Cos'è l'intelligenza artificiale: definizioni e tipologie

Il termine «intelligenza artificiale» — coniato nel 1956 da John McCarthy durante la storica Conferenza di Dartmouth — descrive la capacità dei sistemi informatici di svolgere compiti che, se eseguiti da esseri umani, richiederebbero intelligenza. Nella pratica contemporanea, questo include il riconoscimento del linguaggio, l'interpretazione di immagini, la presa di decisioni in ambienti complessi e l'apprendimento autonomo da dati.

L'ecosistema dell'IA si struttura in più sottodiscipline. Il machine learning (apprendimento automatico) è il ramo in cui gli algoritmi imparano dai dati senza essere programmati esplicitamente per ogni caso: un classificatore di immagini, per esempio, non riceve istruzioni su «cosa distingue un gatto da un cane», ma apprende la distinzione analizzando centinaia di migliaia di esempi etichettati. Il deep learning, sottoinsieme del machine learning, sfrutta reti neurali artificiali con decine o centinaia di strati — da cui il termine «deep» — per estrarre pattern di complessità crescente da dati grezzi come immagini, audio o testo.

L'IA generativa è la frontiera più recente e mediaticamente più visibile: sistemi come GPT-4, Claude e Gemini sono in grado di produrre testo, immagini, codice e audio originali a partire da semplici istruzioni testuali (prompt). Non si limitano a classificare o predire, ma creano. Questa capacità apre scenari applicativi vastissimi — dalla scrittura creativa alla sintesi di documenti legali, dalla generazione di codice al design grafico — e al tempo stesso solleva questioni nuove sul piano della responsabilità autoria, della disinformazione e del diritto d'autore.

L'IA nella sanità italiana: diagnostica, TAC e prevenzione

Il settore sanitario è tra quelli dove l'intelligenza artificiale ha trovato in Italia le applicazioni più mature e clinicamente validate. Il punto di ingresso più avanzato è l'analisi di immagini diagnostiche: algoritmi di computer vision addestrati su milioni di radiografie, TAC e risonanze magnetiche mostrano una capacità di rilevamento delle anomalie paragonabile — e in alcuni casi superiore — a quella di radiologi esperti su specifici task, come l'identificazione di noduli polmonari o microlesioni mammarie.

Al Policlinico Gemelli di Roma un progetto pilota utilizza algoritmi di deep learning per la lettura automatizzata dei fondi oculari nei pazienti diabetici in controllo periodico: il sistema identifica i primi segnali di retinopatia diabetica con una sensibilità dichiarata superiore al 90%, riducendo il carico di lavoro degli oftalmologi. All'Humanitas di Rozzano e all'IRCCS San Raffaele di Milano sono attivi trial sull'uso dell'IA per la stratificazione del rischio oncologico a partire da dati genomici e istopatologici integrati.

Sul piano della governance, l'AI Act dell'Unione Europea — entrato in vigore nel 2024 — classificai sistemi di IA a uso medico come «ad alto rischio», il livello di regolamentazione più stringente previsto. Questi sistemi devono essere certificati secondo procedure di conformità rigorose, documentare il processo decisionale in modo interpretabile, garantire supervisione umana e rispettare standard di accuratezza e robustezza stabiliti dal Centro Comune di Ricerca europeo. Il Ministero della Salute italiano ha costituito un tavolo tecnico per l'adeguamento della normativa nazionale di recepimento, con particolare attenzione alla responsabilità medico-legale nei casi in cui una diagnosi assistita da algoritmo si riveli errata.

Un capitolo specifico riguarda l'IA nell'analisi genomica e nella medicina di precisione. Il Programma Nazionale Genomica — lanciato con il PNRR — punta a creare una banca dati genomica nazionale che alimenterà modelli predittivi per identificare le terapie più efficaci per ogni paziente oncologico in base al profilo molecolare del tumore. È un cambio di paradigma: dalla medicina «one size fits all» alla medicina personalizzata, resa possibile dall'IA applicata ai big data clinici. Per il quadro completo sull'impatto dell'IA sulla sanità pubblica italiana, si rimanda alla sezione dedicata.

