L’industria italiana si trova ad affrontare una duplice sfida strutturale: da un lato, la necessità di incrementare l’efficienza attraverso soluzioni tecnologiche avanzate e, dall’altro, un declino demografico che minaccia la disponibilità futura di forza lavoro. I dati e le analisi emersi dalle ricerche dell’Osservatorio Innovative Robotics del Politecnico di Milano mettono in luce la necessità di superare i vecchi schemi di valutazione economica per abbracciare modelli capaci di valorizzare gli impatti di lungo termine sul business e sulla sicurezza dei lavoratori.
Indice degli argomenti
I limiti del ROI tradizionale nella valutazione della tecnologia intelligente
La transizione verso una forma avanzata di automazione richiede un profondo ripensamento dei parametri finanziari comunemente utilizzati dalle imprese. Secondo quanto illustrato da Giovanni Miragliotta, Responsabile Scientifico dell’Osservatorio Innovative Robotics, l’adozione di macchine intelligenti rischia di scontrarsi con metriche aziendali obsolete. Le interviste condotte dall’istituto milanese su un campione di venti aziende utenti indicano che l’applicazione dei criteri classici, originariamente concepiti per la robotica tradizionale, rappresenta un forte limite allo sviluppo. Miragliotta ha evidenziato che «applicare quei criteri al percorso che porta ad avere una macchina intelligente potrebbe far sì che l’innovazione venga sistematicamente scartata perché troppo costosa o con un payback time troppo lungo».
Per ovviare a questa barriera, l’Osservatorio ha codificato una griglia di valutazione più equa, definita “fair”, che include driver finora considerati secondari o difficilmente quantificabili nei bilanci preventivi. Tra questi indicatori evoluti figurano la stabilità della forza lavoro, la qualità della raccolta dati in tempo reale, l’attrattività per i bandi pubblici, il posizionamento innovativo del brand per l’attrazione dei talenti e la sicurezza sul luogo di lavoro.
Le testimonianze dei manager industriali confermano la necessità pratica di questo allargamento di prospettiva. Marco Carissoni, Automation and Process Innovation Engineer di Brembo, ha spiegato il cambiamento metodologico in atto nella sua organizzazione: «In passato Brembo usava il calcolo del tempo di rientro (3-5 anni); ora consideriamo altri driver. Recentemente abbiamo approvato un investimento legato puramente all’ergonomia che si ripagherà in 6-7 anni, uscendo dai parametri standard». L’estensione temporale dei piani di rientro diventa fondamentale per non penalizzare i progetti ad alto contenuto tecnologico. Anche Flavio Cammillozzi, Robotics Product Expert di a.Quantum, società del gruppo Acea, ha sottolineato che l’approccio corretto deve basarsi sulla risoluzione di problemi concreti, ponendo al centro dell’analisi il caso d’uso specifico prima di procedere a qualsiasi test o scaling della tecnologia.
La crisi demografica italiana e il ruolo reale dell’automazione
L’urgenza di investire in sistemi evoluti di automazione trova una giustificazione critica nelle proiezioni macroeconomiche del Paese. Le curve demografiche italiane delineano una drastica e strutturale riduzione dell’offerta di lavoro nei prossimi anni. Miragliotta ha esposto dati precisi su questo squilibrio: per mantenere inalterato l’attuale stato sociale e il livello di benessere della popolazione, l’Italia dovrebbe recuperare nell’arco di circa dieci anni una produttività del lavoro pari al 25%. Al contrario, i dati storici forniti dall’Istat evidenziano un trend opposto, caratterizzato da una flessione della produttività stessa.
L’Osservatorio ha quantificato il potenziale impatto della robotica innovativa attraverso un modello matematico strutturato su sette macroaree di attività fisiche, distinguendo tra mansioni prevedibili e imprevedibili. Coinvolgendo dieci ricercatori ed esperti di Intelligenza Artificiale, è stato calcolato che il potenziale teorico delle ore automatizzabili in Italia corrisponde al 15% del totale, una quota che equivale idealmente a circa 3,2 milioni di posti di lavoro equivalenti. I settori maggiormente esposti a questo potenziale teorico sono l’agricoltura, la manifattura, la logistica e il comparto sanitario.
Tuttavia, il passaggio dalla teoria alla realtà richiede un’attenta valutazione delle variabili industriali e normative. Quando si integrano nel modello vincoli reali quali la maturità tecnologica, i costi industriali e la complessità delle certificazioni necessarie, la stima su base decennale, proiettata al 2035, si ridimensiona in modo significativo. La proiezione realistica dell’Osservatorio indica che la robotica potrà coprire circa 300.000 posti di lavoro equivalenti. Questa discrepanza dimostra che l’introduzione delle macchine non rappresenta una minaccia per l’occupazione, bensì una risposta necessaria a una carenza di lavoratori che colpisce già settori chiave in tutto il mondo, come la logistica, la ristorazione e l’immobiliare.
Ambidestria organizzativa e transizione verso il lavoro digitale
Per gestire efficacemente questo passaggio, le aziende devono sviluppare una specifica attitudine manageriale definita dall’Osservatorio come ambidestria organizzativa. Questa teoria descrive la capacità di coniugare lo sfruttamento dell’efficienza operativa nel breve termine con l’esplorazione e l’adattamento tecnologico nel medio e lungo periodo. La raccomandazione emersa dalle analisi è di avviare cicli di innovazione controllati, testando le tecnologie in porzioni delimitate dell’azienda per poi trasferire i risultati all’intera organizzazione.
