Ovvero: come l’industria italiana sta affrontando l’AI con l’entusiasmo di chi deve installare un nuovo gestionale lunedì mattina
C’è una bellissima storia che gira nelle fabbriche italiane ultimamente. Un imprenditore del Veneto, dopo aver partecipato al terzo webinar sull’intelligenza artificiale in una settimana, ha finalmente deciso di digitalizzare l’azienda. Ha iniziato da Excel. Il foglio di calcolo. Lo ha salvato come “AI_Produzione_2024_DEFINITIVO_v3_FINALISSIMO_OK_basta.xlsx” e lo ha messo in cima alla lista delle rivoluzioni industriali.
Quando il consulente gli ha spiegato che quella non era esattamente intelligenza artificiale, lui ha risposto: “Beh, se fa più di quello che fa mio nipote il sabato mattina, per me è intelligente.”
Non aveva tutti i torti, in effetti. Per molti, l’AI è quel software che toglie davvero tre ore di lavoro. Non importa se è Machine Learning, Deep Learning o un filtro avanzato su Excel. Finché risolve il problema della casella D4 che era in sola lettura, va benissimo.
Il punto è che l’intelligenza artificiale nell’industria italiana sta vivendo una fase che potremmo chiamare “corteggiamento prolungato”. È come quando ti piace una persona, ne parli sempre con gli amici, la cerchi su tutti i social, ma poi quando la incontri per strada fai finta di guardare la vetrina. “L’AI? Ah sì, interessante. Stavo giusto pensando di… magari… prima o poi… insomma, ne parliamo.”
La verità è che molti imprenditori italiani guardano all’intelligenza artificiale con lo stesso misto di fascino e terrore con cui i loro nonni guardavano il primo computer in ufficio. “Ma chi me lo fa fare? Funziona tutto anche senza.” Salvo poi scoprire che il concorrente tedesco ha già il suo bel Digital Twin che ottimizza la produzione in tempo reale, mentre tu hai il “Gemello Sfigato”: la macchina che si rompe sempre.
E quando la macchina fa il rumore strano, aspetti che Gino vada a controllare “a sensazione”. Gino applica la procedura standard: una pacca al motore. Se il rumore smette è manutenzione predittiva, se continua è colpa del macchinario che fa il permaloso. Il concorrente tedesco lo chiama “Predictive Maintenance”, noi la “Tecnica di Gino, livello 8”. E la cosa peggiore? A volte funziona davvero. Il che ritarda ulteriormente l’adozione dell’AI.
Il Grande Malinteso del Machine Learning
C’è stata una fase, circa tre anni fa, in cui ogni imprenditore italiano ha scoperto il termine “machine learning”. Bellissimo. Evocativo. Futuristico. Peccato che molti pensassero significasse “insegnare alle macchine a lavorare”. Come se il macchinario fosse un apprendista: “Allora, questa settimana ti segno ancora come stagista, eh.”
“Allora, questo machine learning… la macchina impara a fare quello che gli dico io, giusto?”
“Non esattamente, la macchina analizza i dati storici per identificare pattern e…”
“Perfetto! Quindi le dico: ‘Lunedì mattina Gianni arriva sempre in ritardo’, e lei impara? Magari gli manda un promemoria la sera prima, dicendo di non fare troppo tardi al bar?”
“Beh, tecnicamente l’AI industriale analizza i dati dei sensori per identificare anomalie. Tipo se la temperatura del mandrino aumenta di 5 gradi in 2 secondi.”
“Ah! E la macchina riesce a calcolare quanto ci costa ogni minuto di ritardo di Gianni in termini di inefficienza del mandrino? Quello mi serve!”
“No, la macchina suggerisce un intervento di manutenzione prima che si rompa il pezzo…”
“E può imparare anche a mandare le raccomandate ai clienti che pagano in ritardo? Magari con il font Comic Sans, così capiscono che siamo seri.”