Adozione dell'IA nelle imprese italiane 2024 % di imprese con almeno un progetto IA attivo — per dimensione e settore Grandi imprese PMI Servizi finanziari Healthcare Manifatturiero Telco / Media Retail / GDO 72% 22% 61% 18% 53% 15% 68% 12% 44% 9% Fonte: Osservatorio Artificial Intelligence, Politecnico di Milano 2024. Scala 0–100%.
Adozione dell'IA nelle imprese italiane 2024 per settore. Il divario tra grandi imprese e PMI è marcato in tutti i comparti. Fonte: Osservatorio AI, Politecnico di Milano 2024.
Incorpora questo grafico

L'AI Act europeo: il regolamento che ridisegna le regole

Il Regolamento (UE) 2024/1689 sull'intelligenza artificiale — comunemente noto come AI Act — è il primo strumento legislativo globale di regolamentazione organica dell'IA. Approvato dal Parlamento europeo nel marzo 2024 ed entrato in vigore nel luglio dello stesso anno, disciplina i sistemi di IA commercializzati o utilizzati nell'Unione Europea attraverso un approccio basato sul rischio.

Il regolamento articola i sistemi di IA in quattro categorie. I sistemi a rischio inaccettabile — come il riconoscimento biometrico di massa in spazi pubblici, i sistemi di «social scoring» a opera dei governi e i sistemi di manipolazione subliminale — sono vietati. I sistemi ad alto rischio — tra cui quelli usati in sanità, istruzione, occupazione, giustizia, frontiere, infrastrutture critiche — sono ammessi ma soggetti a requisiti stringenti: registrazione in una banca dati europea, valutazione della conformità, documentazione tecnica, supervisione umana obbligatoria, standard di robustezza e accuratezza, obblighi di trasparenza verso gli utenti.

Per le imprese italiane, l'AI Act ha implicazioni pratiche immediate. Le aziende che sviluppano o deploiano sistemi di IA ad alto rischio devono nominare un responsabile della conformità, mantenere registrazioni del ciclo di vita del sistema, garantire la spiegabilità delle decisioni automatizzate e permettere la supervisione da parte delle autorità nazionali di controllo. Il Garante Privacy e l'AGCM sono tra le autorità italiane maggiormente coinvolte nella vigilanza.

IA e mercato del lavoro: cosa cambierà per i lavoratori italiani

L'impatto dell'intelligenza artificiale sul mercato del lavoro è la questione più dibattuta nelle ultime analisi degli economisti del lavoro italiani. Le proiezioni variano tra chi prevede una «primavera occupazionale» grazie all'aumento di produttività e chi teme una disoccupazione tecnologica di massa. La realtà, come spesso accade, è più sfumata.

L'Osservatorio AI del Politecnico di Milano ha stimato che circa il 50% dei lavoratori italiani utilizza già strumenti di IA nel proprio contesto professionale, con picchi del 70% tra i under-35 e tra i professionisti del settore informatico e dei servizi avanzati. La percentuale di adozione è guidata dalla generazione di testi, dall'analisi dati, dalla ricerca di informazioni e dall'automazione di email e comunicazioni.

Secondo le analisi disponibili, i profili più esposti all'automazione parziale o totale sono quelli con alto contenuto routinario e standardizzabile: operatori di data entry, addetti alla contabilità elementare, operatori di call center per richieste standard, trascrittori. Al contrario, professioni che richiedono creatività, giudizio contestuale, empatia e relazione interpersonale — medici, insegnanti, avvocati senior, designer, terapisti — vedono nell'IA uno strumento di amplificazione delle proprie capacità, non un sostituto.

Il caso degli infermieri e dei medici è emblematico: l'IA può supportare la diagnosi, ma la relazione terapeutica, la comunicazione con il paziente e la gestione dell'incertezza clinica rimangono attività profondamente umane, difficilmente delegabili ad algoritmi. Questo vale anche per l'ambito giuridico: gli strumenti di legal research basati su IA — come Westlaw AI e Harvey — accelerano la raccolta di precedenti ma non sostituiscono il ragionamento giuridico del professionista.

«L'IA non sostituirà i medici, i giornalisti o gli insegnanti. Sostituirà quei medici, quei giornalisti e quegli insegnanti che non sapranno utilizzare l'IA. La vera divisione non è tra lavori automatizzabili e non: è tra professionisti che integrano lo strumento e quelli che lo ignorano.»

Analisi Ore 12 — Redazione Tecnologia

L'adozione nelle imprese italiane: grande industria vs PMI

Il tessuto produttivo italiano si caratterizza per una struttura duale che si riflette anche nell'adozione dell'IA: le grandi imprese — spesso multinazionali o gruppi quotati — investono massicciamente, mentre le piccole e medie imprese, che costituiscono il 99,9% delle imprese italiane per numero e circa il 67% dell'occupazione, restano significativamente indietro.

Secondo l'Osservatorio Artificial Intelligence del Politecnico di Milano 2024, il 61% delle grandi imprese italiane ha almeno un progetto IA attivo o in corso di sviluppo, contro appena il 15% delle PMI. Il gap è più pronunciato nei settori meno digitalizzati: retail tradizionale, artigianato, agricoltura e costruzioni mostrano tassi di adozione inferiori al 10% anche tra le aziende più strutturate.

