Tuttavia, alcuni nodi strutturali storici continuano a frenare il pieno sviluppo della nostra competitività: la frammentazione del tessuto imprenditoriale in realtà di dimensioni ridotte, la carenza di investimenti in ricerca e sviluppo, la burocrazia farraginosa e un pesante deficit di capitale umano. Per tracciare una rotta strategica, il Ministero delle Imprese e del Made in Italy (MIMIT) ha presentato il “Libro bianco Made in Italy 2030”.

Il piano punta a blindare le eccellenze industriali, coniugando crescita economica, tecnologie digitali avanzate e sostenibilità ambientale. I dati previsionali sostengono questa visione di moderato ottimismo: l’ultimo rapporto Analisi dei Settori Industriali di Intesa Sanpaolo e Prometeia stima una crescita media del fatturato delle aziende italiane intorno all’1% annuo a prezzi costanti fino al 2030, con l’export come vero motore del Paese: il saldo commerciale è stimato a 125 miliardi di euro, ben 21 miliardi in più rispetto ai livelli pre-pandemici. La reale sfida si gioca però su innovazione e competenze, come evidenziato dal Rapporto InnoTech 2026 di The European House-Ambrosetti.

L’Italia vanta diversi posizionamenti d’eccellenza: è sesta al mondo per capacità di trasformare la ricerca in valore economico e per saldo nei servizi di R&S, settima per potenza di supercalcolo e ai vertici per qualità scientifica. Questo patrimonio tecnologico rischia però di rimanere inutilizzato a causa di un drammatico “digital mismatch”: all’appello mancano circa 4,5 milioni di lavoratori dotati di competenze digitali avanzate. Il ritardo formativo è strutturale: l’Italia si colloca al trentasettesimo posto per investimenti nell’istruzione e al trentesimo per il supporto all’innovazione. La quota di laureati tra i 25 e i 34 anni è inferiore di 13 punti percentuali rispetto alla media UE. Senza contare che tra il 2020 e il 2024, oltre 100mila giovani lasciano il Paese alla ricerca di retribuzioni più eque e migliori opportunità di carriera.

Nelle sue considerazioni finali, il Governatore della Banca d’Italia Fabio Panetta lancia l’allarme su un pericoloso circolo vizioso: la scarsa propensione all’innovazione delle imprese comprime la domanda di professionisti qualificati, mentre la mancata valorizzazione del merito scoraggia lo studio e frena l’adozione dell’AI e del digitale. In un mondo dove le tecnologie si evolvono con questa rapidità, il vero ostacolo alla competitività italiana è anzitutto culturale. La gestione del capitale umano diventa una delle sfide decisive. Il successo competitivo dipende dall’agilità cognitiva e dalla flessibilità di lavoratori e manager, perché le competenze statiche perdono valore rapidamente e la formazione permanente diventa lo scudo fondamentale contro l’obsolescenza. Per salvare il Made in Italy, le fabbriche devono trasformarsi in “palestre di apprendimento”, integrando la maestria artigianale tradizionale con i requisiti della transizione digitale, energetica e ambientale.

L'articolo L’industria italiana tra resilienza e deficit di competenze proviene da Data Manager Online.

Il sistema agro­alimentare italiano vale circa 700 miliardi di euro, quasi il 15% dell’economia nazionale nel suo complesso, confermandosi un settore cardine della nostra economia. L’Annuario dell’Agricoltura Italiana del CREA (Consiglio per la ricerca in agricoltura e l’analisi dell’economia agraria) registra il rafforzamento delle imprese più strutturate anche grazie all’affermazione di forme organizzate più evolute e complesse: reti di impresa (in crescita del 5,9%) e forme cooperative (+11,2%). Continua, invece, il trend di fuoriuscita dal settore agricolo delle unità produttive (-1,5%), e permangono alcune debolezze, legate alla forte frammentazione, alla scarsa natalità imprenditoriale e al ritardo generazionale.

I dati Ismea fotografano un nuovo massimo storico per l’export agroalimentare italiano nel 2025, che tocca i 73 miliardi di euro, in aumento del 5% rispetto all’anno precedente. In buona salute le produzioni a Indicazione Geografica (IG), leva strategica per il Made in Italy agroalimentare, che registrano una crescita sia del valore della produzione, intorno ai 21 miliardi di euro, sia dell’export, con un andamento favorevole sia nei mercati europei (+9,4%) sia in quelli extra-europei (+17,8%). Grazie al PNRR sono in atto interventi strutturali senza precedenti per sostenere la transizione ecologica e digitale del settore, rafforzare la competitività delle imprese e aumentare la resilienza di filiere e territori. Aumentati da 3,6 a 8,9 miliardi gli investimenti sulle misure a titolarità del Ministero dell’Agricoltura, della Sovranità Alimentare e delle Foreste, destinati a oltre 35mila progetti attivi su cinque asset: logistica, energie rinnovabili, innovazione e meccanizzazione, contratti di filiera, gestione delle risorse idriche. Anche grazie a questi contributi, nonostante il contesto globale segnato sempre più da instabilità geopolitica, crisi climatica e tensioni economiche, il settore agroalimentare italiano continua a spingere sull’innovazione digitale, lungo tutta la filiera produttiva.

Secondo la ricerca dell’Osservatorio Smart AgriFood del Politecnico di Milano e dell’Università di Brescia, nel 2025 il mercato italiano dell’Agricoltura 4.0 raggiunge i 2,5 miliardi di euro, in aumento del 9% rispetto all’anno precedente. Il livello di maturità digitale nel settore resta ancora molto eterogeneo: il 9% delle aziende agricole è “digitalmente maturo”, il 33% è “in cammino” verso una maggiore digitalizzazione, il restante 58% è ancora in ritardo. La crescita è trainata principalmente dalle soluzioni software: i Farm Management Information System (FMIS) registrano un incremento del 17%, mentre i Decision Support System (DSS) crescono del 26%. Algoritmi predittivi e modelli di analisi dati permettono di ridurre gli sprechi, supportare l’agricoltura di precisione, migliorare la qualità del prodotto e ottimizzare consumi energetici e gestione delle risorse. Soluzioni analytics supportano decisioni operative più precise, identificando inefficienze e prevedendo fluttuazioni della domanda. Tornano positivi anche gli investimenti in macchinari connessi (+2%) e in soluzioni di telemetria e controllo (+3%).

MENO SPRECHI, PIÙ EFFICIENZA

Secondo dati FAO, oltre un terzo del cibo prodotto al mondo va perso o sprecato, lungo l’intera catena di approvvigionamento alimentare: nell’azienda agricola, durante la trasformazione e la lavorazione, nei negozi, nei ristoranti e in ambito domestico. Non è solo un problema etico e sociale, si tratta anche di un notevole impatto sull’ambiente: lo spreco alimentare è responsabile di quasi il 10% delle emissioni globali di gas serra, cinque volte quanto generato dall’aviazione. Per produrre cibo che non verrà mai mangiato vengono dedicati il 28% dei terreni agricoli, 1,4 miliardi di ettari, un’area maggiore dell’intera Europa, e un quarto dell’acqua dolce utilizzata in agricoltura. Nell’ultimo report dell’Osservatorio Waste Watcher International, si legge che nel mondo vengono sprecate ogni anno 1,05 miliardi di tonnellate di cibo.

In Italia lo spreco alimentare rimane sopra la media europea: le ultime rilevazioni Waste Watcher attestano uno spreco settimanale medio pro capite di 555,8 grammi per l’Italia, in riduzione rispetto ai 683 grammi dell’anno precedente, ma ancora lontano dai 369,7 grammi, obiettivo fissato per il 2030. L’ONU chiede di dimezzare perdite e sprechi alimentari entro il 2030, in tutti i segmenti della filiera. L’Europa, recentemente, ha rivisto i suoi obiettivi: -10% nello spreco in trasformazione e manifattura e -30% pro capite nei consumi finali. Per centrare questi traguardi, un contributo decisivo arriva dall’intelligenza artificiale (AI), che sta rivoluzionando la lotta allo spreco alimentare, offrendo soluzioni innovative per ottimizzare la catena di approvvigionamento, ridurre gli invenduti nei supermercati e gestire meglio le scorte domestiche.

Gli algoritmi di AI sono anche in grado di adattare in tempo reale i prezzi dei prodotti vicini alla scadenza, incentivandone l’acquisto prima che diventino rifiuti. Esistono, poi, app intelligenti basate su AI che aiutano a pianificare la spesa, monitorare le scadenze dei prodotti nel frigorifero e suggerire ricette basate sugli ingredienti disponibili, riducendo lo spreco domestico. Sistemi di visione artificiale sono anche in grado di controllare la qualità dei prodotti lungo la filiera, monitorandone la freschezza, riuscendo ad identificare precocemente quelli che stanno per deteriorarsi, per reindirizzarli verso mercati secondari, o verso piattaforme digitali e App, come Too Good To Go, che a loro volta utilizzano AI per connettere rapidamente produttori e consumatori finali per smaltire l’invenduto a fine giornata.

Un’azienda che fa tesoro di queste soluzioni è Cortilia, food-tech company italiana di prodotti alimentari freschi a filiera corta, nata quindici anni fa con l’obiettivo di consegnare direttamente a casa dei propri clienti, in meno di 24 ore, gli alimenti qualitativamente migliori offerti dalle piccole aziende agricole del territorio. Cortilia, che lo scorso anno ha fatturato 46 milioni di euro, usa soluzioni AI per assistere i propri clienti nella selezione dei loro prodotti preferiti e migliorare i servizi di logistica. Fin dalla fondazione, ha sviluppato il proprio business sugli advanced analytics, per passare all’utilizzo di algoritmi di machine learning, deep learning e reinforcement learning. Questa tecnologia, attraverso l’analisi dei dati storici, viene impiegata nell’ambito di più processi aziendali: aiuta a fornire ai clienti suggerimenti personalizzati in fase di acquisto e a prevedere con molta precisione quali prodotti e in quali quantità.

La stessa tecnologia aiuta l’azienda anche lato offerta, permettendo agli agricoltori di conoscere in anticipo i consumi più frequenti e, allo stesso tempo, di comunicare a Cortilia i prodotti stagionali di cui hanno più disponibilità, in modo da incrociare domanda e offerta: i produttori possono confezionare solo quello che sarà effettivamente ordinato e trasportato, riducendo sensibilmente gli sprechi.

SUPPLY CHAIN INTELLIGENTE

I sistemi AI contribuiscono ad aumentare l’efficienza della supply chain, trasformando la gestione logistica da un modello reattivo a uno predittivo, migliorando drasticamente l’efficienza operativa e riducendo gli sprechi. In primo luogo, l’automazione dei magazzini accelera le attività logistiche: l’uso di robotica, potenziata da algoritmi di AI, sfrutta al meglio il layout del magazzino e accelera le operazioni di picking, riducendo gli errori umani e i costi operativi dei prelievi. La logistica intelligente calcola percorsi dinamici che tengono conto del traffico e delle condizioni atmosferiche, e questo permette da un lato di ottimizzare i percorsi del trasporto tradizionale della catena del freddo riducendo tempi di consegna, consumo di carburante, emissioni di CO2, dall’altro lato consente di prevenire il deterioramento delle merci durante il transito.

Inoltre, sistemi basati su AI e Blockchain garantiscono la tracciabilità totale, permettendo di individuare immediatamente l’origine di eventuali contaminazioni e limitando i ritiri di prodotti a lotti specifici anziché a intere linee. Per quanto riguarda produzione e distribuzione, algoritmi di machine learning analizzano dati storici, tendenze di mercato e previsioni meteo, correlandoli con eventi locali per prevedere i trend di consumo con estrema accuratezza: questo permette ai produttori e alla GDO di ricevere chiare indicazioni su cosa e quanto produrre, per gestire al meglio la quantità di cibo necessaria, pianificando le scorte, evitando sovrapproduzioni e riducendo l’invenduto, le rotture di stock e le scadenze dei prodotti deperibili. Sensori IoT, nel frattempo, monitorano la temperatura e l’integrità dei prodotti lungo tutto il percorso, garantendo il rispetto degli standard di sicurezza e facilitando richiami rapidi in caso di necessità.

Barilla sfrutta l’analisi avanzata dei dati per gestire la complessità dei mercati globali, e utilizza l’AI per monitorare l’inventario globale e prevedere la domanda dei consumatori, ottimizzando ordini e consegne per ridurre i tempi di attesa e i costi logistici. Inoltre, implementa sistemi di monitoraggio in tempo reale dei trasporti, che permettono di analizzare le prestazioni della distribuzione e migliorare il tasso di consegna puntuale ai clienti. Barilla integra soluzioni basate su AI in ogni fase della sua filiera, dal campo di grano fino alla tavola del consumatore, non solo per migliorare l’efficienza operativa, ma anche per garantire la sostenibilità ambientale e la qualità dei prodotti.  Direttamente in campo, Barilla supporta gli agricoltori con strumenti digitali avanzati: un’applicazione gratuita con funzionalità AI permette di identificare in tempo reale, tramite la fotocamera dello smartphone, le malattie e le avversità del frumento. Inoltre una piattaforma AI addestrata su dati meteorologici consiglia il momento ideale per la semina, la concimazione e i trattamenti.

Nel comparto della pasta, sistemi di visione artificiale analizzano migliaia di chicchi di grano duro al secondo, individuando in tempo reale eventuali difetti o anomalie. Le soluzioni basate su intelligenza artificiale, integrate nei processi di selezione, consentono lo scarto immediato dei chicchi con imperfezioni cromatiche o macchie, garantendo che alla fase di molitura arrivi esclusivamente materia prima conforme agli standard. Un approccio che migliora la qualità complessiva del prodotto e riduce la variabilità lungo il processo produttivo. La digitalizzazione degli stabilimenti consente oggi di combinare controllo qualità ed efficienza energetica attraverso piattaforme AI integrate con sensori industriali e sistemi di automazione. Il monitoraggio continuo dei parametri produttivi permette interventi tempestivi sulle anomalie e una gestione dinamica delle linee. In presenza di variazioni minime nella doratura, per esempio, gli algoritmi regolano automaticamente temperatura e velocità di lavorazione, migliorando uniformità del prodotto e riducendo gli scarti industriali.

DRONI, ROBOT E ANALYTICS

Secondo i dati dell’Osservatorio, il tasso di abbandono delle soluzioni digitali da parte delle aziende utilizzatrici è praticamente nullo: chi le adotta ha benefici in linea o superiori alle aspettative e tende a proseguire negli investimenti. Nel 2025 la superficie agricola coltivata con tecnologie digitali copre il 10% del totale, in lieve aumento rispetto al 9,5% dell’anno precedente.

«La vera sfida è coinvolgere oltre la metà del tessuto agricolo, che non ha ancora intrapreso questo percorso» – dichiara Andrea Bacchetti, direttore dell’Osservatorio Smart Agrifood. «Per farlo, è necessario intervenire sui fattori strutturali, come la frammentazione e le ridotte dimensioni aziendali, ma anche rafforzare competenze, cultura dell’innovazione e strumenti di accompagnamento agli investimenti. Solo così la trasformazione digitale diventa realmente sistemica e inclusiva».

L’AI entra stabilmente anche nelle aziende agricole italiane. Oggi l’8% degli agricoltori utilizza strumenti di intelligenza artificiale e machine learning, spesso gestibili direttamente da smartphone, per migliorare decisioni operative, controllo dei processi e gestione delle colture. Le ricadute riguardano produttività, qualità del lavoro e ottimizzazione delle rese, con una progressiva riduzione delle attività più ripetitive. La trasformazione è più avanzata nell’industria della trasformazione alimentare, dove il 18% delle aziende ha introdotto applicazioni AI e oltre la metà sta valutando nuove sperimentazioni. A trainare il mercato contribuiscono anche i provider tecnologici: l’80% punta infatti a sviluppare a breve nuove piattaforme AI dedicate all’agrifood.

Il confronto internazionale evidenzia però un ritardo rispetto ai mercati più maturi. Secondo BCC Research, il mercato globale dell’AI nel Food & Beverage è destinato a crescere dai 10,8 miliardi di dollari del 2024 ai 50,6 miliardi del 2030, con un tasso medio annuo del 29,6%. L’integrazione dell’intelligenza artificiale nell’agricoltura di precisione accelera la transizione del settore verso modelli gestionali data-driven. Le applicazioni AI vengono utilizzate soprattutto nelle attività in campo aperto – che rappresentano il 62% dei progetti – per il monitoraggio delle colture, la gestione irrigua e il controllo delle infestanti. Crescono anche le applicazioni dedicate all’efficienza operativa (31%) e ai sistemi di qualità e tracciabilità di filiera (29%). Droni, sensori ottici e piattaforme di analytics consentono di raccogliere e analizzare grandi quantità di dati agronomici per ottimizzare la produttività dei terreni e individuare le colture più adatte alle specifiche condizioni ambientali. Parallelamente, sistemi avanzati di image analysis monitorano lo stato vegetativo delle colture e identificano precocemente malattie, stress idrico ed erbe infestanti, permettendo interventi mirati e tempestivi.

L’approccio predittivo consente di irrigare e utilizzare fertilizzanti o pesticidi solo dove necessario, riducendo consumi idrici, impatto ambientale e dispersione di sostanze chimiche nel suolo e nelle falde. Gli algoritmi AI supportano inoltre la previsione del momento ottimale di raccolta, migliorando resa produttiva e qualità nutrizionale. La trasformazione coinvolge anche automazione e robotica agricola. Trattori autonomi, mietitrebbie autoguidate e robot specializzati eseguono attività di precisione come semina, potatura e raccolta con supervisione umana minima. Cresce inoltre l’impiego di robot dotati di telecamere 3D, utilizzati per aumentare l’efficienza nelle operazioni di raccolta.

Anche l’industria della trasformazione alimentare utilizza da tempo sistemi di visione artificiale e sensoristica intelligente per ottimizzare manipolazione, sicurezza e qualità degli alimenti. Tecnologie continuamente evolute che aiutano le aziende a migliorare standard igienici, conformità normativa ed efficienza operativa lungo tutta la filiera. Secondo Chiara Corbo, direttrice dell’Osservatorio Smart AgriFood, l’intelligenza artificiale nel settore agrifood rappresenta un fattore di accelerazione dello sviluppo del settore, ma la sua piena affermazione dipende dalla capacità di affrontare con visione e responsabilità temi cruciali come la governance dei dati, la concentrazione tecnologica e il digital divide.

«È necessario fare molta attenzione al disallineamento tra la velocità di innovazione dei provider tecnologici e la capacità di investimento delle imprese, promuovendo programmi di inclusione digitale, in particolare a favore di agricoltori e PMI, adottando inoltre strategie che riconoscano nel dato una leva competitiva centrale lungo tutta la filiera, a partire dagli attori a monte».

Come nel caso di Agrintesa, una delle più importanti aziende nel settore ortofrutta in Italia, nata nel 2007 a Faenza (Ra) e che riunisce una comunità di quattromila aziende agricole prevalentemente di piccole e medie dimensioni. La crescente domanda dei mercati internazionali impone standard qualitativi sempre più elevati. Per l’export, inoltre, il grado di maturazione rappresenta un fattore critico, poiché anche piccole difformità possono compromettere la tenuta dell’intero carico lungo la filiera. In questo contesto Agrintesa integra soluzioni di intelligenza artificiale nei propri processi di selezione, su una produzione che supera le 440mila tonnellate all’anno.

Per esempio, il sistema di scansione dedicato ai kiwi e alle susine consente un’analisi ad alta precisione grazie alla tecnologia di riconoscimento visivo HDiA (High Definition Innovative Agrovision), che permette di rilevare parametri chiave come peso, diametro, colore e qualità del frutto, classificandolo automaticamente secondo i diversi standard produttivi. L’adozione di queste soluzioni contribuisce al raggiungimento degli obiettivi aziendali: incremento della qualità, riduzione delle contestazioni da parte dei clienti e maggiore efficienza operativa lungo il processo di selezione. Al centro del sistema vi è un modello di machine learning che, attraverso il riconoscimento visivo intelligente, si aggiorna continuamente, migliorando progressivamente la propria capacità di analisi e consolidando un vantaggio competitivo basato sui dati e sull’automazione dei processi.

FILIERA TRACCIABILE CON L’AI

Sul fronte ambientale, l’agricoltura italiana continua a registrare progressi nella riduzione delle emissioni climalteranti, che risultano in calo del 15% rispetto al 1990. Nonostante il miglioramento, il comparto mantiene un’incidenza stabile pari all’8,4% sul totale nazionale, con il metano (44%) e il protossido di azoto (29%) che restano le principali fonti emissive. Parallelamente, il settore accelera la transizione verso modelli produttivi più sostenibili e circolari. In Italia, il 74% delle aziende agricole adotta già almeno una pratica di economia circolare basata sull’uso efficiente e rigenerativo delle risorse naturali. Nel 53% dei casi si tratta di approcci di agricoltura integrata o conservativa, orientati alla tutela della biodiversità e al mantenimento degli ecosistemi. Positivo anche l’impiego di soluzioni orientate al riuso delle risorse: il 48% delle imprese utilizza materie prime derivate da scarti di processo, acqua riutilizzata ed energia da fonti rinnovabili. A questo si affianca la valorizzazione delle eccedenze produttive, che interessa il 38% delle aziende, mentre il 33% è attivo nel riutilizzo di scarti e biomasse come materie prime secondarie, fertilizzanti agricoli o altre applicazioni a valore aggiunto.

Sul fronte della sostenibilità e della trasparenza, l’integrazione tra AI e blockchain rafforza la tracciabilità della filiera agroalimentare, tutelando i marchi di qualità e garantendo il rispetto di standard etici e ambientali lungo tutto il processo produttivo. L’automazione dei controlli riduce gli errori legati alla manipolazione umana, limitando gli sprechi alimentari e contenendo i costi lungo la catena del valore. In ambito industriale, l’impiego di sensori, sistemi a ultrasuoni e imaging a fluorescenza consente una rilevazione più accurata di residui alimentari e potenziali contaminazioni microbiologiche.

Infine, l’AI supporta la misurazione delle performance di sostenibilità, sempre più centrale sia per la resilienza delle supply chain sia per la conformità normativa. Il rating ESG assume infatti un ruolo strategico, influenzando l’accesso al credito, la competitività nei bandi pubblici e il posizionamento nelle filiere internazionali. Con l’introduzione della direttiva europea CSRD, la rendicontazione di sostenibilità diventa progressivamente un obbligo anche per le imprese di minori dimensioni.

