Lo stretto di Hormuz bloccato, le tensioni commerciali che riscrivono le rotte del commercio mondiale, i prezzi dell’energia che oscillano di mese in mese, la spinta cinese che non si limita più a rincorrere ma detta i trend tecnologici. Per le imprese manifatturiere italiane la varianza dei mercati si è “normalizzata”, per usare un’espressione cara al professor Marco Taisch, docente del Politecnico di Milano, presidente del MICS – il centro nazionale di ricerca Made in Italy Circolare e Sostenibile – e presidente del Competence Center MADE: è diventata cioè la condizione ordinaria in cui progettare processi, prodotti, investimenti e strategie.
In questo contesto la ricerca e sviluppo e l’innovazione digitale non sono più un’opzione riservata alle imprese più strutturate ma la condizione per restare sul mercato, difendere la marginalità e presidiare la doppia transizione digitale ed ecologica. In gioco c’è la competitività del Made in Italy, chiamato a difendersi su due fronti che si stringono: quello dei grandi produttori asiatici, che comprimono i prezzi sui prodotti maturi, e quello dei paesi europei che investono in modo più sistematico in ricerca, formazione e proprietà intellettuale.
Il tema riguarda tanto i grandi gruppi quanto le medie imprese, e tocca tutti i comparti: dalla siderurgia all’automotive, dal farmaceutico all’aerospazio, dalla carta al packaging, dall’agrifood ai beni di consumo durevoli. All’interno di questo perimetro si muovono priorità e strumenti diversi, ma alcuni nodi sono comuni: il governo del dato come precondizione all’intelligenza artificiale, la tutela della proprietà intellettuale come arma competitiva, la sostenibilità come fattore di bilancio prima ancora che di reputazione, la necessità di pianificare gli investimenti lungo un percorso coerente di maturità tecnologica.
Indice degli argomenti
Il dato come quarto fattore produttivo
“Parliamo da anni di intelligenza artificiale, ma la focalizzazione resta troppo sullo strumento e troppo poco sulla sua materia prima, che sono i dati”. La sintesi del professor Taisch fotografa un problema diffuso: molti progetti di AI non producono i risultati attesi non perché gli algoritmi siano sbagliati, ma perché i dati di cui l’azienda dispone non sono abbastanza ricchi, adeguati o raccolti nel modo corretto. Da qui la provocazione: pensare al dato come al “quarto fattore produttivo“, accanto a materie prime, lavoro e capitale. Un salto logico che impone di mettere al centro la progettazione della raccolta, della memorizzazione e dell’uso del dato, prima ancora che la scelta dell’algoritmo.
La conseguenza operativa è che l’adozione dell’AI non può essere semplicemente sovrapposta ai processi esistenti. “Se applichiamo l’intelligenza artificiale ai processi organizzativi attuali, non riusciamo a sfruttarne davvero le potenzialità. Quando invece siamo partiti dall’idea di ridisegnare i processi proprio perché avevamo a disposizione un nuovo strumento, l’impatto è stato di tutt’altro ordine di grandezza”, osserva Taisch.
È un punto che chi si occupa di innovazione conosce molto bene: il passaggio dall’automazione della singola cella produttiva a una visione d’insieme dell’impianto è tutt’altro che banale, perché un inceppamento nel trasporto tra reparti può invalidare l’efficienza di un intero sistema automatizzato.
Il tema della qualità e della tracciabilità del dato si intreccia con quello della sovranità. Cedere informazioni sensibili a grandi piattaforme cloud estere rischia di far perdere alle aziende italiane il controllo del proprio know-how produttivo, con un effetto di erosione del “mestiere” che è già avvertito da parte del management industriale. Il risultato è un atteggiamento prudente verso l’AI generativa, soprattutto nei settori regolamentati. Nel farmaceutico, per esempio, la natura probabilistica della generativa è incompatibile con gli standard di sicurezza e ripetibilità dei processi produttivi: viene quindi utilizzata negli uffici per la gestione documentale, ma resta fuori dal cuore dell’operatività di stabilimento. Lo stesso vale per settori come la difesa e lo spazio, dove la tutela della riservatezza spinge verso soluzioni di private cloud e agenti AI addestrati internamente sui dataset documentali aziendali.
