Sull’intelligenza artificiale, l’industria ha ormai superato il punto di non ritorno. Non si tratta più di decidere se adottare l’AI, ma di capire con quale velocità integrarla nel cuore pulsante delle operazioni aziendali. La prima edizione di “Ifs Connect Italia 2026”, evento svoltosi a Milano organizzato da Ifs (un fornitore di software Erp, di Enterprise Asset Management, Field Service Management ed Enterprise Service Management) è stata dedicata alle principali tendenze e alle nuove sfide del settore industriale italiano. Obiettivo era quello di approfondire il contesto attuale, discutere strategie innovative e capire come le organizzazioni industriali più complesse stiano affrontando la trasformazione digitale.
“L'elettrificazione ha richiesto più di due generazioni, ma Internet ha impiegato meno di un decennio. L'AI non sta aspettando il vostro piano quinquennale”, ha sottolineato dal palco Cathie Hall, chief product & customer officer di Ifs. Questa urgenza definisce il contesto attuale: in un mercato in cui la velocità è vitale, il vantaggio competitivo non appartiene più a chi possiede una maggior quantità di dati, ma a chi sa trasformarli in azioni immediate.
Il paradosso industriale e la Decision Intelligence
I manager di oggi affrontano una sfida strutturale unica, una sorta di "paradosso industriale". Da un lato, le infrastrutture fisiche (impianti energetici, aerei, linee di produzione) sono progettate per cicli di vita di trenta o cinquant’anni; dall’altro, l'innovazione tecnologica si misura ormai in mesi. In questo contesto, il ruolo dell'AI industriale diventa quello di una Decision Intelligence, un’intelligenza decisionale: l’obiettivo non è tanto sostituire l’uomo, ma fornirgli le informazioni giuste al momento giusto per prendere decisioni rapide in un ambiente operativo complesso. Stando attenti, però, a muoversi a una velocità sostenibile, che non comprometta la sicurezza, la qualità o la conformità, valori fondamentali per restare sul mercato.
La trasformazione verso un’azienda "AI-First" non avviene in un unico balzo, ma attraverso tre stadi evolutivi che trasformano il backbone operativo in un volano di valore: i dati contestualizzati, l’AI applicata e il passaggio a una forza lavoro “digitale”. Il primo passo è l’apprendimento. Con i dati contestualizzati l’AI impara a conoscere la base installata, la supply chain e i pattern che identificano un guasto. Casi come quello di William Grant (azienda che ha implementato una soluzione basata su AI per passare dalla manutenzione preventiva a quella predittiva) dimostrano che la capacità di prevedere i guasti attraverso i sensori può generare risparmi per milioni di sterline l'anno.
Il secondo passaggio è quello dell’AI applicata, un’intelligenza che diventa invisibile e ubiqua, integrata direttamente nei processi quotidiani. Un esempio è Tomra, che grazie all'AI integrata ha raggiunto un tasso di riparazione al primo colpo del 97%, dimezzando i tempi di onboarding dei tecnici. Leader mondiale nelle tecnologie di selezione e riciclo, Tomra dispone di 85mila distributori automatici che recuperano ogni anno 48 miliardi di contenitori per bevande usati, destinati al riutilizzo, in oltre 60 Paesi. Dati in tempo reale hanno migliorato il processo decisionale.
Infine, il terzo stadio evolutivo è quello dei cosiddetti digital worker e rappresenta un vero salto di paradigma, perché con l’Agentic AI si passa a un’intelloigenza artificiale che materialmente esegue il lavoro. I digital worker agiscono autonomamente entro regole aziendali predefinite, liberando migliaia di ore di lavoro umano. L’esempio è Kodiak Gas, società che gestisce impianti di compressione con 800 tecnici sul campo dislocati in tutti gli Stati Uniti. In precedenza, i tecnici impiegavano molto tempo nella ricerca dei pezzi di ricambio. Con la piattaforma IFS Loops, Kodiak Gas Services ha implementato un agente AI per il rifornimento dei materiali che consente ai tecnici di trovare e ordinare rapidamente i pezzi di ricambio tramite conversazione. Il risultato: un ROI annuo di tre milioni di dollari e 90mila ore di lavoro recuperate nelle attività di manutenzione.
Mathieu Daudigny, managing director Central Europe di Ifs
Ristrutturare le fondamenta digitali per evitare il caos
“Sebbene la percentuale di aziende che utilizzano l'AI sia balzata dal 12% al 46% nell'ultimo anno, solo il 6% può considerarsi AI-driven, ovvero pienamente guidato dall'intelligenza artificiale", ha detto in apertura di convegno Mathieu Daudigny, managing director Central Europe di Ifs. "È necessario oggi sbloccare (sistemando dati e governance), applicare (dimostrando il valore su casi specifici) e infine scalare a livello aziendale per riuscire ad essere competitivi sul mercato”.
