ROI dell'IA nel 2025: come i CTO misurano i ritorni di agenti, automazione e IA conversazionale

L'ROI dell'IA nel 2025 non consiste più nel dimostrare che l'intelligenza artificiale sia interessante; si tratta di dimostrare che l'IA modifica costi, velocità, qualità, rischi e ricavi su scala aziendale. Per i CTO europei, i vincitori saranno coloro che collegheranno agenti IA, IA conversazionale e automazione a risultati aziendali misurabili, e non coloro che gestiranno il maggior numero di progetti pilota.

TL;DR

• Gli strumenti per il calcolo dell'ROI dell'IA aiutano i CTO a trasformare le ambizioni sull'IA in casi aziendali di investimento dotati di baseline misurabili, modelli di costo e criteri decisionali.
• L'ROI dell'IA enterprise dipende più dalla riprogettazione dei flussi di lavoro, dalla prontezza dei dati e dall'adozione che dalla sola selezione del modello.
• L'IA conversazionale può generare ritorni visibili nel servizio clienti, ma solo se misurata in base alla qualità della risoluzione e ai contatti ripetuti.
• L'IA nel settore pubblico mostra forti segnali di produttività, ma dimostra anche che la governance, la trasparenza e l'adeguamento dei sistemi legacy sono fondamentali.
• L'ROI dell'automazione tramite IA dovrebbe includere costi di software, dati, integrazione, GPU o inferenza, controlli di rischio, formazione e supporto operativo.

Strumenti per il calcolo dell'ROI dell'IA: valore strategico e componenti chiave per i leader tecnologici

Gli strumenti per il calcolo dell'ROI dell'IA sono calcolatori, schede di valutazione (scorecard) e framework di misurazione che traducono le iniziative di IA in risparmi di costo previsti, aumenti di ricavi, miglioramenti della produttività e rendimenti corretti per il rischio. Aiutano i CTO a confrontare i casi d'uso, prioritizzare i finanziamenti, modellare i costi delle infrastrutture e decidere se un agente IA, un flusso di lavoro automatizzato o un sistema di IA conversazionale meriti un investimento in produzione.

Il contesto aziendale è cambiato rapidamente. Secondo Eurostat (pubblicato l'11 dicembre 2025, anno di riferimento 2025), il 20,0% delle imprese dell'UE con almeno 10 dipendenti ha utilizzato tecnologie di IA, in aumento rispetto al 13,5% del 2024; l'uso più comune è stato l'analisi del linguaggio scritto nell'11,8% delle imprese. Ciò rende l'IA abbastanza diffusa da spingere i consigli di amministrazione a chiedere risultati, ma non ancora così matura da permettere ai CTO di dare per scontato che i ritorni si generino automaticamente. (ec.europa.eu)

Allo stesso tempo, i budget dedicati all'IA stanno passando da spese sperimentali a investimenti tecnologici rilevanti. Secondo Gartner (pubblicato il 31 marzo 2025, previsioni 2025), la spesa mondiale per l'IA generativa era prevista raggiungere 644 miliardi di dollari nel 2025, con un aumento del 76,4% rispetto al 2024. Il medesimo comunicato di Gartner avvertiva che i CIO stavano riducendo i progetti pilota (proof-of-concept) e gli sforzi di sviluppo interno a favore di soluzioni commerciali più prevedibili. (gartner.com)

È esattamente qui che i calcolatori di ROI per l'IA diventano fondamentali. Un calcolatore utile non si limita a chiedere: «Quante ore risparmieremo?». Struttura l'investimento attraverso:

• Costo di baseline: costo del lavoro attuale, rilavorazioni, licenze, cloud, supporto e gestione degli errori.
• Ipotesi di beneficio: tempo risparmiato, capacità operativa guadagnata, ticket risolti, ricavi tutelati o frodi ridotte.
• Curva di adozione: chi utilizzerà il sistema, con quale frequenza e secondo quali regole di governance.
• Costo totale di proprietà (TCO): integrazione, ingegneria dei dati, accesso ai modelli, costi di GPU o inferenza, monitoraggio e sicurezza.
• Aggiustamento del rischio: allucinazioni, privacy, cybersicurezza, esposizione normativa e reputazionale.

Per l'IA nei programmi di modernizzazione tecnologica, questo approccio trasforma le opinioni personali in una vera e propria gestione del portafoglio. Il CTO può confrontare un assistente di codifica, un agente per gli acquisti, un bot per il servizio clienti e un flusso di lavoro per l'automazione finanziaria utilizzando le stesse categorie.

