Scrivo questo pezzo sapendo di scontentare colleghi, ex-colleghi, e mezzo comparto. Ma tanto vale dirlo: non esiste una AI italiana con massa critica. Non esiste un modello di frontiera italiano, non esiste una scale-up italiana capace di competere con Anthropic o Mistral AI, non esiste un’infrastruttura di calcolo su cui costruire i prossimi cinque anni. Esistono ricercatori bravissimi, esistono spin-off universitari, esistono aziende storiche che si sono ridipinte “AI-first” perché la parola vende. Ma un ecosistema industriale dell’intelligenza artificiale, in Italia, non c’è. E la tesi impopolare che voglio difendere è questa: non è colpa del talento. È colpa del capitale, della politica industriale, e di una classe dirigente che continua a confondere la comunicazione con la strategia.
Ho lavorato dentro il settore, in ruoli tecnici e commerciali, dal 2018. Ho visto arrivare progetti PNRR con presentazioni magnifiche e delivery zero. Ho visto CEO di aziende quotate parlare di “sovranità algoritmica” senza aver mai fatto una call con NVIDIA. Ho visto ottimi ingegneri lasciare Roma e Milano per Zurigo, Parigi, Londra, perché qui uno stipendio senior in AI è la metà. Non è una lamentela nostalgica: è la fotografia di un settore che ha smesso di credere di poter competere seriamente su scala continentale, e che si è rifugiato dentro una narrazione autoconsolatoria che a Bruxelles e a Washington nessuno prende sul serio.
Cinque fallimenti nazionali che nessuno vuole raccontare
Andiamo ai casi concreti. Primo: iGenius ha lanciato Italia, il “primo LLM sovrano italiano”, con benchmark presentati in pompa magna e poi mai replicati in modo indipendente. Il progetto ha ricevuto attenzione politica altissima. La community open source europea, quando ha provato i pesi, ha registrato performance inferiori a Mixtral 8x7B su compiti in italiano. Non è un dramma tecnico, è un dramma comunicativo: si è venduto come rivoluzione ciò che era, nel migliore dei casi, un buon primo tentativo.
Secondo: Translated, che è un’eccellenza mondiale sulla traduzione, ha fatto un ottimo lavoro con Lara. Ma il posizionamento è verticale, non generalista. È la strategia giusta per l’azienda, sbagliata per raccontare un intero paese. Confondere una scale-up verticale forte con un “campione nazionale AI” è un errore di framing che continuiamo a ripetere perché fa comodo alla politica.
Terzo: Almawave, dove ho lavorato, ha annunciato Velvet, un modello italiano da 14B addestrato su Leonardo del Cineca. Bene. Ma un modello da 14B nel 2025 non compete con nulla che stia sul mercato consumer o enterprise di frontiera. È utile come dimostratore accademico e come base per fine-tuning verticali, non come prodotto industriale generalista. Vendere il contrario è marketing, non ingegneria.
Quarto: le università italiane hanno prodotto ricerca eccellente, ma il trasferimento tecnologico è restato bloccato dentro paper e spin-off sottofinanziati. Il modello Cambridge o l’ecosistema di Zurigo, qui, non è mai partito. Un dottorando in ML che vuole fare impresa trova più facile prendere un aereo per Londra che chiudere un round pre-seed a Milano.
Quinto: il PNRR ha stanziato circa un miliardo di euro sull’AI attraverso vari canali, disperso in decine di progetti a pioggia, senza una vera concentrazione su due o tre scommesse industriali. Il risultato è che tutti hanno preso un po’, nessuno abbastanza per fare la differenza. Un miliardo distribuito su cento progetti equivale a zero miliardi su un progetto vero.
Non è colpa del talento, è colpa del capitale
Qui arriva il punto scomodo. Ogni volta che si parla di AI italiana, la risposta ufficiale è: abbiamo bravi ricercatori. Vero. Peccato che i bravi ricercatori, senza capitale paziente e infrastruttura di calcolo, non producano prodotti industriali. Producono paper.