Le barriere all'adozione nelle PMI sono molteplici: il costo dell'infrastruttura tecnologica, la mancanza di competenze interne, la difficoltà di identificare casi d'uso a ritorno certo, e una diffusa diffidenza culturale verso l'automazione. Il Piano Nazionale per l'IA del governo italiano — pubblicato nel 2024 — prevede voucher digitali per PMI e un programma di mentoring con i Poli di Innovazione del MISE per accompagnare le imprese minori nell'adozione consapevole dell'IA.

La formazione nell'IA: corsi, università e profili richiesti

La domanda di competenze in intelligenza artificiale nel mercato del lavoro italiano supera di gran lunga l'offerta formativa. Secondo i dati di LinkedIn Italia, le offerte di lavoro che menzionano esplicitamente competenze di IA, machine learning o data science sono aumentate del 78% tra il 2022 e il 2024, con le figure più richieste che includono Data Scientist, ML Engineer, AI Product Manager e AI Solutions Architect.

Le università italiane stanno potenziando l'offerta formativa. Il Politecnico di Milano offre una laurea magistrale in Artificial Intelligence dedicata. Bocconi ha lanciato un Master in AI for Business. La Sapienza di Roma, il Politecnico di Torino e l'Università di Bologna hanno introdotto indirizzi specifici in Computer Science e Machine Learning nei propri percorsi magistrali. Il corso di laurea in AI Innovation, oggetto di uno degli articoli più linkati del dominio (vedi il dettaglio del programma), è diventato una delle proposte formative più seguite.

Sul fronte della formazione professionale continua, le piattaforme di e-learning hanno registrato in Italia una crescita esplosiva: Coursera, edX e Google Learning offrono certificazioni in ML e data science che, pur non equiparabili a un titolo accademico, sono ormai riconosciute da molti recruiter come credenziali di ingresso nel settore.

I rischi dell'IA: privacy, bias algoritmici e sicurezza

L'entusiasmo per l'intelligenza artificiale non può oscurare i rischi reali che il suo deployment su scala produce. Il più discusso — soprattutto dopo i casi documentati di selezione del personale, concessione del credito e pene detentive influenzate da algoritmi discriminatori — è quello dei bias algoritmici: sistemi addestrati su dati storici che riflettono pregiudizi umani li perpetuano e amplificano, a volte in modo oscuro e difficilmente impugnabile.

Sul piano della privacy, i Large Language Model pongono interrogativi inediti: chi detiene la proprietà dei dati con cui sono stati addestrati? Le informazioni fornite dagli utenti nelle conversazioni con i chatbot possono essere usate per migliorare i modelli? Il Garante Privacy italiano è stato tra i primi in Europa a sospendere temporaneamente ChatGPT (marzo 2023) chiedendo a OpenAI garanzie sulla gestione dei dati personali degli utenti italiani — una mossa che ha avuto risonanza internazionale e ha contribuito ad accelerare il dibattito regolatorio europeo.

La disinformazione alimentata dall'IA generativa è un altro fronte critico: i deepfake audio e video — ormai producibili con strumenti alla portata di chiunque — stanno ridefinendo i confini della verità mediale. In vista delle elezioni europee del 2024, diverse organizzazioni — tra cui la Commissione Europea — hanno lanciato campagne di fact-checking aumentate da IA e sistemi di watermarking per autenticare i contenuti genuini. Per l'impatto di questi temi sul dibattito sociale italiano, si veda anche la sezione società italiana.