Un'avvertenza: i calcolatori non creano l'ROI, ma mettono a nudo le ipotesi. Un CTO pratico li utilizza come strumenti dinamici e viventi, riesaminati durante le fasi di discovery, pilota, produzione e scalabilità. Questo ritmo previene i progetti pilota di facciata e protegge i capitali da destinare agli strumenti di IA che migliorano concretamente il modello operativo.

Un framework a quattro livelli per misurare l'impatto dell'IA enterprise su scala

L'ROI dell'IA enterprise dovrebbe essere misurato come un portafoglio di risultati finanziari, operativi e strategici: contributo all'EBIT, riduzione dei costi, aumento dei ricavi, riduzione dei tempi di ciclo, miglioramento della qualità, adozione, mitigazione dei rischi e capacità di piattaforma riutilizzabili. Su scala aziendale, i CTO necessitano di dati di baseline, KPI a livello di flusso di lavoro e una governance che mantenga visibili le prestazioni dell'IA anche dopo il lancio.

L'indagine McKinsey del 2025 chiarisce perché questa disciplina sia fondamentale. Secondo McKinsey (pubblicato il 5 novembre 2025; sondaggio online condotto dal 25 giugno al 29 luglio 2025 su 1.993 partecipanti in 105 nazioni), l'88% dei rispondenti ha riferito un uso regolare dell'IA in almeno una funzione aziendale, ma solo il 39% ha attribuito un qualsiasi impatto sull'EBIT aziendale all'IA. McKinsey ha inoltre riscontrato che il 23% stava scalando un sistema di IA agentica all'interno dell'azienda, mentre un altro 39% stava sperimentando l'uso di agenti. (mckinsey.com)

Il problema non è la mancanza di sperimentazione, ma una debole architettura di misurazione. Troppe aziende misurano le attività — prompt utilizzati, copilot attivati, documenti generati — senza verificare se il processo sia effettivamente migliorato.

Un modello più solido di ROI per l'IA enterprise si articola su quattro livelli:

1. ROI del caso d'uso: il flusso di lavoro specifico è migliorato rispetto alla baseline?
2. ROI di funzione: le vendite, l'assistenza, l'ingegneria o la finanza sono migliorate a livello dipartimentale?
3. ROI di piattaforma: pipeline di dati riutilizzabili, API, generazione aumentata da recupero (RAG) e osservabilità hanno ridotto il costo dei casi d'uso futuri?
4. ROI enterprise: l'IA ha inciso su margini, crescita, capitale circolante, rischio o ritenzione dei clienti?

L'AI Radar di BCG rafforza l'importanza del focus. Secondo BCG (pubblicato il 15 gennaio 2025, riflettendo i dati del sondaggio 2025 su oltre 1.800 dirigenti), le aziende che hanno riportato un valore significativo si sono concentrate su un insieme più ristretto di iniziative di IA, le hanno scalate rapidamente, hanno modificato i processi fondamentali, hanno riqualificato il personale e hanno misurato i ritorni operativi e finanziari. BCG ha inoltre evidenziato che le aziende leader hanno prioritizzato una media di 3,5 casi d'uso, contro i 6,1 delle altre aziende, attendendosi un ROI 2,1 volte superiore dalle proprie iniziative di IA. (bcg.com)

Per i CTO, l'implicazione è diretta: trattare l'IA come un portafoglio di prodotti, non come un laboratorio. Ogni caso d'uso necessita di un responsabile, una baseline, un piano di adozione, un responsabile del rischio e un bacino di valore atteso. Il CFO dovrebbe visionare gli stessi numeri del VP of Engineering.

Una buona misurazione dell'IA enterprise include:

• KPI finanziari: margine lordo, costo per transazione, ricavo per dipendente, outsourcing evitato, riduzione dell'abbandono (churn).
• KPI operativi: tempo di attraversamento, tempo di risoluzione, capacità produttiva, tasso di difettosità, rilavorazioni, vetustà del backlog.
• KPI ingegneristici: frequenza di deployment, tempo del ciclo di pull-request, difetti sfuggiti, copertura dei test, frequenza degli incidenti.
• KPI di rischio: tasso di intervento umano (override), deriva del modello, tentativi di prompt-injection, eccezioni di privacy, rilievi di audit.
• KPI di adozione: utenti attivi, copertura delle attività, utilizzo ripetuto, soddisfazione e cambiamento comportamentale confermato dai manager.