Un caso interessante di approccio integrato tra sostenibilità e innovazione digitale arriva dal Consorzio Tutela Grana Padano, realtà nata nel 1954 e oggi composta da oltre 140 aziende della filiera lattiero-casearia. Il Consorzio svolge un ruolo centrale nel coordinamento del sistema produttivo, agendo come garante di qualità, sostenibilità e redditività lungo l’intera catena del valore, dagli allevatori ai caseifici fino al consumatore finale. Oltre alle attività di tutela, promozione e valorizzazione del Grana Padano DOP – la cui produzione ed export sono in costante crescita – il Consorzio è molto impegnato nella transizione digitale della filiera. In questo contesto si inserisce il progetto MOREGRANA, orientato a migliorare efficienza, sostenibilità e competitività del comparto attraverso l’utilizzo avanzato dei dati e delle tecnologie digitali.

L’obiettivo è ottimizzare la sostenibilità ambientale della produzione di latte destinato al Grana Padano, integrando strumenti di agricoltura e zootecnia di precisione per una gestione più efficiente dei nutrienti lungo l’intero ciclo produttivo: dal campo alla stalla, fino alla gestione dei reflui e al loro ritorno al suolo. Il progetto introduce sistemi di monitoraggio avanzato dell’efficienza produttiva del latte e della dieta bovina, grazie all’integrazione di fonti dati eterogenee e soluzioni digitali interconnesse. L’uso dell’intelligenza artificiale consente lo sviluppo di strumenti di tracciabilità end-to-end del processo produttivo, rafforzando la trasparenza della filiera e il controllo delle performance lungo tutta la catena.

EOS Solutions: Sostenibilità e AI nel food

Formula: Sostenibilità e AI nell’industria alimentare

Sinfo One: Sostenibilità e AI nell’industria alimentare. Dati, controllo e predominio cognitivo

L'articolo Agrifood data-driven, l’AI dai campi alla fabbrica proviene da Data Manager Online.

Il tessuto imprenditoriale del nostro Paese è composto principalmente da piccole e medie imprese, elemento distintivo del nostro modello di sviluppo: sono il cuore pulsante dell’economia in termini di occupazione e contributo al PIL e svolgono un ruolo fondamentale nel mantenere alto il livello della nostra competitività.
Nonostante gli investimenti siano inferiori rispetto alle grandi imprese, per le PMI la trasformazione digitale rappresenta una vera necessità di efficienza operativa e sicurezza.

Oggi, infatti, la competitività si basa sempre più su modelli data-driven: la tecnologia consente di leggere e interpretare i segnali del mercato (come per esempio le preferenze, i comportamenti e le aspettative di clienti e consumatori), orientare lo sviluppo di nuovi prodotti, prevedere scenari futuri della domanda, potenziare e arricchire il servizio al cliente. La digitalizzazione ben pianificata è in grado di rendere le aziende agili e resilienti.
Le imprese che si adattano ai cambiamenti, e li sanno anche anticipare, hanno maggiori possibilità di successo. Per le PMI si tratta di una duplice sfida sia tecnologica, che culturale. La tecnologia è facilmente accessibile; va inserita in un processo che, con una visione di lungo periodo, permette di ridisegnare nuovi modelli di business in grado di fare la differenza tra sopravvivenza e crescita. In questo processo deve essere coinvolta l’azienda nel suo complesso: imprenditori, management, dipendenti.

 GLI OSTACOLI ALLO SVILUPPO

La digitalizzazione delle PMI italiane cresce, ma troppo lentamente rispetto alla velocità con cui evolve il contesto tecnologico ed economico, e la piena maturità digitale è ancora lontana. Dati dell’Osservatorio Digital Innovation nelle PMI della POLIMI School of Management mostrano che più di una PMI italiana su due (54%) dichiara di investire nelle tecnologie digitali, sia in modo mirato su singole aree sia in modo trasversale su tutta l’organizzazione. Il restante 46% adotta invece un approccio più cauto. Il 20% dichiara che il digitale ha un ruolo marginale nel proprio settore, mentre il 10% dichiara di avere una scarsa comprensione dei benefici. La percezione che i costi collegati siano elevati riguarda il 9%. E il 7% esprime un totale disinteresse verso questa tematica. Nello stesso report, si registra una crescente presenza di figure interne a presidio della trasformazione digitale, accompagnata da primi segnali di revisione dei processi in funzione delle nuove soluzioni.

Gli analisti segnalano alcune fragilità strutturali. Un’impresa su tre non dispone ancora di un responsabile IT né interno né esterno. Ma il problema non è solo organizzativo, in molti casi mancano anche competenze trasversali su dati, cloud, processi e sicurezza.
A fare la differenza sono soprattutto i profili ibridi, capaci di unire visione strategica, capacità di adattamento e orientamento agli obiettivi. Figure ancora rare, ma determinanti per guidare percorsi di trasformazione complessi. Una digitalizzazione efficace, infatti, richiede un punto di riferimento chiaro – o un team dedicato – in grado di coordinare le scelte tecnologiche, la formazione e la comunicazione, gestire i rapporti con i fornitori e monitorare in modo continuo i principali indicatori di performance. E quando le competenze interne mancano o le risorse sono limitate, la collaborazione con consulenti, software house o system integrator diventa l’unica soluzione.

Tuttavia, anche quando le tecnologie sono disponibili, faticano a trasformarsi in leve di cambiamento trasversale: l’integrazione delle informazioni e la diffusione delle competenze digitali nei processi core restano ancora limitate. Connettività inadeguata, scarsa disponibilità di competenze e cultura aziendale non sempre pronta all’innovazione sono i principali ostacoli che limitano la digitalizzazione delle PMI.
E i dati dell’Osservatorio lo mettono in chiaro: l’83% dichiara difficoltà nell’adozione e nell’utilizzo di strumenti digitali, principalmente per carenze di tipo culturale (44%), per scarsità di competenze specialistiche (59%) e per i costi legati all’adozione e alla manutenzione di hardware e software (40%). Inoltre, il 47% delle imprese evidenzia criticità nell’accesso alla connettività digitale. Il tema della connettività resta una sfida aperta, in particolare nelle aree a minore densità imprenditoriale. L’accesso limitato a connessioni ad alte prestazioni può rallentare l’adozione di soluzioni digitali più avanzate, contribuendo a differenze di velocità nei percorsi di trasformazione e incidendo sul potenziale competitivo delle imprese locali.

L’ITALIA E L’EUROPA

Nell’ultimo rapporto DESI (Digital Economy and Society Index), di luglio scorso, si legge che il 26,2% delle PMI ha raggiunto un livello di digitalizzazione “alto”, e il 70,2% un livello “base”, valore che pone il nostro Paese al di sotto della media europea (72,9%), ancora un po’ distante dal 90%, obiettivo europeo del “Decennio Digitale”, da raggiungere entro il 2030. L’Italia ha fatto progressi importanti in questo campo, ma la distanza con gli altri paesi europei è ancora significativa. Si registra un gap molto importante tra le PMI e le imprese con più di 250 dipendenti: queste aziende, infatti, hanno un livello “base” del 97,8%, e un livello “alto” dell’83,1%.

Il report DESI mostra come l’Italia abbia colmato il gap con gli altri Paesi della UE nella connettività, con la copertura FTTP a banda larga che ha raggiunto il 70,7%. In crescita anche la percentuale di aziende che fanno vendite online (20,4% contro la media europea del 22,2%). Questo dato è significativo perché mostra la crescente internazionalizzazione delle nostre PMI, tradizionalmente fondate su eccellenza di prodotto e competenze manifatturiere distintive. Il digitale diventa così la chiave d’accesso ai mercati esteri per i campioni del “Made in Italy”, perché consente anche a piccole realtà di poter vendere in tutto il mondo. Altri tre obiettivi europei riguardano l’adozione di cloud intermedio/avanzato, l’analisi dei dati e l’uso di AI nelle imprese con almeno 10 addetti, ciascuno con un target del 75% entro il 2030. Anche in questo caso, gli indicatori mostrano progressi rilevanti: il cloud è passato dal 73,5% del 2023 al 90,7% nel 2025, l’analisi di dati è cresciuta dal 35,5% al 56,9%, mentre l’AI è salita dal 10,9% al 21,9%.

A CHE PUNTO SIAMO

Gli indicatori aggiornati al 2025, secondo il rapporto “Imprese ICT 2025” di Istat evidenziano, rispetto a due anni prima, una lieve riduzione del divario che ancora esiste tra PMI e grandi imprese.
In particolare, le differenze più marcate si riscontrano nelle attività legate alla complessità organizzativa e dimensionale come l’utilizzo di software gestionali ERP (48,8% per le PMI e 85,9% per le grandi imprese) e CRM (21,1% per le PMI e 56,5% per le grandi imprese). Ancora oggi, la maggioranza delle PMI continua a pensare al digitale come supporto operativo e non come strumento capace di orientare le decisioni di business. Anche per questo, l’adozione tecnologica nelle PMI italiane si concentra ancora su soluzioni di base, spesso non integrate tra loro.

I software gestionali, in particolare per l’amministrazione e la contabilità, restano i più diffusi: sono utilizzati dal 56% delle imprese con almeno 10 addetti, 7% in più rispetto al 2023. Le aree dove le PMI stanno investendo sono la sicurezza informatica per oltre il 53,8%, social media (41,8%), formazione informatica (44,3%) e cloud (29,3%). Sono in aumento anche le soluzioni di data analytics, intelligenza artificiale e blockchain, che offrono nuove opportunità per migliorare prodotti, processi e relazioni. I benefici percepiti si concentrano prevalentemente nelle funzioni amministrative, finanziarie e di controllo di gestione. Le imprese temono la difficoltà di integrazione nei processi esistenti e la mancanza di competenze interne più che i rischi tecnologici in sé.

Secondo i dati dell’Osservatorio del Politecnico di Milano, solo il 4% delle microimprese hanno avviato percorsi strutturati sull’AI in confronto al 6% delle piccole e al 20% delle medie. Una larga parte del campione, il 72% delle microimprese, ritiene che non sia ancora il momento di investire in questo ambito. Le ragioni principali sono la convinzione che l’AI non avrà impatti significativi nel breve periodo e la mancanza di tempo e risorse. «Se l’intelligenza artificiale viene introdotta senza aver costruito competenze intermedie e una solida cultura digitale di base, il rischio è di generare inefficienze e decisioni poco consapevoli» – afferma il direttore dell’Osservatorio Claudio Rorato. «È difficile passare dall’assenza di pianificazione a strumenti evoluti senza aver lavorato prima su processi, dati e competenze diffuse. Altrimenti si rischia di adottare soluzioni sofisticate senza la capacità di governarle, trasformando un’opportunità in un fattore di fragilità».

Tra le aziende che già utilizzano almeno una tecnologia AI, l’Istat riporta che il 70,3% continuerà a investire in questo ambito, mentre tra quelle che non la utilizzano la quota scende al 15%. Si registra una correlazione positiva fra digitalizzazione e produttività. Se nelle PMI con produttività alta, la quota che utilizza tecnologie AI cresce dal 6,5% al 9,2%, nelle grandi imprese l’incremento passa dal 15,2% al 46,2%.

PARTIRE DAI PROCESSI

Per le PMI la migliore strategia di digitalizzazione non parte dalla tecnologia, ma dall’analisi dei processi e delle efficienze dei diversi reparti e uffici. Se un processo inefficiente non viene prima riprogettato, la digitalizzazione rischia di innovarlo sul piano tecnologico, lasciandone però invariati i limiti operativi. Quindi, si devono innanzitutto mappare i flussi di lavoro, misurare i tempi medi delle lavorazioni e delle operazioni, calcolare sia i costi reali sia i costi nascosti (dovuti a errori, rifacimenti di produzioni, doppie registrazioni ed altro), valutare gli aspetti di sicurezza e compliance. Solo così si possono individuare inefficienze e identificare colli di bottiglia, intervenendo sui processi che impattano di più su costi, tempi e rischi, ottimizzando le risorse a disposizione. L’analisi e le innovazioni che ne derivano portano a una trasformazione non solo tecnologica, ma anche strategica, verso un’organizzazione più agile e capace di adattarsi rapidamente ai cambiamenti del mercato.

Contemporaneamente, si deve compiere una scelta mirata delle tecnologie da utilizzare a supporto della trasformazione digitale, perché non tutte le soluzioni sono adatte a ogni impresa. Meglio scegliere strumenti adatti alle reali esigenze, che siano anche scalabili, in modo che possano crescere a mano a mano che l’azienda si sviluppa e si evolve. La scelta è molto importante, perché le tecnologie digitali sono i veri abilitatori del cambiamento, in grado di supportare i nuovi processi, facilitare la fruizione dei sistemi e permettere di analizzare i dati in tempo reale. Importante è anche “svecchiare” il parco macchine e integrare i diversi software gestionali in uso. Spesso ci sono computer lenti, reti instabili, software di base non aggiornato e applicativi diversi per gestire ambiti differenti (contabilità, magazzino, produzione) che in molte realtà non comunicano tra loro, creando silos informativi, duplicazioni e inefficienze.

La trasformazione digitale richiede un approccio pragmatico, focalizzato su soluzioni concrete a immediato valore aggiunto: non è necessario un cambio drastico immediato, ma bisogna partire in modo graduale, evitando di voler fare tutto e subito. Si può partire dalla digitalizzazione di un processo considerato critico, formare il personale, investendo nelle competenze digitali dei dipendenti per massimizzare l’uso dei nuovi strumenti. Partire con un approccio smart è importante anche dal punto di vista dei tempi dell’organizzazione o della pianificazione finanziaria. Serve un piano preciso, con obiettivi concreti e ROI misurabile. Anche piccoli interventi mirati possono generare grande impatto. Successivamente, si possono estendere i risultati ottenuti, progressivamente, agli altri processi.

DOVE OPERARE

La digitalizzazione deve concentrarsi su aree specifiche: logistica e gestione magazzino, archiviazione e conservazione dei documenti, flussi di comunicazioni e approvazioni interne, CRM, supply chain. Ogni area aziendale può essere oggetto di questo processo. Per fare degli esempi, per quanto riguarda la gestione documentale, si possono dematerializzare gli ordini di clienti e fornitori, i contratti, i DDT, le fatture, le procedure, i manuali, qualunque archivio cartaceo, centralizzando l’archiviazione digitale, in rete o in cloud. In questo modo si riducono le attività manuali ripetitive, i costi cartacei legati alla stampa, all’archiviazione fisica e alla spedizione, e si dà un contributo alla sostenibilità ambientale. Si tratta di convertire la storia e il know-how aziendale in asset digitali, con un maggior controllo degli accessi, un migliore lavoro dei team, una migliore tracciabilità delle modifiche e una maggiore facilità di consultazione, anche per chi lavora in smart working. È un’area dove i margini di inefficienza sono elevati, il rischio di errore umano è alto, e inoltre la perdita documentale può generare, oltre che una perdita di informazioni, anche rischi legali e fiscali.

È possibile automatizzare i flussi documentali attraverso workflow strutturati, digitalizzando attività ripetitive come note spese, permessi e approvazione delle fatture. L’integrazione della firma digitale e il monitoraggio delle fasi garantiscono trasparenza e controllo, riducendo gli errori e accelerando i processi.
La logistica è una delle principali aree di intervento. Ottimizzare magazzini e tracciabilità delle consegne è determinante alla luce dell’aumento dei costi di trasporto. L’obiettivo è migliorare l’efficienza operativa e ottenere un controllo in tempo reale dei processi. Tra le soluzioni, l’adozione di sistemi WMS integrati con l’ERP, l’utilizzo di barcode e RFID, la tracciabilità dei lotti e i DDT digitali. Strumenti che consentono di ridurre gli errori nel picking, ottimizzare le scorte e condividere i dati in tempo reale con la pianificazione produttiva, migliorando anche gli acquisti e riducendo il capitale immobilizzato.

LA SICUREZZA COME BASE

Una PMI che digitalizza i processi deve mettere la sicurezza al centro: la trasformazione espone infatti le aziende a rischi crescenti. L’analisi della protezione dei dati e una strategia dedicata vanno integrate fin dall’inizio, perché la cybersecurity è un elemento trasversale e una leva gestionale essenziale per costruire basi solide per l’intero percorso di digitalizzazione. Eppure, nonostante l’aumento degli attacchi, la cybersecurity è ancora vista come un costo e non come un investimento strategico e necessario per la continuità operativa e per la reputazione aziendale. La sicurezza richiede un approccio strutturato e integrato: per prima cosa, si deve formare adeguatamente il personale sull’utilizzo della tecnologia, e va consolidata la consapevolezza che i dipendenti sono il primo scudo contro il ransomware e le altre minacce informatiche.

La formazione dei dipendenti su phishing e ingegneria sociale è la prima linea di difesa: l’errore umano resta la principale causa degli attacchi. È necessario formare le persone evitando il linguaggio troppo tecnico, per far comprendere i potenziali rischi cyber legati all’attività quotidiana di ciascun utente aziendale. Gli attacchi informatici devono essere percepiti come un rischio tangibile: simulazioni in ambienti controllati aiutano a comprendere cosa significa essere esposti a un attacco, mostrando l’impatto reale sull’azienda e quantificando i potenziali danni economici. Si comincia dall’analisi dei rischi per mappare gli asset aziendali, proteggere i dati sensibili e fare una attenta analisi delle vulnerabilità, predisponendo un piano di risposta agli incidenti con ruoli definiti e procedure chiare per minimizzare i danni e i tempi di inattività in caso di attacco. Tra le iniziative da adottare, l’introduzione di sistemi di autenticazione avanzati, policy per password complesse, log di accesso e piani di aggiornamento continuo di software e sistemi sia operativi che applicativi per chiudere le vulnerabilità di sicurezza.

Inoltre, si devono predisporre piani per backup regolari, con procedure chiare, gestendo la conservazione digitale a norma per garantire che gli archivi risultino autentici, integri, affidabili, leggibili e facilmente reperibili. Firewall e antivirus restano il primo livello di difesa. Misure di base, eppure non ancora diffuse in modo uniforme tra le PMI. A spingere l’adozione intervengono anche le normative: dal GDPR alla più recente direttiva NIS2, che impone alle imprese coinvolte nelle filiere delle grandi aziende di rafforzare i propri standard di sicurezza.

CULTURA E FORMAZIONE

La tecnologia da sola non basta, lo continuiamo a ripetere. Per una trasformazione digitale efficace servono competenze e cultura del dato. L’intelligenza artificiale può generare valore solo se supportata da solide pratiche di data governance e data strategy, che assicurino qualità, sicurezza e accessibilità delle informazioni. Le PMI presentano importanti lacune proprio in questi campi. Secondo i dati dell’Osservatorio POLIMI, il 41% delle piccole imprese e il 57% delle aziende di medie dimensioni segnalano una carenza di personale adeguatamente formato e competente in ambito digitale, in particolare su cloud, cybersecurity, AI e data analytics. L’introduzione di nuove tecnologie deve essere accompagnata anche da un cambiamento di mindset.

Molte aziende pensano che digitalizzarsi significhi solo adottare nuove tecnologie, ma in realtà significa trasformare integralmente il modo in cui l’azienda lavora. Per questo occorre sviluppare una mentalità orientata al digitale investendo di più nella formazione, che fatica a decollare: il 38% delle PMI non ritiene prioritario elevare le competenze digitali interne. La formazione nelle PMI italiane è riconosciuta come importante, ma resta ancora troppo spesso episodica, reattiva e poco strutturata. Solo il 30% delle PMI, secondo i dati dell’Osservatorio, dispone di un piano formativo e appena il 19% lo aggiorna con regolarità.
Il restante 70% si divide tra imprese che intervengono solo in presenza di necessità contingenti e realtà che non pianificano affatto le attività formative. Tra le medie imprese, cresce al 43% la quota di realtà che non forma regolarmente i collaboratori senza riscontra difficoltà. In pratica, maggiore è la dimensione aziendale, maggiore è la capacità di strutturare la formazione.

Anche se le attività formative si scontrano con la quotidianità: il tempo è il vero collo di bottiglia. In organizzazioni con risorse limitate, strutture poco articolate e sottoposte alla pressione della quotidianità è più difficile liberare i propri collaboratori, tuttavia, è indispensabile dare continuità alla formazione per valorizzare il capitale umano e costruire imprese più attrattive nei confronti delle nuove generazioni. Un aspetto importante è che la formazione resta concentrata soprattutto sui livelli operativi, mentre è spesso assente il coinvolgimento attivo di imprenditori e management, che dovrebbero essere i primi promotori del cambiamento, anche alla luce degli obblighi normativi introdotti in tema di cyber resilienza.

Molti imprenditori (e non solo loro) sono troppo legati a pratiche tradizionali. Il cambiamento spaventa, specie se percepito come imposto, o visto come troppo complesso. L’innovazione aziendale per avere successo richiede un forte commitment da parte del top management e un allineamento chiaro tra obiettivi di business e strumenti digitali: la mancanza indebolisce la capacità delle PMI di adottare una visione strategica dell’innovazione digitale e di guidarne l’implementazione in modo efficace. La digitalizzazione, infatti, in tante realtà viene percepita come un progetto IT isolato, non come parte integrante della strategia aziendale complessiva.

In un contesto di trasformazioni tecnologiche, demografiche e organizzative, la formazione deve diventare un processo continuo e sistemico, e la capacità di strutturare questo processo deve rappresentare una delle principali leve di competitività dei prossimi anni e di ingaggio verso le nuove generazioni: la vera differenza tra imprese che subiranno il cambiamento e imprese che lo guideranno passerà dalla qualità delle competenze che sapranno costruire oggi.

DIALOGO TRA LE GENERAZIONI

Allo scenario appena descritto, si aggiungono alcune criticità nel dialogo intergenerazionale, come mostrano i dati raccolti dall’Osservatorio PMI del Politecnico di Milano.
Il 44% delle micro, piccole e medie imprese afferma che le diverse generazioni collaborano adeguatamente e senza criticità. Le priorità nel trasferimento di competenze e conoscenze dai lavoratori senior ai più giovani riguardano prevalentemente il know-how tecnico, l’approccio al lavoro e la conoscenza storica dell’azienda.

Il 43% delle aziende riscontra invece difficoltà, soprattutto nel trasferimento di know-how dai lavoratori più anziani ai più giovani: la collaborazione intergenerazionale rappresenta una risorsa ancora non sempre governata, che potrebbe essere sfruttata meglio. Il 19-23% dei rispondenti evidenzia la scarsa motivazione dei più giovani ad acquisire conoscenze e competenze dai più anziani, mentre il 10-12% sottolinea le difficoltà nel trasferimento da junior a senior e la resistenza dei più anziani ad apprendere dalle nuove generazioni. Perché anche il reverse mentoring è importante: i più giovani devono supportare nell’uso del digitale e delle nuove modalità di comunicazione le figure senior, sempre più presenti nelle aziende italiane.

