Come la matematica crea 680 miliardi e pesa sull’economia italiana

La matematica non è più soltanto il ricordo ruvido di un compito in classe, una lavagna piena di simboli o una materia da dividere tra chi “la capisce” e chi la teme. Nel 2025, secondo il nuovo rapporto promosso da Cnr-Iac e Unione Matematica Italiana e realizzato da Deloitte Economics, la matematica ha contribuito al 34% del Valore Aggiunto Lordo italiano, pari a 680,1 miliardi di euro. Una cifra enorme, quasi fisica, dello stesso ordine di grandezza dei grandi blocchi produttivi che siamo abituati a considerare il cuore dell’economia: industria, manifattura, filiere tecnologiche, servizi avanzati.

Il punto è proprio questo: la matematica è diventata un’infrastruttura economica, anche quando non si vede. Non produce solo formule, produce decisioni migliori, macchine più efficienti, banche più rapide nel valutare i rischi, reti energetiche più stabili, algoritmi capaci di leggere dati medici, traffico, consumi, immagini, previsioni. Il rapporto stima 308,5 miliardi di impatto diretto, 221,3 miliardi di impatto indiretto e 150,3 miliardi di impatto indotto. Tradotto fuori dal gergo: ogni volta che un modello matematico migliora un processo, quel vantaggio si propaga. Entra nelle imprese fornitrici, nei salari, nei consumi, nelle tasse, nell’organizzazione concreta del Paese.

Il numero che cambia il peso della matematica

La notizia ha un effetto straniante perché sposta la matematica dal banco di scuola al bilancio nazionale. Non siamo davanti a una disciplina ornamentale, né a un sapere elegante ma chiuso nella sua torre. La ricerca matematica, secondo lo studio, sostiene circa 8,4 milioni di posti di lavoro, il 35% del totale nazionale. Di questi, 2,7 milioni sono occupati diretti, 3,2 milioni sono legati alle filiere fornitrici e 2,5 milioni dipendono dagli effetti generati dalla spesa delle famiglie che vivono anche grazie a quei redditi. La matematica, insomma, non sta ferma. Circola.

È una presenza silenziosa, come l’impianto elettrico dietro i muri. La notiamo solo quando manca: quando un sistema informatico cade, quando una previsione sbaglia, quando una fabbrica spreca energia, quando un ospedale non riesce a gestire i flussi, quando un algoritmo prende decisioni opache o sbagliate. Finché tutto funziona, la matematica resta lì, dietro. Una grammatica nascosta che regge pezzi interi della vita quotidiana.

Il dato dei 680,1 miliardi colpisce anche perché costringe a rivedere una vecchia idea italiana: quella della matematica come materia dura, selettiva, quasi punitiva. Nel mondo produttivo, invece, è una lingua di sopravvivenza. Serve a ottimizzare turni, ridurre sprechi, prevedere guasti, stabilire prezzi, misurare rischi, proteggere reti, costruire sistemi di intelligenza artificiale. Non sempre chi la usa si definisce matematico. Spesso è un ingegnere, un data analyst, un fisico, un informatico, un economista quantitativo, un tecnico di processo, una ricercatrice in biomedicina. Ma il motore resta quello: modellizzare la realtà per renderla più leggibile.

Dove nasce il valore nascosto dei modelli

Per capire il peso economico della matematica bisogna smettere di immaginarla come una collezione di esercizi astratti. Un modello matematico è una macchina mentale: prende un fenomeno confuso, lo riduce ai suoi elementi essenziali e permette di simulare scenari. Quanto conviene produrre? Dove va spostata l’energia in una rete sotto stress? Quale componente industriale rischia di rompersi? Quanto credito può ricevere un’impresa senza aumentare troppo il rischio? Quale terapia ha più probabilità di funzionare su un certo profilo clinico? Sono domande diverse, ma tutte hanno bisogno della stessa cosa: numeri ben trattati.

Nella manifattura avanzata, per esempio, la matematica consente di far parlare le macchine prima che si rompano. Sensori, dati, algoritmi predittivi e modelli statistici permettono di anticipare anomalie, programmare la manutenzione, tagliare fermi produttivi costosi. In un Paese come l’Italia, dove meccanica di precisione, automazione, biomedicale e filiere specializzate hanno un peso storico, questo non è un dettaglio da laboratorio. È margine industriale. È competitività. È capacità di consegnare bene, in tempo, con meno errori.