I framework di governance dovrebbero supportare, e non rallentare, questa misurazione. NIST AI RMF 1.0, rilasciato dal National Institute of Standards and Technology il 26 gennaio 2023, offre una struttura di gestione del rischio per un'IA affidabile. ISO/IEC 42001:2023, pubblicato come standard internazionale il 18 dicembre 2023, fornisce un approccio di sistema di gestione per un'IA responsabile. Per le aziende europee, questi framework integrano gli obblighi previsti dall'EU AI Act anziché sostituirli. (nist.gov)

ROI dell'IA conversazionale: bilanciare qualità della risoluzione, costi e ritenzione

L'IA conversazionale trasforma l'ROI spostando le interazioni ad alto volume dalla gestione esclusivamente umana a percorsi assistiti o completamente risolti dall'IA. Il ritorno deriva da un minor costo per contatto, una risoluzione più rapida, una maggiore disponibilità e un'elevata produttività degli operatori. Il rischio risiede nel misurare il solo tasso di automazione ignorando i contatti ripetuti, la soddisfazione del cliente e la qualità delle escalation.

I casi di ROI più evidenti emergono in ambienti di servizio clienti con intenti ripetibili, solide basi di conoscenza e chiare regole di escalation. Klarna è un esempio citato frequentemente, ma i numeri vanno riportati con precisione. Secondo l'annuncio aziendale di Klarna distribuito tramite PR Newswire (pubblicato il 27 febbraio 2024, relativo al primo mese di attività dell'assistente a livello globale), l'assistente basato su OpenAI ha gestito 2,3 milioni di conversazioni (due terzi delle chat del servizio clienti), ha svolto il lavoro equivalente a 700 agenti a tempo pieno, ha ridotto le richieste ripetute del 25%, ha tagliato il tempo medio di risoluzione da 11 minuti a meno di 2 minuti e, secondo le stime di Klarna, ha generato un incremento dei profitti di 40 milioni di dollari nel 2024. (prnewswire.com)

Questo non è un benchmark universale per ogni media impresa, ma un meccanismo: volumi elevati, supporto multilingue, canali digitali maturi e intenti di servizio chiari possono rendere l'IA conversazionale economicamente straordinaria.

Vodafone mostra la stessa tendenza su scala di telecomunicazioni europea. Secondo la presentazione dei risultati H1 FY26 di Vodafone (pubblicata a novembre 2025, periodo di rendicontazione H1 FY26), TOBi e SuperTOBi hanno gestito circa 60 milioni di conversazioni con i clienti al mese, raggiunto un tasso di risoluzione end-to-end del 70% e apportato un miglioramento del NPS di 8 punti percentuali. La medesima presentazione ha evidenziato che l'assistenza agli operatori dei call center in Germania ha prodotto un miglioramento del 61% nel punteggio di utilità. (reports.investors.vodafone.com)

Per un CTO, il modello di ROI dovrebbe separare tre livelli di valore:

ROI del self-service clienti

Questo è il valore delle conversazioni completamente risolte che non richiedono un operatore umano. Misurate il tasso di contenimento solo quando l'intento del cliente è realmente risolto. Se i contatti ripetuti aumentano, il bot sta semplicemente deviando la richiesta, non risolvendola.

ROI dell'assistenza agli operatori

Rappresenta il valore delle sintesi, delle risposte raccomandate, del recupero delle informazioni e della 'next-best action' all'interno del flusso di lavoro umano. Spesso produce un time-to-value più rapido rispetto all'automazione completa perché preserva il giudizio umano riducendo il carico cognitivo.

ROI su ricavi e ritenzione

L'IA conversazionale può tutelare i ricavi riducendo l'abbandono, migliorando la velocità di risposta e garantendo un supporto 24/7. Per le aziende B2B, questo può contare più del risparmio diretto di manodopera, poiché i clienti ad alto valore non gradiscono un'automazione scadente.

I migliori programmi di IA conversazionale utilizzano una scheda di valutazione bilanciata:

• risoluzione al primo contatto;
• accuratezza delle escalation;
• tasso di contatti ripetuti;
• costo per contatto risolto;
• tempo medio di gestione;
• soddisfazione del cliente;
• soddisfazione degli operatori;
• eccezioni di conformità;
• aggiornamento della conoscenza di base.

