Le imprese italiane che producono macchine utensili sono sempre più consapevoli del valore strategico dei dati, ma faticano ancora a trasformarli in una leva concreta di competitività. A fronte di un 88% di aziende che dichiara un elevato coinvolgimento sui temi della gestione dei dati, soltanto il 23% giudica elevata la qualità delle informazioni disponibili. E appena l’8% dispone di sistemi informativi e produttivi altamente integrati.
È questo il quadro che emerge dalla survey condotta tra luglio e settembre 2026 da Cefriel e Ucimu – Sistemi per Produrre, l’associazione dei costruttori italiani di macchine utensili, robot e automazione.
I risultati sono raccolti nel paper Maturità nella gestione del dato nell’industria delle macchine utensili, curato da Enrico Annacondia di Ucimu, Alessandro Corrente e Nadia Scandelli di Cefriel.
L’indagine, che ha coinvolto diverse funzioni delle aziende associate a Ucimu, dalla direzione agli uffici tecnici, dall’IT alla produzione, mette in evidenza un problema che va ben oltre la semplice disponibilità delle tecnologie: le imprese raccolgono dati, ma non sempre dispongono delle infrastrutture, delle competenze e dei modelli organizzativi necessari per valorizzarli.
Un limite che rischia di diventare particolarmente rilevante nell’attuale fase di diffusione dell’intelligenza artificiale industriale.
Indice degli argomenti
La qualità dei dati è ancora un problema
La consapevolezza dell’importanza dei dati è ormai diffusa anche a livello manageriale. L’88% degli intervistati si dichiara molto o abbastanza coinvolto in questi temi.
Questa attenzione, però, non si traduce sempre in strategie operative. Il 31% delle aziende dichiara di avere una strategia di valorizzazione dei dati già in fase di esecuzione e un ulteriore 23% di averla definita o di essere impegnato nella sua definizione. Per un altro 31%, invece, la strategia è presente soltanto in parte e non è collegata agli obiettivi di business o di efficienza operativa. Il restante 15% non ne ha alcuna.
Il problema riguarda anche la qualità delle informazioni disponibili. Il 50% delle aziende giudica la qualità dei propri dati soltanto media e il 27% la considera bassa. Solo il 23% ritiene di disporre di dati affidabili, aggiornati e facilmente utilizzabili.
Le criticità riguardano soprattutto le informazioni tecniche di progettazione, quelle commerciali e i dati generati dalle macchine e dai processi produttivi. Proprio le informazioni potenzialmente più importanti per sviluppare nuovi servizi, migliorare le prestazioni e ottimizzare la produzione risultano spesso frammentate in sistemi che non comunicano tra loro.
Il divario tra IT e OT frena la valorizzazione dei dati
Il problema dell’integrazione tecnologica emerge con particolare evidenza dal rapporto tra IT e OT, ossia tra i sistemi informativi e gestionali dell’impresa e le tecnologie operative utilizzate in produzione.
Soltanto l’8% delle aziende intervistate dichiara un’elevata integrazione tra i sistemi. Il 65% dispone di un’integrazione soltanto parziale, mentre nel restante 27% i sistemi sono prevalentemente separati.
Anche le infrastrutture di raccolta, scambio ed elaborazione dei dati presentano limiti importanti: il 62% delle aziende le considera solo parzialmente adeguate e il 15% del tutto inadeguate. Solo il 23% esprime una valutazione pienamente positiva.
Questa frammentazione rappresenta un ostacolo alla possibilità di estendere le applicazioni digitali oltre le singole sperimentazioni.
Il rischio, evidenziano gli autori del paper, è che i progetti rimangano confinati a Proof of Concept, senza riuscire a diventare soluzioni utilizzabili su scala industriale. Ne risentono, in particolare, applicazioni come la manutenzione predittiva, il monitoraggio delle prestazioni e i sistemi di supporto automatizzato alle decisioni.
Il problema organizzativo: chi è responsabile dei dati?
Accanto ai limiti tecnologici emerge una criticità altrettanto importante: la mancanza di una governance strutturata del patrimonio informativo.
Nel 46% delle aziende intervistate non esiste un presidio unitario della gestione dei dati. Nel 23% dei casi le responsabilità sono distribuite tra persone appartenenti a funzioni differenti, senza un coordinamento centrale; in un altro 23% non è stata individuata alcuna figura di riferimento.
Dove la responsabilità è assegnata, prevale la funzione IT, indicata dal 31% del campione. Solo il 4% la attribuisce direttamente alla produzione, mentre nessuna delle aziende rispondenti dichiara di disporre di un team dedicato esclusivamente ai dati.
Questa situazione contribuisce a spiegare le principali difficoltà operative rilevate dalla ricerca. Tra le criticità segnalate figurano i sistemi non integrati e i dati organizzati in silos (20%), le informazioni incomplete (18%), i dati non aggiornati tempestivamente (17%) e l’eccessiva quantità di lavoro manuale necessaria per raccogliere o trasferire le informazioni (15%).
“La governance emerge come una condizione necessaria per superare la frammentazione e collegare la gestione dei dati ai processi nei quali il lavoro manuale è ancora maggiormente diffuso, come collaudo, manutenzione e service”, osserva Enrico Annacondia, responsabile della Direzione Tecnica di Ucimu – Sistemi per Produrre.
Per Annacondia, una strategia orientata ai dati può generare ritorni tangibili soltanto quando viene governata in modo strutturato e collegata agli obiettivi dell’azienda.
