Le aziende mature non partono dall’AI, ma dalla capacità di capire quanto siano davvero pronte a sostenerla. Con Deda Bit, l’assessment si trasforma in una roadmap concreta e governabile
C’è un momento, prima di ogni vera trasformazione, in cui bisogna scegliere se inseguire le parole d’ordine – AI, Industry 5.0, data-driven – oppure chiedersi, con onestà, quanto la propria organizzazione sia pronta a sostenerle. Una scelta che separa chi accumula tecnologie da chi costruisce capacità. I primi si muovono in fretta, i secondi accettano di misurarsi, di mettere sotto esame anche ciò che sembra funzionare. Perché è proprio lì, nelle pieghe dell’efficienza apparente, che si nasconde lo spazio più concreto per cambiare davvero.
Questa è la direzione intrapresa da Diasorin, gruppo leader mondiale nella diagnostica di laboratorio, che nel sito produttivo di Saluggia (Vc), uno dei nodi strategici della sua rete industriale, decide di avviare una valutazione strutturata della propria maturità digitale insieme a Deda Bit. In un settore complesso e regolamentato come le biotecnologie, l’innovazione non può essere improvvisata.
Vittorio Gariboldi, Global Industrial Engineering senior manager di Diasorin lo spiega come un esercizio di responsabilità: «Prima di investire serviva capire, con dati oggettivi, quanto il sito fosse davvero pronto a sostenere l’evoluzione digitale». L’assessment, in questo senso, diventa uno strumento per riallineare, prima ancora che per innovare. «Il Digital Maturity Assessment ci permette di costruire un punto di partenza davvero condiviso, grazie al coinvolgimento trasversale di tutte le funzioni aziendali» – spiega Gariboldi. Una base comune su cui costruire le decisioni, che ribalta la narrazione diffusa secondo cui la trasformazione digitale coincide con l’adozione rapida di nuove tecnologie.
L’ASSESSMENT COME SPECCHIO
Condotto insieme a Deda Bit, l’assessment dà all’azienda l’opportunità di guardarsi allo specchio. Senza sconti, ma anche senza forzature. Interviste ai responsabili di funzione, workshop trasversali, osservazione diretta dei processi produttivi, raccolta sistematica dei dati. Il lavoro incrocia prospettive diverse, restituendo una visione integrata. Un ascolto esteso, insieme a un lavoro trasversale, capace di far emergere i veri “pain point” dell’organizzazione. A tutto questo si aggiunge un benchmark con i principali player e competitor internazionali del pharma e della diagnostica. E al tempo stesso un contributo che «solo un’azienda di consulenza con un network di clienti importanti può fornire con dati altrimenti inaccessibili» – sottolinea Enrico Bellinzona, general manager Large Corporate di Deda Bit. Da questa analisi emerge una consapevolezza importante, che Gariboldi sintetizza con pragmatismo: «Alcune aree funzionano, ma esprimono solo una parte del loro potenziale».
DAL DATO ALLA PIATTAFORMA
La tracciabilità, già conforme agli standard richiesti, viene rafforzata lungo tutte le fasi produttive fino a diventare non solo un requisito normativo, ma uno strumento di governo. Lo stesso accade con l’integrazione delle piattaforme informative. Perché quando le architetture non dialogano, le informazioni si frammentano e il paradigma data-driven resta incompleto. Tradurre questa consapevolezza in azione è il passaggio più delicato. Ed è qui che si innesta il contributo di Deda Bit. Bellinzona descrive una metodologia finalizzata a garantire una lettura integrata di persone, processi e tecnologie. Da questa lettura prende forma un piano che individua nella centralizzazione del dato uno dei passaggi decisivi.