I dati di Istat dello scorso marzo, relativi al 2025, hanno infatti certificato la crescita degli over 50, con 409mila occupati in più rispetto all’anno precedente (+4,2%), a fronte di un calo di 115mila occupati nella fascia 35-49 anni e di 109mila nella fascia 15-34 anni. «In un mercato del lavoro con una rapida evoluzione delle tecnologie digitali, cambiamenti di modelli di produzione e consumo, invecchiamento della popolazione in età lavorativa e difficoltà nel reperire e trattenere i giovani, la collaborazione intergenerazionale diventa una risorsa importante per sopperire alle carenze di competenze» – spiega Francesca Parisi, ricercatrice dell’Osservatorio. «Soprattutto in organizzazioni poco articolate e con ruoli poco definiti, dove il sapere non codificato, appreso con l’esperienza e tramandato da un lavoratore all’altro, spesso prevale su quello codificato in manuali e procedure».

Brother – Digitalizzazione delle PMI

EOS Solutions – PMI: il valore della digitalizzazione

Formula – CML International, digitalizzazione ed eccellenza operativa

Sinfo One – Digitalizzazione PMI, efficienza e sicurezza partendo dai processi chiave

L'articolo La trasformazione a metà. Perché le PMI non fanno il salto? proviene da Data Manager Online.

L’intelligenza artificiale non è un semplice tool da distribuire in azienda per aumentare l’efficienza individuale. È un’infrastruttura decisionale che entra nel cuore delle operazioni, una combinazione di algoritmi, modelli di machine learning e sistemi intelligenti che riscrive processi, ruoli e modelli organizzativi. Non si limita ad accelerare il lavoro: ne cambia la natura, ridefinendo responsabilità, flussi operativi e criteri con cui si misura la performance. Grazie all’utilizzo di AI, le organizzazioni stanno già vivendo importanti evoluzioni nelle competenze e professionalità necessarie per le loro attività.

Durante il World Economic Forum di Davos di gennaio, la direttrice operativa del Fondo Monetario Internazionale Kristalina Georgieva ha lanciato un avvertimento netto: «L’intelligenza artificiale potrebbe incidere su circa il 60% dei posti di lavoro nelle economie avanzate e su oltre il 40% a livello globale». Se la tecnologia corre più veloce delle regole chiamate a governarla, un impatto di questa scala rischia di superare la capacità di risposta di governi e istituzioni. Questa rivoluzione non deve trovare impreparato nessuno, in particolare i responsabili dei dipartimenti HR, che dovranno trattare l’intelligenza artificiale come driver delle prestazioni organizzative, soggetto alla valutazione rigorosa e all’ottimizzazione continua.

La capacità di collaborare con l’AI sta diventando una competenza di base, già oggi richiesta per quasi tutti i ruoli. Con il diffondersi dell’AI in azienda, stanno nascendo funzioni aziendali completamente nuove: una su tutte l’AI Automation Engineer, figura che aiuta i dipendenti a integrare l’AI nei loro flussi di lavoro quotidiani. In questa fase si tratta solo di supporti sporadici alla modifica dei workload, non di posizioni a tempo pieno, ma in futuro, a mano a mano che le organizzazioni incorporeranno l’AI più profondamente nelle loro operazioni, nasceranno figure diverse, non solo destinate a supportare la formazione e l’utilizzo delle nuove funzionalità, ma anche focalizzate sulla riduzione dei pregiudizi, l’aumento della trasparenza e la garanzia della responsabilità.

COMPETENZE E RUOLI IBRIDI

Nessun cambiamento è indolore o a costo zero. E nessuna trasformazione è sostenibile senza cultura, visione e capacità di orientare l’organizzazione in un passaggio così importante: le profonde modifiche strutturali a cui stiamo andando incontro impattano – e impatteranno sempre di più – su come le organizzazioni assumono, sviluppano, gestiscono e supportano il capitale umano. E poiché l’AI sta rivoluzionando le aziende a un ritmo rapidissimo, i dipartimenti HR sono chiamati a diventare gli artefici della trasformazione della forza lavoro, partendo dal presupposto che l’AI trasformerà anche la stessa funzione HR. «Tra i lavoratori italiani si rileva una crescente frustrazione, attribuibile alla percezione di instabilità del mercato del lavoro, accentuata da conflitti e crisi globali e da retribuzioni spesso inadeguate al costo della vita» – spiega Mariano Corso, responsabile scientifico dell’Osservatorio HR Innovation Practice del Politecnico di Milano.

«Benessere ed equilibrio restano ai primi posti nelle priorità, ma accanto a queste esigenze si fa strada una domanda sempre più esplicita di sicurezza e protezione». Le direzioni HR sono chiamate a fare un salto di qualità – continua Corso. «Non solo gestire processi e performance, ma presidiare il senso del lavoro, contrastando una percezione diffusa di precarietà e ricostruendo fiducia all’interno delle organizzazioni. Tra ricambio generazionale e rivoluzione tecnologica, l’HR deve tracciare la rotta del cambiamento delle organizzazioni, che oggi passa da AI, nuove strategie e nuove competenze».

I responsabili HR erano già alle prese con sfide importanti, come l’evoluzione delle aspettative dei dipendenti e la carenza globale di manodopera. A queste si aggiunge la necessità di riqualificare la forza lavoro presente in azienda, per ridurre il crescente divario di competenze. Upskilling e reskilling sono leve strategiche: investire in nuove competenze diventa la condizione per difendere e rafforzare la competitività aziendale di fronte a una trasformazione che ha la portata di una vera rivoluzione industriale. I primi ad adottare la trasformazione digitale dovrebbero essere proprio le direzioni HR. Secondo una recente ricerca di IDC, il duplice obiettivo di trasformare i processi e di favorire l’adozione dell’AI in tutta l’organizzazione riposiziona il ruolo dei responsabili HR come custodi del know-how. Pertanto, le risorse umane devono contribuire a guidare l’intera organizzazione nella creazione di pratiche di intelligenza artificiale affidabili, basate sulle competenze e in grado di migliorare la produttività. La funzione HR deve anche trasformare il proprio modello di lavoro dall’acquisizione di talenti alla formazione continua, dalla pianificazione della forza lavoro ai servizi per i dipendenti, integrando l’intelligenza artificiale nei flussi di lavoro. Per le HR, abilitare l’intelligenza artificiale significa intervenire in profondità sui processi core.

Vuol dire introdurre copiloti AI per la gestione dei casi, l’analisi dei dati e il supporto ai dipendenti; automatizzare le attività ripetitive per liberare tempo e risorse da destinare a iniziative a maggior valore; utilizzare analytics predittive per anticipare fenomeni come turnover, livello di engagement e fabbisogni di workforce planning. Sul fronte talent acquisition, l’AI accelera sourcing, matching e screening dei candidati, aumentando precisione ed efficienza lungo l’intero funnel di selezione.

TRUST E COMPLIANCE

L’implementazione dell’AI nei dipartimenti HR richiede un approccio strutturato capace di integrare tecnologia e visione strategica per garantire efficacia nelle operazioni e conformità normativa, in primis verso il GDPR, poi verso l’AI Act, che l’Unione Europea ha varato nel 2024, al quale ci si deve adeguare progressivamente, con la maggior parte di obblighi e sanzioni che scatteranno quest’anno. Per questo, è necessaria la trasparenza nell’informare i dipendenti e i candidati sull’uso di sistemi automatizzati, l’alfabetizzazione AI sull’uso responsabile e sicuro degli strumenti, e la privacy per valutare l’impatto sulla protezione dei dati specifica per l’AI. Trasformare la gestione delle risorse umane basandosi sull’AI significa integrare tecnologie intelligenti nella gestione, rendendo i processi più efficienti e data-driven, senza però perdere quel fondamentale “tocco umano”.

Indispensabile la supervisione umana, in modo che le decisioni finali siano sempre validate da un professionista HR. Sulla fiducia negli strumenti e la necessaria trasparenza, lo studio di IDC mette in evidenza che la fiducia nell’AI agentica non è una garanzia di per sé, ma deve essere costruita. I processi HR influenzano direttamente le persone e alcuni strumenti di AI possono essere percepiti come poco trasparenti. La fiducia si costruisce con la spiegabilità sia dei processi di AI che delle misure di sicurezza, nonché con una solida esperienza positiva nelle implementazioni di AI. Molte organizzazioni stanno ancora valutando come poter integrare efficacemente l’AI nella propria strategia HR per sfruttare appieno il suo potenziale. Una ricerca di Gartner evidenzia che il 76% dei responsabili HR considera la GenAI una leva imprescindibile per mantenere la competitività dell’organizzazione.

Eppure il passaggio dalle ambizioni dichiarate all’esecuzione resta lento: secondo gli analisti di McKinsey solo un’azienda su dieci l’ha implementata in modo concreto. Un divario che misura la distanza tra consapevolezza strategica e capacità operativa, e che segnala quanto il percorso di adozione sia ancora in salita. «Le aziende italiane stanno investendo in AI, ma le direzioni HR faticano ancora a governare questa trasformazione» – spiega Martina Mauri, direttrice dell’Osservatorio HR Innovation Practice. «A cominciare dalla scarsa comprensione di come i lavoratori stiano già utilizzando l’AI nelle loro attività, con il rischio di assistere alla diffusione di nuovi strumenti e comportamenti senza una chiara strategia e senza capacità di guidarne gli impatti. L’intelligenza artificiale deve essere concepita come strumento strategico per riprogettare il lavoro, automatizzando attività, creando efficienza, ripensando ruoli, competenze e modelli per liberare tempo ed energie, con minori carichi di lavoro e mansioni più attrattive e sostenibili».

Nelle organizzazioni che l’hanno già adottata, l’AI sta ridisegnando in modo concreto il perimetro d’azione delle HR. L’automazione delle attività ripetitive libera tempo e competenze da riallocare su iniziative a maggior valore strategico, mentre l’analisi in tempo reale di grandi volumi di dati consente di generare insight più profondi e tempestivi. Il risultato è un ruolo più incisivo nei processi decisionali. Un caso emblematico è quello del talent shortage, fenomeno particolarmente acuto in Italia: secondo la Ricerca dell’Osservatorio HR Innovation Practice, l’88% delle aziende dichiara difficoltà nel reperire nuove risorse. Un gap che incide direttamente sulla crescita, i costi di recruiting e la capacità di innovare, ma che al tempo stesso spinge le organizzazioni a ripensare il lavoro e a costruire competenze dall’interno, attraverso percorsi strutturati di upskilling e reskilling.

LA MAPPA DEL CAPITALE UMANO

Secondo Dayforce, la piattaforma globale di gestione del capitale umano basata sull’AI, i dipartimenti HR dovranno passare rapidamente dalla sperimentazione dell’AI all’impatto aziendale misurabile, perché le organizzazioni di maggior successo saranno quelle che svilupperanno l’ingegno umano insieme a sistemi intelligenti. Secondo Steve Holdridge, president e COO di Dayforce, i dati delle persone di un’organizzazione rivaleggeranno con i suoi dati finanziari in termini strategici. «L’AI trasformerà l’intelligenza della forza lavoro da una visione storica dell’organico e dei costi in una mappa vivente di capacità, agilità e potenziale operativo». I consigli di amministrazione alzano l’asticella: chiedono alle HR non solo report consuntivi, ma visione predittiva. Vogliono sapere dove si concentrano i rischi legati ai talenti, quali competenze mancheranno domani, quanto l’organizzazione sia pronta a gestire le successioni e quali modelli di produttività stiano davvero funzionando.

Grazie all’AI, le direzioni HR saranno in grado di captare con anticipo il sentiment della forza lavoro, di sintetizzare in tempo reale i profili delle competenze e le tendenze delle prestazioni. L’intelligenza delle persone diventa business intelligence efficace solo quando il suo impatto è misurabile, ripetibile e comunicato negli stessi termini dei risultati finanziari. Secondo un report di Gartner, i chief human resources officer (CHRO) stanno spostando l’attenzione dalla semplice adozione di strumenti alla radicale riprogettazione del lavoro, in cui i talenti umani e quelli delle macchine coesistono. Il lavoro di squadra di un team ibrido uomo-AI è facilmente descrivibile: l’AI acquisisce dati dai processi, gli esseri umani ne interpretano il significato. L’AI elabora i risultati e aiuta a prevedere scenari, gli esseri umani prendono decisioni. L’AI serve per accelerare il lavoro, mentre gli esseri umani hanno il compito di completarlo e valorizzarlo. Il futuro appartiene alle organizzazioni che integrano l’intelligenza artificiale con il potenziale umano, dove le persone e la tecnologia crescono insieme. Per questi team ibridi servono capacità umane meno vulnerabili all’automazione come la creatività, la curiosità, l’intelligenza emotiva. L’agenda dei CHRO è incentrata sull’integrazione strategica dell’AI, lo sviluppo delle capacità umane, la governance responsabile, la riqualificazione della forza lavoro e la trasformazione della cultura organizzativa.

IL VALORE DELL’ESPERIENZA

I dipartimenti HR devono anche essere in grado di gestire le paure legate alla sostituzione del lavoro umano: si parla di FOBO (Fear Of Becoming Obsolete) per rappresentare proprio la paura dei dipendenti di diventare obsoleti, che è in aumento e richiede un’azione: occorre spiegare al personale che andremo incontro a un maggiore utilizzo dell’AI, ma che questa tecnologia servirà ad automatizzare i compiti ripetitivi per liberare tempo per attività a valore strategico. Secondo uno studio condotto negli Stati Uniti dalla società Pew Research Center specializzata in andamenti demografici e ricerche su media e tecnologia, il 91% dei lavoratori che usa l’AI rileva miglioramenti di performance e produttività, e l’86% individua miglioramenti della qualità del lavoro e della capacità di apprendimento. Per un lavoratore su sei, almeno una parte delle attività quotidiane è già supportata dall’AI. Un ulteriore 25% afferma che, pur utilizzandola ancora in misura limitata, una quota del proprio lavoro potrebbe essere svolta con strumenti di intelligenza artificiale. Resta però una preoccupazione diffusa: l’81% teme che un impiego troppo intensivo dell’AI possa indebolire le relazioni interpersonali e la qualità delle dinamiche collaborative. Secondo la ricerca, poco più della metà dei lavoratori (52%) sono più preoccupati che speranzosi per l’impatto futuro dell’AI sul posto di lavoro e il 32% ritiene che ciò comporterà una riduzione delle opportunità di lavoro a lungo termine. Di contro, il 36% dei lavoratori afferma di nutrire fiducia e il 29% si dichiara addirittura “excited”.

Pareri contrastanti, ma chi si dovrebbe preoccupare di più? Secondo una ricerca sul lavoro pubblicata lo scorso novembre da Toptal, nel mercato attuale i professionisti con oltre cinque anni di esperienza stanno superando sia i profili generalisti sia i candidati entry-level, soprattutto quando combinano competenze di dominio con skill in ambito AI. L’intelligenza artificiale tende ad amplificare il valore dei profili senior: l’esperienza consente di applicare giudizio critico ai dati generati dagli algoritmi e di contestualizzare gli insight dell’AI all’interno di decisioni strategiche più ampie. Questa tendenza riflette una realtà più ampia: l’impatto dell’AI sui posti di lavoro è modellato meno dal tipo di lavoro e più dall’esperienza e dalle competenze.

LE BASI DELL’ADOZIONE

L’implementazione dell’AI nei dipartimenti HR richiede una pianificazione strutturata, competenze specifiche e un percorso formativo completo. Prima di introdurre l’AI su larga scala, è fondamentale che le funzioni HR sviluppino solide competenze digitali e strategiche nelle proprie aree di responsabilità. Serve una formazione sui fondamenti dell’intelligenza artificiale – dal funzionamento delle diverse tecnologie alle loro applicazioni operative – in modo da valutare strumenti, rischi e opportunità con consapevolezza e capacità di governo.

La formazione è il primo snodo strategico. Le HR devono sviluppare la capacità di disegnare e implementare una vera strategia digitale: mappare competenze, individuare i profili necessari e sostenere la trasformazione sia nei processi HR sia nell’intera organizzazione. Investire in alfabetizzazione tecnologica è indispensabile. Solo così le funzioni HR possono contribuire alla scelta degli strumenti più adeguati. Accanto alle competenze tecniche, diventa centrale la “digital people care”, per rafforzare la relazione con candidati e collaboratori. Non meno rilevante è la capacità di analisi data-driven e decision making. Queste competenze rappresentano il punto di partenza. Nel tempo, serviranno programmi strutturati di aggiornamento professionale che combinino skill tecniche e pensiero strategico. Ai CHRO spetta il compito di chiarire la visione della collaborazione tra uomo e AI, spiegando come l’automazione possa ridisegnare i flussi di lavoro e liberare risorse per attività a maggior valore. Parallelamente, è fondamentale promuovere una cultura di apprendimento continuo e sperimentazione, favorendo team trasversali capaci di accompagnare i colleghi nell’adozione delle soluzioni AI. Governata con metodo, questa transizione può trasformarsi da fattore di incertezza a leva di coinvolgimento diffuso, rafforzando consenso interno e competitività organizzativa.

COME SCALARE L’AI

Dopo la formazione, arriva la fase decisiva: passare da un uso episodico dell’AI a una strategia integrata che la incorpori nei processi HR lungo l’intero ciclo di vita del dipendente. È qui che molte organizzazioni si giocano la partita. Senza una visione chiara, il rischio è adottare tecnologia senza impatto reale. Il primo passo è individuare le aree prioritarie in cui l’AI può generare valore misurabile, costruendo business case solidi e obiettivi verificabili. Le applicazioni più frequenti riguardano il recruiting – con screening automatizzato dei CV e matching intelligente dei candidati – l’employee experience, grazie a chatbot attivi 24/7 per le richieste amministrative, lo sviluppo delle competenze con piani formativi personalizzati e la retention, attraverso modelli predittivi capaci di intercettare il rischio di turnover. La parola chiave è gradualità. Automatizzare tutto subito è il modo più rapido per perdere fiducia interna. Meglio partire da un’area critica, per esempio la lentezza nei processi di selezione o il sovraccarico di richieste amministrative, e definire KPI chiari come la riduzione del 20% del time-to-hire o il miglioramento dei tassi di retention. Il ritorno sull’investimento deve essere misurabile in tempi brevi.

C’è poi la questione dati. L’AI è efficace solo quanto lo sono le informazioni su cui lavora. Database puliti, digitalizzati, centralizzati e conformi alle normative privacy rappresentano il prerequisito tecnico per qualsiasi ambizione algoritmica. Segue l’integrazione tecnologica: gli strumenti devono dialogare con i sistemi gestionali esistenti, evitando duplicazioni e garantendo sicurezza. Il mercato offre moduli AI integrati nei software HR, soluzioni verticali specializzate – per esempio per il recruiting – e sviluppi custom per le realtà più strutturate. La modalità operativa migliore resta quella dei progetti pilota. Testare l’AI su processi circoscritti consente di validarne l’efficacia in un ambiente controllato, costruendo competenze e fiducia prima dello scale-up. In questa fase è fondamentale prevedere criteri di valutazione sia quantitativi sia qualitativi, raccogliendo il feedback continuo da HR manager e dipendenti per affinare gli algoritmi e intercettare eventuali bias. Attraverso revisioni periodiche, audit sugli algoritmi e una governance realmente presidiata, l’AI può rimanere coerente con i valori aziendali. Senza controllo continuo, il rischio è che bias impliciti o decisioni automatizzate opache compromettano equità e reputazione, disperdendo il valore del capitale umano.

L'articolo Risorse umane, obsolescenza o performance? proviene da Data Manager Online.

Secondo la creative agency We Are Social, 5,78 miliardi di persone utilizzano uno smartphone, 5,56 miliardi sono connesse a Internet e 5,24 miliardi partecipano attivamente ai social media: il mobile si conferma come infrastruttura primaria dell’economia digitale. Sul fronte della comunicazione diretta, la piattaforma indipendente di analisi EmailToolTester stima che nel 2025 sono state inviate circa 376 miliardi di email al giorno, un volume destinato a crescere rapidamente: 393 miliardi entro la fine dell’anno e oltre 408 miliardi nel 2027, a dimostrazione della persistente centralità dell’email come canale business-critical. A completare il quadro c’è la ricerca online. Secondo Meetanshi, società specializzata in soluzioni e-commerce, ogni secondo vengono effettuate circa 99mila ricerche sul web, pari a 8,5 miliardi al giorno e 3,1 trilioni all’anno: un flusso continuo di domanda informativa che alimenta dati, algoritmi e decisioni di mercato. In pratica, siamo sempre più connessi e, allo stesso tempo, sempre più sommersi dai dati.

Secondo Statista, piattaforma di riferimento per dati di mercato, sondaggi e statistiche, alla fine del 2025 il volume di dati generati a livello globale ha raggiunto i 181 zettabyte: quasi tre volte il livello registrato nel 2020 e circa novanta volte superiore rispetto al 2010. Un’accelerazione che evidenzia come la crescita dell’economia digitale non sia solo una questione di accesso e connettività, ma soprattutto di gestione, interpretazione e valorizzazione dei dati. Per dare un ordine di grandezza, un solo zettabyte equivale a mille miliardi di gigabyte, cioè circa 250 miliardi di DVD. Se si allineassero i supporti fisici equivalenti a tutti i dati generati dall’uomo, si potrebbe circumnavigare la Terra oltre 135mila volte, oppure impilandoli uno sull’altro, si otterrebbero 18 colonne alte quanto la distanza tra la Terra e la Luna.

Nel loro quotidiano, tutte le organizzazioni – pubbliche e private, indipendentemente dal settore – generano enormi quantità di dati: ordini, documenti di trasporto, fatture, informazioni sulle scorte, interazioni con i clienti. Un patrimonio informativo che spesso resta inespresso o sottoutilizzato, ma che racchiude un potenziale significativo. Ma al tempo stesso, uno spreco che ha costi enormi, non solo perché fa aumentare i costi infrastrutturali ma perché influisce anche sugli obiettivi di sostenibilità.

Se correttamente raccolti, integrati e analizzati, questi dati possono diventare una base concreta per l’ottimizzazione dei processi operativi, oltre a costituire il presupposto fondamentale per lo sviluppo e l’addestramento dei sistemi di intelligenza artificiale e di machine learning, che richiedono dati affidabili, strutturati e di qualità per generare insights, automatizzare decisioni e scalare l’innovazione nei modelli di business. Eppure, la scarsa qualità dei dati passa inosservata perché si manifesta a valle sotto forma di mancati ricavi, inefficienze operative, rischi di non conformità e opportunità perse. E per questo i bad data sono tanto insidiosi quanto pericolosi.

L’IMPATTO ECONOMICO

Nonostante il passare dei decenni, resta sorprendentemente attuale l’affermazione di William Edwards Deming – statistico, pioniere del controllo qualità e tra i principali teorici del miglioramento continuo dei processi, basato sulla misurazione sistematica di indicatori oggettivi: «Senza dati, sei solo un’altra persona con un’opinione». Come sottolineano gli esperti, la sfida è duplice: disporre di dati in grandi quantità e garantire che siano affidabili, coerenti e utilizzabili. In questo contesto si distinguono i bad data – informazioni errate, incomplete o incoerenti – e i dark data, che possono anche essere di buona qualità ma restano inutilizzati perché dimenticati, non integrati o conservati in formati non immediatamente leggibili.