“Dati e Intelligenza Artificiale emergono come elementi abilitanti trasversali alla Twin Transition, ma richiedono un elevato livello di consapevolezza e, soprattutto, capacità di integrazione con le strategie di R&D e sostenibilità”, spiega Stefano Fili, responsabile del centro studi di Leyton. “La vera sfida per le imprese non è più l’adozione della singola tecnologia, bensì la comprensione del proprio posizionamento lungo il percorso di maturità innovativa: dalla fase di proof of concept, alle attività di innovazione, fino alla commercializzazione e infine alla industrializzazione. In questo contesto, la pianificazione diventa il fil rouge che connette dati, AI, innovazione e sostenibilità. Un approccio consulenziale che tenga conto della maturità tecnologica dell’impresa, che affronti il tema della proprietà intellettuale in maniera sistemica e funzionale, consente di leggere il livello di sviluppo dell’azienda e di costruire una strategia di accesso agli incentivi non più basata su singole opportunità, ma su un percorso integrato e progressivo, in grado di massimizzare il valore generato in ogni fase di crescita”.
Il costo reale dell’AI e l’ingegneria del dato
Un altro nodo sottovalutato è quello del costo dell’intelligenza artificiale. Il dato non è gratis: generarlo, trattarlo, selezionarlo, conservarlo e proteggerlo ha un prezzo che incide sulla marginalità in mercati molto competitivi come la componentistica automotive. La democratizzazione dell’AI generativa è certamente un’opportunità, ma apre un problema nuovo: le tecnologie di AI applicate al prodotto – tipicamente sistemi di visione o algoritmi predittivi – sono spesso poco energivore, mentre l’uso massiccio della generativa in azienda, oggi alla portata di chiunque possa creare un agente, comporta consumi energetici non trascurabili.
La sostenibilità digitale sta diventando per questo un capitolo a sé, che nei settori hard-to-abate si aggiunge alle tradizionali voci di scope 1 e scope 2. Per le società di ingegneria impiantistica il tema è di diretto interesse: misurare oggi l’impronta carbonica dei propri modelli linguistici è la condizione per non trovarsi a rincorrere il problema quando l’adozione sarà massiccia. Il monitoraggio energetico e la previsione dei consumi – che in stabilimenti ad alta intensità possono rappresentare voci di costo da decine di milioni di euro l’anno – sono ambiti in cui l’AI predittiva, basata su machine learning tradizionale più che su modelli generativi, sta già producendo benefici concreti nell’acquisto di energia, nell’ottimizzazione dei processi climatici e nella gestione della stagionalità.
Va poi sfatato un luogo comune: raccogliere quanti più dati possibile non è la strategia vincente. I dati sbagliati intasano le memorie, producono fogli di calcolo ingestibili e, quando vengono dati in pasto all’AI, portano a previsioni inattendibili. L’ingegneria del dato – la progettazione della raccolta, della memorizzazione e dell’uso delle informazioni – è una competenza ancora rara nelle imprese italiane e andrebbe rafforzata come precondizione a qualsiasi investimento serio in AI. “Più che di data scientist avremmo bisogno di data engineer, di persone che progettino la raccolta e la memorizzazione del dato e poi, di conseguenza, i processi, i prodotti e i servizi che quei dati dovranno alimentare”, sintetizza Taisch.
Proprietà intellettuale: brevetti come arma competitiva
Se il dato è il nuovo fattore produttivo, la protezione dell’innovazione resta affidata in larga parte al sistema brevettuale. Su questo fronte l’Italia paga un ritardo culturale che si traduce in numeri: si depositano in media 10.000 domande di brevetto all’anno, salite a 12.000 nel 2025, di cui circa la metà viene poi estesa in Europa. La Germania, a titolo di confronto, ne deposita 25.000 all’anno, e anche la Francia – seconda in Europa – si ferma a meno della metà delle domande tedesche. Alla radice del divario, secondo il professor Antonio Salerno, docente del Politecnico di Milano ed esperto di proprietà industriale, ci sono una minore fiducia nel sistema giudiziario e una cultura brevettuale meno diffusa.
Il brevetto è un titolo territoriale, e la scelta di dove validare la protezione richiede una strategia precisa: dove risiedono i mercati di sbocco, dove operano i concorrenti, in quali snodi logistici bloccare alla fonte merci contraffatte – i porti italiani e olandesi, per esempio, sono punti d’ingresso strategici per la merce proveniente dalla Cina. Dal 2023 il brevetto unitario consente di ottenere con un unico titolo una protezione valida in 18 paesi europei, riducendo i costi burocratici e offrendo un sistema giudiziario specializzato – l’Unified Patent Court – in grado di produrre risultati rapidamente, benché i costi di una causa davanti all’UPC siano circa quattro volte quelli di un tribunale nazionale.
Un equivoco da chiarire riguarda il software: il codice di per sé è protetto dal diritto d’autore, ma i metodi e i dispositivi che funzionano grazie a programmi informatici o all’intelligenza artificiale sono brevettabili come Computer Implemented Inventions, che oggi rappresentano oltre il 50% dei brevetti depositati in Europa e il 65% negli Stati Uniti. Nei settori ad alta intensità tecnologica il brevetto diventa anche moneta di scambio: attraverso il cross-licensing due concorrenti possono scambiarsi i diritti sulle rispettive tecnologie, escludendo di fatto dal mercato un terzo che ne sia privo, mentre le licenze offrono un’ampia flessibilità potendo essere esclusive o non esclusive, limitate nello spazio o nel tempo.