Al centro del percorso c’è un’idea semplice: costruire una base informativa unica e affidabile. È da qui che prende forma la roadmap di Diasorin, tra centralizzazione delle informazioni, digitalizzazione della schedulazione, evoluzione dell’ambiente SAP e rafforzamento dell’automazione industriale. «L’obiettivo è creare un data hub capace di raccogliere informazioni processate e certificate provenienti da contesti diversi» – spiega Gariboldi. Un progetto ambizioso, che si intreccia con un altro tema cruciale, la connettività delle macchine. Portare i dati dal livello produttivo fino a un layer centrale significa ripensare anche l’infrastruttura industriale.
«Attrezzare le macchine e renderle connesse in alcuni casi costa molto; a volte è più facile sostituirle» – osserva Bellinzona. Ma è proprio su questo terreno che si misura la profondità del cambiamento. «Perché – riprende Gariboldi – si tratta di costruire un sistema in cui alcuni dati vengono analizzati a livello di shop floor, in tempo reale, mentre altri alimentano analisi più avanzate a livello centrale». Bellinzona sintetizza così il senso di questa cesura: «Il data hub è un concentratore di flussi informativi che rende i dati utilizzabili e li mette al servizio delle applicazioni, comprese quelle di AI. Senza questo strato, ogni progetto rischia di restare isolato o legato a una singola fonte dati, senza scalabilità».
KPI, AI E RITORNO ECONOMICO
Uno degli aspetti più interessanti del progetto è il modo in cui la roadmap viene costruita. Bellinzona racconta di un lavoro articolato, basato su matrici multidimensionali che incrociano temi, tempi, priorità e valore economico. Un approccio che consente di valutare non solo cosa fare, ma quando e con quale ritorno. «A ogni linea progettuale associamo KPI strategici, definendo anche un range di investimento, ritorno e payback» – interviene Gariboldi. È qui che la trasformazione diventa misurabile. E, quindi, governabile. Non sorprende, allora, che i benefici attesi vengano descritti con altrettanta concretezza: «Nel breve periodo, si prevedono processi più fluidi e meno attività manuali. Mentre nel medio periodo, dati affidabili e un contesto pronto per applicazioni più evolute, incluse quelle legate all’AI».
Un tema che emerge con un tono diverso rispetto alla narrazione dominante. «Nel breve periodo, i benefici si concentrano sull’efficienza operativa: più efficienza e riduzione delle attività manuali. Ma è nel medio periodo che si gioca la partita vera. Una base informativa affidabile e piattaforme integrate. È qui che l’Industrial AI smette di essere sperimentazione e diventa scalabile, senza cadere nella trappola delle soluzioni isolate» – spiega Bellinzona.
«L’AI in questa fase – chiosa Gariboldi – ha senso solo quando si individuano casi d’uso verticali, misurabili con KPI chiari». Anche per questo si insiste su un approccio prudente, ma non conservativo: «Oggi manteniamo un approccio human in the loop, in un contesto normativo e di governance che sta evolvendo». Una posizione che riflette la realtà del settore. «Se l’AI non incide sulle modalità operative non ha grande efficacia. Non basta aggiungere un agente sopra un sistema esistente. Il tema vero è che i processi vanno ridisegnati con l’utilizzo dell’AI» – completa il ragionamento Bellinzona.
METODO REPLICABILE
Letto dall’esterno, il progetto di Diasorin assume un significato che va oltre il caso specifico. Non perché offre una formula pronta da copiare, ma perché indica un metodo trasferibile. La vera replicabilità – spiegano i protagonisti – non risiede nelle soluzioni adottate, bensì nel percorso. Partire da una comprensione profonda delle proprie caratteristiche, costruire una roadmap credibile e monitorare nel tempo gli avanzamenti con criteri chiari. Un approccio che richiede risorse, coinvolgimento diffuso, rigore esecutivo e anche una certa disponibilità a rivedere convinzioni radicate. Deda Bit rivendica proprio questo equilibrio tra metodo e concretezza. Una struttura di analisi solida, capace di adattarsi alla maturità reale di ogni azienda, ai suoi processi, alle sue specificità.