Ma c’è di più: si parla di bad data anche quando i dataset non soddisfano i requisiti di una specifica operazione aziendale. Questo significa che dati apparentemente accurati e completi possono risultare “scadenti” in quanto “non adeguati” se non supportano il caso d’uso, il flusso di lavoro o il risultato che dovrebbero abilitare. Quindi nel momento più critico di adozione dell’intelligenza artificiale, occorre riscrivere completamente il concetto di data quality, perché le dimensioni di accuratezza, completezza, tempestività e coerenza non soddisfanno più completamente i requisiti.

Il risultato è che le aziende si stanno accorgendo che il loro patrimonio di dati, di cui tanto si è parlato e scritto negli anni passati, non è più sufficiente sia in termini quantitativi che qualitativi. I problemi si sommano: la qualità complessiva si deteriora, si introducono inefficienze nelle iniziative di data management e le prestazioni dell’AI peggiorano. Secondo gli analisti di Gartner, la spesa globale in intelligenza artificiale raggiungerà circa 2,5 trilioni di dollari nel 2026, con una crescita importante rispetto all’anno precedente e un incremento stimato intorno al 37-44% anno su anno.

Secondo un report dell’IBM Institute for Business Value del 2025, il 43% dei chief operations officer indica proprio i problemi di data quality come la principale urgenza nell’ambito della gestione dei dati. L’impatto economico è tutt’altro che marginale: oltre un quarto delle organizzazioni stima perdite superiori ai 5 milioni di dollari l’anno riconducibili a dati scadenti, mentre il 7% dichiara danni pari o superiori ai 25 milioni di dollari. Numeri che trasformano la data quality da inefficienza operativa a vero e proprio rischio finanziario. Le ricerche IBM IBV mostrano che qualità e governance dei dati figurano tra i principali fattori che frenano l’adozione e la scalabilità dell’AI. Quasi un leader aziendale su due (45%) indica le preoccupazioni legate all’accuratezza dei dati e ai bias come uno degli ostacoli principali. Il motivo è strutturale: i sistemi di AI non correggono i dati, li ereditano e in molti casi ne amplificano le distorsioni. Quando i dati sono incompleti, incoerenti, obsoleti o distorti, anche modelli e agenti intelligenti diventano meno affidabili su larga scala. I bad data ostacolano la possibilità di fornire a clienti e partner un supporto personalizzato e tempestivo, portando a comunicazioni errate, esperienze frustranti per il cliente, aumento del tasso di abbandono. Inoltre, causano danni non quantificabili alla reputazione delle organizzazioni.

Secondo una ricerca (un po’ datata) della Royal Mail Data Services i costi che le organizzazioni sostengono per i dati non accurati ammontano a circa il 6% del proprio fatturato. Analisi più recenti mettono in luce che la proliferazione di “bad data” anche nei data center, che compromettono l’efficacia dell’AI ed hanno un impatto sia sull’infrastruttura fisica che su quella digitale. Metadati errati o asset mal etichettati possono provocare un’allocazione inefficiente delle risorse fisiche, producendo sprechi di alimentazione e raffreddamento. Per esempio, un server dismesso e non monitorato potrebbe continuare a consumare elettricità e occupare prezioso spazio rack.

DATA GOVERNANCE

Nonostante la crescente consapevolezza sull’importanza della data quality, molte aziende la trattano ancora come un tema secondario. Troppo spesso, infatti, non dispongono di strumenti o processi in grado di affrontare la qualità dei dati in modo strutturato, trasversale e continuo. Il problema nasce dal fatto che la gestione della qualità viene considerata a valle, dopo la raccolta, l’elaborazione e l’utilizzo dei dati, invece di essere integrata fin dalle prime fasi di progettazione dei sistemi IT. Questo approccio reattivo aumenta il rischio di dati incoerenti o incompleti e genera interventi correttivi costosi e inefficaci, compromettendo l’affidabilità delle analisi e l’efficacia dei progetti di intelligenza artificiale.

Solo adottando un approccio “nativo” alla qualità dei dati, basato sul principio di “shift left”,  è possibile garantire coerenza, completezza e precisione in ogni fase del ciclo di vita del dato. In questo modo si riducono gli interventi correttivi tardivi, spesso costosi e complessi, come monitoraggio, misurazione della qualità, pulizia, correzione e validazione. Queste attività, indispensabili per evitare dati “sporchi” nel sistema, diventano invece parte integrante del processo, assicurando che le informazioni siano affidabili e immediatamente utilizzabili per analisi, decisioni operative e progetti di AI.

Uno dei problemi principali delle incoerenze di dati nelle organizzazioni è la logica a silos: la frammentazione dei dati tra reparti, team e sistemi, spesso senza collaborazione tra i diversi dipartimenti, genera sovrapposizioni, lacune e limitazioni nell’integrazione dei dataset. La gestione dei dati va invece progettata – o riprogettata – con un approccio strategico, integrato e continuo, in grado di supportare non solo i singoli progetti, ma anche l’evoluzione verso un’organizzazione data-driven. Un secondo limite delle organizzazioni attuali è la mancanza di una chiara ownership: chi è responsabile della qualità dei dati in azienda? L’IT o il Business? Un’azienda che ha affrontato, e risolto, entrambe queste tematiche è Banca Popolare di Sondrio. Fondata nel 1871, è stata una delle prime banche popolari italiane ispirate al movimento popolare cooperativo del credito. Oggi conta su una rete territoriale di 372 filiali e un capitale sociale di 1.360 milioni di euro, distribuito fra circa 158mila soci.

Già alcuni anni fa, la Popolare di Sondrio si è impegnata a strutturare un modello di data governance e data quality con l’obiettivo di trasmettere il concetto di “controllo dei dati” non come costola dell’IT, ma come supporto all’intera azienda. Nella costruzione del modello di data governance gli attori coinvolti sono quattro: il data owner, figura di business che detta le regole di controllo; il data provider, figura IT che gestisce a livello informatico i dati; il chief data officer, che svolge compiti operativi tra cui controllo dei dati e gestione dei tool; e infine l’utilizzatore del dato, ancora una volta figura del business che utilizza i dati con obiettivi aziendali. La data quality non è esclusiva responsabilità della funzione IT, ma richiede che tutte le funzioni aziendali sviluppino una consapevolezza diffusa nella sua gestione. A questo approccio si affiancano un’adeguata architettura di data governance e strumenti IT a supporto dell’intero processo.

Risultano essenziali la disponibilità di un applicativo dedicato alla gestione della qualità del dato e di un sistema di dizionarizzazione, in grado di definire in modo univoco significato e utilizzo delle informazioni. Questa architettura consente di strutturare un percorso standard del dato, dalla fonte informativa all’utente finale, eliminando la necessità di controlli incrociati e permettendo di operare su repository certificati e affidabili. In questo modo, la data governance in Banca Popolare di Sondrio ha prodotto risultati tangibili, consentendo una visione integrata del cliente all’interno del CRM, la messa a fattor comune dei risultati dei motori analitici ed è risultata un elemento abilitante anche sulle tematiche di conformità al GDPR.

QUALITÀ DEI DATI E AI

Secondo il rapporto “Embracing a brighter future: Investment priorities for 2024” di Capgemini Research Institute, molte organizzazioni riconoscono il potenziale dell’AI come strumento per promuovere l’innovazione, la produttività e la crescita dei ricavi. Quasi nove organizzazioni su dieci prevedono di utilizzare l’AI generativa entro i prossimi 12-18 mesi. Nel contesto della crescente accelerazione nell’adozione dell’AI, la qualità dei dati diventa un fattore critico. L’intelligenza artificiale ha una fame insaziabile di dati, ma la sua affidabilità, di natura intrinsecamente statistica, è proporzionale alla disponibilità di dataset ampi, di elevata qualità, strutturati e costantemente aggiornati. Dati di qualità possono determinare il successo di un progetto di AI, mentre dati “sporchi” o inadeguati ne compromettono l’efficacia fino a decretarne il fallimento.

A confermarlo la ricerca “Data & Decision Intelligence: pilotare l’AI per usarla davvero!” dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano. Solo il 38% delle grandi aziende ha definito una strategia di valorizzazione dei dati, e solo una su cinque ha nominato un chief data officer o chief data & analytics officer per guidarla. Inoltre, il 27% delle grandi organizzazioni non ha ancora avviato progetti in ambito advanced analytics, indice della difficoltà nel compiere un vero salto di maturità. Eppure, tra chi ha già sperimentato almeno un progetto, il panorama è in espansione e l’87% ha aumentato nell’ultimo anno il numero di iniziative. La sfida che le imprese hanno davanti è duplice – come spiega Alessandro Piva, responsabile della Ricerca dell’Osservatorio Big Data & Business Analytics.

«Da un lato, è essenziale mantenere una sana cultura basata sul miglioramento del decision-making, consapevoli che l’AI rappresenta un mezzo e non il fine ultimo. Dall’altro, è cruciale preparare le piattaforme dati aziendali per diventare AI-ready. Da questo deriva un avvicinamento sempre più marcato tra data governance e AI governance, due ambiti interconnessi che ora più che mai necessitano di logiche di dialogo e collaborazione». In altre parole, dati e intelligenza artificiale non possono più viaggiare su binari separati.

Secondo Carlo Vercellis, responsabile scientifico dell’Osservatorio, è necessario integrare in modo sinergico le componenti dati e AI, lasciando che siano le esigenze di business a tracciare il percorso, per ottimizzare i processi o innovare nella proposta di valore. «In mancanza di questi elementi, il potenziale valore dell’intelligenza artificiale rischia di rimanere inespresso o addirittura creare nuovi rischi per le aziende».

DATI SINTETICI IN AZIONE

Anche se l’AI ha fame di dati, la quantità non è un requisito sufficiente. La diffusione di bad data, dark data e dati non adeguati limita l’addestramento dei modelli AI avanzati e ne rallenta la messa a valore. Questa carenza è particolarmente evidente nei settori regolamentati, come sanità e finanza, dove i vincoli normativi sulla privacy rendono complessa la raccolta e l’utilizzo dei dati reali. È in questo contesto che i dati sintetici stanno assumendo un ruolo crescente. Generati tramite algoritmi, modelli matematici e tecniche avanzate di machine learning, i dataset sintetici riproducono le proprietà statistiche e le relazioni dei dati reali senza contenere informazioni personali o sensibili, riducendo tempi, costi e rischi di compliance.

A differenza di semplici dati anonimizzati, i dati sintetici consentono di simulare in modo controllato scenari rari o eventi estremi difficilmente osservabili nel mondo reale. Questo li rende particolarmente utili per migliorare l’affidabilità e la robustezza dei modelli di AI, soprattutto nei sistemi autonomi chiamati a operare in contesti complessi e imprevedibili. I casi d’uso nell’automotive e nella robotica sono emblematici.

Nel settore automotive, le simulazioni basate su dati sintetici permettono di creare milioni di scenari di guida in ambienti virtuali, includendo condizioni meteorologiche estreme, traffico intenso, comportamenti pedonali anomali o variazioni critiche di illuminazione. A questi scenari possono essere associati flussi di dati multimodali provenienti da telecamere, radar e lidar, consentendo di addestrare e validare i sistemi di guida autonoma in modo più sicuro ed efficiente rispetto ai test nel mondo reale. Un approccio analogo è adottato nella robotica, dove le simulazioni permettono di modellare ambienti industriali complessi, interazioni uomo-macchina, incidenti o malfunzionamenti difficilmente replicabili nella realtà. I dati sintetici, tuttavia, non sono destinati a sostituire quelli reali. Il modello emergente è ibrido: i dati sintetici colmano le lacune dei dataset reali, supportano l’addestramento iniziale o coprono scenari rari, rischiosi o soggetti a forti vincoli di privacy.

In contesti critici, come sanità e trasporti, restano indispensabili il continuo riaddestramento dei modelli su dati del mondo reale e un presidio rigoroso della qualità. La generazione di dati sintetici richiede molta attenzione. Le tecnologie più diffuse spaziano dalle simulazioni in ambienti virtuali ai modelli di AI generativa, come GAN e VAE, fino agli approcci basati su distribuzioni statistiche. Ma l’uso indiscriminato di dati generati da altri sistemi di AI può introdurre rischi di circolarità, amplificando errori e bias nel tempo. Per questo è necessaria una governance solida e un controllo umano continuo.  Più che una soluzione definitiva ai problemi di data quality, i dati sintetici rappresentano uno strumento potente all’interno di un ecosistema più ampio di sviluppo responsabile dell’intelligenza artificiale. Se usati correttamente, offrono vantaggi significativi: maggiore controllo sulle distribuzioni e sulle dimensioni dei dataset, migliore copertura degli scenari, facilità di condivisione e benefici anche in termini di sostenibilità. Ma il loro valore dipende, ancora una volta, dalla qualità del modello di governance che li accompagna.

L'articolo Bad Data, il costo nascosto e il rischio invisibile proviene da Data Manager Online.

Negli ultimi anni, il settore della logistica ha dovuto affrontare un contesto sempre più complesso, caratterizzato da periodi di notevole incertezza e costellato da diverse criticità: la pandemia ha generato carenze di materiali e trasporto, l’invasione dell’Ucraina ha compromesso l’accesso a energia e beni essenziali, la crisi in Medio Oriente ha reso insicuro il traffico marittimo nel canale di Suez e la nuova presidenza statunitense ha innescato nuove tensioni tariffarie.

In questo difficile contesto globale, si aggiungono nel nostro Paese altri problemi, come il calo della produzione industriale, gli aumenti dei costi della manodopera, le difficoltà nel reperire personale qualificato. In questo periodo, tuttavia, le aziende leader del settore logistico hanno dimostrato di avere forza e capacità di adattamento: negli ultimi anni sono aumentati i dipendenti diretti, molte aziende hanno ampliato la gamma dei servizi offerti e la ricerca di economie di scala, coniugando la sostenibilità non solo economica ma anche ambientale e sociale. Le piccole realtà, invece, hanno sofferto di più, tanto che si contano sul mercato oltre 35mila aziende in meno rispetto a cinque anni fa. Il momento è complicato in tutti i settori, non solo nella logistica. Il settore logistico italiano, che contribuisce all’8,2% del PIL nazionale, secondo i dati di Confindustria, è particolarmente sensibile alla crescente instabilità delle catene globali del valore.

Le aziende end-user tendono a trascurare l’importanza della gestione del rischio. Il dato emerge dall’ultimo report dell’Osservatorio Supply Chain Planning della School of Management del Politecnico di Milano. Solo una minoranza delle aziende italiane, il 26% delle grandi imprese e appena il 5% delle PMI, ha rivisto i modelli di gestione del rischio, mentre un ulteriore 22% e 8% rispettivamente dichiara di volerlo fare entro la fine del 2025. I rischi maggiormente presidiati sono quelli finanziari e operativi, ma cresce l’attenzione verso quelli geopolitici e di sostenibilità.

LOGISTICA CENTRALIZZATA

Con il termine “logistica” non si deve considerare più soltanto il trasporto dei prodotti e la loro distribuzione: il suo significato è più ampio, perché comprende l’intera supply chain, quindi anche le attività di planning, magazzino e packaging. Secondo l’Osservatorio Contract Logistics “Gino Marchet” della PoliMi School of Management, i clienti riconoscono al fornitore di servizi logistici un valore in termini di flessibilità (citato dal 44% delle aziende), contenimento dei costi, miglioramento del servizio, modifica della struttura costo/servizio. Le aziende più piccole, oltre alla ricerca di flessibilità, sono interessate allo snellimento delle strutture interne (39% delle aziende con fatturato tra 10 e 49 milioni di euro), anche al fine di esternalizzare parte della complessità legata alla gestione del personale. Per le aziende più grandi, con un fatturato superiore ai 250 milioni, si ricorre al fornitore di servizi logistici per una molteplicità di altre esigenze, legate in particolare alla transizione ambientale (indicata dal 22% delle aziende), all’innovazione di prodotto e servizio (19%) e alla transizione digitale (9%).

Per rimanere competitivi e attrattivi, le aziende della logistica devono avere capacità di adattamento, saper ottimizzare i processi e andare incontro alle richieste dei clienti. È quanto ha fatto Digel azienda che opera da oltre cinquant’anni in Valle d’Aosta, Haute Savoie e primo Canavese, distribuendo prodotti surgelati, freschi e secchi a oltre mille clienti sparsi su tutto il territorio, dai bar a fondo valle fino ai rifugi in alta quota. L’ampia distribuzione della clientela di Digel necessita di un’organizzazione molto scrupolosa. Dall’esigenza di rendere le consegne più rapide e agili, è nato un percorso di trasformazione digitale per efficientare il processo di gestione delle consegne dall’ordine fino al trasporto finale. L’azienda ha così integrato i propri sistemi con un software specifico per la pianificazione degli ordini ricevuti, in grado di calcolare quanta merce va caricata, quanti camion sono impiegati in uno stesso giorno, suggerendo anche il miglior percorso stradale da seguire. Questo aspetto è molto importante se si considera che i clienti sono sparsi su tutto il territorio montuoso valdostano e si rischia quindi di avere lunghi turni lavorativi. Il sistema è in grado di considerare sia il tempo di guida sia il tempo di carico e scarico.

Il software di gestione è integrato anche con il sito e-commerce B2B che Digel offre ai propri clienti. La gestione end-to-end dell’ordine digitale permette di ridurre al minimo tempi ed errori. Inoltre, il percorso di digital transformation intrapreso dall’azienda ha permesso di rendere più rapidi ed efficienti i processi di gestione del magazzino e degli stoccaggi giornalieri. L’infrastruttura digitale consente di mantenere la tracciabilità costante e in tempo reale di tutte le merci, grazie ai codici digitali applicati su ciascun prodotto.

FILIERE E PROCESSI

Secondo l’Osservatorio Supply Chain Planning, le imprese end-user italiane sono costrette a ripensare filiere e processi e a sviluppare capacità di pianificazione sempre più sofisticate a livello strategico, tattico e operativo: per rispondere tempestivamente ai continui cambiamenti del mercato è necessario disporre di un sistema efficace di monitoraggio dello “stato” e delle prestazioni della supply chain. Il ruolo delle persone del team di pianificazione della catena di fornitura è fondamentale per riuscire a gestire efficacemente i processi, prendere decisioni tempestive e collaborare con tutti gli attori della filiera. La capacità di trasformare e ottimizzare i processi di pianificazione dipende in modo significativo dal contributo umano, che può accelerare notevolmente il cambiamento o, al contrario, rappresentare un ostacolo se non adeguatamente supportato. Il processo di trasformazione può essere guidato da personale interno o da fornitori esterni, solitamente società di consulenza. Nelle grandi imprese prevale il ricorso al team interno di supply chain planning (45%), che assicura coerenza strategica e continuità, ma richiede investimenti e rischia una visione autoreferenziale. Un altro 23% si affida a team dedicati al miglioramento continuo, soluzione agile ma meno strutturata. Le società di consulenza esterne (10%) e i vendor di software (10%) rappresentano opzioni utili per know-how e tecnologie, ma comportano costi più elevati, possibili rigidità e rischi di scarsa integrazione. Una quota residua adotta modelli ibridi o non formalizzati.

Nelle PMI lo scenario è simile ma con minore articolazione: circa un terzo si affida al team interno di pianificazione e un altro 30% a team dedicati al miglioramento continuo. Solo una minoranza sceglie i vendor di software (4%), scoraggiata dai costi. Nel complesso, oltre il 60% delle imprese italiane – grandi e PMI –guida internamente i progetti di trasformazione, confermando il valore strategico delle competenze interne. La scelta prevalente di gestire i progetti internamente conferma la rilevanza strategica delle competenze aziendali, ma sottolinea al tempo stesso l’urgenza di investire nella formazione e nell’evoluzione professionale dei team, affinché possano affrontare le complessità future con strumenti adeguati, apertura all’innovazione e una maggiore resilienza organizzativa. Metà delle grandi imprese non investe nello sviluppo delle proprie risorse di planning, l’altra metà, invece, dichiara iniziative concrete: il 13% delle grandi imprese e il 21% delle PMI hanno rafforzato competenze e strumenti dei team, con percorsi che includono ampliamento degli organici, corsi di formazione specialistici, upskilling su data analytics, machine learning e AI per migliorare previsioni di domanda, ottimizzazione delle scorte e scheduling produttivo. Nelle PMI la scala degli investimenti resta inferiore rispetto alle grandi imprese, ma emerge una forte volontà di crescita e di valorizzazione del capitale umano.

SUPPLY CHAIN MONITOR

L’80% delle imprese end-user applica specifici KPI per la valutazione delle prestazioni della propria supply chain ma solo il 33% del campione misura un numero sufficiente di KPI tecnici ed economici e solo l’11% dimostra un grado elevato di maturità con un sistema dedicato e in grado di tracciare efficacemente tutti i segnali. Secondo l’Osservatorio del Politecnico di Milano, il 54% delle PMI e il 67% delle grandi imprese hanno ruoli dedicati alla pianificazione della supply chain, mentre il 21% delle PMI non riconosce ancora la necessità di tali ruoli, il che può indicare una bassa maturità organizzativa o essere anche l’effetto di una resistenza al cambiamento. Per le PMI questa pianificazione non è ancora una priorità immediata, mentre per le grandi imprese è fondamentale per mantenere competitività ed efficienza nell’attuale scenario, quanto mai incerto. Per essere protagonisti nel mercato attuale, non basta essere innovatori nel prodotto, nel design, nelle tecnologie o nella qualità, serve gestire al meglio le catene del valore, con i migliori strumenti digitali e le migliori competenze. Il servizio, ormai, ha assunto un’importanza notevole tra le molteplici richieste dei clienti.

Un’azienda che ha lavorato per ottimizzare la sua logistica, e il servizio alla clientela, è Alcar Ruote, azienda svizzera che progetta, produce e distribuisce cerchi in acciaio per il settore automobilistico. La qualità svizzera è una sorta di dogma, per questo i clienti dell’azienda si aspettano massima qualità e consegne puntuali. Tuttavia, poiché i costi dell’azienda sono superiori a quelli dei concorrenti, si è reso necessario affidarsi alla tecnologia per ridurli in modo da continuare a produrre con lo stesso livello qualitativo ma rimanendo competitivi sul mercato globale. L’azienda è passata dalle applicazioni on-premise al cloud per acquisire dati in tempo reale e rispondere rapidamente all’arrivo di un nuovo modello di auto sul mercato. Obiettivo principale: sviluppare processi di pianificazione e gestione ordini capaci di garantire flessibilità ed efficienza. Con la soluzione implementata, Alcar Ruote ha automatizzato i processi di evasione degli ordini, migliorato le attività di manutenzione e aumentato la produttività, riducendo drasticamente costi e tempi di inattività. Le potenti funzionalità del sistema consentono di raccogliere dati, strutturarli in modo appropriato per fornire agli utenti del sistema, ad ogni livello, approfondimenti e informazioni in tempo reale. Grazie a funzionalità di intelligenza artificiale integrate, la soluzione permette ad Alcar Ruote di analizzare i dati dei sensori, identificare trend, prevedere guasti e intervenire. Grazie alle applicazioni completamente integrate con l’ERP, l’azienda invia automaticamente i dati alla sede centrale per gestire la contabilità, visualizzare le fatture in tempo reale e generare fatture in formato PDF per i team contabili dei clienti.