Domande frequenti

Cos'è l'intelligenza artificiale?
L'intelligenza artificiale è un campo dell'informatica che sviluppa algoritmi e sistemi capaci di svolgere compiti che richiederebbero intelligenza umana: riconoscimento del linguaggio, interpretazione di immagini, apprendimento da dati, presa di decisioni. Comprende sottocampi come machine learning, deep learning, NLP e computer vision.
Come viene usata l'IA nella sanità italiana?
In Italia l'IA è già impiegata in ospedali e IRCCS per l'analisi di immagini radiologiche (TAC, mammografie), la lettura di fondi oculari in pazienti diabetici e la stratificazione del rischio oncologico da dati genomici. L'AI Act UE classifica questi sistemi come «alto rischio», richiedendo validazione clinica e supervisione umana obbligatoria.
Cos'è l'AI Act europeo e quando entra in vigore?
L'AI Act è il primo regolamento europeo sull'IA, approvato nel 2024. Classifica i sistemi per livello di rischio (inaccettabile, alto, limitato, minimo) con un approccio progressivo: i divieti hanno effetto immediato, i requisiti per i sistemi ad alto rischio si applicano entro 24 mesi dall'entrata in vigore.
Quanti italiani usano l'IA al lavoro?
Circa il 50% dei lavoratori italiani dichiara di utilizzare già strumenti di IA nel proprio contesto lavorativo. La percentuale sale al 70% tra i under-35 e tra i lavoratori dei settori informatico e dei servizi professionali.
Quali lavori saranno più colpiti dall'IA in Italia?
I profili più esposti all'automazione parziale sono quelli con alto contenuto routinario: data entry, contabilità elementare, call center per richieste standard. I profili che beneficeranno di maggiore produttività includono medici, avvocati, sviluppatori, insegnanti e giornalisti che integreranno l'IA nel loro flusso di lavoro.
Cosa si intende per machine learning?
Il machine learning è una branca dell'IA in cui gli algoritmi apprendono dai dati senza essere programmati esplicitamente per ogni caso. Un algoritmo viene «addestrato» su grandi quantità di dati storici e sviluppa la capacità di fare previsioni o classificazioni su nuovi dati non visti in precedenza.
Cos'è il deep learning e come si differenzia?
Il deep learning è un sottoinsieme del machine learning che utilizza reti neurali con molti strati per estrarre pattern complessi da dati grezzi come immagini, audio o testo. Eccelle in compiti di riconoscimento visivo e NLP ma richiede grandi volumi di dati e potenza computazionale elevata.
Come funzionano i modelli linguistici come ChatGPT?
I Large Language Model sono addestrati su enormi corpus di testo per predire la parola successiva in una sequenza. Attraverso l'ottimizzazione su miliardi di parametri apprendono strutture grammaticali, conoscenze fattuali e pattern di ragionamento. L'interazione avviene tramite prompt testuali.
Quali aziende italiane investono di più nell'IA?
Le grandi imprese italiane più attive nell'IA si concentrano nei settori bancario-assicurativo, manifatturiero avanzato e telco. Enel, Eni, Leonardo, Intesa Sanpaolo e Telecom Italia hanno programmi strutturati di AI transformation. Tra le PMI, il tasso di adozione rimane molto inferiore (15% vs 61% delle grandi).
Cosa si intende per IA generativa?
L'IA generativa produce contenuti originali — testo, immagini, audio, video, codice — a partire da un prompt. I sistemi più noti sono ChatGPT, Claude, Gemini (testo) e DALL-E, Midjourney (immagini). Si distingue dall'IA discriminativa per la sua capacità creativa.
Quali sono i rischi principali dell'IA?
I rischi principali includono: bias algoritmici (discriminazione sistematica), violazione della privacy, deepfake e disinformazione, concentrazione del potere nelle grandi tech company, rischi per l'occupazione nei settori più automatizzabili e questioni di allineamento tra obiettivi dei sistemi autonomi e valori umani.
Quale formazione serve per lavorare nell'IA?
Il mercato richiede profili tecnici (matematica, statistica, Python/R, TensorFlow/PyTorch) e ruoli trasversali (AI Product Manager, AI Ethics Officer, prompt engineer). Politecnico di Milano, Bocconi, La Sapienza, Politecnico di Torino e Bologna offrono lauree magistrali e master specifici sull'IA.
Come viene regolamentata l'IA in Italia?
L'Italia recepisce l'AI Act europeo direttamente applicabile. Il governo ha istituito un'Unità di Missione per l'IA. AGCM, Garante Privacy e CSIRT sono le autorità più coinvolte nella vigilanza. Il Garante ha già precedenti significativi, tra cui la temporanea sospensione di ChatGPT nel marzo 2023.
Cos'è l'IA responsabile?
L'IA responsabile è un approccio che mette al centro trasparenza, spiegabilità, equità, privacy by design, supervisione umana e accountability. OCSE, UNESCO e UE hanno elaborato principi guida che le organizzazioni sono incoraggiate — e in alcuni casi obbligate dall'AI Act — ad adottare.
L'IA sostituirà i medici?
Il consenso prevalente è che l'IA aumenterà le capacità diagnostiche dei medici senza sostituirli. I sistemi eccellono nell'analisi di pattern in grandi dataset ma mancano di giudizio clinico olistico, empatia e capacità di gestione dell'incertezza. La prospettiva più realistica è quella del medico che lavora con l'IA come strumento di supporto decisionale.
Dove imparare l'IA online in italiano?
Risorse in italiano includono: corsi su Coursera ed edX con sottotitoli italiani, la piattaforma POK del Politecnico di Milano, AI for Everyone di deeplearning.ai (disponibile in italiano), i canali YouTube del Politecnico di Torino e le risorse del programma AI Education di Google.

Approfondimenti