Nel settore energetico, il ruolo è ancora più evidente. Reti elettriche, rinnovabili, accumuli, domanda variabile e prezzi dinamici non si governano con l’intuito. Una rete che riceve energia da fonti intermittenti ha bisogno di previsioni, simulazioni, ottimizzazione. Il vento cambia, il sole cala, i consumi salgono alle ore sbagliate, le infrastrutture hanno limiti fisici. La matematica tiene insieme questo puzzle mobile. Non lo rende semplice, ma lo rende gestibile.

Finanza, energia, sanità e fabbriche intelligenti

In finanza, la matematica è entrata da decenni, ma oggi il suo ruolo è più profondo e più delicato. Non serve soltanto a calcolare interessi o rendimenti, serve a misurare esposizioni, costruire scenari di crisi, prevenire frodi, profilare rischi, valutare portafogli complessi. Qui il vantaggio può diventare enorme, ma anche pericoloso se i modelli vengono usati come scatole nere. Un algoritmo non è neutro per magia. Dipende dai dati, dalle ipotesi, dai controlli, dalla qualità di chi lo progetta. La matematica produce valore quando è governata, non quando diventa un oracolo cieco.

Nella sanità il discorso è ancora più concreto, quasi corporeo. Dietro molte diagnosi per immagini, molte analisi epidemiologiche e molte tecniche di medicina personalizzata c’è matematica applicata: statistica, calcolo numerico, modelli probabilistici, analisi dei segnali, reti neurali. Una TAC non è solo un’immagine: è anche ricostruzione matematica. Una previsione sulla diffusione di una malattia non è un presentimento: è un modello con assunzioni, limiti e margini d’errore. Una terapia calibrata sui dati di un paziente richiede capacità di leggere pattern che l’occhio umano, da solo, non regge più.

Poi c’è l’intelligenza artificiale, il grande acceleratore. L’IA non nasce dal nulla digitale, nasce da algebra lineare, probabilità, ottimizzazione, statistica, teoria dell’informazione. Ogni modello generativo, ogni sistema di riconoscimento, ogni motore di raccomandazione poggia su strutture matematiche. Chi possiede competenze matematiche solide non si limita a usare strumenti: può capirli, adattarli, controllarli, criticarli. In un’economia che rischia di importare piattaforme e tecnologie dall’estero, questa differenza diventa politica industriale.

La filiera invisibile dei posti di lavoro

Il rapporto parla di 8,4 milioni di posti di lavoro sostenuti dalla matematica. È un numero che va letto con attenzione, perché non significa che in Italia ci siano milioni di matematici puri seduti davanti a una lavagna. Significa che una parte enorme dell’occupazione dipende direttamente o indirettamente da attività ad alta intensità matematica. Una fabbrica che usa modelli predittivi, una banca che gestisce rischi, una società logistica che ottimizza rotte, una compagnia energetica che bilancia reti, un’impresa farmaceutica che lavora su dati clinici: tutte alimentano occupazione legata alla capacità di trasformare calcolo in decisione.

L’impatto diretto riguarda le professioni più vicine ai modelli e alla ricerca. Qui troviamo matematici applicati, statistici, informatici, data scientist, ingegneri, fisici, economisti quantitativi, ma anche figure ibride che fino a pochi anni fa sembravano esotiche e ora sono normali nelle aziende più strutturate. L’impatto indiretto si allarga alle filiere: fornitori, consulenze, tecnologia, infrastrutture, formazione, servizi. L’impatto indotto arriva ancora più lontano, perché i redditi generati da quelle attività sostengono consumi e altro lavoro. Una catena lunga, meno appariscente di un’acciaieria o di una linea di montaggio, ma potente.

Qui c’è un passaggio culturale non banale. Il lavoro matematico non è sempre riconoscibile dal nome del mestiere. Un tecnico che ottimizza una linea di produzione sta usando matematica anche se non la chiama così. Una ricercatrice che analizza dati ambientali fa matematica anche quando parla di clima. Un analista che costruisce un modello per ridurre sprechi nella distribuzione alimentare sta maneggiando strumenti matematici, magari senza la solennità dell’accademia. La matematica è uscita dai dipartimenti e si è mischiata con le cose. Ha preso polvere di officina, odore di server, ritmo di sala operativa.