TRANSIZIONE GREEN

La logistica sta cambiando rotta. L’Osservatorio Contract Logistics evidenzia una transizione in corso verso soluzioni più green: l’80% delle aziende committenti presenta un’alta intensità di adozione di soluzioni green, in forte crescita rispetto al 13% di dieci anni fa. Nella transizione green, il trasporto su strada gioca un ruolo chiave. Accanto ai carburanti fossili tradizionali, la logistica può oggi contare su diverse alternative: dal diesel rinnovabile HVO, ottenuto da oli vegetali e grassi animali con un’impronta ambientale ridotta, ai veicoli alimentati a gas naturale bioCNG e bioLNG, fino ai BEV (Battery Electric Vehicle), con motore completamente elettrico a batteria. Il 57% dei fornitori di servizi logistici adotta un mix di soluzioni green, combinando tecnologie diverse in base al loro livello di maturità, alla vita utile dei mezzi e alle specifiche caratteristiche operative. La prima azienda italiana a utilizzare veicoli a gas naturale (LNG) è stata, nel 2014, Logicompany 3 (LC3 Trasporti), azienda di Gubbio (Pg) con diverse filiali nel Centro e Nord Italia, specializzata nel trasporto a temperatura controllata.

LC3 Trasporti si conferma leader del trasporto sostenibile: oltre 24 milioni di chilometri percorsi lo scorso anno con mezzi propri e una flotta in espansione di 265 veicoli, di cui il 56% a bio-LNG, il 2% a diesel HVO e il 2% elettrici a batteria. Da pochi anni l’azienda ha messo in strada i primi mezzi pesanti elettrici abbinati a un sistema refrigerante ad azoto liquido: con questi veicoli, è stato possibile realizzare i primi servizi di consegna con mezzi pesanti a zero emissioni nell’hinterland di grandi capoluoghi, primi tra tutti Milano, Roma e Verona. La combinazione di trazione elettrica e refrigerazione ad azoto consente di avere una soluzione di trasporto merci a temperatura controllata totalmente sostenibile e di effettuare consegne a ridosso di zone densamente abitate senza produrre emissioni climalteranti o rumori. Questi mezzi, dotati anche di un sistema di manutenzione predittiva, possono addirittura accedere nelle ZTL in orari notturni evitando gli stop del traffico dovuti a restrizioni ambientali. Nel 2024 la flotta di LC3 ha tagliato drasticamente le emissioni con impatti significativi: la riduzione di Co2 equivale alla restituzione in natura di oltre 16mila alberi alti 16 metri; il calo di NOx corrisponde alla rimozione dalle strade di 207mila auto Euro 6; il risparmio di particolato è paragonabile allo spegnimento di oltre seimila caldaie a pellet domestiche.

TRASPORTO MULTIMODALE

Le statistiche dei traffici dello scorso anno confermano l’ottima tenuta del sistema portuale italiano, che ha visto crescere sia il traffico di merci sia la presenza di passeggeri. Per gestire al meglio l’aumento costante di merci da gestire si stanno implementando sistemi in grado di ottimizzare le operazioni al porto. Un interessante progetto è quello dell’Autorità di Sistema Portuale del Mar Ligure Occidentale, che ha sviluppato un progetto per digitalizzare la gestione dei flussi dei mezzi pesanti in transito nel porto di Genova (e a breve di Savona), ottimizzando le operazioni di carico e scarico della merce containerizzata. Già da vent’anni è in funzione il Port Community System, il sistema digitale per lo scambio documentale tra gli operatori pubblici e privati del porto. Nel 2024, dopo un periodo di sperimentazione, è andato a regime il progetto “Appuntamento Intermodale”, con l’obiettivo di semplificare le operazioni in porto, permettendo ai conducenti di rimanere in cabina, e ottimizzare la gestione dei flussi di mezzi pesanti in ingresso e uscita dai terminal container. L’iniziativa consente la prenotazione digitale degli accessi ai terminal, migliorando la tracciabilità delle operazioni, la sicurezza ai varchi portuali, la sincronizzazione e la fluidità delle attività logistiche. Il progetto si compone di tre elementi principali: la digitalizzazione della catena documentale, un front office virtuale per gestire gli accessi al porto e un’app mobile dedicata agli autisti. Il sistema collega targa del mezzo, badge del conducente, data prevista di arrivo, merce da consegnare e magazzino/terminal di destino, merce da ritirare e magazzino/terminal di prelievo. Il sistema consente a tutti gli attori coinvolti di consultare in tempo reale lo stato delle operazioni e della documentazione, e permette agli autisti di accedere ai varchi, ricevere indicazioni e completare le procedure senza scendere dal mezzo. Il nuovo modulo ha anche una integrazione con la logistica retroportuale, per collegare il porto ai magazzini e alle aziende dell’entroterra.

SOSTENIBILE E CIRCOLARE

Nell’ambito della sostenibilità, è sempre più rilevante la riduzione delle risorse impiegate, il riutilizzo di prodotti o materiali, il recupero di componenti e il riciclo delle risorse: le aziende studiano l’ottimizzazione di processi e flussi complessi. Secondo l’Osservatorio Contract Logistics del Politecnico di Milano, tre aziende su quattro considerano l’economia circolare un tema prioritario. Oggi la strategia più diffusa (58%) consiste nell’impiego di risorse provenienti da altre filiere, ma cresce l’interesse verso modelli di circolarità più avanzati: il 68% punta infatti al ricircolo delle risorse all’interno dei propri confini produttivi. Le iniziative si legano a diversi modelli di business, dal “product oriented” allo “user oriented”. Al momento prevale il primo approccio, che mira a progettare, produrre e utilizzare beni riutilizzabili, riparabili, rigenerabili o riciclabili, allungandone il ciclo di vita e riducendo sprechi e impatto ambientale.

Tra le realtà che stanno ripensando il packaging in chiave sostenibile c’è CMC Packaging Automation, azienda umbra attiva in 30 paesi e riconosciuta come leader nelle soluzioni di imballaggio su misura (“right-sized” packaging). Nel 2013 CMC ha lanciato una macchina, la CartonWrap, rivoluzionando le modalità di confezionamento degli ordini di e-commerce all’interno dei magazzini. Fino ad allora si usavano scatole preformate con materiali di riempimento (carta e plastica) per colmare gli spazi vuoti attorno all’oggetto spedito. CartonWrap rileva le dimensioni del prodotto e realizza una scatola su misura con cartone continuo, ottimizzando consumi e riducendo sprechi, materiali di riempimento, volumi di spedizione e costi logistici. Nell’e-commerce non tutti i prodotti devono essere spediti in una scatola, ma gli articoli più piccoli possono essere inviati in una busta: sfruttando questo concetto, nel 2023 CMC ha sviluppato Hybrid Advance, un add-on della CartonWrap, che consente di impacchettare i prodotti in scatola o in busta, in maniera automatizzata, in base alle dimensioni del prodotto, utilizzando lo stesso materiale (cartone da fanfold), riducendo fino al 50% il cartone ondulato e fino al 70% la colla. Hybrid Advance ottimizza il flusso di prodotto all’interno del magazzino, perché non serve l’intervento di un operatore o di un secondo macchinario a supporto, ma è in grado in autonomia di inscatolare o imbustare i prodotti.

LOGISTICA NEXT GEN

Ma cosa ci dobbiamo aspettare per i prossimi anni? Secondo gli analisti IDC, entro il 2026 il 60% delle aziende del G1000 Supply Chain (l’indice che raggruppa le 1000 aziende leader a livello globale nella gestione e innovazione della supply chain) integrerà i principali sistemi IoT nei propri gemelli digitali, registrando un incremento del 15% in efficienza, utilizzo delle risorse e sicurezza operativa. I gemelli digitali abilitati dall’IoT offrono visibilità in tempo reale sulle operazioni dell’intera filiera, consentendo alle organizzazioni di simulare, monitorare e ottimizzare le prestazioni a un livello senza precedenti. Un gemello digitale funziona da “specchio virtuale” di un asset o sistema fisico, offrendo una finestra in tempo reale sulle operazioni di processo. L’integrazione su larga scala dei dati dei sensori IoT nei sistemi Digital Twin migliora la visibilità e il monitoraggio in tempo reale, supporta la pianificazione degli scenari e l’analisi predittiva, e favorisce una maggiore efficienza e sostenibilità. Interessante anche quanto prevede IDC relativamente all’integrazione di soluzioni specifiche di intelligenza artificiale generativa nei sistemi delle principali aziende logistiche worldwide: entro il 2027, il 50% delle organizzazioni globali implementerà una piattaforma basata su GenAI in grado di combinare diverse fonti di dati per simulare, valutare e prevedere i rischi della catena di fornitura. Le supply chain continuano a subire interruzioni che possono essere fisiche, operative, tecnologiche o strategiche, e spesso si combinano tra loro, rendendo le catene di fornitura globali estremamente complesse e vulnerabili. Tecnologia legacy, sistemi e dati poco integrati costituiscono gli ostacoli principali, secondo l’ultimo rapporto di IDC sulla supply chain. Nei prossimi anni, IDC prevede che le aziende globali utilizzeranno la GenAI su dataset sempre più ampi per prevedere, valutare e gestire i rischi, affrontando con maggiore efficacia situazioni di crisi.

RISCHIO SUPPLY CHAIN

La crescita degli attacchi alla supply chain impone un cambiamento di approccio alla sicurezza delle filiere di approvvigionamento come imperativo strategico. I rischi vengono spesso sottovalutati, almeno fino a quando non si traducono in blocchi di produzione o distribuzione. Non è più sufficiente proteggere i propri sistemi, ma è necessario dimostrare la solidità dell’intera supply chain. La direttiva NIS2 introduce un cambiamento strutturale, che alza l’asticella e segna una linea di demarcazione netta. Malware, ransomware, furti di dati e sabotaggi cyber-fisici possono mettere in crisi interi processi, minando la fiducia dei clienti e incrinando i rapporti con partner e fornitori. La scarsa sicurezza dei dati può essere dovuta a protocolli e procedure assenti o poco affidabili, alla mancanza di cultura per la sicurezza o all’insufficiente rispetto di normative e best practice di settore. Inoltre, una carenza di controllo o di monitoraggio delle attività delle terze parti può rendere difficile identificare tempestivamente eventuali problemi o irregolarità. La normativa introduce un approccio più ampio e strutturato alla resilienza digitale, chiedendo alle imprese di valutare e gestire i rischi lungo tutta la filiera, non solo con i partner diretti. L’obiettivo è creare una visione sistemica della supply chain, dove la cybersecurity diventa parte integrante dei contratti e supportata da sistemi di monitoraggio costante, in grado di intercettare anomalie e intrusioni prima che diventino emergenze. Per gli operatori della logistica questo si traduce in standard più stringenti nella gestione dei dati e dei sistemi operativi, e nella responsabilità di garantire che ogni anello della catena rispetti criteri di sicurezza condivisi. Risultato? Supply chain più resilienti, reputazione rafforzata e maggiore fiducia da parte dei clienti.

AI GENERATIVA E LLM

Per migliorare la resilienza, la gestione delle supply chain sia a monte che a valle, richiede una comprensione più ampia di fattori che vanno oltre i costi di trasporto e la gestione dei fornitori. Con la crescente complessità delle catene di fornitura globali, cresce la necessità di gestire i rischi geopolitici, normativi e climatici. Secondo IDC, entro il 2028 il 70% delle organizzazioni globali della supply chain adotterà piattaforme basate su Large Language Model (LLM) per simulare e prevedere i rischi legati a geopolitica, normative e impatti meteorologici. L’obiettivo è chiaro: aumentare la resilienza operativa anticipando problemi prima che si traducano in interruzioni reali.

Gli strumenti tradizionali di gestione del rischio della Supply Chain si stanno dimostrando inadeguati per affrontare queste sfide. L’aumento delle tensioni geopolitiche, dei cambiamenti normativi e degli andamenti meteorologici imprevedibili sta spingendo le aziende a ripensare le proprie filiere. In questo contesto, l’intelligenza artificiale generativa si sta affermando come strumento chiave per analizzare e prevedere i rischi, trasformando dati complessi in scenari predittivi utili a decisioni rapide e consapevoli. Il risultato è una supply chain più resiliente, capace di anticipare criticità e adattarsi in tempo reale a contesti mutevoli e incerti. Le piattaforme basate su Large Language Model sono particolarmente efficaci nell’analisi di dati non strutturati come notizie, social media, documenti governativi e previsioni meteorologiche, tutti cruciali per la valutazione dei rischi della supply chain, e consentono alle organizzazioni di simulare diversi scenari, identificare tendenze e fornire informazioni fruibili. Sfruttando queste piattaforme, le organizzazioni possono prevedere le interruzioni dovute a una vasta gamma di fattori, come cambiamenti politici, aggiornamenti normativi e disastri naturali, offrendo una visione completa dei potenziali rischi.

Secondo l’ultimo rapporto di IDC sulla supply chain, il 20% delle aziende a livello globale riconosce già i benefici dell’intelligenza artificiale e dell’AI generativa nelle proprie operazioni. Ma il trend è in rapida accelerazione: nei prossimi tre anni, il 30% degli intervistati prevede un ruolo sempre più centrale dell’IA generativa nella gestione delle catene di fornitura. L’adozione di soluzioni specifiche di intelligenza artificiale a supporto della pianificazione della supply chain è destinata a crescere in modo esponenziale, fino a rendere le piattaforme basate su Large Language Model (LLM) strumenti strategici per la gestione del rischio. Grazie a queste tecnologie, le aziende potranno simulare scenari complessi legati a cambiamenti geopolitici, normativi e climatici, anticipando criticità e rafforzando la resilienza operativa.

Data product management

Dal dato alla decisione, così l’AI cambia le regole del gioco

Logistica data driven, rivoluzione nell’efficienza della supply chain

La rivoluzione dell’IA agentica

L'articolo Logistica data-driven, filiere alla prova proviene da Data Manager Online.

Questa iniziativa parte – ovviamente – dall’alfabetizzazione informatica dei cittadini, importante per accedere a dati e documenti in modalità digitale e per comunicare con la pubblica amministrazione tramite strumenti digitali semplici, rapidi e con pieno valore giuridico. C’è molto da fare: secondo l’ultimo rapporto di Eurostat, del maggio scorso, il 44% della popolazione europea – stiamo parlando di oltre 150 milioni di persone – non ha competenze digitali di base, quindi non sa cercare informazioni online, inviare email o altre comunicazioni, installare software, proteggere i dati personali o creare contenuti digitali.

La scarsa alfabetizzazione digitale è anche una delle ragioni per cui i servizi di e-government non vengono ampiamente utilizzati: tra tutti coloro che hanno navigato su Internet negli ultimi 12 mesi, solo il 47% lo ha fatto per consultare e verificare informazioni dai siti web delle autorità pubbliche. Nella classifica delle competenze digitali, l’Italia è agli ultimi posti in Europa, quasi dieci punti sotto la media europea e ben lontana dai Paesi più virtuosi, che hanno già raggiunto l’obiettivo dell’80% di alfabetizzazione digitale, fissato dall’UE per il 2030. Come è prevedibile, la maggior parte dei più giovani tra i 16 e 34 anni ha competenze almeno di livello base, mentre i meno preparati sono i più anziani, dai 55 ai 74 anni. La riduzione del divario digitale è la pietra miliare su cui si basa questa iniziativa: cittadini più competenti potranno navigare con consapevolezza nel mondo digitale, sapranno difendersi meglio da truffe online, phishing, furti d’identità sulla rete, atteggiamenti aggressivi, e avranno un’educazione alla privacy sia per mantenere la propria sia per rispettare quella degli altri, indispensabile nell’era della raccolta massiva di informazioni sensibili.

Inoltre saranno in grado di distinguere più facilmente le notizie vere dalle fake news, limitando così la diffusione di contenuti falsi o dannosi. L’obiettivo di questo Anno Europeo, tuttavia, non è limitato alla formazione tecnologica dei cittadini, anzi è molto più ambizioso: far sì che il maggior numero possibile di cittadini europei possa partecipare attivamente alla vita democratica elettronica.

#DigitalSkills 150 milioni di europei senza competenze di base: meno produttività, più rischi per le imprese
Click To Tweet

Educare alla cittadinanza digitale non è solo una questione di inclusione, ma un investimento strategico per l’intero sistema economico. Significa promuovere una cultura del rispetto – dei diritti umani, del pluralismo, delle differenze – e al tempo stesso rafforzare le basi della competitività. Le imprese hanno una responsabilità crescente in questo percorso: formare cittadini digitali consapevoli vuol dire ridurre i rischi, aumentare la produttività, prevenire errori, proteggere dati e persone. Un ecosistema digitale maturo è anche un ecosistema più sicuro, più efficiente, più equo. E oggi, più che mai, nessuna organizzazione può permettersi di restarne fuori. Questo Anno Europeo può e deve rappresentare l’avvio di un percorso virtuoso: un appello all’azione rivolto a scuole, imprese e società civile, affinché si facciano parte attiva nella costruzione di una cultura digitale consapevole. Investire nell’educazione alla cittadinanza digitale è una scelta strategica quasi obbligata: per vivere – e lavorare – pienamente “onlife”. Sapremo raccogliere questa sfida o sarà un’occasione persa?

L'articolo Cittadinanza digitale proviene da Data Manager Online.

L’agroindustria ha affrontato una vera e propria prova di resilienza dentro e fuori i confini UE, aggravata da tensioni geopolitiche e cambiamento climatico: prima l’esplosione dei costi energetici, poi l’impennata delle materie prime e infine l’impatto dei dazi. Eppure, il settore non solo ha retto l’impatto, ma ha reagito rilanciando in termini di innovazione. Le aziende italiane sono prime in Europa per esportazioni e valore aggiunto. A trainare la ripresa è la tecnologia, con l’intelligenza artificiale che assume un ruolo sempre più centrale in progetti strategici, dalla gestione predittiva delle colture all’automazione dei processi industriali. Un vero cambio di paradigma, che concentra l’attenzione su efficienza operativa, completa tracciabilità delle filiere, pianificazione dinamica della supply chain e approccio sostenibile all’intera produzione.

Il comparto agrifood sta adottando un articolato mix di strategie: dall’autoproduzione di energia al miglioramento dell’efficienza nei processi, dalla diversificazione dei mercati di sbocco alla tutela della biodiversità, fino allo sviluppo di pratiche di economia circolare. A questi si aggiungono ingenti investimenti sia nelle attività primarie sia nelle tecnologie, in particolare nel digitale e nell’intelligenza artificiale, per rafforzare la resilienza necessaria. Nonostante le previsioni in chiaroscuro, gli analisti confermano un outlook positivo anche per il 2025, sostenuto principalmente dalla domanda interna.

Tuttavia, si tratta di una realtà a doppia velocità: mentre l’industria alimentare registra anni da record, le imprese agricole crescono a un ritmo più contenuto, pur restando sopra la media dei principali Paesi europei. Secondo il report ISTAT di gennaio, nel 2024 il settore agricolo ha visto un aumento dell’1,4% nei volumi prodotti e una crescita dello 0,8% nei prezzi di vendita. Di conseguenza, il valore complessivo della produzione agricola a prezzi correnti è salito del 2,2%, in controtendenza rispetto a Francia e Germania, dove si sono registrate diminuzioni rispettivamente del 7,7% e dello 0,9%. In termini di valore aggiunto, invece, l’Italia ha conquistato lo scorso anno la leadership europea, superando Spagna e Francia – quest’ultima detentrice del primato nel 2023 – e consolidando così la sua posizione di eccellenza.

CRESCITA E COMPETITIVITÀ

L’ottimo stato di salute del settore agroalimentare è confermato dall’ultimo rapporto ISMEA, l’istituto di servizi per il mercato agricolo alimentare. Nel 2024 è cresciuta non solo l’importanza del settore nell’economia nazionale, ma si è anche consolidata la capacità di esportazione delle produzioni più rappresentative del “Made in Italy”. In dieci anni, le esportazioni agroalimentari italiane sono quasi raddoppiate, superando la cifra record di 69 miliardi di euro: un risultato che testimonia la qualità e la competitività delle nostre produzioni, ovunque riconosciute e apprezzate. Non a caso il nostro Paese è primo al mondo per numero di DOP, IGP e STG, con più di un quinto dei prodotti agroalimentari e quasi un terzo dei vini certificati in UE. Il peso della DOP Economy (20 miliardi di euro e 850mila occupati) rispetto all’agroalimentare nazionale è di circa il 20%, in aumento di tre punti percentuali rispetto a dieci anni fa. Secondo la ricerca “Analisi di scenario e sfide future per il settore agro-alimentare” di Intesa San Paolo, l’export è cresciuto dell’8,3% nel 2024 rispetto all’anno precedente, registrando un’ulteriore crescita nel primo trimestre di quest’anno. In particolare, i prodotti agricoli hanno mostrato un aumento tendenziale del 7,3%, mentre i prodotti alimentari e le bevande sono cresciuti del 4,9%.

#agrifood Export italiano da record e sostenibilità al centro della crescita
Click To Tweet

Nonostante la potenziale minaccia di dazi aggiuntivi possa avere un impatto rilevante sulle esportazioni, il posizionamento qualitativo dei prodotti italiani può giocare un ruolo cruciale: il 54,1% dell’export alimentare italiano verso gli USA è infatti rappresentato da prodotti di alta gamma. Le imprese stanno reagendo attivamente alle sfide dei dazi; non hanno solo  intrapreso strategie mirate a rimanere competitivi sul mercato americano, perché oltre il 60% dei rispondenti ha dichiarato di aver anche iniziato la ricerca di nuovi clienti in altri mercati. Inoltre, la domanda interna di prodotti agroalimentari è prevista in crescita a un ritmo stabile (+0,6% annuo a prezzi costanti) nel biennio 2025-26, sostenuta dal recupero delle spese finali delle famiglie, e dal contributo del canale Horeca, grazie alle previsioni del buon andamento dei flussi turistici, anche in concomitanza con eventi come il Giubileo e le Olimpiadi.