Per i deployment europei, l'Articolo 50 del Regolamento (UE) 2024/1689 è fondamentale: gli obblighi di trasparenza per determinati sistemi di IA si applicano dal 2 agosto 2026; chi distribuisce tali sistemi deve informare gli utenti in specifici contesti di interazione e contenuto. L'AI Act Service Desk della Commissione Europea stabilisce che gli obblighi di trasparenza sono applicabili da tale data, con un periodo di grazia limitato per la marcatura fino al 2 dicembre 2026 per alcuni sistemi già immessi sul mercato prima del 2 agosto 2026. (ai-act-service-desk.ec.europa.eu)

Misurare il valore dell'IA nel settore pubblico oltre il semplice ritorno finanziario

L'ROI dell'IA nel settore pubblico dovrebbe essere dimostrato attraverso i risultati della missione, il tempo risparmiato, la qualità del servizio, la trasparenza, la riduzione del rischio e il valore per i contribuenti — non solo attraverso il rientro finanziario. I progetti governativi richiedono evidenze più solide perché i benefici sono spesso distribuiti tra cittadini, personale, dipartimenti e fornitori, mentre i rischi riguardano la fiducia pubblica, l'equità e la responsabilità.

Le evidenze del settore pubblico sono utili per i CTO aziendali perché mettono in luce gli ostacoli più complessi nella cattura del valore dell'IA: sistemi legacy, dati frammentati, vincoli di procurement, doveri di trasparenza e carenza di competenze. Non si tratta di sfide esclusive del governo; molte medie imprese europee affrontano gli stessi ostacoli in ambienti ERP, piattaforme CRM e flussi di lavoro ad alta intensità documentale.

Il Regno Unito offre esempi chiari e ben documentati. Secondo GOV.UK (pubblicato il 2 giugno 2025, su una prova di tre mesi con oltre 20.000 dipendenti pubblici), i partecipanti che hanno utilizzato strumenti di IA generativa come Microsoft 365 Copilot hanno riferito un risparmio medio giornaliero di 26 minuti, pari a quasi due settimane all'anno per persona. Il comunicato di GOV.UK precisa che tali cifre derivano da autoriferimenti medi, illustrando quindi il potenziale di produttività anziché un ROI finanziario sottoposto ad audit indipendente. (gov.uk)

Un esempio pubblico più tecnico riguarda lo sviluppo software. Secondo il rapporto sullo studio pilota dell'assistente di codifica IA del Government Digital Service (pubblicato nel 2025; studio condotto da novembre 2024 a febbraio 2025), sono state messe a disposizione 2.500 licenze nei dipartimenti governativi centrali, sono state analizzate 424 risposte al sondaggio e gli utenti hanno riferito risparmi medi di 56 minuti per giornata lavorativa. Il rapporto ha inoltre registrato un tasso di accettazione delle righe di codice di GitHub Copilot del 15,8%, segnalando esplicitamente limitazioni quali il bias di ottimismo e la sovrapposizione delle stime dei tempi risparmiati. (gov.uk)

La sanità mostra l'ampiezza dell'opportunità amministrativa. Secondo GOV.UK, il Department of Health and Social Care e NHS England (pubblicato il 21 ottobre 2025), un progetto pilota su Microsoft 365 Copilot che ha coinvolto oltre 30.000 operatori del servizio sanitario (NHS) in 90 organizzazioni ha riscontrato risparmi medi dichiarati di 43 minuti o più per dipendente al giorno, con una proiezione di risparmio fino a 400.000 ore al mese a pieno regime. La stima NHS si basa su 100.000 utenti e va considerata come uno scenario stimato del settore pubblico, non come un benchmark per il settore privato. (gov.uk)

Tuttavia, la cautela è altrettanto importante. Secondo il rapporto OCSE Governing with Artificial Intelligence (pubblicato nel 2025), molti casi d'uso di IA nel governo rimangono in fase esplorativa o pilota, e l'OCSE cita il rilievo del Public Accounts Committee del Regno Unito del 2025, secondo cui il governo non disponeva di 'alcun meccanismo sistematico' per raccogliere gli apprendimenti dei progetti pilota e vantava pochissimi esempi di adozione scalata con successo. (oecd.org)

I CTO europei dovrebbero trarre tre insegnamenti principali:

• Misurare il valore della missione: la soddisfazione dei cittadini nel settore pubblico corrisponde alla soddisfazione dei clienti nel business.
• Documentare i limiti: i risparmi auto-dichiarati sono utili, ma richiedono la convalida tramite telemetria e dati finanziari.
• Prevedere un budget per la fiducia: verificabilità, accessibilità, protezione dei dati e supervisione umana fanno parte dell'ROI, non sono meri costi di conformità.