Un round Serie B in Europa, per un’azienda AI seria, oggi si misura in centinaia di milioni di euro. Mistral ha raccolto oltre un miliardo di euro tra il 2023 e il 2024. Aleph Alpha ha raccolto oltre cinquecento milioni prima del pivot enterprise. Il totale del venture capital italiano dedicato all’AI generativa nello stesso periodo è, secondo le stime che circolano nel settore, meno di duecento milioni. Con questi numeri, non si costruisce un competitor. Si costruisce, al massimo, un integratore locale.
E qui c’è la seconda parte del problema: il capitale che c’è, spesso, non capisce cosa sta finanziando. I fondi italiani tradizionali chiedono break-even a diciotto mesi, chiedono ricavi ricorrenti prima della product-market fit, chiedono cautele contrattuali che i founder di frontiera non accettano. Il risultato è che i team migliori si spostano dove il capitale è più intelligente. Non a Cupertino, banalmente a Parigi.
Non è una polemica generica contro gli LP italiani. È l’osservazione che la nostra industria del venture non è dimensionata per finanziare deep tech su scala globale, e finché non lo sarà, avremo scale-up nazionali che al massimo diventano acquisition target di gruppi stranieri. Che poi, sia chiaro, è già un buon esito rispetto al niente. Ma non è un ecosistema.
L’infrastruttura di calcolo che non abbiamo
Terzo pilastro mancante: le GPU. Non basta avere Leonardo del Cineca, per quanto sia un ottimo supercomputer per la ricerca. Proprio su Leonardo la Sapienza ha addestrato da zero Minerva, il primo modello linguistico costruito sull’italiano: un risultato serio, ma di ricerca aperta, non un prodotto industriale. Serve accesso continuativo, a prezzi competitivi, a cluster H100 e H200 dedicati al training industriale, non alla scienza aperta.
Un training run serio di un modello da settanta miliardi di parametri costa oggi tra i quindici e i quaranta milioni di euro in compute, a seconda di quanto sei bravo. In Italia non abbiamo un solo player privato con questa disponibilità di calcolo dedicata. Zero. Chi ha bisogno di training serio va da AWS, Google Cloud, CoreWeave, oppure Scaleway in Francia. Ogni euro che parte da un’azienda italiana per fare training è un euro di sovranità che esce dai confini. Poi ci lamentiamo che non c’è un’AI italiana.
L’Europa sta provando a rimediare con AI Factories e giga-factories annunciate dalla Commissione. Bene. Ma la governance di quelle infrastrutture, per ora, è tutta da definire, e l’Italia rischia di essere periferica rispetto alle scelte allocative di Francia e Germania, che nel giochino europeo hanno più peso politico e più tessuto industriale da difendere.
La controobiezione: “Ma abbiamo le PMI e i verticali”
So che qui il lettore benevolo mi dice: Alessandro, stai ragionando come se dovessimo fare i modelli di frontiera. Non è quello il nostro ruolo. Il ruolo dell’Italia è applicare l’AI ai verticali dove siamo forti: moda, meccanica, alimentare, sanità.
L’obiezione è seria e va presa sul serio. È vero che possiamo essere world-class come sistema-Paese sull’applicazione dell’AI ai settori verticali. È vero che ChatGPT, Claude, Gemini sono commodity che possiamo integrare senza doverli riprodurre.
Ma qui c’è il trucco: senza controllo di almeno un pezzo dello stack (modelli fine-tuned proprietari, dati protetti, infrastruttura di inference locale), l’AI applicata diventa dipendenza tecnologica pura. Quando OpenAI cambia una policy, dieci vertical italiani si fermano. Quando Anthropic alza i prezzi API, si dimezzano i margini di chi ha costruito sopra. È già successo, sta succedendo, continuerà a succedere.
La strada verticale è giusta, ma richiede almeno un anello di stack controllato in casa. Altrimenti stiamo semplicemente rivendendo licenze in italiano, aggiungendo un’interfaccia grafica e un connettore SAP. È un business legittimo, ma non è sovranità e non è industria strategica.
La seconda controobiezione: “Serve tempo, l’AI è appena iniziata”
Secondo argomento benevolo: siamo in una gara lunga, non si giudica al giro tre. L’Italia ha tempo di attrezzarsi.