CRITICITÀ STRUTTURALI

Secondo l’Osservatorio del Politecnico di Milano, tra il 2010 e il 2020 il numero delle aziende agricole in Italia è diminuito del 30%, con una chiusura particolarmente accentuata tra le realtà di piccole dimensioni. Anche i dati Istat evidenziano una riduzione del 2,6% degli addetti agricoli, trainata da un calo significativo dei lavoratori indipendenti (-4,4%), parzialmente bilanciato solo dal lieve aumento degli occupati dipendenti (+0,9%). Il settore agricolo italiano è in piena trasformazione. Per restare competitivo, gli operatori puntano a ottimizzare i processi produttivi, allargare le aziende, diversificare l’offerta e innalzare la qualità dei prodotti.

I dati dell’Osservatorio evidenziano che, dopo anni di crescita a doppia cifra negli investimenti in tecnologie digitali lungo tutta la filiera, lo scorso anno si è registrata per la prima volta una flessione. Il calo riguarda principalmente gli investimenti in hardware – in particolare macchinari e accessori connessi – mentre gli investimenti in software hanno continuato a crescere in modo costante. Dopo aver rinnovato il parco macchine e avviato la raccolta dei dati, il settore è ora focalizzato sul loro utilizzo strategico per ottimizzare il monitoraggio e la gestione dei processi. Cresce così l’adozione di soluzioni avanzate come i FMIS (Farm Management Information System), i sistemi di monitoraggio e mappatura delle colture e le piattaforme di supporto alle decisioni, che trasformano i dati in leve operative concrete. Nel contesto attuale, segnato da forti perturbazioni, l’Osservatorio evidenzia come le imprese agricole italiane sentano soprattutto l’esigenza di migliorare la capacità previsionale (41%), potenziare le attività di controllo e gestione (38%), ottimizzare la pianificazione operativa (32%) e aumentare la consapevolezza interna sulle dinamiche aziendali (31%).

Tuttavia, la maturità digitale degli operatori resta ancora molto limitata: oltre il 90% delle aziende non ha investito in soluzioni digitali e non è certa di farlo nei prossimi anni. Un fattore chiave che influenza la propensione all’innovazione è la dimensione aziendale, con le realtà più piccole spesso frenate da risorse e capacità limitate. Questo riflette una delle criticità strutturali più rilevanti della filiera agroalimentare italiana: l’eccessivo frazionamento delle imprese. Per evitare che la trasformazione digitale resti appannaggio di una ristretta minoranza, e per garantire un aumento generalizzato della competitività, anche sui mercati internazionali, è fondamentale favorire la crescita dimensionale delle aziende e promuovere forme di aggregazione, come cooperative, consorzi e organizzazioni di produttori. In questo contesto, un ruolo determinante può essere svolto dalle imprese di trasformazione, che, in qualità di capofila della filiera, possono accompagnare le aziende agricole nell’adozione di tecnologie digitali, valorizzando anche economicamente la qualità delle produzioni. Particolarmente nel settore agricolo, diventa necessario potenziare le conoscenze tecniche relative alle nuove tecnologie digitali e formare nuove figure professionali in grado di comprendere i bisogni, le sfide e gli obiettivi delle aziende, guidandole nel percorso di digitalizzazione e facilitando il dialogo con i provider tecnologici. Solo così si potrà costruire un’agricoltura più moderna, efficiente e competitiva.

#agrifood Outlook 2025 positivo per fatturato e investimenti in trasformazione digitale
Click To Tweet

TUTELA DEL MARCHIO

Oltre agli investimenti nel digitale, le aziende dell’agroalimentare da tempo hanno iniziato a interessarsi all’intelligenza artificiale e al machine learning, prima con delle sperimentazioni, poi con delle soluzioni anche complesse basate su queste tecnologie. L’intelligenza artificiale viene impiegata per migliorare l’efficienza nelle diverse fasi produttive, ottimizzare l’uso delle risorse, garantire la sicurezza alimentare, supportare l’approvvigionamento delle materie prime, rafforzare la tracciabilità e rendere più efficiente la gestione logistica. Nel settore agricolo, inoltre, l’AI viene sfruttata per la gestione delle attività in campo, l’agricoltura di precisione, la protezione delle colture, la creazione di una agricoltura sempre più sostenibile, il controllo di fattori di produzione come agrofarmaci e acqua.

Le aziende trasformatrici con l’AI monitorano e gestiscono anche la qualità dei prodotti e la loro tracciabilità. Alcune aziende hanno anche creato chatbot per fornire consigli personalizzati sui loro prodotti ai consumatori, basati sulle loro preferenze e sulle loro esigenze nutrizionali. Interessanti anche le soluzioni per il marketing AI-based, che impiega di algoritmi di machine learning per analizzare i dati e aumentare l’efficacia delle strategie di vendita. Si stanno diffondendo anche applicazioni per il settore R&D, per facilitare la progettazione e la formulazione di prodotti alimentari innovativi, attività che necessita di processi complessi con la gestione di numerosi parametri di progettazione: l’AI e le reti neurali possono elaborare grandi volumi di dati per guidare le aziende a trasformare più rapidamente le tendenze di mercato e le esigenze dei consumatori in prodotti gustosi, sani ed apprezzati. Le tecniche di AI si sono anche evolute in strumenti pratici, rapidi ed efficaci utilizzati con dispositivi per la valutazione della qualità, per il rilevamento di adulterazioni e di difetti dei prodotti agricoli e alimentari. Tra le applicazioni più interessanti, vi è la protezione dei marchi di qualità.

Un esempio è il sistema di tracciabilità, unico in Europa, del Consorzio di tutela della Mozzarella di Bufala Campana DOP, in grado di tutelare allevatori e produttori e garantire ai consumatori finali che il latte utilizzato per la produzione della Mozzarella di Bufala Campana DOP sia 100% latte di bufala intero fresco, proveniente da bufale allevate solo in precise zone, che costituiscono l’area territoriale della DOP. Questo sistema è frutto del lavoro congiunto dell’Istituto zooprofilattico sperimentale del Mezzogiorno, del Ministero delle Politiche agricole, del Dipartimento Qualità Alimentare Certificazioni e del Consorzio di Tutela Mozzarella di Bufala Campana DOP. Tutti gli attori della filiera, che a qualsiasi titolo entrano in contatto con la materia prima, sono obbligati a registrare quanto è stato prodotto, trasferito o trasformato. Il sistema si basa su AI, addestrata attraverso l’esame di tutte le etichette dei soci del consorzio (oltre seimila e settecento etichette singole) per verificare i riferimenti specifici al prodotto, identificando imitazioni e contraffazioni sulle confezioni e distinguendo l’autentico dal falso.

#agrifood Materie prime, costi energetici e climate change in cima alle preoccupazioni della filiera
Click To Tweet

PRODUZIONE INTELLIGENTE

L’intelligenza artificiale, attraverso l’integrazione di reti neurali e sistemi di controllo predittivo, consente di sviluppare un’agricoltura di precisione sempre più avanzata, capace di adattarsi in modo dinamico alle diverse condizioni ambientali e strutturali. Un approccio che trasforma i dati in decisioni operative, aumentando efficienza, produttività e sostenibilità. Questo è reso possibile dall’analisi di migliaia di dati generati dai sensori presenti in azienda: informazioni dettagliate sulla mappatura dei terreni, sul loro stato, sulla presenza di parassiti e malattie, integrate con previsioni meteorologiche e dati storici relativi ai raccolti degli anni precedenti.

I sistemi, potenziati dall’intelligenza artificiale, monitorano in tempo reale parametri chiave come temperatura, umidità, anidride carbonica, irrigazione e fertilizzazione. Grazie all’apprendimento automatico, sono in grado di adattare le decisioni operative anche di fronte a variazioni improvvise delle condizioni meteo, ottimizzando la crescita delle colture, regolando il microclima in ambienti controllati, migliorando la gestione dello stato vegetativo e aumentando l’efficienza energetica complessiva del sistema agricolo.

È il caso della Società Agricola Egiziaca, che in provincia di Napoli coltiva su 300 ettari diversi prodotti orticoli, soprattutto pomodori, insalata, meloni, colture con diverse necessità e diverse problematiche, da gestire su una vasta superficie. Questa la sfida che l’azienda affronta ogni giorno: ogni lotto ha una gestione a sé, ed è importante tracciare cosa succede su ciascun appezzamento, per creare uno storico su cui basarsi quando si prendono decisioni. La mole di dati che si possono ricavare dal campo è immensa, da tutte le informazioni relative alle varie operazioni svolte nei campi a quelle raccolte dai sensori installati, o quelle amministrative: dati relativi ai macchinari, difesa delle colture dai patogeni, dati di irrigazione, persino le ore di lavoro dei dipendenti. Per avere prodotti a residuo zero, vengono usati modelli predittivi dell’andamento delle popolazioni di insetti o delle patologie fungine e batteriche, che elaborando i dati raccolti in campo aiutano a razionalizzare l’uso dei prodotti fitosanitari.

Questi strumenti indicano quando è opportuno evitare i trattamenti – per esempio in assenza di rischio reale di infezioni o attacchi parassitari – e quando, al contrario, è necessario intervenire tempestivamente per prevenire infestazioni più gravi. Ridurre o eliminare gli interventi non strettamente necessari non solo consente alle aziende agricole un significativo risparmio economico, ma rende anche l’intero processo produttivo più sostenibile, contribuendo al raggiungimento dell’obiettivo “residuo zero”. Negli ultimi anni, la crescente scarsità d’acqua legata alla riduzione delle piogge ha reso indispensabile un uso più efficiente delle risorse idriche. Anche in questo ambito, la tecnologia permette di fare la differenza: attraverso sistemi intelligenti, è possibile pianificare strategie irrigue mirate, ricevendo indicazioni precise su quando e quanto irrigare in base alle reali esigenze della coltura, riducendo gli sprechi e tutelando l’ambiente.

#agrifood Capacità di previsione e pianificazione AI-driven
Click To Tweet

TRACCIABILITÀ E SICUREZZA

Per il settore agroalimentare è vitale tenere traccia di un alimento o di un prodotto, poter risalire alla sua storia in ogni fase della supply chain. La tracciabilità è alla base della food safety, garantisce una piena trasparenza, fornendo ai consumatori informazioni chiare e precise sui prodotti in circolazione per poter fare scelte consapevoli, e consente di assicurare la distribuzione di alimenti sicuri e sani e di gestire in modo rapido le eventuali situazioni problematiche. Le filiere agroalimentari stanno diventando sempre più digitali e automatizzate grazie all’impiego di tecnologie come l’IoT, la blockchain e l’intelligenza artificiale.

In particolare, blockchain e AI stanno rivoluzionando la tracciabilità degli alimenti, permettendo la costruzione di un modello informativo più rapido, affidabile e sicuro. Queste tecnologie garantiscono una gestione dei dati più riservata e trasparente, identificano in modo univoco ogni controllo lungo la filiera e assicurano la piena visibilità delle informazioni, dalla produzione alla distribuzione.

È il caso del Pastificio 28 Pastai di Gragnano, che ha implementato un sistema di tracciabilità basato su blockchain lungo l’intera filiera del grano: dai campi di coltivazione, passando per il mulino che trasforma il grano in semola, fino al confezionamento del prodotto finale. Il Pastificio 28 Pastai è il primo in Italia a certificare l’assenza di pesticidi e glifosato nei grani utilizzati. Una scelta che non solo garantisce un prodotto più sano per il consumatore, ma rappresenta anche una conferma indiretta della provenienza 100% italiana della semola impiegata. La produzione si basa su una miscela di cinque varietà di grano duro coltivate nelle Colline Frentane, un’area caratterizzata da un clima fresco e asciutto, ideale per ridurre in modo naturale la presenza di funghi dannosi. La gestione agronomica adotta tecniche a basso impatto ambientale: arature profonde eseguite prima della semina e l’utilizzo di strumenti meccanici come lo “striatore” permettono di eliminare le erbe infestanti senza ricorrere a diserbanti chimici.

L’intera filiera del Pastificio 28 Pastai – dall’origine del grano fino ai tempi e alle temperature di essiccazione della pasta – è tracciata, certificata e consultabile tramite il QR Code presente su ogni confezione. Grazie al collegamento diretto tra la piattaforma blockchain e le celle di essiccazione, è possibile monitorare in tempo reale i consumi energetici e certificare in modo trasparente durata e temperatura del processo: un modo concreto per verificare se la pasta è stata davvero sottoposta alla “lenta essiccazione a basse temperature” spesso evocata nelle comunicazioni di marketing. L’azienda ha inoltre implementato soluzioni per il risparmio idrico nei campi di coltivazione e sistemi di monitoraggio dei consumi energetici sulle linee produttive, parzialmente o totalmente compensati da energia rinnovabile generata da impianti fotovoltaici.

#agrifood Data-driven food chain, soluzioni AI-based per la logistica integrata
Click To Tweet

DATI INTEROPERABILI

Nella filiera agroalimentare, la frammentazione tecnologica rappresenta una criticità crescente: molte aziende agricole e alimentari adottano strumenti digitali tra loro incompatibili, con conseguenti difficoltà nell’interoperabilità dei sistemi e nella condivisione efficace dei dati lungo la catena del valore. Negli ultimi anni è stato introdotto un riferimento georeferenziato condiviso per il settore, pensato per abilitare l’interoperabilità tra i diversi strumenti digitali utilizzati lungo l’intera catena del valore. Questo standard comune favorisce la collaborazione tra attori della filiera, semplifica la tracciabilità dei prodotti e rappresenta un passo strategico verso la costruzione di un sistema alimentare più integrato, trasparente e sostenibile. Il Global Field ID (GFID) è un identificativo univoco, assegnato a ogni appezzamento agricolo a livello globale. Attualmente, il sistema conta oltre 200 milioni record, ciascuno associato a un codice esclusivo che ne garantisce la tracciabilità e l’univocità su scala mondiale.

L’obiettivo principale del Global Field ID (GFID) è facilitare l’accesso degli agricoltori alle piattaforme digitali, ridurre i costi legati all’interoperabilità dei sistemi e promuovere la condivisione dei dati agricoli tra aziende agricole e alimentari, istituzioni governative, finanziatori, assicuratori, distributori e consumatori. La tecnologia GFID assegna un confine univoco a ogni appezzamento, minimizzando così il rischio di doppie contabilizzazioni e rendendo il sistema uno strumento efficace per il reporting sulla sostenibilità ambientale.

Proprio per questi vantaggi, Simpsons Malt – storica azienda fondata nel 1862 e fornitore di malto per brand prestigiosi come Chivas e Macallan – ha adottato il GFID per migliorare la tracciabilità delle pratiche agricole e misurare con maggiore precisione la riduzione delle emissioni di carbonio lungo la propria filiera. Integrando il GFID nel sistema digitale, Simpsons Malt è riuscita ad associare i dati agronomici direttamente alle singole parcelle di coltivazione del luppolo, garantendo così una misurazione più accurata delle emissioni e semplificando la rendicontazione ambientale.

#agrifood Blockchain e AI per la tracciabilità e tutela del marchio
Click To Tweet

LOGISTICA INTEGRATA

I sistemi di intelligenza artificiale stanno rivoluzionando anche la gestione della domanda e l’ottimizzazione delle scorte nel settore agroalimentare, migliorando il monitoraggio dei livelli di magazzino e riducendo sprechi e scarti alimentari. Un caso emblematico è Geldi, storica realtà della provincia di Chieti, attiva da quasi cinquant’anni nella distribuzione di prodotti freschi e surgelati per bar e ristoranti. Partita come impresa locale, Geldi ha ampliato la sua presenza nel Centro Italia e, con il lancio dell’e-commerce Puntoqui.com, ha esteso la propria offerta direttamente ai consumatori, garantendo consegne a domicilio rapide e affidabili. Oggi l’azienda conta oltre 250 dipendenti e agenti, un fatturato di 47 milioni di euro e un servizio di distribuzione attivo 24 ore su 24. La gestione dei magazzini e degli approvvigionamenti è sempre più avanzata: attraverso un sistema di monitoraggio continuo dei lotti e delle scadenze, Geldi evita il deterioramento degli alimenti e minimizza la produzione di rifiuti e scarti. Il cuore dell’efficienza è un sistema predittivo che calibra gli ordini in base alle previsioni di vendita per ogni singola referenza, tenendo conto di variazioni stagionali e picchi di domanda legati a periodi particolari come il Natale. Questo approccio permette all’azienda di evitare accumuli eccessivi di prodotti invenduti, ottimizzando il flusso logistico e riducendo l’impatto ambientale.

EFFICIENZA E QUALITÀ

L’AI ha molte applicazioni anche nell’analisi predittiva e nella manutenzione preventiva delle attrezzature di produzione: in questo modo contribuisce a ridurre i tempi di inattività e a massimizzare l’efficienza operativa. L’introduzione dell’AI nei processi produttivi consente di ridurre le attività manuali, garantendo standard qualitativi elevati. È il caso di Simonelli Group (simonelligroup.com), azienda fondata nel 1936, con sede in Italia, leader nel settore della produzione di macchine da caffè e macinacaffè professionali e domestici distribuiti attraverso due marchi: Nuova Simonelli e Victoria Arduino.

Con circa 160 dipendenti e un fatturato annuo vicino ai 110 milioni di euro, Simonelli Group si colloca tra i primi cinque produttori mondiali nel suo settore, esportando in oltre 110 paesi e collaborando con le principali catene di ristorazione e torrefazioni internazionali. L’azienda ha sviluppato una macchina professionale pensata per grandi catene di ristorazione e coffee shop, che consente di erogare un caffè di alta qualità anche in contesti dove il personale ha scarsa specializzazione nella torrefazione. Grazie all’intelligenza artificiale e al machine learning, la macchina da caffè e il macinacaffè sono in grado di comunicare tra loro, riconoscendo automaticamente filtri e miscele, e impostando in modo autonomo i parametri di macinatura ed erogazione. Questo riduce drasticamente le operazioni a carico del barista, minimizzando gli sprechi di caffè, energia e acqua. La tecnologia C-Automation, implementata nel nuovo modello “Nuova Aurelia”, consente di erogare una bevanda perfetta senza ulteriori interventi manuali, calibrandosi automaticamente in base alle variazioni delle condizioni ambientali, come umidità, temperatura e composizione della miscela, per garantire sempre un caffè eccellente.

Brother: Data Product Management

Eos Solutions: Industria alimentare 4.0. Sostenibilità e competitività nell’era dell’AI

Formula: L’industria alimentare nell’era della trasformazione digitale

Sinfo One: Marginalità e ESG: come sopravvivere?

L'articolo L’agrifood sfida crisi e dazi. Verso un futuro più smart e sostenibile proviene da Data Manager Online.

Le PMI accelerano nell’adozione dei dati come risorsa strategica, ma cresce il divario tra medie e piccole imprese. Per chi investe, l’efficienza operativa e l’ottimizzazione dei processi produttivi restano la priorità. L’AI come fattore chiave per la competitività. Dalla teoria alla pratica: Bergonzoni Frutta, Fondazione Appennino, Patrini Giacomo, Rain e Tecnorobot

La digitalizzazione dei processi nelle aziende, accelerata negli ultimi anni, ha trasformato il dato presente nei sistemi informatici delle organizzazioni nel cuore pulsante del business: da semplice elemento operativo è diventato una risorsa strategica. Ottenere informazioni di valore analizzando i dati è ormai diventato indispensabile nell’attuale mercato, sempre più competitivo. Analizzare i dati permette di rivelare le inefficienze presenti nei processi, facilita l’individuazione delle ridondanze, dei colli di bottiglia e delle aree di miglioramento: le aziende, così, possono ridurre i costi, gli sprechi e le scorte, e nel contempo possono aumentare la produttività.

La trasformazione digitale, tuttavia, non è solo questo, è anche un abilitatore di nuovi prodotti e fonti di ricavo. Infatti, le analisi dei dati sui clienti e sulle vendite aiutano a comprendere meglio le loro richieste: partendo da qui, si può migliorare la propria offerta, trovando le giuste personalizzazioni, arrivando a innovare prodotti e servizi, adattandoli alle esigenze in evoluzione dei clienti: questo migliora il livello di soddisfazione, il tasso di fedeltà e, spesso, delle vendite, ma può anche aprire nuovi mercati e far raggiungere nuovi segmenti di clientela. Con le nuove tecnologie a disposizione, utilizzate in modo efficace e competente, si possono identificare tendenze che potrebbero non essere evidenti leggendo soltanto dei report, e si possono adottare le giuste strategie aziendali a fronte dei rapidi cambiamenti in atto: quali manager oggi si affiderebbero a intuizioni basate soltanto su ipotesi, potendo prendere decisioni data-driven?

ANALIZZARE PER OTTIMIZZARE

I dati giocano un ruolo fondamentale nel processo decisionale: possono far trasformare in modo significativo vari aspetti del business, facendo la differenza tra il successo e il fallimento di un’azienda. Questo vale per le aziende di tutte le dimensioni, comprese le PMI: per tutte, è fondamentale investire nelle giuste tecnologie, che permettano un’interpretazione semplice dei dati e quindi che possano guidare la strategia e l’operatività dei manager.

Grazie a strumenti di BI e a dashboard interattivi, le aziende possono valorizzare i dati presenti nei propri sistemi informativi e trasformarli in un vero e proprio patrimonio di informazioni. Investire in sistemi di analisi non è soltanto una buona pratica, ma è ormai diventata una necessità per le aziende che vogliono rimanere competitive e innovative. Come ha fatto la Bergonzoni Frutta, di Gallo di Poggio Renatico, in provincia di Ferrara, leader nella commercializzazione delle diverse varietà di pere coltivate in Emilia Romagna. Da quarant’anni è all’avanguardia nell’impiego delle migliori tecnologie per la lunga conservazione e per il confezionamento delle pere nei suoi stabilimenti, in grado di stoccare 15mila tonnellate all’anno. Con questo spirito, l’azienda ferrarese ha deciso di intraprendere un processo di digitalizzazione per agevolare il proprio lavoro: tra gli obiettivi, l’efficientamento della produzione e dello stoccaggio della merce, e la tracciabilità completa del processo produttivo. L’aumento dell’efficienza è stato raggiunto grazie all’individuazione tempestiva delle inefficienze di produzione, inoltre sono stati ottimizzati i processi lavorativi e migliorati diversi aspetti dell’azienda, per esempio, lo stoccaggio della merce: oggi, Bergonzoni Frutta può condividere in qualsiasi istante tutte le informazioni per lo stoccaggio e la tracciabilità dei prodotti tra i diversi reparti.

#PMI #BusinessIntelligence crescita lenta ma costante. L’adozione dipende dall’evoluzione culturale
Click To Tweet

INVESTIRE NEI DATI

Affinché le attività di analisi siano veramente efficaci, è necessario operare su dati di alta qualità: completi, pertinenti e affidabili. Questo richiede innanzitutto la definizione e l’implementazione di processi strutturati per la raccolta dei dati, la loro integrazione con fonti interne ed esterne all’organizzazione, l’archiviazione, la validazione, la pulizia e il controllo di integrità. Tali attività sono spesso indispensabili anche per consentire analisi in tempo reale, garantendo massima attenzione alla sicurezza e alla privacy. Nelle grandi aziende, questo approccio è già una realtà consolidata, grazie alla capacità di investire ingenti risorse nel lungo periodo.