Il bello è che dietro queste incomprensioni c’è sempre un fondo di verità. Sì, l’AI può aiutare a gestire i ritardi nelle consegne. Sì, può ottimizzare i flussi di produzione. Sì, può persino prevedere quali clienti potrebbero avere problemi di pagamento. Ma prima bisogna avere i dati. E qui casca l’asino. O meglio, qui l’asino si rifiuta categoricamente di entrare nel recinto della digitalizzazione.
L’Epopea dei Dati (Che Non Ci Sono)
Scena tipica in una PMI manifatturiera italiana:
Consulente entusiasta: “Benissimo! Quindi per implementare il sistema di AI avremo bisogno di tutti i vostri dati storici di produzione degli ultimi cinque anni.”
Imprenditore: “Certo, abbiamo tutto. Giuseppe, porta il quadernone!”
Giuseppe arriva trionfante con il quaderno A4 verde, quello che ha visto passare tre governi e due crisi economiche. Dentro, tra appunti a penna, cancellature, note a matita e una partita a impiccato abbandonata a metà, c’è tutto il DNA aziendale. In fondo c’è persino la partita del fantacalcio del 2019.
“Ecco, qui c’è tutto. Dal 2019 in poi è anche su Excel, eh. Siamo digitalizzati.”
Il consulente si illumina. Giuseppe aggiunge: “Ho anche fatto delle foto al quadernone, così abbiamo il backup digitale.”
L’Excel in questione ha 47 sheet con nomi tipo “Dati_1”, “Dati_2”, “Dati_BUONI”, “Questi_SI”, “GENNAIO_forse”, “Non_Aprire”, “Backup_del_Backup”. Uno si chiama semplicemente: “BOH”. Ogni sheet ha una struttura diversa. Le date sono scritte in almeno quattro formati differenti: DMY, MDY, un formato misto in cui il giorno è scritto in numeri romani, e una riga in cui c’è scritto solo “Ieri”. Alcune celle contengono note tipo “Chiedi a Marco cosa significa questo numero”.
Per un sistema di AI, analizzare questi dati è come chiedere a un fisico nucleare di fare i conti con l’abaco mentre l’abaco è in fiamme.
Il consulente, che ormai ha visto di tutto, chiede: “E dove sono salvati questi file?”
“Nel posto sicuro,” risponde Giuseppe.
Che tradotto significa: non li troveremo mai più.
Oppure sono sull’hard disk di Franca, che va in pensione tra sei mesi. Franca è il vero single point of failure dell’azienda. Quando se ne andrà, gli archivi aziendali diventeranno ufficialmente archeologia industriale.
Questo è il vero problema dell’AI nell’industria italiana: prima ancora di fare intelligenza artificiale, bisognerebbe fare intelligenza naturale sui dati. Il nostro Data Lake? È più una data pozzanghera: tre file Excel, un post-it stropicciato, e una cartella di rete chiamata “Dati_BUONI_FINALE_questa_volta_vera_copia_2”.
La Riunione Sull’AI (Con Chi Non Sa Cos’è l’AI)
Altro grande classico: la riunione aziendale in cui si decide se investire nell’intelligenza artificiale.
L’atmosfera è quella del workshop futuristico: slide bellissime sullo stage, in sala il responsabile produzione che pensa che “cloud” sia il tempo di domani. Alla pausa caffè si parla ancora di cambiare la lampadina del tornio.
Partecipano il titolare, il responsabile produzione (che ha 58 anni e usa il cellulare solo per telefonare), il commerciale con la giacca blu elettrico che pensa già in inglese, e l’unico millennial dell’azienda che tutti guardano come se fosse lì per tradurre da una lingua aliena.
“Allora, questa intelligenza artificiale… quanto costa?”
“Dipende dall’applicazione, dal livello di integrazione con i sistemi esistenti, dai volumi di dati da processare…”
“Sì ma tipo… un numero. Così, per capirci.”
“Da cosa?”
“Da quante cose vuole che funzionino davvero.”
