Adozione tecnologica: un tasso non equivale a un uso integrato

Nelle discussioni sulla trasformazione digitale, «adozione» può indicare la prova di uno strumento, il suo utilizzo per alcune attività o l’integrazione in un processo di lavoro. Sono situazioni diverse, anche se vengono riassunte con la stessa parola. Un tasso si capisce solo insieme alla definizione che lo genera.

Il fatto che un’organizzazione dichiari di usare una tecnologia non indica, di per sé, chi la utilizza, con quale frequenza o in quante attività. Il dato descrive la diffusione secondo la misurazione dell’indagine; non consente di dedurre automaticamente che l’uso sia quotidiano o che abbia cambiato il modo di lavorare.

Lo studio di Funcas sull’intelligenza artificiale nelle imprese europee si basa sull’indagine EU-ICT-Firm di Eurostat. La misura registra la quota di imprese che dichiara di utilizzare una tecnologia di IA, ma non il numero di lavoratori o di ore che vi dedica. Conta le imprese utilizzatrici, non l’intensità d’uso.

È quindi utile distinguere tra disponibilità, sperimentazione, uso abituale e integrazione nei processi. Un dato aggregato può aiutare a stimare quanto una tecnologia si sia diffusa tra le organizzazioni studiate, senza rispondere alle altre domande. Il significato preciso dipende dalla risposta considerata come adozione.

Due percentuali possono riferirsi a realtà diverse se riguardano popolazioni, settori o periodi differenti. Possono variare anche in base alle tecnologie incluse e alla formulazione della domanda. Per interpretare un dato bisogna sapere chi viene conteggiato e che cosa viene considerato uso; il fatto che gli indicatori siano espressi in percentuale non li rende comparabili.

Conta anche l’unità di analisi. Una misura può contare le imprese, mentre un’altra riguarda i lavoratori, gli investimenti o il capitale tecnologico. La percentuale di organizzazioni che dichiara di usare l’IA non equivale alla quota di dipendenti che ci lavora: ogni indicatore risponde a una domanda diversa.

In un’analisi del 2020, CaixaBank Research ha utilizzato un’approssimazione basata sul capitale nelle nuove tecnologie: ha combinato software e banche dati, ricerca e sviluppo, computer e apparecchiature di telecomunicazione, rapportando poi il capitale alle ore lavorate. È una misura del capitale tecnologico per ora lavorata, non un tasso di imprese che usa l’IA.

Non bisogna confondere nemmeno un’osservazione con una proiezione. Un’indagine descrive le risposte raccolte in un determinato periodo; un modello può calcolare scenari futuri sulla base di ipotesi specifiche. Se cambiano il periodo, la popolazione o il metodo, una differenza tra i risultati non dimostra da sola che l’uso effettivo sia aumentato o diminuito.

Un’indagine, una previsione e un elenco di tendenze hanno funzioni diverse. La prima raccoglie informazioni su una popolazione; la seconda stima scenari subordinati a un modello; il terzo organizza gli argomenti che gli autori ritengono rilevanti. Non sono tre misure equivalenti di adozione.

Lo studio di Funcas descrive l’adozione dell’IA da parte delle imprese nell’Unione europea e analizza le differenze tra paesi e regioni sulla base di EU-ICT-Firm. Stima inoltre percorsi di diffusione e propone scenari futuri. Questi scenari non sono un conteggio delle imprese che hanno già adottato la tecnologia: dipendono dal metodo di modellizzazione e dalle relative ipotesi.

Un elenco di tendenze può offrire un orientamento strategico, ma non dimostra che una tecnologia sia ampiamente diffusa. Per esempio, nel 2023 Revista Byte TI ha pubblicato una selezione di tendenze per le imprese che comprendeva automazione, IA, cybersicurezza e superapp. La selezione riflette una lettura delle priorità, non un’indagine sulla penetrazione.

La domanda utile è quale affermazione sia sostenuta da ciascun materiale: un’indagine può stimare la quota di una popolazione che dichiara di utilizzare una tecnologia; un modello può esplorare scenari; un elenco può contestualizzare temi di interesse. Il valore strategico di una tecnologia non dimostra che il suo uso sia diffuso.