Secondo l’Osservatorio Big Data & Business Analytics della School of Management del Politecnico di Milano, lo scorso anno il mercato legato alla gestione e all’analisi dei dati è cresciuto del 20%, raggiungendo un valore stimato di 3,42 miliardi di euro. La maggior parte degli investimenti proviene dalle grandi imprese, che coprono il 75% del totale, mentre la Pubblica Amministrazione ne rappresenta solo il 6%. Per quanto riguarda le aziende di dimensioni più contenute, il 79% delle PMI svolge attività di analisi dati, almeno a livello descrittivo, con una crescita lenta ma costante negli ultimi tre anni. Tra queste PMI, tre aziende su quattro stanno anche sperimentando nel campo delle analisi predittive, con un aumento del 7% rispetto al 2023: questo dato dimostra che anche queste aziende, per tradizione legate a processi manuali, hanno iniziato a cogliere il valore del dato come leva per ottimizzare i propri processi, trasformando i dati in decisioni e azioni.

Un’azienda che ha già iniziato questo processo di trasformazione è Rain: dal 1968 a Cerro Maggiore, vicino a Milano, produce soluzioni d’irrigazione del verde all’avanguardia e detiene più di dieci brevetti nel mondo. Grazie al suo forte spirito innovativo, è diventata leader europeo nella produzione di elettrovalvole, che stampa e assembla in Italia fin dagli anni 90.
Negli ultimi tre decenni, la produzione interna ha registrato un’importante espansione, includendo oggi centraline, pozzetti, collettori e, soprattutto, i dispositivi della gamma smart Vision, vero fiore all’occhiello dell’azienda. Questo innovativo sistema modulare per l’irrigazione connessa integra centraline smart, strumenti per la ricarica sostenibile, dispositivi per la connessione a Internet e sensori per l’uso efficiente dell’acqua. Il tutto è gestito tramite un’app intuitiva e altamente flessibile, che semplifica la manutenzione per gli installatori e garantisce un’esperienza d’uso immediata per l’utente finale, grazie a un’interfaccia snella e intuitiva.

Da alcuni anni, Rain ha avviato un percorso di automatizzazione e digitalizzazione dei processi produttivi. L’azienda ha inoltre avviato un processo di modernizzazione del proprio sistema informativo, integrando la gestione sia dell’area amministrativa che commerciale attraverso un ERP avanzato, collegato a una piattaforma di business intelligence per analizzare in modo avanzato tutti i dati aziendali, monitorando con precisione gli indicatori di performance definiti per ogni area. Questo permette di misurare i progressi rispetto agli obiettivi strategici, garantendo un controllo più efficace e decisioni basate su dati concreti.

#PMI #DataStrategy La barriera principale per le PMI nell’adozione dei dati non è economica, ma culturale
Click To Tweet

BARRIERE CULTURALI

I dati dell’Osservatorio evidenziano che, nelle grandi aziende, l’adozione degli strumenti di business intelligence è ormai una prassi consolidata, con un tasso di utilizzo che raggiunge il 93%. Tuttavia, secondo gli intervistati, questi strumenti generano un reale valore solo quando sono accompagnati da un’evoluzione culturale all’interno delle organizzazioni che li adottano.

Questo aspetto, insieme alla capacità di spesa, è stato il principale freno per le PMI: secondo l’Osservatorio, solo il 37% di queste realtà ha definito delle priorità specifiche nell’ambito della valorizzazione dei dati da attuare nei prossimi 12 mesi, focalizzandosi su formazione e upskilling del personale, riconoscendo l’importanza di sviluppare competenze interne per affrontare le sfide legate ai dati. Investire nella formazione del personale per sviluppare competenze in data analytics è fondamentale. La capacità di analizzare e interpretare i dati è infatti tanto cruciale quanto quella di raccoglierli. L’efficacia dei dati dipende dalla capacità dell’azienda di integrarli nei propri processi e di promuovere una cultura data-driven, trasformandoli in un reale vantaggio competitivo.

La barriera all’implementazione di questi sistemi nelle PMI non è più tecnica o economica, come approfondiremo più avanti, ma culturale. Molte di queste aziende incontrano difficoltà nel definire e sviluppare internamente una data strategy, a causa della carenza di competenze specifiche. Inoltre, reperire le professionalità adeguate risulta complesso: le realtà di dimensioni più contenute dispongono di risorse limitate e spesso non possono contare né su un team IT interno né su specialisti in data analytics. Le PMI faticano a creare al proprio interno una cultura del dato, a formare i propri dipendenti e collaboratori sull’importanza della gestione dei dati e sull’utilizzo degli strumenti di analisi, a migliorare la loro competenza nel leggere, interpretare e utilizzare i dati per essere poi in grado di prendere decisioni data-driven.

Per queste aziende è importante adottare un approccio graduale, iniziando con piccoli progetti e incrementandone le implementazioni man mano che l’organizzazione matura nell’utilizzo efficace dei dati. Per rafforzare le competenze analitiche del team e accelerare l’adozione di questi strumenti, è utile investire in formazione, attraverso corsi online e workshop, e valutare collaborazioni con consulenti esterni specializzati nella gestione e analisi dei dati.

È quanto, per esempio, ha fatto la Patrini Giacomo, azienda che ha una sede principale a Pieve Emanuele, nell’hinterland milanese, e una consociata tedesca (Patrini Giacomo GmbH) a Mannheim. Dal 1965, l’azienda produce e progetta supporti antivibranti in gomma e metallo utilizzando materie prime italiane di qualità, provenienti da fornitori certificati. La vasta gamma di supporti antivibranti prodotti possono essere personalizzati per meglio soddisfare le esigenze tecniche di ogni applicazione, e possono essere applicati efficacemente a diversi settori e strumentazioni: supporti cabina assali, generatori e gruppi di continuità, ventilatori, compressori, condizionatori, scambiatori di calore, cappe aspiranti, macchine movimento terra, trattori, macchine agricole, applicazioni nautiche, applicazioni ferroviarie e molti altri. Qualche anno fa, l’azienda ha compiuto diversi investimenti nel potenziamento della propria capacità produttiva e ha investito in Industry 4.0, integrando il proprio sistema informativo con i dati provenienti dai macchinari di produzione. Per completare il percorso di digitalizzazione avviato precedentemente, l’azienda ha implementato un MES e un software di analytics per monitorare in tempo reale le performance dei reparti produttivi, ottimizzando così i processi. Grazie a questa evoluzione, è diventata una PMI data-driven, integrando anche i requisiti di Industria 4.0.

#AI #PMI Le tre leve: investire in infrastrutture, garantire dati di alta qualità e formare il personale
Click To Tweet

GLI STRUMENTI PER DECIDERE

Negli ultimi anni le tecnologie di analisi dei dati sono diventate più accessibili, non sono più necessari investimenti importanti nell’infrastruttura e nella sua gestione: oggi, si possono trovare soluzioni flessibili, scalabili e convenienti, spesso cloud-based, che permettono anche alle aziende più piccole e con budget limitati di dotarsi di una piattaforma per la raccolta e l’analisi dei dati che sia economicamente sostenibile, con investimenti iniziali ponderati in funzione delle necessità specifiche dell’azienda. Rispetto alle aziende più grandi, le PMI hanno il vantaggio di essere più flessibili, e quindi con le giuste informazioni a disposizione possono adattarsi più velocemente ai mutamenti del mercato rispetto alle aziende più grandi.

Ma quali sono i dati che devono essere analizzati? Sicuramente, non sono solo numeri e tabelle: questi (fatturato del periodo, ordini ricevuti nel mese, prodotto del periodo nel trimestre, solo per fare qualche esempio) sono facili da comprendere e da valutare, ma si possono ottenere anche con buoni strumenti capaci di estrarre situazioni significative utili ai decisori aziendali. I dati necessari per analisi predittive, invece, sono molto più complessi, non solo per la loro quantità, ma anche per la varietà. Provengono da fonti eterogenee e sono presenti in più database: ERP, CRM, sensori IoT, messaggi di testo e file multimediali. Perfino i social network (dove si trovano, per esempio, i feedback dei clienti o i forum online) possono mostrare preziosi insight utili al business. Per utilizzarli, è necessario in primo luogo conoscere il loro significato, la loro effettiva raggiungibilità e usabilità, la giusta combinazione per costruire ciò di cui un data consumer ha bisogno. Questa complessità rappresenta il secondo punto critico per le PMI: secondo l’Osservatorio, il 78% delle PMI non integra le diverse fonti o lo fa esclusivamente con attività manuali, tramite importazioni ed esportazioni. È la capacità di ottimizzare le fonti di dati che rende il loro utilizzo veramente efficace in tutte le aree aziendali. Solo chi riesce a farlo in modo approfondito può cogliere i grandi benefici che questi sistemi sono in grado di offrire.

È il caso di Tecnorobot, azienda fondata nel 1993 a Verderio (Lc), uno dei principali attori nel settore della saldatura, manipolazione e taglio robotizzati. Grazie alla lunga esperienza e al costante impegno nell’innovazione, l’azienda è diventata punto di riferimento nel mercato degli impianti robotizzati, proponendo soluzioni all’avanguardia e di alta qualità. Nel mondo dell’Industria 4.0, l’interconnessione tra macchinari e sistemi gestionali è determinante per ottimizzare i processi produttivi e favorire una gestione intelligente della fabbrica. In questo caso specifico, i macchinari sono impianti robotizzati per la lavorazione della lamiera, macchinari custom, cioè progettati e costruiti ad hoc sulle esigenze del cliente. Tecnorobot si interfaccia con il sistema gestionale tramite web services: l’interconnessione consente il trasferimento di qualsiasi dato misurato come, per esempio, l’identificativo articolo, il codice cliente, il numero della commessa, la quantità prodotta e il tempo di esecuzione. In logica 5.0, invece, è possibile passare dati sui consumi, tra i quali la corrente consumata dai motori, i litri/minuto del gas di saldatura, lo sforzo cui sono soggetti i motori. Il modulo di interconnessione è stato progettato per garantire una perfetta integrazione con il gestionale, riducendo i tempi di implementazione e ottimizzando le risorse aziendali. Tra i vantaggi di questa soluzione, l’efficienza operativa (grazie alla connessione diretta e automatizzata, l’operatività dei macchinari può essere monitorata e ottimizzata in tempo reale), la semplicità di implementazione (il modulo di interconnessione ready-to-use non richiede personalizzazioni complicate, rendendolo facile da adottare per qualsiasi azienda), la scalabilità (la soluzione è flessibile e scalabile, adatta sia per piccole realtà produttive che per grandi aziende con impianti complessi).

#AI #PMI Vantaggio competitivo o rischio di esclusione?
Click To Tweet

OLTRE I LUOGHI COMUNI

Secondo l’Osservatorio, la spinta verso l’adozione di tecnologie avanzate per la gestione e l’analisi dei dati sta creando un distacco sempre maggiore tra medie e piccole imprese. Il bisogno di dotarsi di questi strumenti è molto sentito da tutte le PMI, come conferma l’indagine di B2B Stars, piattaforma pensata per aiutare le aziende a trovare fornitori, clienti e partner. Secondo il 78% degli intervistati, le PMI si sentono svantaggiate, e ritengono che le aziende più grandi, operanti nel loro settore, abbiano un migliore accesso alle informazioni a supporto del loro processo decisionale. La stessa indagine, poi, mostra che per quasi la metà degli intervistati (48%), la sfida più complicata che le PMI devono affrontare è la mancanza di visibilità rispetto ai concorrenti più grandi. Un progetto per aumentare la visibilità, ma soprattutto per valorizzare il proprio territorio e le strutture presenti, è quello di Fondazione Appennino, ente del terzo settore, che valorizza, promuove, conserva e gestisce le aree interne dei Monti Appennini con obiettivi anche legati alla sperimentazione tecnologica e alla sostenibilità climatica.

Qualche anno fa, in collaborazione con il gruppo Almawave, la Fondazione Appennino ha lanciato un progetto innovativo chiamato GOAL 2030, finanziato dalla Regione Basilicata con l’obiettivo di favorire uno sviluppo più equilibrato e duraturo del territorio attraverso la misurazione scientifica della sostenibilità e l’adozione di nuove tecnologie. Dotate di caratteristiche peculiari, in particolare aspetti legati all’accoglienza e all’ospitalità, le aree interne del nostro Paese sono in grado di attrarre flussi turistici crescenti, interessati al contatto diretto tra locali e visitatori, per sperimentare senza filtri la cultura, lo stile di vita, le abitudini dei luoghi visitati: l’obiettivo è superare i luoghi comuni e trasformare le aree interne in “luoghi non comuni” del turismo. Fondazione Appennino, grazie all’analisi dei dati (il sentiment espresso online, la composizione dell’offerta, la tipologia dei visitatori), fornisce a comuni, borghi o destinazioni, la possibilità di capire i propri punti di forza, le potenzialità del territorio e usare queste informazioni come punto di partenza per riposizionarsi sul mercato, costruire un’offerta più competitiva e attirare nuovi flussi di viaggiatori: infatti, la misurazione scientifica della sostenibilità di un territorio, con indicatori certificabili e benchmark, aiuta quella destinazione a scegliere e definire il proprio posizionamento e costruire una nuova immagine, più sostenibile e più attraente agli occhi dei turisti. Già nel 2021, i primi risultati: tutte le tipologie di strutture ricettive delle aree interne hanno registrato un sentiment superiore rispetto al resto d’Italia.

#AIAdoption #PMI Solo il 7% delle piccole e il 15% delle medie hanno avviato progetti concreti
Click To Tweet

E L’INTELLIGENZA ARTIFICIALE?

Il mondo degli analytics sta vivendo una trasformazione radicale grazie all’integrazione con l’intelligenza artificiale e il machine learning, tecnologie indispensabili per potenziare le estrazioni di valore dai dati contenuti nei propri sistemi e ottenere un ulteriore vantaggio competitivo. L’AI non va considerata un semplice sostituto degli strumenti di business analytics, ma un potente acceleratore. Grazie ad essa, è possibile automatizzare attività ripetitive come la pulizia e l’organizzazione dei dati, liberando tempo e risorse per concentrarsi su analisi più strategiche. Inoltre, l’AI è in grado di individuare pattern e tendenze, rilevare connessioni tra i dati difficili da identificare con metodi tradizionali ed estrarre informazioni con maggiore precisione e rapidità, migliorando così la qualità e l’efficacia delle analisi.

Per sfruttarne appieno il potenziale, servono tre leve fondamentali: investire in infrastrutture tecnologiche, garantire dati di alta qualità e formare il personale affinché sappia utilizzare al meglio questi strumenti. Secondo i dati dell’Osservatorio, lo scorso anno il mercato dell’AI in Italia ha toccato un nuovo record, raggiungendo 1,2 miliardi di euro, con una crescita del 58% rispetto all’anno precedente. Analizzando la spesa media per azienda, i settori più attivi risultano Telco & Media e Insurance, seguiti da Energy, Resource & Utility e Banking & Finance. Da segnalare anche la forte accelerazione del comparto GDO & Retail, che sta investendo sempre più nell’intelligenza artificiale per ottimizzare processi e strategie. L’Italia resta indietro rispetto ad altri paesi europei nell’adozione dell’intelligenza artificiale. Secondo i dati dell’Osservatorio, l’81% delle grandi imprese ha almeno valutato un progetto di AI, contro la media europea dell’89%, mentre solo il 59% ha già avviato iniziative concrete, a fronte di un 69% registrato nel resto d’Europa.

Tra le diverse applicazioni, la fetta più ampia del mercato (34%) è occupata dai progetti di Data Exploration, Prediction & Optimization Systems – strumenti avanzati per la previsione della domanda, l’ottimizzazione dei flussi di trasporto e la rilevazione di attività anomale o fraudolente. Seguono le soluzioni di Text Analysis, Classification & Conversation Systems (32%), che hanno registrato la crescita più alta (+86%), spinte dall’adozione di sistemi di Retrieval Augmented Generation su normative, manuali e documentazione aziendale.

Se le grandi imprese stanno accelerando, per le PMI il quadro è molto diverso. L’interesse è alto – il 58% guarda con attenzione all’AI, spinto dal clamore mediatico e dalla crescente offerta di strumenti accessibili e low-cost – ma i progetti concreti restano pochi: solo il 7% delle piccole imprese e il 15% delle medie ha avviato iniziative, sviluppando soluzioni in-house o affidandosi a fornitori esterni. Per chi ha scelto di investire, il focus principale resta l’efficienza operativa, con particolare attenzione, nelle aziende manifatturiere, all’ottimizzazione dei processi produttivi.

L’AI è ormai un fattore chiave per la competitività, ma il divario tra chi investe e chi resta indietro rischia di allargarsi ulteriormente. Un forte limite all’adozione progettuale dell’AI è l’immaturità nella gestione dei dati. L’adozione di strumenti di Generative AI pronti all’uso tramite licenze riguarda l’8% delle PMI, per lo più le stesse realtà che lavorano sull’AI, più una quota minoritaria di aziende che stanno esplorando il tema con investimenti estremamente contenuti. Dati analoghi si trovano anche nel report “L’Intelligenza Artificiale nelle PMI italiane: stato e prospettive” di Webidoo Insight Lab. Le nazioni del Nord Europa come Danimarca e Finlandia guidano l’integrazione dell’AI nei processi aziendali con percentuali di utilizzo intorno al 14%.

Il principale freno all’adozione dell’AI nelle PMI? L’immaturità nella gestione dei dati
Click To Tweet

L’Italia si trova al diciannovesimo posto sui 27 paesi UE, con il 4,7%, che evidenzia un livello di utilizzo ancora limitato: siamo molto lontani anche da Belgio e Olanda, che sono oltre il 12%, e da Germania, Slovenia e Austria, che sono oltre il 10%. L’adozione nel nostro Paese varia in modo significativo se si osservano le aree geografiche: si va dal 6% delle imprese che utilizzano l’AI nel Nord Est, al 4,9% del Nord Ovest, per passare al 4,4% del Sud e al 2,9% del Centro. Secondo uno studio di McKinsey e MIT Sloan Management Review, citato nel report di Webidoo, le PMI che implementano almeno una soluzione AI possono incrementare i profitti fino al 16%, mentre le aziende che integrano l’AI nelle proprie strategie registrano un fatturato superiore del 32% rispetto ai concorrenti più lenti nell’adozione. Questi dati dimostrano che investire nella digitalizzazione dell’impresa e nell’implementazione AI, ha un impatto positivo diretto sulla crescita economica delle aziende, migliorando performance e capacità competitiva.

L’AI non è solo un’opportunità tecnologica, ma un vero e proprio motore di crescita economica: chi investe tempestivamente nell’AI può posizionarsi come leader del suo settore, ottenendo vantaggi competitivi difficili da colmare. Un segnale positivo arriva dal fronte della formazione: secondo l’Osservatorio del Politecnico di Milano, il sistema educativo ha compiuto significativi progressi, con un aumento dell’offerta di corsi universitari e percorsi ITS dedicati alle tecnologie AI.

La trasformazione digitale accelera a ritmo sostenuto. Secondo IDC, la spesa per l’innovazione tecnologica in Europa, Medio Oriente e Africa raggiungerà i 1.201 miliardi di dollari entro il 2028, con un tasso di crescita annuo composto (CAGR) del 15,8%. A trainare questa corsa è soprattutto l’intelligenza artificiale, con la Generative AI che si è imposta come il principale motore degli investimenti digitali, superando persino il cloud. L’adozione su larga scala di strumenti basati su GenAI sta ridisegnando le strategie aziendali, spingendo le imprese ad accelerare l’integrazione di soluzioni avanzate per restare competitive in un mercato in continua evoluzione. Il 99% dei CEO EMEA considera la GenAI una priorità strategica per i prossimi anni. Con un numero sempre maggiore di aziende impegnate in progetti di implementazione dell’AI, la domanda di data scientist ed esperti di AI aumenterà esponenzialmente. IDC stima che entro il 2027 il 70% delle organizzazioni sperimenterà una carenza di competenze digitali che causerà ritardi nei progetti, rallentando l’implementazione delle tecnologie AI: l’accesso alle competenze digitali sarà la sfida principale per le aziende che puntano a crescere.

Formula: Le PMI e la rivoluzione dei dati

L'articolo Dati e competenze, il divario che divide le PMI proviene da Data Manager Online.

In un mercato che diventa sempre più dinamico, esigente e sfidante, le aziende manifatturiere stanno incrementando l’utilizzo delle nuove tecnologie digitali nei propri processi produttivi, rivoluzionando il proprio modo di utilizzare, gestire e monitorare impianti e macchinari: in questo modo sono in grado di ottimizzare l’intero ciclo di vita dei propri prodotti, aumentando efficienza, innovazione e competitività. Il momento è complesso – come ci spiega Lorenzo Veronesi, associate research director di IDC Manufacturing Insights EMEA. Una recente ricerca IDC evidenzia come molte aziende di produzione in Europa stiano attualmente affrontando sfide significative che possono sembrare perfino schiaccianti.

«A causa di pressioni inflazionistiche, i crescenti costi esterni stanno mettendo a dura prova i budget. Inoltre, i costi della manodopera stanno aumentando, con un impatto negativo sulla redditività. L’elevata variabilità della domanda complica la pianificazione aziendale e mina la stabilità operativa». L’industria manifatturiera, tradizionalmente basata su processi meccanici e manuali, è al centro di una trasformazione senza precedenti. I cambiamenti stanno rivoluzionando ogni aspetto del flusso produttivo, dalla progettazione al customer service, dagli acquisti alla programmazione e alla logistica. Si parla sempre più spesso di smart manufacturing o di industria intelligente: un modello che integra tecnologie avanzate, automazione e intelligenza artificiale per rendere i processi produttivi più efficienti, flessibili e interconnessi. Grazie alla digitalizzazione, le imprese oggi possono raccogliere e analizzare dati in tempo reale, prendere decisioni rapide e mirate e trasformare i loro stabilimenti in veri e propri ecosistemi tecnologici. Questa evoluzione non solo consente di rispondere con maggiore velocità ai cambiamenti del mercato, ma permette anche di soddisfare con precisione le esigenze dei clienti.

Al centro della rivoluzione c’è un binomio fondamentale: digitalizzazione e sostenibilità. L’obiettivo non è solo migliorare l’efficienza, ma anche costruire l’industria green del futuro. Non si tratta di un fenomeno riservato alle grandi aziende: anche molte piccole e medie imprese italiane stanno abbracciando questa transizione. Gli incentivi di Industria 4.0 hanno spinto numerose PMI a investire in tecnologie avanzate, ottenendo benefici significativi in termini di produttività e competitività. Quella che stiamo vivendo non è solo una trasformazione tecnologica, ma una vera e propria rivoluzione industriale, che ridefinisce il modo di produrre, consumare e interagire con l’ambiente.