Il paradosso italiano: tanta resa, pochi investimenti

Il dato più interessante, e anche più scomodo, è il contrasto tra l’enorme valore generato e il livello degli investimenti. L’Italia ricava molto dalla matematica, ma investe ancora poco in ricerca e sviluppo. La spesa in R&S resta intorno all’1,37% del Pil, distante dalla media europea, che viaggia sopra il 2%. È come avere un terreno fertile e annaffiarlo a metà. Qualcosa cresce, certo. Ma potrebbe crescere molto di più, e soprattutto con radici meno fragili.

Questo paradosso attraversa da anni il sistema italiano. Buona ricerca, talenti riconosciuti, imprese eccellenti in nicchie ad alto valore, ma passaggi deboli tra università, centri pubblici, industria e capitale privato. Il trasferimento tecnologico resta spesso più lento del necessario. Le piccole imprese faticano ad assorbire competenze avanzate. I ricercatori giovani incontrano carriere incerte, stipendi poco competitivi, burocrazia pesante. Così una parte del capitale umano prende la valigia. Non sempre per scelta romantica. Spesso per respirare.

La matematica, in questo quadro, diventa una cartina al tornasole. Mostra ciò che l’Italia sa fare e ciò che rischia di perdere. Il Paese ha una struttura produttiva adatta alle applicazioni matematiche: manifattura avanzata, meccanica, biomedicale, automazione, filiere specializzate. È un tessuto che può beneficiare moltissimo da modelli, simulazioni, intelligenza artificiale e ottimizzazione. Ma se mancano competenze, investimenti e connessioni stabili tra ricerca e imprese, quel vantaggio si assottiglia. Non sparisce di colpo. Si consuma, lentamente, come una lama usata male.

C’è anche un tema di sovranità tecnologica. Dipendere da sistemi di intelligenza artificiale sviluppati altrove significa comprare potenza senza possedere pienamente il linguaggio che la governa. È comodo, all’inizio. Poi diventa vincolante. Le imprese usano piattaforme estere, le amministrazioni adottano strumenti standardizzati, i dati viaggiano dentro architetture progettate fuori dal Paese. Senza competenze matematiche e informatiche diffuse, l’Italia rischia di restare consumatrice di innovazione, non produttrice. Una differenza che nel breve sembra sottile, ma nel lungo pesa come cemento.

Scuola, lauree STEM e intelligenza artificiale

Il rapporto mette al centro anche il capitale umano. La matematica produce ricchezza solo se ci sono persone capaci di usarla bene. Qui il discorso entra nelle scuole, nelle università, negli istituti tecnici, nei percorsi di formazione continua. Non basta aumentare qualche corso o aggiungere una parola inglese nei programmi. Serve rendere la matematica meno separata dalla vita reale, più legata ai problemi concreti, meno vissuta come un muro e più come uno strumento. Senza addolcirla troppo, perché resta difficile. Ma la difficoltà non è un difetto: è il prezzo dell’accesso a una comprensione più profonda.

I dati sulle competenze scolastiche mostrano un’Italia non priva di qualità, ma attraversata da fratture. Ci sono differenze territoriali, sociali, di indirizzo scolastico, e pesano presto. Uno studente che accumula paura della matematica a 12 anni difficilmente sceglierà un percorso STEM a 19. Una ragazza che non vede modelli femminili nei settori tecnici potrebbe autoescludersi prima ancora di provarci. Un territorio con scuole fragili e poche imprese innovative offre meno occasioni di immaginare lavori matematici. È qui che la ricchezza futura comincia a perdersi: non nei convegni, ma nei quaderni, nei laboratori, nelle classi troppo diseguali.

L’intelligenza artificiale rende questa questione più urgente. Usare bene l’IA richiede competenze matematiche più diffuse, non meno. L’illusione è pensare che gli strumenti automatici sostituiranno la conoscenza. In realtà la alzano di livello. Chi non capisce dati, probabilità, errori, correlazioni e bias rischia di usare l’IA come si usa un navigatore rotto: con fiducia cieca, finendo magari dentro un vicolo. Chi invece possiede basi solide può interrogare il sistema, verificarlo, piegarlo a un obiettivo, riconoscere quando sbaglia.