Un tasso definito con chiarezza permette di descrivere la quota di organizzazioni che dichiara di usare una tecnologia nella popolazione e nel periodo esaminati. L’analisi di Funcas rileva differenze di adozione tra i paesi dell’Unione europea e colloca la Spagna in una posizione intermedia nel contesto esaminato. Il risultato descrive differenze nella diffusione, non una situazione uniforme per tutte le imprese spagnole.

La misura descritta da Funcas non fornisce informazioni sull’intensità d’uso. Non permette quindi di dedurre quanti processi siano stati automatizzati né quanti dipendenti utilizzino l’IA. Non equivale neppure a una valutazione della produttività: lo studio rileva che l’intensità d’uso, espressa per esempio in lavoratori o ore dedicate, è sconosciuta.

Il capitale tecnologico e l’uso dichiarato sono anche modi diversi di osservare la digitalizzazione. CaixaBank Research ha utilizzato categorie di capitale per approssimare la rilevanza economica di alcune tecnologie; Funcas, invece, analizza la quota di imprese che dichiara di usare l’IA. La metrica scelta determina quale conclusione sia valida.

Lo studio di Funcas sull’IA nel settore bancario mostra un’altra unità di analisi: utilizza un’indagine condotta su 2.018 clienti bancari in Spagna ed esamina la loro percezione, conoscenza e disponibilità verso i servizi basati sull’IA. Le risposte descrivono i clienti e il loro rapporto con i servizi bancari; non misurano la quota di imprese che integra l’IA.

Per un’impresa, un tasso settoriale può offrire un contesto, ma non descrive da solo il funzionamento di una specifica implementazione. La decisione di estendere uno strumento richiede di considerare il processo a cui si applica, le persone che lo utilizzano e l’obiettivo perseguito. L’indicatore generale non sostituisce la valutazione del caso d’uso.

Lo studio di Funcas mostra un limite specifico delle statistiche EU-ICT-Firm: consentono di osservare quante imprese dichiarano di usare l’IA, ma non l’intensità di tale uso. Per una piccola o media impresa che valuta uno strumento, quella quota non chiarisce se la soluzione sia adatta alle sue attività o se la sua implementazione raggiunga l’obiettivo previsto dall’organizzazione.

Una valutazione interna può porre domande più circoscritte rispetto a un tasso nazionale: quale attività ha integrato lo strumento, chi lo usa e quale cambiamento si prevede di osservare? Queste domande aiutano a descrivere l’implementazione interna, ma le risposte non vanno confuse con il risultato di un’indagine che copre una popolazione aziendale più ampia.

L’utilità di ciascun indicatore dipende dalla domanda. La quota di imprese utilizzatrici descrive la diffusione dichiarata; una misura del capitale tecnologico riflette un’altra dimensione; un’indagine sui clienti riguarda percezione e disponibilità. Prima di confrontare i dati, occorre verificare che descrivano lo stesso fenomeno.

Prima di ripetere un tasso di adozione, occorre identificare la popolazione, la tecnologia, il periodo e l’unità di analisi. È inoltre importante verificare se si tratti di un’osservazione o di una proiezione. Questi elementi delimitano ciò che si può affermare: la quota di imprese che dichiara di usare l’IA non misura, da sola, frequenza, scala o integrazione.

Un aumento dell’uso dichiarato permette di dire che, nella misurazione in questione, è cresciuta la quota di imprese utilizzatrici. Non dimostra da solo un aumento della produttività e non spiega come venga utilizzata la tecnologia. La diffusione dell’uso e i suoi effetti sono questioni diverse.

Per interpretare la portata di un dato è utile tenere separate le misure che rispondono a domande diverse: uso dichiarato dalle imprese, capitale tecnologico, traiettorie stimate e risposte dei clienti. Possono offrire prospettive complementari, ma ciascuna ha una propria popolazione e un proprio oggetto di analisi.

In sintesi, un tasso di adozione è utile quando resta legato alla sua definizione, alla popolazione e al periodo. La regola fondamentale è non equiparare disponibilità, sperimentazione, uso abituale e integrazione. In questo modo si evita di presentare uno scenario come un risultato osservato o di trasformare una misura di diffusione in un’affermazione sull’intensità o sull’impatto.