#manifatturiero Il futuro è green e smart: AI, IoT e sostenibilità al centro #ERP #DigitalTransformation
Click To Tweet

STRATEGIE DI ADOZIONE

Affrontare la trasformazione digitale, soprattutto quando si intreccia con la transizione green, non è un’impresa semplice. Si tratta di un percorso articolato che va oltre la semplice adozione di nuove tecnologie: richiede una strategia chiara, obiettivi definiti e una pianificazione accurata. Tutto inizia con un’analisi dei processi aziendali, indispensabile per capire come si lavora oggi, individuare inefficienze e identificare le aree di miglioramento. Questo primo passo, tuttavia, deve essere calibrato sulle esigenze specifiche dell’azienda e sugli obiettivi da raggiungere, ponendo particolare attenzione ai settori che possono offrire i maggiori benefici.

La partecipazione del personale è determinante in questa fase iniziale. Ogni cambiamento organizzativo comporta un impatto sul modo di lavorare, ed è fondamentale che chi è coinvolto comprenda e condivida le modifiche che verranno introdotte. Solo con un team informato e consapevole si può affrontare con successo un cambiamento così profondo. La pianificazione, poi, deve entrare nel dettaglio: tempi, risorse necessarie e investimenti in tecnologie vanno definiti con precisione, garantendo che i nuovi sistemi siano integrati in modo efficace con quelli già esistenti. Durante tutto il percorso, verifiche continue devono confermare che i risultati siano in linea con quanto prefissato. Una volta concluso il progetto, il lavoro non è finito. Il monitoraggio e l’ottimizzazione sono attività fondamentali per garantire che i benefici si consolidino nel tempo. Grazie agli strumenti intelligenti disponibili oggi, come i sistemi che raccolgono dati in tempo reale dalle macchine, molte aziende possono adottare con facilità i principi del Continuous improvement. Questi strumenti non solo individuano aree di miglioramento, ma offrono suggerimenti concreti per ottimizzare i processi.

La doppia transizione digitale e green, però, non riguarda solo macchine e software: investire nella formazione del personale è essenziale per vincere la sfida culturale che questa rivoluzione comporta. Le tecnologie avanzate supportano l’uomo, ma non lo sostituiscono. Nella fabbrica del futuro, la risorsa umana rimane centrale, valorizzata e potenziata dai nuovi sistemi.

Mentre la trasformazione digitale e green richiede un ripensamento dei processi e un forte investimento nella formazione del personale, emergono sfide specifiche legate alla gestione dei dati, un elemento centrale di questa rivoluzione. Se da un lato le nuove tecnologie intelligenti offrono strumenti avanzati per il monitoraggio e l’ottimizzazione, dall’altro è fondamentale garantire che il personale operativo si senta adeguatamente supportato nell’affrontare aspetti più complessi, come il data engineering – come spiega Veronesi di IDC Manufacturing Insights EMEA. «È importante riconoscere che il personale operativo potrebbe sentirsi meno sicuro nell’affrontare le attività di data engineering rispetto ad altre competenze digitali. Questa realtà suggerisce che i reparti IT devono garantire personale adeguato per gestire le responsabilità di data engineering, in particolare nello sviluppo di un’infrastruttura di dati per la produzione. L’IT deve anche armonizzare la gestione dei master data nell’intera azienda con il panorama della tecnologia operativa. Possono sorgere sfide uniche dovute ai diversi requisiti dei dati di produzione rispetto alle tipiche capacità dell’infrastruttura dati aziendali. Mentre ci si muove tra una pletora di soluzioni dati e iniziative di analisi legacy, è essenziale che l’IT riconsideri e perfezioni la strategia di architettura dei dati operativi. Ciò contribuirà a garantire che queste soluzioni rimangano pertinenti e scalabili per il futuro».

#ManutenzionePredittiva #IoT #ERP Prevedere i guasti prima che accadano? Con AI e IoT si può
Click To Tweet

AI E IOT ALLA BASE

La trasformazione digitale nell’industria manifatturiera si basa soprattutto su AI e IoT. L’intelligenza artificiale si traduce in sistemi informatici in grado di comprendere l’ambiente nel quale sono inseriti, apprendere dai dati che elaborano, e quindi migliorare la propria capacità nel tempo, adattandosi dinamicamente alle variazioni delle condizioni di produzione, prendendo (o suggerendo) decisioni, fino a intraprendere autonomamente delle azioni. L’Internet of Things abilita la connettività tra oggetti fisici, dispositivi e macchinari dotati di sensori e sistemi in grado di raccogliere un vasto insieme di dati in tempo reale, direttamente sul campo, consentendo un controllo costante degli impianti produttivi.

È proprio la potenza dell’integrazione tra IoT e AI a rendere possibile l’ottimizzazione dei processi produttivi del mondo industriale. L’AI aggiunge valore all’IoT poiché permette di supervisionare in tempo reale i dati presenti nei sistemi collegati ai macchinari, ed è così in grado di guidare gli operatori, anche non specializzati, nel miglioramento delle performance e nella risoluzione di problematiche. La crescente diffusione di dispositivi IoT, insieme all’aumento della potenza di calcolo, genera volumi di dati enormi. L’Edge computing spesso abbinata al 5G sta guadagnando terreno come soluzione ideale per gestire l’enorme volume di dati generato dalla crescente diffusione dei dispositivi IoT e dalla potenza di calcolo associata. Questa tecnologia supporta efficacemente il connubio tra IoT e intelligenza artificiale, consentendo l’elaborazione dei dati direttamente vicino alla loro origine, con significativi vantaggi in termini di velocità, efficienza e reattività. Inoltre consente ai dispositivi in posizioni remote, nei reparti produttivi, di elaborare i dati ed eseguire azioni in tempo reale, offrendo grandi vantaggi, come insights più rapidi, tempi di risposta migliori e maggiore disponibilità della larghezza di banda sia nei reparti produttivi sia nel resto della rete.

I risultati dell’indagine Worldwide IT/OT Convergence 2024 di IDC, condotta su oltre mille professionisti dei settori IT e OT, evidenziano un significativo avanzamento nelle strategie di gestione dei dati operativi e nell’applicazione dell’intelligenza artificiale. Molte organizzazioni stanno perseguendo un approccio orientato allo sviluppo di una gestione dei dati agnostica, in grado di garantire un’integrazione fluida e senza interruzioni. Rispetto al 2022, quando un numero simile di aziende dichiarava già di aver raggiunto questo livello di maturità, i dati del 2024 mostrano un’evoluzione importante. Sempre più organizzazioni hanno compiuto progressi nella capacità di eseguire analisi complete, sfruttando dati provenienti da diversi siti e sistemi aziendali, superando così i tradizionali silos informativi. Questa trasformazione rappresenta un passo decisivo verso una gestione dei dati più intelligente, scalabile e interconnessa. Stando ai risultati di un’altra ricerca dello scorso dicembre condotta dal Laboratorio RISE dell’Università degli Studi di Brescia (www.rise.it) e focalizzata sulla evoluzione delle imprese manifatturiere verso il paradigma 5.0, nelle aziende manifatturiere italiane gli investimenti prevalenti in questi ambiti sono proprio in IoT, Big Data Analytics, robotica e AI.

La ricerca ha coinvolto 211 aziende manifatturiere italiane, tra grandi imprese (52%) e PMI (48%), in prevalenza geografica del Centro e Nord Italia. I benefici principali dall’adozione delle tecnologie, secondo gli intervistati, sono: l’aumento dell’efficienza e della produttività, seguita dall’aumento del livello di servizio al cliente e l’aumento della qualità del prodotto e dei processi. Le grandi aziende, in particolare, hanno mostrato particolare interesse nella sostenibilità, e questo ha comportato il miglioramento reputazionale dell’immagine aziendale, l’aumento di efficienza e produttività e la soddisfazione delle esigenze dei clienti più sensibili a queste tematiche. Tra i problemi evidenziati dagli intervistati, legati alla trasformazione digitale, vi sono la mancanza di personale qualificato, la chiarezza sui vantaggi economici e la mancanza di un sistema di gestione della conoscenza adeguato. Secondo la ricerca, il 44% delle imprese presenta bassi livelli in digitalizzazione e sostenibilità, mentre solo in 24% degli intervistati mostra ottimi livelli in entrambi gli ambiti: si tratta soprattutto delle aziende di medie-grandi dimensioni. Il digitale appare come una leva, e le tecnologie 4.0 sembrano favorire l’intensificazione dell’adozione di pratiche di sostenibilità, contribuendo al raggiungimento di obiettivi ambientali e sociali più ambiziosi. Secondo il RISE, il futuro delle imprese italiane sembra legato alla capacità di coniugare tecnologia e sostenibilità, mantenendo sempre al centro le persone e valorizzando le conoscenze come patrimonio strategico: solo con una gestione integrata di questi elementi sarà possibile affrontare con successo le sfide e le opportunità del paradigma 5.0.

MODIFICARE I PROCESSI

Secondo le previsioni di IDC, entro il 2026, oltre l’80% delle prime 500 aziende industriali sarà in grado di creare infrastrutture dati dedicate alla produzione, favorendo l’adozione di casi d’uso basati sull’intelligenza artificiale, che richiedono l’integrazione e l’analisi di più set di dati.

«Più ampia e completa è l’infrastruttura dati, come i data lake aziendali integrati, più efficacemente si può sfruttare l’AI per supportare il processo decisionale» – spiega Veronesi. Tuttavia, questa evoluzione comporta anche una maggiore dipendenza da tali tecnologie. «L’obiettivo chiave è ottimizzare i processi interni utilizzando informazioni generate dall’AI, provenienti da flussi di dati eterogenei. Tra i vantaggi principali spiccano l’aumento della produttività, reso possibile dall’automazione di attività come il risequenziamento delle linee di produzione, che consente alle aziende di rispondere in tempo reale ai cambiamenti operativi. Inoltre, l’implementazione di ispezioni di qualità basate sull’AI garantisce un controllo accurato e immediato, riducendo al minimo difetti e anomalie».

Un ulteriore beneficio è rappresentato dalla capacità di analizzare le cause profonde di eventuali problemi in modo rapido ed efficiente, facilitando interventi tempestivi e mirati che migliorano l’agilità e la competitività delle imprese. Grazie a queste innovazioni, l’industria si prepara a un futuro in cui i processi produttivi saranno sempre più intelligenti, automatizzati e orientati al miglioramento continuo.

La combinazione tra IoT e AI ottimizza le risorse e consente una riduzione degli sprechi, ma può anche aiutare a ridisegnare i processi produttivi. Un’azienda che ha operato in questo contesto è Automobili Lamborghini, icona della produzione di vetture supersportive di lusso: fondata nel 1963 a Sant’Agata Bolognese (Bo), ha circa 2400 dipendenti e una rete di 184 concessionari in 54 paesi. Utilizzando un mix di nuove tecnologie composto da AI, computer vision e machine learning, Lamborghini ha digitalizzato e ottimizzato il processo di verifica delle etichette omologative sui veicoli, indispensabile per rispettare regolamentazioni in materia di omologazione e scambi commerciali, che variano da nazione a nazione: una Lamborghini venduta in Cina può avere requisiti diversi rispetto a una destinata agli Stati Uniti. Le etichette omologative, applicate in punti strategici della vettura, come il motore o la scocca, certificano parametri fondamentali tra cui il peso della vettura o i dati inerenti alla tracciabilità del componenti del veicolo. In passato, il controllo delle etichette era svolto manualmente dagli operatori nelle aree di assemblaggio, utilizzando documenti cartacei per verificare le opzioni specifiche del mercato di destinazione.

Con l’aumento della complessità normativa, l’incremento del numero di mercati e del numero di etichette richieste, questo metodo non era più né sostenibile, né conveniente e soprattutto non era più ritenuto affidabile, quindi si è avviato un processo di digitalizzazione per supportare gli operatori nelle diverse operazioni legate al corretto posizionamento delle etichette sui veicoli. Il nuovo sistema verifica automaticamente sia la correttezza dell’etichetta, rispetto alla configurazione del veicolo, sia il suo posizionamento. Questo processo, che ora è completamente paperless, ha ridotto drasticamente gli errori e i tempi di esecuzione, garantendo maggiore affidabilità. L’acquisizione delle immagini, con tempi di elaborazione di soli due-tre secondi, permette il monitoraggio costante delle prestazioni e interventi immediati in caso di errori. Le immagini, archiviate nel sistema MES, consentono verifiche approfondite e la totale tracciabilità. Il successo del progetto ha portato a richieste di scalabilità in altre aree produttive di Lamborghini, come la meccanica di precisione e la carrozzeria.

Dai veicoli connessi ai flussi automatizzati: l’innovazione nel manifatturiero #InnovazioneItaliana #AI #ERP
Click To Tweet

MANUTENZIONE PREDITTIVA

Uno dei vantaggi dell’implementazione di tecnologie AI e IoT nei processi produttivi è la possibilità di attuare strategie di manutenzione predittiva. Grazie al monitoraggio di macchinari e impianti in tempo reale, infatti, è possibile individuare rapidamente eventuali anomalie o guasti nei macchinari. Oltre a permettere di intervenire tempestivamente su eventuali problemi, questi sistemi consentono anche di prevenirli: infatti, gli allarmi generati da algoritmi di machine learning, analizzando i dati raccolti in continuo dai sensori IoT, avvisano in anticipo gli operatori in caso di condizioni di lavoro critiche, prevedendo i guasti e riducendo i fermi macchina non pianificati. In questo modo, è possibile pianificare interventi di manutenzione solo quando realmente necessari, anticipando le criticità prima che si manifestino. Grazie all’intelligenza artificiale, si possono identificare le azioni più appropriate per ripristinare rapidamente le condizioni operative standard. Il principale vantaggio è il prolungamento del ciclo di vita delle attrezzature, accompagnato da una significativa riduzione degli interventi per la sostituzione delle componenti usurate. Questo approccio consente alle aziende di ottimizzare le risorse e ottenere una consistente riduzione dei costi operativi, migliorando al contempo l’efficienza e la sostenibilità delle operazioni.

AI e IoT permettono anche un uso più sostenibile dell’energia, migliorando l’efficienza energetica e quindi riducendo l’impatto ambientale delle operazioni industriali. Gli algoritmi di machine learning, analizzando i dati in tempo reale, possono valutare i diversi modelli di consumo energetico, ottimizzando i cicli di lavoro e minimizzando il consumo di energia per ogni fase di lavorazione: si può ridurre il consumo di energia senza compromettere le prestazioni produttive, integrando pratiche sostenibili senza compromettere la competitività o aumentare i costi in modo significativo.

In questo contesto si distingue il progetto di IMM Hydraulics, parte del gruppo Interpump, azienda specializzata nella produzione di tubi flessibili e raccordi oleodinamici di alta qualità. Con una forza lavoro di circa 700 dipendenti distribuiti tra diverse sedi produttive, IMM Hydraulics ha il proprio quartier generale ad Atessa, in provincia di Chieti. Questa realtà rappresenta un esempio di eccellenza italiana nel settore oleodinamico, che unisce innovazione tecnologica e standard qualitativi elevati per affrontare le sfide di un mercato sempre più competitivo. Per IMM Hydraulics l’innovazione è il motore che alimenta la crescita grazie a investimenti costanti in ricerca e sviluppo, con l’obiettivo di creare prodotti e processi sempre più efficienti e sostenibili. L’azienda si impegna a perseguire una produzione ottimale caratterizzata da un basso impatto ambientale, coniugando efficienza operativa e sostenibilità. Grazie a questa innovazione, l’azienda può prevenire i costosi fermi macchina causati da guasti improvvisi, migliorando la continuità operativa e riducendo le inefficienze. Questo approccio non solo incrementa la produttività, ma rappresenta anche un passo concreto verso la gestione più intelligente e sostenibile delle risorse. Per supportare questo obiettivo, è stato creato un database dedicato, progettato per ottimizzare progressivamente l’intero processo produttivo.

Il progetto è composto di due fasi: la prima di costituzione dell’architettura per il machine learning e la seconda di interazione uomo-macchina attraverso algoritmi di AI per efficientare le attività di manutenzione, semplificare la capacità di intervento degli operatori, monitorare la linea di produzione, definire piani di manutenzione preventiva e predittiva. La prima fase infrastrutturale è stata completata, ora il progetto si trova nella fase di implementazione dell’algoritmo per l’interazione uomo-macchina. L’infrastruttura intelligente creata grazie ai sensori e all’implementazione degli algoritmi porterà all’azienda un aumento della produttività del 10%, riducendo i fermi macchina per guasti straordinari del 15%. Il sistema, infatti, non si limita a monitorare i processi ma prevede anche interventi in ottica di manutenzione predittiva e preventiva, suggerendo al personale le azioni risolutive per evitare fermi macchina prima che si verifichino.

La piattaforma è gestita dagli operatori tramite app ed è integrata a tutti i sistemi informatici dell’azienda. I dati raccolti dai sensori vengono analizzati e presentati in tempo reale così da permettere interventi tempestivi e guidati. A regime, la produzione risulterà più efficiente e porterà anche a un risparmio energetico del 5-10%.

LA POTENZA DELL’AI

L’utilizzo di algoritmi di machine learning consente di analizzare grandi volumi di dati, individuare pattern significativi e formulare previsioni utili per ottimizzare sia i processi produttivi che i flussi di lavoro interni. I benefici sono trasversali e tangibili: dalla gestione della catena di approvvigionamento alla pianificazione della forza lavoro, fino al miglioramento delle relazioni con i clienti. Queste applicazioni trasformano l’ERP in una piattaforma intelligente e proattiva, capace di supportare decisioni strategiche e operazioni quotidiane, rendendo le aziende più agili ed efficienti. L’integrazione dell’intelligenza artificiale all’interno delle soluzioni ERP non si limita all’ottimizzazione dei processi esistenti, ma apre la strada a capacità avanzate che rivoluzionano la gestione aziendale. Grazie all’AI, le aziende possono prevedere con maggiore precisione la domanda, adattandosi rapidamente ai cambiamenti del mercato e modellando nuovi prodotti ottimizzati in base alle esigenze emergenti.

L’AI consente inoltre di anticipare possibili ritardi nei programmi di produzione, migliorando la pianificazione e il controllo dei costi. Molino Grassi, azienda italiana leader nella produzione di farine biologiche e semole di alta qualità, ha integrato con successo le informazioni raccolte dai dispositivi IoT all’interno del proprio sistema ERP. Questa sinergia consente all’azienda di gestire in modo centralizzato e coordinato tutte le fasi del processo produttivo e logistico. Grazie a questa piattaforma, l’azienda può raccogliere e analizzare i dati provenienti dai dispositivi IoT e dai sistemi di movimentazione automatica, migliorando la visibilità e il controllo su tutte le operazioni. L’integrazione dell’ERP con i sistemi IoT consente di monitorare in tempo reale le prestazioni delle macchine e prevedere eventuali guasti, minimizzando i tempi di inattività. Questo sistema avanzato raccoglie dati preziosi che vengono utilizzati anche per ottimizzare le operazioni e garantire standard elevati di qualità e sicurezza alimentare. Inoltre, l’ERP è strettamente collegato ai sistemi di magazzino automatico e ai processi di allestimento merce automatici in fase di spedizione. Questo permette una gestione efficiente dello stoccaggio e del prelievo delle merci, riducendo i tempi di attesa e migliorando la precisione nella gestione delle scorte. I processi di allestimento merce automatici assicurano che i prodotti siano preparati e inviati ai clienti in modo rapido e accurato. L’adozione di macchinari automatizzati e l’integrazione con l’ERP hanno permesso a Molino Grassi di migliorare la precisione e la velocità delle operazioni, riducendo al contempo gli sprechi. Questo approccio proattivo all’automazione e alla manifattura intelligente non solo aumenta la competitività dell’azienda, ma contribuisce anche alla sostenibilità ambientale, riducendo l’impatto ecologico della produzione.

#ERP intelligenti, l’innovazione al comando. L’AI abbatte i silos tra IT e OT
Click To Tweet

PROGETTARE CON L’AI

L’intelligenza artificiale e il machine learning stanno trasformando il modo in cui vengono sviluppati nuovi prodotti e servizi, rendendo il processo più rapido e sostenibile. Grazie ai sistemi CAE (Computer Aided Engineering) potenziati dall’AI, è possibile analizzare in profondità i dati raccolti lungo l’intero ciclo di vita di un prodotto – dall’ideazione alla produzione, fino all’utilizzo finale – consentendo di progettare soluzioni migliori e correggere eventuali difetti in fase preliminare. I sistemi di AI partono dai requisiti definiti dai progettisti e – tenendo conto di vincoli e funzionalità desiderate – affrontano e risolvono anche problemi di progettazione complessi. Questo approccio accelera i processi creativi e migliora la produttività dei team multidisciplinari, offrendo la possibilità di esplorare soluzioni progettuali innovative che sarebbero difficilmente individuabili con metodi tradizionali.

È quanto ha messo in pratica Iveco Group multinazionale automobilistica che opera nel settore dei veicoli commerciali e speciali, con otto marchi, 20 siti industriali, di cui 16 in Europa, e oltre 36mila dipendenti. L’azienda aveva l’esigenza di creare una piattaforma condivisa, accessibile e intuitiva per raccogliere e analizzare grandi quantità di dati provenienti da fonti diverse, inclusi i sensori IoT installati sui veicoli. L’obiettivo era rendere tali informazioni disponibili in tempo reale a tutti i livelli aziendali, semplificando l’accesso e migliorando i processi decisionali.

L’evoluzione verso i veicoli connessi ha posto nuove sfide, in particolare nella gestione e nell’interpretazione dei dati generati. I sensori dei veicoli producono un’enorme quantità di informazioni che, se analizzate correttamente, rivelano schemi di utilizzo e comportamenti inusuali, sia a livello di singolo veicolo che di intere flotte, anche se distribuite a livello globale. Grazie all’integrazione di IoT, advanced analytics e tecniche di intelligenza artificiale, Iveco Group è in grado di monitorare e comprendere eventi e comportamenti specifici, individuando anomalie e migliorando la reattività operativa. Questo sistema di analisi avanzato consente all’azienda di adottare un approccio proattivo, trasformando i dati in insights utili per ottimizzare la progettazione dei veicoli e rivedere le strategie di business. L’altro vantaggio del nuovo sistema è la sua accessibilità: anche i membri del team privi di competenze avanzate in data analysis possono utilizzare lo strumento per interpretare i dati e individuare soluzioni. Questo democratizza l’uso delle informazioni e accelera notevolmente i tempi di reazione, rendendo Iveco Group un esempio virtuoso di come tecnologia e dati possano guidare innovazione e competitività.

Eos Solutions: Intelligenza artificiale, IoT e digital twin: la nuova era della manifattura intelligente

L'articolo Green & smart. Il nuovo volto del manifatturiero proviene da Data Manager Online.