“Vabbè, facciamo 50-200mila euro per un progetto pilota di manutenzione predittiva su una linea di produzione.”
Silenzio di tomba. Qualcuno tossisce.
Il commerciale interviene: “Ma con un ChatGPT avanzato che mi scrive le email e mi fa le slide di vendita che spaccano quanto spendiamo? Quello è AI, no? Magari mi trova anche i lead caldi, quello si ammortizza subito!”
Il responsabile produzione fa per parlare ma poi ci ripensa, si sistema l’orologio. Sta pensando: “Con quei soldi compro un nuovo muletto, e il muletto non mi chiede l’integrazione con i sistemi legacy. E soprattutto, non manda notifiche.”
Il millennial, a cui spetta il compito di tradurre la tecnologia, prova: “Diciamo che l’AI non è un tasto magico, è più un ‘percorso di integrazione strategica’ che parte dai dati strutturati.”
Il responsabile produzione ascolta in silenzio. Sta ancora elaborando la frase “dati strutturati”. Parla italiano, per favore. La manutenzione la fa Mauro, non il predittivo.
“E… questo progetto pilota… dopo quanto fa vedere i risultati?”
“Diciamo sei mesi per avere i primi dati significativi, poi altri sei per l’ottimizzazione…”
“Un anno? Ma io tra un anno voglio vedere i soldi che rientrano!”
È qui che di solito il consulente inizia a spiegare che l’AI è un investimento strategico a lungo termine, che i competitor lo stanno già facendo, che le nuove normative europee richiederanno sistemi di tracciabilità avanzati. Argomenti sacrosanti, intendiamoci. Peccato che nel frattempo l’imprenditore stia già pensando che con quella cifra potrebbe comprare due nuove macchine, assumere un operaio, o finalmente rifare il tetto del capannone che perde da cinque anni.
Il Paradosso della Transizione 4.0 (Ora 5.0, Ma Molti Sono Ancora alla 2.5)
L’Italia ha avuto incentivi fantastici per la digitalizzazione. Industria 4.0, poi Transizione 4.0, ora Transizione 5.0. Crediti d’imposta, super ammortamenti, agevolazioni che farebbero gola a chiunque. Il problema è che molte aziende guardano questi incentivi come mia nonna guardava le istruzioni del videoregistratore: “Sicuramente è utile, ma chi me lo spiega?”
La burocrazia italiana, poi, ci mette del suo. Per accedere agli incentivi per l’AI e la digitalizzazione devi produrre una documentazione che, ironia della sorte, richiede competenze digitali avanzate. Ti chiedono perizie giurate, attestazioni di conformità, calcoli di interconnessione in formato ASCII su disco floppy, tanto per non farsi mancare nulla.
È un po’ come dire: “Se sei abbastanza smart da compilare questi 47 allegati tecnici in formato .p7m non leggibile senza un software apposito che scade dopo 3 giorni, allora meriti i soldi per digitalizzarti.” Se non lo sei, puoi sempre comprare il muletto.
A un certo punto ti chiedono persino se credi in te stesso: non si capisce se è motivazionale o un test psichiatrico.
E così succede che molte aziende rinunciano a priori, o si affidano a consulenti esterni che promettono “ci penso io a tutto” e poi spariscono nel nulla, lasciandoti con un software che nessuno sa usare e una fattura da pagare. Il responsabile IT interno (cioè il nipote del titolare che “è bravo col computer” perché una volta ha installato la stampante senza piangere) si ritrova con un sistema di intelligenza artificiale da gestire mentre fino a ieri il suo compito più complesso era resettare la password del titolare, dimenticata 17 volte nell’ultimo mese. La password? “admin123”, sempre quella.
In ufficio hanno ancora Windows 7 perché “funziona ancora bene”. Hanno messo il tablet in sala riunioni. Lo usano come vassoio.
