Real estate e intelligenza artificiale, l’Italia accelera

L’intelligenza artificiale sta rapidamente entrando nei processi del real estate italiano, ma con un approccio più strategico che impulsivo. È quanto emerge dal Global Real Estate Technology Survey 2025 di JLL, che fotografa un settore in forte evoluzione, ancora nella fase di sperimentazione ma sempre più consapevole del valore della tecnologia come leva competitiva.

Secondo la ricerca, condotta su oltre 1.500 decision maker a livello globale, l’Italia mostra livelli di adozione dell’AI superiori alla media in alcune aree chiave. Nel segmento degli occupier, il 95% delle aziende intervistate ha avviato progetti pilota di intelligenza artificiale nel corporate real estate, in forte crescita rispetto al 64% del 2024. Un dato che riflette un’accelerazione significativa, in linea con un trend globale che negli ultimi tre anni ha visto l’adozione passare dal 5% al 92%.

Tuttavia, la diffusione non coincide ancora con una piena maturità. La maggior parte delle organizzazioni si trova in una fase esplorativa, impegnata a individuare le applicazioni più efficaci e a comprendere come scalare l’AI all’interno dei sistemi aziendali esistenti.

Strategia prima dell’esecuzione

Uno degli elementi distintivi del mercato italiano è l’attenzione alla pianificazione. Le aziende si collocano ai primi posti per audit tecnologici, analisi dei dati e revisione dei processi, attività già avviate dal 68% degli occupier, contro una media globale del 40%. Elevato anche il coinvolgimento del top management nelle scelte tecnologiche.

Meno brillante, invece, l’esecuzione operativa: solo il 27% delle aziende italiane ha già avviato un percorso strutturato di modernizzazione dei sistemi, un dato inferiore alla media internazionale. Una prudenza che riflette la complessità degli ecosistemi IT e la necessità di integrazioni graduali.

Le priorità strategiche della C-Suite per i prossimi tre anni confermano questo orientamento: efficientamento dei costi energetici, aumento della produttività e miglioramento dell’efficienza organizzativa guidano l’agenda, insieme all’ottimizzazione dei portafogli immobiliari e alla retention dei talenti.

Dove si applica l’AI

Sul piano applicativo, l’intelligenza artificiale viene utilizzata soprattutto per l’analisi dei dati immobiliari, l’ottimizzazione dei portafogli e la definizione delle location strategy. Più contenuta, invece, l’adozione in ambiti come la gestione energetica e le facility operations, che restano aree a forte potenziale di sviluppo.

L’approccio italiano privilegia modelli ibridi: quasi la metà delle aziende combina competenze interne e partnership tecnologiche esterne, una percentuale superiore alla media globale. Una scelta che consente di mantenere il controllo strategico, accelerando al contempo l’accesso a soluzioni avanzate.

Investitori: tecnologia come leva di performance

Anche sul fronte degli investimenti immobiliari l’AI sta diventando un fattore strutturale. L’80% degli investitori italiani sta già testando applicazioni di intelligenza artificiale o prevede di farlo a breve. Il 95% riconosce il valore della tecnologia nel gestire la volatilità di mercato e migliorare la performance degli asset.

L’adozione è particolarmente avanzata nei workflow dei dati, nella gestione dei progetti di sviluppo e nell’investment e portfolio management. Cresce inoltre l’utilizzo dell’AI lungo l’intera catena del valore, dai processi di leasing alle operazioni di acquisizione e dismissione.

A differenza degli occupier, gli investitori mostrano una preferenza ancora più marcata per il supporto di partner esterni, affidandosi a grandi player tecnologici o a soluzioni specialistiche di AI per il real estate. Una strategia che consente di accedere rapidamente a competenze evolute senza perdere il presidio decisionale.

Verso un nuovo modello operativo

Nel complesso, il quadro che emerge è quello di un settore che ha imboccato con decisione la strada della trasformazione digitale, ma che procede con cautela. La sperimentazione è diffusa, la consapevolezza del valore dei dati è elevata, mentre la vera sfida dei prossimi anni sarà passare da progetti pilota a modelli operativi pienamente integrati.