Le organizzazioni italiane credono sempre di più nel potenziale dell’intelligenza artificiale, ma la loro capacità di tradurre questa fiducia in pratiche concrete di controllo e affidabilità non è ancora sufficiente a colmare il divario. È questa la principale evidenza che emerge dal nuovo studio di SAS sviluppato con insight di ricerca a cura di IDC, secondo cui l’Italia registra il più elevato Trust Gap tra tutti i Paesi europei analizzati.
Nel 2026 la fiducia percepita nell’IA raggiunge 72,9 punti, mentre il Trustworthiness Index, che misura la maturità delle pratiche necessarie a rendere l’IA affidabile, si ferma a 58,8 punti. Il divario tra fiducia e capacità effettiva di governo della tecnologia si riduce rispetto al 2025, passando da 18,4 a 14,1 punti, ma resta il più ampio in Europa. In altre parole, nessun altro Paese europeo mostra una distanza così marcata tra la fiducia riposta nell’intelligenza artificiale e la capacità di dimostrare concretamente che i sistemi siano trasparenti, spiegabili, controllabili e conformi alle normative.
Questo divario, però, non rappresenta soltanto una questione di governance o conformità normativa. Secondo il Data and AI Impact Report, le organizzazioni che adottano pratiche mature di Trustworthy AI hanno una probabilità 15 volte superiore di ottenere un ritorno significativo dagli investimenti in intelligenza artificiale. Il Trust Gap diventa quindi anche un indicatore della capacità delle organizzazioni di trasformare l’IA da sperimentazione tecnologica a reale vantaggio competitivo.
La governance migliora, ma non abbastanza da chiudere il divario
L’Italia sta comunque facendo progressi. Il Trustworthiness Index cresce di 7,6 punti rispetto all’anno precedente e tutte le cinque dimensioni che contribuiscono a rendere affidabile l’intelligenza artificiale registrano miglioramenti. L’incremento più significativo riguarda Audit & Accountability (+6,8 punti), seguito da Model Governance (+5,6 punti) e Data Quality (+4,1 punti). Le Responsible AI Policy restano la dimensione più avanzata con un punteggio di 64 punti.
Nonostante questi progressi, tutte le dimensioni analizzate rimangono al di sotto dei benchmark globali del 2026. Il risultato è un mercato in cui la fiducia nell’IA resta superiore alla capacità delle organizzazioni di supportarla con processi, controlli, governance e meccanismi di accountability adeguati.
Il problema non è adottare l’IA. È riuscire a spiegarla.
Uno dei segnali più significativi emersi dalla ricerca riguarda la spiegabilità dell’intelligenza artificiale.
Il 37,7% delle organizzazioni indica l’insufficiente chiarezza delle risposte generate dall’IA come principale motivo per modificare o correggere gli output prodotti dai sistemi. Seguono la mancanza di contesto (26,4%), le preoccupazioni relative alla sicurezza degli output (14,2%), le inesattezze fattuali (13,2%) e il rischio di bias (8,5%).
In un contesto caratterizzato dal più ampio Trust Gap europeo, la spiegabilità diventa un fattore strategico: più le organizzazioni affidano decisioni all’IA, più cresce la necessità di comprenderne il funzionamento, verificarne le motivazioni e dimostrarne l’affidabilità.
Dalla sperimentazione al valore: la sfida passa dai dati
Il report mostra anche che molte organizzazioni faticano ancora a trasformare i progetti di IA in risultati concreti. L’Impact Index cresce infatti solo da 50,2 a 51,7 punti e appena il 18,7% delle organizzazioni dichiara di ottenere un ROI elevato dalle proprie iniziative di IA. Tra le principali cause emerge la frammentazione dei dati. In un solo anno la quota di organizzazioni con infrastrutture dati distribuite in silos è quasi triplicata, passando da circa l’11% al 29%. Solo l’8,4% rende obbligatori strumenti di data quality in ogni progetto di intelligenza artificiale, mentre il 33,6% continua ad affidare la gestione dei dati ai singoli team.
La conseguenza è evidente: cresce la fiducia nell’IA, ma le fondamenta necessarie per generare valore su larga scala non si stanno consolidando con la stessa velocità. Non sorprende quindi che meno di un’organizzazione su cinque riporti oggi ritorni elevati dalle proprie iniziative di IA. Lo studio evidenzia inoltre come qualità dei dati, auditabilità, accountability e spiegabilità non rappresentino soltanto requisiti di governance, ma fattori direttamente correlati alla capacità di generare risultati di business misurabili. Le organizzazioni che investono maggiormente in queste pratiche registrano infatti performance e ritorni economici significativamente superiori rispetto a quelle che non lo fanno.
Ridurre il Trust Gap sarà la vera sfida dell’IA in Italia
Per le organizzazioni italiane la priorità non è più soltanto adottare l’intelligenza artificiale, ma assicurarsi che la fiducia nella tecnologia sia sostenuta da capacità concrete di controllo, audit, spiegabilità e qualità del dato. Il vero tema che emerge dallo studio non è quindi se l’IA stia avanzando, ma se la governance stia avanzando abbastanza rapidamente da accompagnarla. Oggi l’Italia mostra segnali incoraggianti di maturazione, ma resta il Paese europeo in cui la distanza tra fiducia e capacità di governo dell’intelligenza artificiale è più ampia.
Colmare questo divario non significa soltanto rafforzare trasparenza, responsabilità e conformità normativa. Significa creare le condizioni per trasformare la fiducia nell’IA in valore economico, risultati di business e vantaggio competitivo sostenibile. Per le aziende italiane, ridurre il Trust Gap sarà sempre più una questione di crescita e performance, oltre che di governance.