La Paura del Grande Salto (Con Rete di Sicurezza Inesistente)
Ma al di là delle battute, il vero problema dell’adozione dell’AI nell’industria italiana è la paura. Una paura legittima, sia chiaro. Paura di investire male. Paura di non capire abbastanza. Paura che la tecnologia cambi così in fretta che quello che compri oggi è obsoleto domani. Paura di dipendere da fornitori esterni che parlano una lingua incomprensibile. Paura che i dipendenti non si adattino. Paura di perdere il controllo della propria azienda.
“Guarda,” dice l’imprenditore al consulente, “io ho costruito questa azienda con le mie mani. So come funziona ogni macchina, conosco ogni cliente, ricordo ogni ordine. E adesso tu mi dici che devo fidarmi di un algoritmo che decide al posto mio?”
Dice questo mentre cerca la password del gestionale scritta su un post-it del 2014.
E il consulente, che ha già sentito questo discorso 47 volte questa settimana: “Non decide al posto suo. Le dà informazioni per decidere meglio. Pensa all’AI come a un co-pilota.”
“Io mi fido solo di ciò che posso toccare e urlare contro.”
“Sì, vabbè, ma se poi sbaglia chi paga? L’algoritmo, che non ha nemmeno la partita IVA?”
Questo è il punto cruciale che molti sottovalutano: l’intelligenza artificiale nell’industria non sostituisce il cervello dell’imprenditore, lo potenzia. Ho finalmente capito cos’è un algoritmo: è come la ricetta del sugo della nonna. Se gli dai gli ingredienti giusti, viene fuori bene. Se gli dai i dati sbagliati, ti esce la pasta scotta. È come passare da fare i conti con carta e penna a farli con la calcolatrice. La calcolatrice non decide quale investimento fare, ma ti dà i numeri giusti per decidere. Solo che mentre della calcolatrice ti fidi (più o meno), dell’AI ancora no.
I nostri dati sono così sporchi che l’algoritmo di AI, dopo averli analizzati, ci ha chiesto un aumento di stipendio.
I Pionieri (Ovvero: Quelli Che Hanno Osato)
Eppure qualcuno ci sta provando. E guarda caso, spesso sono le aziende che hanno deciso di fare il salto non per moda, ma per necessità. Quella piccola azienda tessile che doveva controllare qualità su migliaia di pezzi al giorno e ha implementato un sistema di visione artificiale che riconosce i difetti meglio di dieci operatori umani messi insieme. Quella fonderia che ha digitalizzato l’intero processo produttivo e ora riesce a prevedere il consumo energetico con una precisione tale da aver ridotto i costi del 23%. Quella carpenteria metallica che usa l’AI per ottimizzare i tagli e ha azzerato gli sprechi di materiale.
Il bello è che quando vai a intervistarli, all’inizio ti raccontano tutti la stessa storia: “Guarda, noi non sapevamo nemmeno da dove iniziare. Abbiamo provato, abbiamo sbagliato, abbiamo ricominciato. All’inizio non capivamo niente, ma neanche la macchina, quindi eravamo pari.”
Nessuno ti dice mai: “È stato facilissimo, abbiamo installato l’AI e il giorno dopo facevamo il triplo del fatturato.” Se qualcuno lo dice, è un consulente… o sta cercando di venderti qualcosa.
L’intelligenza artificiale è un percorso, non un interruttore.
Il Futuro (Che È Già Qui, Ma È Distribuito Male)
Il futuro dell’AI nell’industria italiana è già scritto. Non è una questione di “se”, ma di “quando” e soprattutto di “come”. Le aziende che non si adatteranno rimarranno indietro. Non per snobismo tecnologico, ma per pura matematica competitiva. Se il tuo concorrente riesce a produrre con meno scarti, meno fermi macchina, meno sprechi energetici, e più precisione nelle previsioni, semplicemente ti sorpasserà.
Il futuro è già qui. Solo che in alcune aziende arriva con il corriere, ma il portinaio non ritira la merce.