Falso. Le gare tecnologiche di frontiera si vincono nei primi cinque anni con l’accumulo di talento, capitale, dati e vantaggi di scala. Dopo cinque anni, il gap diventa strutturale. Guardate il cloud: nel 2010 era ancora giocabile, oggi AWS, Azure e GCP hanno un vantaggio incolmabile. Nell’AI stiamo entrando nel 2026 con quattro anni di gap accumulato rispetto a chi ha iniziato bene. Non abbiamo tempo di aspettare il prossimo piano industriale, la prossima consultazione, il prossimo tavolo tecnico.
Il messaggio impopolare è: se non facciamo scelte drastiche adesso (venti/trenta scelte precise, non duemila), tra tre anni ci troveremo a essere un mercato di consumo puro. Compreremo AI made in USA e made in France, la integreremo, ne pagheremo la rendita. Nulla di male in senso assoluto: è la stessa posizione che abbiamo con il cloud oggi. Ma non chiamiamola sovranità e smettiamo di scrivere strategie nazionali che dicono il contrario.
Cosa dovrebbero fare governo e Confindustria (davvero)
Concreto. Tre mosse, non di più.
Prima: concentrare almeno 500 milioni di euro pubblici su una sola scommessa industriale AI, scelta con criteri tecnici trasparenti, e non a pioggia. Se si sceglie Mistral Le Chat come partner strategico europeo di riferimento, si dice apertamente e si costruiscono partnership vere. Se si sceglie di puntare su un consorzio nazionale, si sceglie chi lo guida senza compromessi politici. Ma si sceglie. Ogni giorno di indecisione è capitale bruciato.
Seconda: creare un fondo di venture pubblico-privato dedicato solo al deep tech AI, con ticket minimi da 20 milioni e una tesi lunga (dieci anni). Sul modello Bpifrance in Francia. Confindustria dovrebbe essere il primo LP privato, non lo spettatore che commenta.
Terza: infrastruttura. Un cluster di calcolo commerciale italiano, gestito da un consorzio pubblico-privato, che offra GPU a prezzi europei competitivi alle scale-up nazionali. Senza questo, tutto il resto è retorica, e il resto della catena del valore non ha dove aggrapparsi.
Chiudo con un’ammissione
Ho scritto questo pezzo perché il conformismo dei convegni sta danneggiando la lucidità di chi decide. A ogni evento sento parlare di “leadership italiana nell’AI etica” o di “modello europeo dell’AI”. Sono narrazioni utili per giustificare regolamenti, non per costruire industria.
L’AI Act è un regolamento sensato, ma non è una strategia industriale. Norma chi fa business qui, non aiuta a farlo nascere qui. Confondere le due cose è la trappola in cui stiamo cadendo. Bruxelles non ci salverà. Ci salveremmo solo scegliendo, come Paese, di scommettere seriamente su due o tre giocatori, di finanziarli senza mandarli in break-even a diciotto mesi, e di costruire l’infrastruttura sotto.
Se guardo l’Italia AI del 2029, la vedo in due scenari. Nel primo scenario abbiamo fatto una scelta chiara, siamo secondi in Europa dopo la Francia, abbiamo un paio di scale-up da qualche miliardo, e siamo dentro le decisioni continentali. Nel secondo scenario abbiamo continuato a spargere fondi, a fare convegni, a chiamare “AI italiana” ogni annuncio, e siamo diventati un mercato di sbocco per Mistral, OpenAI e Anthropic. Il secondo scenario è quello di default. Il primo richiede una discontinuità politica che non vedo all’orizzonte.
Cosa ne pensi tu che stai leggendo? Sei dentro il settore, hai visto le stesse dinamiche o hai una lettura diversa? Se lavori in una PMI e stai integrando AI, hai la sensazione di dipendere da tecnologia estera o senti che qualcosa di italiano potrebbe essere all’altezza? Scrivimelo. Su questi temi, chi lavora sul campo ha più informazioni di chi tiene i keynote. E in questa fase, quelle informazioni valgono più dei comunicati.