L'EU AI Act modifica ulteriormente il business case. Secondo la Commissione Europea (tempistica di applicazione aggiornata al 2026), l'AI Act è entrato in vigore il 1° agosto 2024; le pratiche vietate e gli obblighi di alfabetizzazione sull'IA sono diventati applicabili il 2 febbraio 2025; gli obblighi per i modelli di IA per scopi generali (GPAI) si applicano dal 2 agosto 2025; i poteri sanzionatori dell'Ufficio per l'IA e delle autorità degli Stati membri decorrono dal 2 agosto 2026. Per i CTO, l'alfabetizzazione sull'IA (Articolo 4), la trasparenza (Articolo 50) e gli obblighi GPAI (Articoli 53 e 55) incidono direttamente sui costi operativi e sulla pianificazione. (digital-strategy.ec.europa.eu)

Calcolare l'ROI per agenti IA autonomi e automazione dei flussi di lavoro

I CTO dovrebbero calcolare l'ROI dell'automazione tramite IA confrontando una baseline misurata con un modello operativo abilitato dall'IA, sottraendo i costi dell'intero ciclo di vita e aggiustando il risultato in base all'adozione, alla qualità e al rischio. I casi di ROI 2025 più solidi sono circoscritti, integrati, osservabili e legati a flussi di lavoro aziendali reali, anziché a generiche affermazioni di produttività.

La formula fondamentale è semplice:

ROI IA = (benefici finanziari + benefici strategici corretti per il rischio – costo totale IA) / costo totale IA

L'esecuzione è la parte più complessa. Il costo totale dell'IA deve includere analisi preliminare, preparazione dei dati, integrazione, licenze, accesso ai modelli, infrastruttura cloud, spesa per GPU o inferenza, test di sicurezza, monitoraggio, revisione umana, gestione del cambiamento e supporto. Se un CTO esclude LLMOps, MLOps, gestione delle identità, osservabilità e gestione degli incidenti, la stima dell'ROI risulterà incompleta.

L'AI Index 2025 dello Stanford HAI mostra perché le ipotesi infrastrutturali debbano essere verificate regolarmente. Secondo lo Stanford HAI (pubblicato il 7 aprile 2025, mettendo a confronto i costi delle interrogazioni tra novembre 2022 e ottobre 2024), il costo per interrogare un modello con prestazioni MMLU equivalenti a GPT-3.5 è sceso da 20 USD a 0,07 USD per milione di token, con una riduzione di oltre 280 volte in circa 18 mesi. Ciò non significa che ogni carico di lavoro aziendale diventi economico, ma che i CTO devono modellare i costi di inferenza in modo dinamico anziché ancorare l'ROI alle condizioni economiche dell'anno precedente. (hai.stanford.edu)

Le previsioni di spesa sui modelli di Gartner aggiungono un'ulteriore prospettiva. Secondo Gartner (pubblicato il 10 luglio 2025, previsioni mondiali 2025), la spesa degli utenti finali per i modelli di IA generativa era proiettata a 14,2 miliardi di dollari nel 2025, inclusi 13,053 miliardi per i modelli di base e 1,146 miliardi per i modelli generativi specializzati. Gartner ha inoltre previsto che entro il 2027 oltre la metà dei modelli di IA generativa utilizzati dalle imprese sarà di dominio specifico, rispetto all'1% del 2024. (gartner.com)

Un calcolo pratico dell'ROI dovrebbe seguire sei passaggi:

1. Selezionare un flusso di lavoro circoscritto. Scegliete la riconciliazione delle fatture, il triage del supporto, la revisione dei contratti, la sintesi degli incidenti, la revisione del codice o la generazione di proposte commerciali. Evitate di considerare 'rendere l'azienda più produttiva' come un caso d'uso.
2. Rilevare la baseline. Misurate volume attuale, costi, tasso di errore, tempo di ciclo, tasso di escalation e soddisfazione di clienti o dipendenti.
3. Progettare il flusso di lavoro futuro. Specificate dove agisce l'agente IA, dove approvano gli operatori umani e dove si aggiornano i sistemi di registrazione come SAP, Salesforce, ServiceNow, Microsoft Dynamics o piattaforme personalizzate.
4. Modellare i costi completi. Includete costi di sviluppo, acquisto, integrazione, gestione, governance e infrastruttura.
5. Validare tramite telemetria. Confrontate i risparmi previsti con i log degli eventi reali, i dati dei ticket, le pull request, i risultati del CRM e i registri contabili.
6. Scalare solo dopo che il valore è ripetibile. Un progetto pilota che dipende da prompt complessi, pulizia manuale dei dati o supporto eccezionale non è pronto per il rilascio enterprise.