La buona notizia è che l’Italia ha un tessuto industriale fatto di aziende piccole ma specializzate, flessibili, con competenze uniche. Esattamente il tipo di realtà che può beneficiare enormemente dall’AI, se applicata con intelligenza. Non serve rivoluzionare tutto dall’oggi al domani. Si può iniziare da un pezzo, da una linea, da un processo. Si può sbagliare, imparare, migliorare.
La cattiva notizia è che serve cambiare mentalità. E la mentalità è più difficile da cambiare di un gestionale. Serve accettare che non si può più sapere tutto, che bisogna fidarsi di competenze esterne, che investire in tecnologia non è un costo ma un’assicurazione sul futuro. Serve, insomma, fare quello che gli italiani sanno fare meglio: arrangiarsi, inventarsi, adattarsi. Solo che questa volta bisogna farlo con l’AI.
E magari, giusto per iniziare, potremmo cominciare a mettere tutti i dati nello stesso posto. Non ti chiedo un Data Lake elegante. Mi accontento di un Data Cassetto Ben Organizzato. Giuseppe, dove hai messo il quadernone?
No, aspetta. Brucia il quadernone.
Iniziamo con un solo file Excel, ma che sia in Cloud – e per “Cloud” intendo su una cartella condivisa che non si chiami “Desktop_nuovo_copia”. Un solo file.
Dietro le Quinte: Quando le AI Parlano di AI
Piccola confessione finale: questo articolo è il risultato di un esperimento bizzarro quanto efficace. Cinque intelligenze artificiali diverse (Claude, ChatGPT, Gemini, Copilot e DeepSeek) hanno collaborato, litigato, e alla fine si sono messe d’accordo per raccontarvi quanto è difficile adottare l’intelligenza artificiale in Italia.
Sì, avete capito bene. Delle AI che discutono su come spiegare alle aziende che l’AI non è poi così complicata. Il livello meta di questa situazione è così alto che se fosse un grattacielo ci vorrebbero tre ascensori per arrivare alla reception.
Ogni AI ha contribuito con il suo stile: ChatGPT con i dialoghi fulminanti, Gemini con il realismo impietoso delle PMI italiane, Copilot con l’analisi metodica, DeepSeek con le metafore culinarie (l’algoritmo come ricetta del sugo? Geniale). Hanno prodotto circa 100 battute. Ne abbiamo tenute le migliori 40.
Il processo è stato affascinante: quando tre AI diverse arrivano indipendentemente alla stessa conclusione (il quadernone di Giuseppe, la Tecnica di Gino, il muletto come leitmotiv), forse quella non è solo una battuta. È una verità universale delle PMI italiane.
La cosa divertente? Nessuna di queste AI ha mai visto una fabbrica italiana. Eppure hanno capito perfettamente la dinamica. Perché? Perché i pattern si ripetono: la resistenza al cambiamento, la paura dell’investimento, il gap tra promesse tecnologiche e realtà operativa. Sono universali. Solo che in Italia li raccontiamo meglio, con più autoironia e una macchia di caffè sul quadernone.
Quindi, se questo articolo ti ha fatto ridere e riflettere, fermati un attimo. Questo è esattamente quello che l’AI può fare anche nella tua azienda: prendere dati che sembrano caotici (le tue conversazioni con i consulenti, i tuoi dubbi, le tue resistenze), trovare i pattern, e restituirti qualcosa di utile. Non magia. Non fantascienza. Solo un buon uso di tecnologia che esiste già.
E se cinque AI hanno collaborato per produrre questo articolo senza mai litigare davvero, forse il problema non è la tecnologia. È convincere Giuseppe a mollare il quadernone.
Nota dell’autore: nessun quadernone A4 con copertina plastificata verde è stato maltrattato durante la scrittura di questo articolo. Alcuni sono ancora in uso per annotare le ore di straordinario. Le AI coinvolte nella creazione di questo pezzo hanno chiesto di restare anonime, ma hanno tutte concordato su una cosa: Gino merita una promozione.