La proprietà industriale è per questo uno dei capitoli su cui la consulenza specializzata si concentra. “Affianchiamo le imprese dalla valutazione degli asset immateriali fino al deposito e alla difesa del titolo, con un approccio che tiene insieme la dimensione tecnica, quella legale e quella strategica”, spiega Matteo Pierucci, Direttore Commerciale di Leyton Italia. “In parallelo lavoriamo sulla valorizzazione fiscale dei beni immateriali attraverso misure come il Patent Box, che consente di abbattere il carico fiscale sui costi di ricerca e sviluppo legati a software, brevetti, disegni e modelli. È un modo per trasformare l’innovazione in un vantaggio competitivo tutelato anche sul piano economico, non solo su quello giuridico”.
Twin transition: la sostenibilità come fattore di conto economico
La transizione digitale e quella ecologica sono due facce della stessa medaglia. “Il digitale è forse il più grande acceleratore di sostenibilità che abbiamo a disposizione”, osserva Taisch, che aggiunge un’osservazione generazionale: per i più giovani il concetto stesso di twin transition è superfluo, perché digitale e sostenibile sono già un unico attributo di prodotti e processi.
Dal lato industriale il legame è diretto e si misura in bilancio secondo i dettami dell’ESG. Per gli energivori il costo delle emissioni nel meccanismo ETS – che può arrivare a 100 euro a tonnellata di CO2 – rappresenta una voce che incide sul conto economico come e più del costo dell’energia stessa. Chi produce calce, acciaio, carta, vetro, chimica di base vive in una condizione di pressione normativa e finanziaria che rende la decarbonizzazione una questione di sopravvivenza economica, non un esercizio di compliance. La ricerca di combustibili alternativi – dalle biomasse all’idrogeno – e lo stoccaggio o il riutilizzo della CO2 nel processo produttivo sono fronti su cui si giocano investimenti pluriennali che richiedono partnership tecnologiche e accesso a programmi di finanziamento europei.
Sul versante dei prodotti durevoli il perimetro si allarga al Life Cycle Assessment. Per un grande produttore di elettrodomestici oltre l’80% del carbon footprint deriva dall’utilizzo dei prodotti lungo dieci o più anni di vita, e circa il 10% dai materiali di cui sono composti: il resto del peso si distribuisce tra produzione e logistica. L’innovazione di prodotto si concentra allora sugli algoritmi smart per l’ottimizzazione dei cicli di funzionamento – lavatrici, forni, frigoriferi che si adattano al contenuto e al comportamento dell’utente – e sulla servitizzazione, cioè sulla capacità di mantenere nel tempo l’efficienza del prodotto installato attraverso diagnostica da remoto, riparabilità, aggiornamenti software.
In siderurgia il tema assume un’altra forma: l’acciaio “green” tracciato lungo tutta la filiera diventa un vantaggio commerciale verso clienti – l’automotive in testa – che richiedono standard ESG sempre più elevati. Entro il prossimo biennio il Digital Product Passport imporrà a molti prodotti industriali di uscire dagli stabilimenti con un passaporto digitale che ne certifichi origine, composizione e impatto ambientale: una sfida che richiede un livello di digitalizzazione di reparti e flussi logistici ancora non scontato per una parte del Made in Italy.
“Il tema della sostenibilità si conferma sempre più come un driver strategico, oltre che normativo”, commenta Stefano Fili, responsabile del centro studi di Leyton. “Le aziende stanno maturando una crescente consapevolezza: non è più sufficiente essere compliant, ma è necessario anticipare l’evoluzione del quadro regolatorio e di mercato per costruire un vantaggio competitivo duraturo. La sfida è quindi duplice: da un lato tradurre i principi ESG in azioni concrete e misurabili, dall’altro integrare queste iniziative all’interno di una pianificazione che consenta di cogliere in modo efficace le opportunità offerte anche dagli incentivi pubblici. In questo scenario, il ruolo della consulenza diventa centrale nel guidare le imprese verso percorsi strutturati di transizione green, capaci di coniugare sostenibilità, ritorno economico e accesso strategico alle agevolazioni”.