Per gli agenti autonomi, occorre aggiungere un ulteriore test: il rischio di autonomia. Un agente IA in grado di leggere, prendere decisioni e agire tra più sistemi richiede barriere di protezione più solide rispetto a un chatbot che si limita a rispondere a domande. Applicate controlli di accesso basati sui ruoli (RBAC), soglie di approvazione, confini di recupero dati, registrazione dei log, red-teaming e procedure di rollback prima di collegare gli agenti ai flussi di lavoro di produzione.

È qui che la mentalità dell'ingegneria software di WWG IT fa la differenza. L'ROI dell'IA è massimo quando i team combinano riprogettazione dei processi aziendali, integrazione sicura, interfacce dati pulite e rilascio misurabile dei prodotti. Per le medie imprese europee, la strada migliore è raramente un gigantesco programma di modernizzazione dell'IA; è piuttosto una sequenza disciplinata di automazioni ad alto valore che condividono una piattaforma comune, un modello di governance e un metodo rigoroso di misurazione.

Esplorate i nostri strumenti per l'ROI dell'IA e iniziate a ottimizzare i vostri investimenti oggi stesso.

Fonti

• Eurostat — «20% of EU enterprises use AI technologies», pubblicato l'11 dicembre 2025. (ec.europa.eu)
• Gartner — «Gartner Forecasts Worldwide GenAI Spending to Reach $644 Billion in 2025», pubblicato il 31 marzo 2025. (gartner.com)
• Gartner — «Gartner Forecasts Worldwide End-User Spending on GenAI Models to Total $14.2 Billion in 2025», pubblicato il 10 luglio 2025. (gartner.com)
• McKinsey — «The state of AI in 2025: Agents, innovation, and transformation», pubblicato il 5 novembre 2025. (mckinsey.com)
• Boston Consulting Group — «From Potential to Profit: Closing the AI Impact Gap», pubblicato il 15 gennaio 2025. (bcg.com)
• NIST — «Artificial Intelligence Risk Management Framework (AI RMF 1.0)», pubblicato il 26 gennaio 2023. (nist.gov)
• ISO — «ISO/IEC 42001:2023 Artificial intelligence management systems», pubblicato il 18 dicembre 2023. (iso.org)
• Klarna — «Klarna AI assistant handles two-thirds of customer service chats in its first month», pubblicato il 27 febbraio 2024. (prnewswire.com)
• Vodafone — H1 FY26 Results presentation, pubblicato a novembre 2025. (reports.investors.vodafone.com)
• Commissione Europea — Framework normativo dell'AI Act e tempistica di applicazione. (digital-strategy.ec.europa.eu)
• AI Act Service Desk della Commissione Europea — Tempistica di applicazione per gli obblighi dell'AI Act. (ai-act-service-desk.ec.europa.eu)
• AI Act Service Desk della Commissione Europea — Articolo 50 obblighi di trasparenza. (ai-act-service-desk.ec.europa.eu)
• AI Act Service Desk della Commissione Europea — Articolo 53 obblighi per i fornitori di modelli di IA per scopi generali. (ai-act-service-desk.ec.europa.eu)
• Commissione Europea — Domande e risposte sull'alfabetizzazione in materia di IA relative all'Articolo 4. (digital-strategy.ec.europa.eu)
• GOV.UK — «Landmark government trial shows AI could save civil servants nearly 2 weeks a year», pubblicato il 2 giugno 2025. (gov.uk)
• Government Digital Service — «AI coding assistant trial: UK public sector findings report», pubblicato nel 2025. (gov.uk)
• Department of Health and Social Care e NHS England — «Major NHS AI trial delivers unprecedented time and cost savings», pubblicato il 21 ottobre 2025. (gov.uk)
• OCSE — Governing with Artificial Intelligence, pubblicato nel 2025. (oecd.org)
• Stanford HAI — «AI Index 2025: State of AI in 10 Charts», pubblicato il 7 aprile 2025. (hai.stanford.edu)