano, da un giovane che lavorava per quella che sarebbe diventata una delle aziende più potenti della storia. Era il 2001 e Fabrizio Milano D’Aragona stava contribuendo a portare Google in Italia insieme a una manciata di colleghi, in quella che lui stesso descrive senza esitazione come “una vera e propria startup.” Quella stagione pionieristica, vissuta in prima persona da colui che oggi guida Datrix e partecipa attivamente al think tank PMI di Assintel, offre ora un punto di vista privilegiato per leggere la sfida più urgente che attende il tessuto produttivo italiano: l’adozione dell’intelligenza artificiale.
Ripercorrere quegli anni significa comprendere gran parte di ciò che sta accadendo oggi. Il 2001 era un periodo paradossale: la bolla delle dot-com stava scoppiando, molte aziende cercavano disperatamente di uscire dal mondo digitale, e Google era una delle poche sopravvissute. In Italia, il contesto era ancora più difficile: le connessioni a Internet passavano dai modem dial-up e parlare di marketing digitale misurabile sembrava fantascienza. Eppure, proprio in quel momento, D’Aragona e il suo piccolo team stavano introducendo un concetto rivoluzionario per l’epoca: la possibilità di sapere esattamente quante persone avevano visto una pubblicità e quante avevano effettivamente cliccato su di essa. Qualcosa che la televisione e la radio non avevano mai potuto offrire.
È stata proprio quella capacità di misurare i risultati, unita alla crescita esponenziale degli utenti online, a fare la differenza. Ma c’era un secondo elemento, forse ancora più importante sul lungo periodo: la cultura del dato. Google, che già gestiva un volume di ricerche semplicemente ineguagliabile, aveva capito prima di chiunque altro che i dati non erano semplici numeri da raccogliere, ma informazioni da interpretare per comprendere tendenze, interessi e comportamenti. Un’intuizione che le aziende italiane, come ammette lo stesso D’Aragona, hanno faticato a interiorizzare per molti anni.
O l’Italia prende questo treno, oppure abbiamo un problema molto serio.
Il salto al presente è tanto disorientante quanto illuminante. Quello che allora era un vantaggio competitivo detenuto da pochi player globali oggi è alla portata di qualsiasi azienda, incluse le piccole e medie imprese italiane che valgono oltre l’80% del PIL nazionale. Eppure, secondo i dati dell’Osservatorio del Politecnico di Milano, solo il 7% delle PMI italiane ha già introdotto sistemi di intelligenza artificiale. Un dato che D’Aragona non esita a definire “la misurazione di una patologia” — non la prova che l’IA non funzioni, ma il segnale inequivocabile di un ritardo strutturale.
La sfida che Datrix e il think tank di Assintel — che conta oltre cinquanta aziende associate che lavorano quotidianamente con le PMI — stanno cercando di affrontare è proprio questa: tradurre il potenziale dell’intelligenza artificiale in strumenti accessibili per aziende che non possono permettersi orizzonti di pianificazione decennali. A differenza dei grandi gruppi multinazionali, una piccola azienda manifatturiera del nordest o uno studio professionale del sud ha bisogno di vedere un ritorno misurabile nel più breve tempo possibile. E questo, dal punto di vista tecnico, è già fattibile. Il vero ostacolo, sottolinea D’Aragona, è diventato un altro: la complessità normativa.
Il riferimento è all’AI Act europeo, che sta progressivamente entrando in vigore con l’obiettivo dichiarato di rendere l’Europa protagonista nell’intelligenza artificiale. Ma la stratificazione delle regole — alcune generali, altre di settore, spesso sovrapposte e in parziale contraddizione reciproca — ha prodotto un effetto paradossale: per capire cosa sia o non sia consentito, le aziende devono rivolgersi a consulenti specializzati che sappiano interpretare non solo il codice informatico, ma anche quello normativo. Un costo aggiuntivo che grava inevitabilmente su chi ha meno risorse.
Il parallelismo con il GDPR, il regolamento europeo sulla protezione dei dati personali, è istruttivo. Quando è entrato in vigore, molte aziende italiane l’hanno vissuto come un fardello burocratico insostenibile. Ci sono voluti anni per assorbirlo. Eppure, alla fine, quello stesso regolamento ha spinto molte aziende a prendere coscienza del valore dei propri dati, trasformando un obbligo di compliance in un’opportunità competitiva. Il rischio oggi è quello di non avere quel tempo. L’intelligenza artificiale si muove a una velocità che il GDPR non ha mai avuto, e il margine per recuperare eventuali ritardi si restringe con il passare dei mesi.
D’Aragona usa un’immagine forte: l’IA rappresenta l’ultimo treno di una stagione di trasformazioni digitali che l’Italia ha già in parte perso. Il cloud computing, ad esempio, è stato adottato tardi e ancora oggi in modo incompleto dal Paese nel suo complesso. Se anche la transizione verso l’intelligenza artificiale venisse gestita male, le conseguenze non sarebbero solo la perdita di un’opportunità di crescita, ma anche l’erosione delle posizioni già conquistate. Le PMI italiane, spesso eccellenti nelle filiere dell’export — dalla manifattura all’agroalimentare, dalla moda al design — rischiano di perdere competitività rispetto ai concorrenti esteri che integrano l’IA nei processi produttivi, logistici e commerciali con maggiore rapidità e risorse.
La questione dei finanziamenti pubblici resta aperta e, in parte, irrisolta. D’Aragona non nasconde la sua preoccupazione: le risorse esistono, in Europa come in Italia, ma devono essere indirizzate in modo chiaro alle imprese e non solo ai grandi progetti infrastrutturali o ai settori più in vista. Cita il caso della sanità e della ricerca ospedaliera, dove le istituzioni pubbliche avrebbero bisogno di fondi dedicati per introdurre sistemi di IA nella diagnostica e nella ricerca clinica, ma si ritrovano a competere per le stesse risorse contro priorità molto diverse. In altri contesti geografici — e il riferimento implicito ma inequivocabile è a Stati Uniti e Cina — questi investimenti vengono realizzati con una sistematicità che l’Europa fatica ancora a replicare.
Quello che emerge dalla conversazione con D’Aragona è un quadro lucido e, per certi versi, scomodo: l’Italia ha gli strumenti culturali e imprenditoriali per affrontare questa transizione, ma rischia di farlo in modo frammentario, senza un chiaro coordinamento e senza indicatori che misurino concretamente quante aziende stanno realmente cambiando. Perché, come nota con amara ironia chi ha passato anni a costruire una cultura del dato, il dato più importante — quante PMI italiane stanno integrando l’IA nei propri processi — non viene ancora monitorato in modo sistematico da nessuno. E un Paese che non misura i propri progressi farà molta fatica a correggere la rotta in tempo.