Nelle imprese, questa differenza è già evidente. Non vince chi compra il software più costoso, vince chi sa integrarlo nei processi, misurare i risultati, correggere i modelli, formare le persone. Una piccola azienda manifatturiera può trarre grande valore da un sistema predittivo, ma solo se ha qualcuno capace di leggere i dati delle macchine, distinguere il rumore dal segnale, tradurre il risultato in una decisione operativa. La matematica non vive nel computer. Vive nel passaggio tra il computer e la scelta umana.

Perché il valore aggiunto non è una formula vuota

Quando si parla di Valore Aggiunto Lordo, il rischio è scivolare in un linguaggio da documento economico, grigio come una sala riunioni senza finestre. In realtà il valore aggiunto misura la ricchezza prodotta da un’attività al netto dei beni e servizi intermedi utilizzati. È una misura centrale per capire quanto un settore contribuisca davvero all’economia. Dire che la matematica pesa per 680,1 miliardi significa riconoscere che moltissimi processi produttivi devono una quota rilevante della propria efficienza, qualità e capacità innovativa a strumenti matematici.

Non bisogna però interpretare quel numero come una cassaforte separata, con sopra scritto “matematica”. Il valore è distribuito, incastonato nelle attività reali. È nella logistica che accorcia un percorso, nella finanza che valuta un rischio, nella fabbrica che riduce scarti, nel software che automatizza controlli, nel laboratorio che accelera una scoperta, nel sistema sanitario che individua pattern clinici. La matematica non aggiunge uno strato decorativo: modifica il modo in cui il lavoro viene organizzato.

Il metodo usato nello studio, basato anche sul modello input-output di Leontief, serve proprio a misurare queste propagazioni. Un settore non vive mai da solo. Compra servizi, usa fornitori, paga salari, genera consumi, crea domanda per altri comparti. Se la matematica rende più produttiva una parte della catena, il beneficio non resta fermo al primo anello. Si muove. E questa mobilità spiega perché l’impatto diretto sia solo una parte della storia. I 308,5 miliardi diretti sono già molti; il resto mostra l’onda lunga.

Il gettito fiscale stimato, circa 296,2 miliardi, aggiunge un altro tassello. La matematica non produce soltanto profitti privati o efficienza aziendale, contribuisce anche alle entrate pubbliche. Naturalmente, qui bisogna evitare letture troppo facili: non significa che quelle entrate esisterebbero tutte in modo isolato senza il resto dell’economia. Significa però che le attività ad alta intensità matematica partecipano in modo massiccio alla base fiscale del Paese. Pagano stipendi, generano redditi, sostengono consumi, alimentano imposte. Anche questo è valore pubblico.

La ricchezza che non fa rumore

La forza di questa notizia sta nella sua capacità di rendere visibile l’invisibile. La matematica non ha ciminiere, non inaugura capannoni, non taglia nastri con caschi gialli e fotografi, ma lavora dentro quasi tutto ciò che chiamiamo economia moderna. È una ricchezza senza rumore, e forse per questo è stata sottovalutata. Non produce l’immagine immediata della fabbrica, del porto, del cantiere. Produce l’architettura logica che permette a fabbriche, porti e cantieri di funzionare meglio.

L’Italia, davanti a questi numeri, ha una scelta molto concreta. Può continuare a trattare la matematica come una materia per pochi, utile ma distante, oppure può riconoscerla come una competenza di massa in un’economia complessa. Non tutti devono diventare matematici. Sarebbe assurdo. Ma molti più cittadini, lavoratori, tecnici, imprenditori e amministratori devono poter capire che cosa fanno i numeri quando entrano nelle decisioni. Perché i numeri decidono già: nei mutui, nei trasporti, nei turni, nelle diagnosi, nelle bollette, negli algoritmi che selezionano contenuti, prezzi e opportunità.

Il dato dei 680,1 miliardi non chiude una discussione, la apre. Dice che la matematica è già dentro la ricchezza italiana, ma dice anche che quel patrimonio può essere rafforzato o disperso. Servono ricerca, formazione, imprese capaci di assorbire innovazione, scuole meno diseguali, università con carriere meno fragili, politiche industriali che non confondano la tecnologia con l’acquisto di strumenti. La matematica, alla fine, non è fredda. Freddo è sprecarla.