Competenze, cybersecurity, modelli organizzativi
C’è poi il capitolo delle competenze, che è anche il più sottovalutato. Il rischio che l’innovazione italiana si trova davanti non è solo tecnologico: è un “digital gap” geografico, tra paesi che investono sistematicamente in formazione digitale e paesi che procedono a macchia di leopardo. In Italia la carenza di figure tecniche specializzate – soprattutto nell’area delle operations – si accompagna a un altro errore strategico frequente: affidare la cybersecurity dell’area OT al personale IT, che spesso non possiede la sensibilità necessaria per i processi di fabbrica.
Sul piano organizzativo il passaggio dall’AI come strumento all’AI come “capo” – almeno in determinati task – apre una questione psicologica e culturale che va oltre la tecnologia. Accettare che un algoritmo dia istruzioni non è lo stesso che consultare Google Maps per scegliere una strada: implica un trasferimento di autorità gerarchica che non tutti i lavoratori – e non tutte le culture aziendali, specie nelle multinazionali con siti in continenti diversi – sono pronti ad accettare allo stesso modo. È un tema di customizzazione locale dell’adozione dell’AI che il management farebbe bene a non sottovalutare.
Consapevolezza e pianificazione: il governo dell’innovazione
Davanti a questa complessità il tema del governo dell’innovazione diventa dirimente. Le imprese si trovano a dover tenere insieme una pluralità di dimensioni – R&S, proprietà intellettuale, sostenibilità, digitale, cybersecurity, competenze – che tradizionalmente erano gestite in compartimenti stagni. L’esperienza di chi affianca le aziende in questi percorsi – società di consulenza come Leyton, presente in 18 paesi e specializzata nel supporto all’innovazione, alla ricerca e sviluppo, alla sostenibilità e all’accesso agli strumenti di finanza agevolata – indica due parole chiave: consapevolezza e pianificazione.
La consapevolezza riguarda il rapporto con la norma. Obblighi come la CSRD e il CBAM stanno entrando progressivamente nell’ordinamento italiano con forza vincolante: inseguirli è sempre troppo tardi, mentre anticiparli consente di trasformare la conformità in un sottoprodotto di una progettualità che ha senso industriale di per sé. Lo stesso vale per le agevolazioni: chi parte dall’incentivo rischia di costruire progetti sghembi, con il risultato di storture analoghe a quelle viste in passato con alcuni bonus. L’incentivo funziona quando è il complemento di un progetto che sta in piedi da solo.
La pianificazione è la seconda parola chiave. Significa capire con precisione a che punto è l’azienda – in termini di Technology Readiness Level, e ormai anche di AI Readiness Level – per individuare gli strumenti finanziari più coerenti con lo stadio di maturità del progetto. Una misura di proof of concept, un programma europeo di ricerca industriale, un’agevolazione nazionale per l’industrializzazione o un bando regionale per la commercializzazione sono strumenti diversi, pensati per fasi diverse. Usarli nel momento sbagliato vuol dire sprecarli.
“La pianificazione è quello che fa la differenza”, sintetizza Fili. “Le sfide sono più o meno le stesse nei paesi in cui operiamo: ricerca e sviluppo, sostenibilità, gestione del dato. Capire a che punto è davvero l’azienda a livello di maturità tecnologica consente di scegliere lo strumento giusto. Se siamo in fase di proof of concept ragioniamo su misure molto a monte; se siamo in ambiente operativo possiamo pensare a programmi europei che aprono anche agli investitori; se siamo già in fase di commercializzazione possiamo andare più sul territorio, con misure che finanziano industrializzazione e go-to-market. Consapevolezza e pianificazione sono la cifra di chi oggi riesce a essere compliant senza rincorrere le norme e a ottenere un vantaggio competitivo accedendo per primo alle leve pubbliche”.
Dal confronto con le imprese – commenta Pierucci – emerge una duplice esigenza: “Da un lato il bisogno esplicito di sostenere economicamente gli investimenti in ricerca, sviluppo e innovazione; dall’altro un bisogno più latente, ma altrettanto critico, di strutturare questi investimenti all’interno di una visione strategica di medio-lungo periodo. Le aziende non cercano più solo strumenti di finanziamento, ma partner in grado di accompagnarle nella definizione di roadmap di innovazione coerenti, misurabili e scalabili. In questo contesto, una realtà come Leyton Italia supporta le imprese nell’individuazione, valorizzazione e pianificazione delle attività di R&D&I, integrando competenze tecniche specifiche e conoscenza normativa degli incentivi per trasformare l’innovazione in un investimento sostenibile e continuativo, riducendo il rischio e massimizzando il ritorno”.
In un’economia in cui la varianza è diventata la norma, la capacità di leggere la propria maturità tecnologica e di costruire un percorso coerente di investimenti – tecnologici, finanziari, di capitale umano – è forse il vero discrimine tra le imprese del Made in Italy che sapranno attraversare questa fase e quelle che rischieranno di esserne travolte.
