C'è un lamento ricorrente: l'Europa ha perso il treno dell'AI. I modelli di frontiera si addestrano in Usa e Cina, le piattaforme sono americane. Il rapporto Draghi (2024) fotografa il divario: in vent'anni il pil pro capite europeo è cresciuto di circa l’1% l'anno in meno di quello americano e solo quattro delle 50 maggiori aziende tech mondiali sono europee.

L'istinto politico è costruire i nostri campioni ma confonde due domande: dove nasce la tecnologia e dove si crea il valore. Non serve possedere tutta la frontiera per catturarne una quota enorme: quel valore dipende da chi incorpora l'AI in processi e istituzioni.

È il tratto delle general purpose technologies: da sole non producono produttività e chi le adotta peggiora prima di migliorare. Nel tardo 800 la Prussia batté la Francia - che pure aveva la rete elettrica più estesa - perché sfruttò meglio telegrafo elettrico e ferrovia: la domanda non è «chi ha inventato?» ma «chi ha riorganizzato meglio?».

È il «vantaggio dell'arretratezza»: chi arriva dopo prende in prestito tecnologie collaudate, ma solo se ha la «capacità sociale» di assorbirle. Transistor, controllo numerico e qualità nacquero in America e diventarono vantaggio competitivo in Giappone: succede solo con la volontà di cambiare più in fretta di chi è partito prima.

Che l'AI di frontiera nasca altrove non determina chi ne catturerà il valore. I modelli aperti (Mistral, i cinesi Deepseek, Kimi, Qwen) offrono qualità vicina alla frontiera a costo marginale: una quota crescente del valore andrà a chi userà bene modelli abbastanza buoni dentro processi proprietari. Ma qui l'analogia con l'elettricità si ferma: un fornitore di cloud e agenti, a differenza di uno di dinamo, vede i tuoi dati e può farsi concorrente. «Adottare» non può voler dire «comprare tutto e non possedere nulla».

L'Europa ha un vantaggio che il dibattito sui foundation model nasconde: base industriale sofisticata, leadership nelle tecnologie di processo, filiere di avanguardia. La sua opportunità è meno nell'AI che genera testo e più nell'AI che modifica il mondo fisico, dove i dati industriali diventano un asset.

Per l'Italia è decisivo: la partita vera è la physical AI, ossia robotica flessibile, visione, manutenzione predittiva, controllo qualità. Un gesto artigiano apprendibile da un robot e replicabile a costo decrescente è minaccia ma anche occasione per chi possiede già il know-how di processo.

Nel 2025 il 20% delle imprese Ue usava l'AI (17% le piccole, 55% le grandi), ma «usare l'AI» è una scala, non una soglia: interrogare un chatbot è diverso dal ridisegnare un workflow e ancora di più dal ripensare il modello di business quando una capacità che costava 100 ora costa 10. McKinsey stima che nei principali Paesi europei più della metà delle ore lavorate sia tecnicamente automatizzabile (fattibilità, non previsione).

Ma la domanda non è «quanti posti sostituirà l'AI»: un lavoratore non perde il posto perché una macchina fa il suo compito ma perché un'impresa concorrente usa la macchina meglio. Rallentare l'adozione per proteggere il lavoro non rallenta i concorrenti: protegge una mansione oggi e distrugge l'impresa domani. Il compito non è formare «esperti di prompt» ma insegnare a lavorare con agenti e robot dentro mestieri reali. Lo stesso per la scuola: se l'AI diventa scorciatoia si produce di più imparando meno.

La domanda centrale non è «come costruiamo il nostro OpenAI?» ma «come diventiamo il continente dove un'ora di lavoro, una fabbrica, un ospedale e una pmi producono più valore grazie all'AI che altrove?». (riproduzione riservata)

*senior partner di McKinsey & Co