Un errore comune per molti leader aziendali è tentare di sovrapporre l'AI a processi obsoleti o eccessivamente customizzati. Federico Tondi, head of technology strategy di Ifs, ha avvertito sui rischi di questa pratica: “L’innovazione tende a non regredire mai, ma il problema reale rimane quello di avere un’infrastruttura sostenibile. Automatizzare il caos non porta a nessun buon risultato”. Bisogna considerare che l’AI industriale lavora al meglio su sistemi standardizzati. Le aziende devono avere il coraggio di ristrutturare le proprie fondamenta tecnologiche, abbattendo i silos di dati che impediscono ai sistemi di interfacciarsi. Per Ifs, essere una tech company oggi significa creare capacità interne che rendano l'azienda pronta al cambiamento, vedendo l'innovazione come un'opportunità continua e non come un rischio periodico.
Dalle discussioni è emersa anche la profonda evoluzione che l’asset management sta attraversando nel mondo manifatturiero: non più semplice manutenzione tecnica, ma una leva strategica per la creazione di valore e la resilienza aziendale. La definizione di asset si è allargata, passando da puro "oggetto tecnico" (valvole, trasformatori) a qualsiasi entità tangibile o intangibile (come la qualità dei dati o la soddisfazione del cliente) che generi valore per l'azienda. L'asset management moderno deve equilibrare un triangolo di obiettivi spesso contraddittori: costi, rischi e performance. Per generare valore occorre conciliare le risposte tattiche a breve termine (sicurezza, budget annuali) con le decisioni strategiche di lungo periodo legate alla sostenibilità e alla transizione energetica.
I relatori hanno sottolineato come le aziende "asset-intensive" (utility, energia, trasporti) stiano affrontando pressioni senza precedenti. Per l’esempio l’invecchiamento critico: secondo uno studio di Standard & Poor’s il 70% degli asset di trasmissione ha più di 25 anni e più del 50%& è oltre la metà della propria vita utile. C’è poi la sfida del cambiamento climatico, che non è solo un rischio fisico ma un fattore che stressa ulteriormente gli asset e ne riduce rapidamente la vita utile. E infine c’è la pressione dettata dalla complessità normativa. Gli speaker intervenuti hanno evidenziato che l'innovazione nell'asset management richiede di passare da un'impostazione reattiva a modelli proattivi e predittivi, in cui la tecnologia serve a rendere la strategia aziendale "misurabile" e trasparente a tutti i livelli dell'organizzazione.
Resilienza e conformità
In questo scenario, il quadro normativo europeo delinato dall'AI Act, dalla Direttiva NIS2 e dal Cyber Resilience Act non deve essere visto come un freno, ma come un pilastro della resilienza. La conformità normativa sta diventando una parte integrante della strategia di business. Così ha spiegato Mirian D'Arrigo, legal and policy officer dell'Ufficio AI della Commissione Europea: “La regolazione europea non è un freno, è ciò che rende la nostra innovazione affidabile. In un mercato globale dove la fiducia è un asset strategico, avere regole chiare è il nostro punto di forza”.
Entro la fine di quest’anno anche le aziende che utilizzano sistemi di AI nei loro processi (e non solo chi sviluppa intelligenza artificiale) dovranno garantire la conformità. Implementare una security by design e prepararsi a minacce in rapida evoluzione (incluso il rischio informatico post-quantistico, che si profilerà entro il 2030) è essenziale per garantire la continuità operativa delle aziende.
L’azienda industriale “intelligente” del futuro
Il futuro appartiene alle organizzazioni che sapranno innescare grazie all’AI un ciclo virtuoso: previsioni migliori portano a decisioni migliori, che generano dati di qualità superiore, i quali a loro volta alimentano modelli ancora più precisi. Per i manager, la sfida è duplice, tecnologica e culturale. Significa portare l'AI non solo negli uffici, ma a quel 70% della forza lavoro mondiale che opera sul campo, sugli asset e nei servizi. L'azienda vincente di domani sarà quella che oggi smette di considerare l'AI come un progetto sperimentale e inizia a considerarla il proprio backbone operativo intelligente.
Per le organizzazioni che affrontano la trasformazione, sono stati indicati durante la giornata tre imperativi strategici. Il primo diventare delle tech company, sviluppando capacità tecnologiche interne e mantenendole vicine al core aziendale, per farle diventare un vantaggio competitivo. Il secondo imperativo è quello di saper bilanciare le attività di housekeeping informatico (manutenzione e pulizia dati) con salti trasformativi, valutando le iniziative in base al valore generato rispetto allo sforzo e alla complessità richiesti. Infine, bisognerà superare il dualismo cliente-fornitore a favore di partnership a lungo termine basate sulla creazione congiunta e su modelli di pricing trasparenti e orientati ai risultati.
L'azienda vincente nel prossimo quinquennio sarà quella capace di ristrutturare le proprie fondamenta tecnologiche per vedere il cambiamento come un'opportunità e non come un rischio catastrofico. L'AI non deve essere usata solo per l'efficienza interna, ma per trasformare l'organizzazione in un'entità più intelligente, resiliente e capace di operare alla velocità del mercato.