Condivisione dei dati: le opportunità e il timore di perdere il know-how
Il problema della gestione dei dati non riguarda soltanto l’interno delle aziende, ma anche le relazioni tra costruttori, fornitori e clienti.
L’indagine mette in evidenza una forte propensione alla collaborazione: l’85% delle imprese considera importante condividere informazioni in modo sicuro lungo la filiera.
Questa disponibilità si scontra però con il timore di perdere il controllo sul proprio patrimonio tecnologico.
Per il 38% delle aziende la protezione del know-how rappresenta l’aspetto più critico nella gestione condivisa dei dati. Seguono le problematiche di adeguamento normativo, indicate dal 19% del campione.
Anche la maturità sul fronte della Data Sovereignty, intesa come capacità di mantenere il controllo legale e territoriale sui propri asset digitali, appare limitata: l’88% delle imprese dichiara di gestire questo tema in modo soltanto parziale, limitato o inesistente.
“Senza regole certe su chi accede alle informazioni e per quali finalità, le aziende rischiano di rinunciare a modelli di servitizzazione ad alto margine per il timore di cedere proprietà intellettuale alla concorrenza”, avverte Nadia Scandelli, responsabile della Business Line Smart Products & Industrial Solutions di Cefriel.
Il tema assume particolare importanza anche alla luce del Data Act europeo, applicabile dal 12 settembre 2025, che introduce nuove regole sull’accesso e sull’utilizzo dei dati generati dai prodotti connessi, compresi i macchinari industriali.
Come emerso anche in un precedente confronto promosso dal Gruppo di Lavoro Fabbrica Digitale di Ucimu, la capacità di condividere i dati preservandone sicurezza e controllo è una delle condizioni per sviluppare ecosistemi industriali e nuovi servizi digitali.
Intelligenza artificiale, senza dati affidabili non si crea valore
Le criticità evidenziate dalla survey hanno conseguenze importanti anche per l’adozione dell’intelligenza artificiale.
La ricerca non misura direttamente il livello di diffusione dell’AI nelle aziende del campione, ma analizza alcune delle condizioni necessarie per utilizzarla efficacemente.
La valutazione degli autori è che una parte significativa delle imprese non disponga ancora di basi informative sufficientemente mature per sviluppare applicazioni di AI affidabili e utilizzabili su larga scala.
Applicare algoritmi di Machine Learning a dati frammentati, duplicati, incompleti o non aggiornati rischia infatti di produrre analisi inesatte e decisioni poco affidabili.
Il principio è quello noto nell’informatica come Garbage In, Garbage Out: la qualità dei risultati dipende anche dalla qualità dei dati utilizzati per generarli.
Per superare questo limite, le imprese devono sviluppare una conoscenza strutturata dei propri processi, mettendo in relazione informazioni tecniche, commerciali e produttive.
Non si tratta, quindi, soltanto di mettere a disposizione degli algoritmi grandi quantità di dati, ma di costruire un patrimonio informativo organizzato, contestualizzato e governato, che permetta all’intelligenza artificiale di comprendere le logiche della fabbrica e supportare concretamente le attività aziendali.
Dalla raccolta dei dati al valore: l’approccio Data Design First
La direzione indicata dal paper è quella del Data Design First, un approccio che ribalta la logica tradizionale della raccolta delle informazioni.
Invece di accumulare dati generati dalle macchine per cercare successivamente possibili applicazioni, le imprese dovrebbero partire dagli obiettivi strategici e dai problemi che intendono risolvere, progettando di conseguenza modalità di raccolta, organizzazione e utilizzo delle informazioni.
Il percorso proposto dagli autori parte quindi dal dato grezzo, lo arricchisce con informazioni di contesto, lo trasforma in conoscenza strutturata e infine in elementi utili per prendere decisioni di business.
Le opportunità riguardano sia il miglioramento dei processi interni sia lo sviluppo di nuovi modelli di ricavo: dalla manutenzione predittiva all’assistenza remota, dall’ottimizzazione dei consumi e dei tempi di fermo alla realizzazione di servizi digitali post-vendita.
Per coglierle, le aziende devono collegare i dati generati dalle macchine a indicatori industriali concreti, come disponibilità degli impianti, qualità della produzione, produttività e prestazioni dei servizi.
La ricerca individua tre priorità: rafforzare la governance interna assegnando responsabilità chiare, dimostrare il valore economico della condivisione dei dati attraverso applicazioni concrete e sviluppare regole comuni per tutelare il know-how e rendere più semplice la collaborazione lungo la filiera.
“La tradizionale qualità meccanica e ingegneristica resta uno dei punti di forza dell’industria italiana delle macchine utensili”, sottolinea Alessandro Corrente, Business Development Manager di Cefriel. A questa eccellenza, aggiunge, deve però affiancarsi una nuova dimensione competitiva: “la capacità di generare, integrare e valorizzare dati lungo l’intero ciclo di vita di macchine, prodotti e servizi”.
La trasformazione digitale, dunque, non dipende soltanto dalla disponibilità di macchine connesse e tecnologie avanzate. Il salto di qualità richiede che le esperienze già avviate dalle singole imprese diventino pratiche organizzative condivise, capaci di valorizzare i dati non solo all’interno della fabbrica, ma nell’intera filiera industriale.
Il paper completo può essere richiesto attraverso il sito di Cefriel.