Questa evoluzione si riflette direttamente sulla natura stessa delle mansioni degli operatori. Carlo Dentesano, rappresentante di Fincantieri, ha illustrato come la sua azienda stia affrontando la governance delle nuove soluzioni collaborative e della Physical AI all’interno dei cantieri navali, contesti per loro natura privi di linee produttive fisse e caratterizzati da ambienti complessi. Dentesano ha affermato: «Stiamo trasformando l’operaio in un operaio digitale (da manodopera a “testa d’opera”) capace di interagire con la macchina». Questo slittamento concettuale modifica il ruolo umano, focalizzandolo sulla gestione dei sistemi intelligenti.
Gestione del rischio e barriere operative nel processo di scaling
L’introduzione della tecnologia advanced risponde spesso a imperativi di sicurezza che ridefiniscono le priorità aziendali rispetto ai soli parametri di rendimento economico. Andrea Padovani, IT Solution Architect di Saipem, ha condiviso l’esperienza dell’azienda nell’adozione e valutazione sul campo di robot quadrupedi, preferiti alle soluzioni umanoidi per la loro immediata prontezza operativa, un’autonomia di tre ore e la capacità di coprire quindici chilometri con payload personalizzabili. Padovani ha chiarito la filosofia aziendale legata alla gestione del rischio: «preferiamo esporre un asset. Fa differenza raccontare che un incidente ha coinvolto la mano di un lavoratore o quella di un robot».
Anche nel settore della logistica dei terzi fornitori (3PL), le aziende si trovano a dover bilanciare pressioni competitive e operative. Daniela Ottomano, Direttore Ingegneria della Logistica Integrata di Poste Logistics, ha evidenziato come la robotica costituisca una leva industriale indispensabile per governare tensioni legate ai costi, alle richieste di flessibilità e alla scarsità di manodopera. Ottomano ha spiegato che la strategia aziendale consiste nel «trovare soluzioni con ritorni in tempi brevi per liberare risorse e abilitare ulteriori investimenti incrementali, inserendo questo approccio tattico in una visione di sistema».
Nonostante i benefici evidenti, il percorso che porta dall’esperimento iniziale all’applicazione su vasta scala presenta barriere metodologiche significative. Flavio Cammillozzi di a.Quantum ha precisato che le vere difficoltà non sono di natura tecnologica o legate al coraggio delle imprese, bensì al metodo applicato: «Non sono difficoltà tecnologiche (la tecnologia maturerà in pochi mesi) né di coraggio, ma di metodo. Non bisogna usare i robot solo per l’effetto “Wow”, ma identificare casi d’uso scalabili, dotandosi di un ecosistema di partner per gestire sicurezza, privacy e integrazione». L’azienda ha impiegato diciotto mesi per completare il passaggio dal prototipo alla scala industriale.
L’integrazione con i sistemi preesistenti e la centralità della supervisione umana
La fase di industrializzazione rappresenta l’anello più critico dell’intero processo. Daniela Ottomano ha posto l’accento sulla complessità del trasferimento tecnologico da un ambiente di laboratorio controllato alla produzione aperta, sottolineando lo sforzo organizzativo richiesto: «L’integrazione con i sistemi legacy e i processi esistenti è uno sforzo enorme, poiché viene meno il ruolo degli integratori tradizionali». A questo si aggiunge la necessità di formare il personale e prepararlo culturalmente a convivere e interagire stabilmente con le nuove tecnologie.
La necessità di personalizzazione spinge inoltre verso una maggiore flessibilità dei sistemi. Marco Carissoni di Brembo ha ricordato che, sebbene la robotica tradizionale sia ideale per gli alti volumi, la crescente richiesta di customizzazione dei prodotti esige soluzioni flessibili per evitare gli elevati costi di retrofit associati a ogni cambio di modello, inseguendo il traguardo di un sistema capace di comprendere autonomamente come gestire prodotti differenti.
La proiezione sul futuro esclude scenari di totale sostituzione dell’elemento umano all’interno delle fabbriche. Utilizzando una metafora tratta dal settore aeronautico, Andrea Padovani di Saipem ha ricordato come, nonostante gli aerei siano tecnicamente in grado di volare in autonomia da oltre vent’anni, i voli commerciali mantengano tassativamente la presenza di pilota e copilota. Padovani ha concluso escludendo la totale autonomia nei processi industriali più critici: «Non toglieremo l’uomo dal processo, specialmente in quelli critici; sposteremo le persone lontano dal rischio, lasciando l’umanoide vicino alla pressa, ma l’uomo manterrà la supervisione e la responsabilità». L’evoluzione dell’automazione si configura dunque come una ridistribuzione dei compiti, in cui la tecnologia assorbe l’esposizione al pericolo fisico e l’essere umano conserva le funzioni decisionali e di controllo finale. La velocità con cui questo nuovo assetto organizzativo si consoliderà dipenderà, in ultima analisi, dall’equilibrio tra le decisioni strategiche private e gli interventi di supporto pubblico.
