di Giovanni Lucchetta, Università di Padova
Sono tornato dalla fiera Mecspe con un’impressione molto chiara. In molti convegni, tavole rotonde e presentazioni, l’intelligenza artificiale era al centro del dibattito. Non come tema laterale, ma come parola chiave attraverso cui il settore manifatturiero sembra oggi voler leggere il proprio futuro. È un segnale importante. Significa che le imprese avvertono che una nuova frontiera si è aperta e che nessuno vuole restare indietro.
Proprio per questo mi ha colpito che, negli stessi giorni, Anthropic abbia pubblicato un interessante report sul mercato del lavoro che arriva a una conclusione apparentemente opposta: oggi la manifattura è ancora poco esposta all’uso osservato degli LLM, cioè dei grandi modelli linguistici, sulla piattaforma Claude. Il report introduce una misura di “observed exposure” che combina la capacità teorica degli LLM e l’uso reale in contesti professionali, attribuendo più peso agli usi automatici che a quelli di semplice supporto. E mostra due cose: da un lato l’AI è ancora lontana dal suo potenziale teorico; dall’altro, le occupazioni più esposte sono soprattutto quelle cognitive e digitali, come i programmatori e gli addetti al customer service, non quelle che presidiano il cuore fisico della produzione, come gli operatori di produzione e i manutentori.
È davvero un paradosso? Solo in apparenza. La verità è che oggi la manifattura desidera l’AI, ma spesso l’immagina nella sua forma più visibile e mediatica: il chatbot. Si domanda come integrare un assistente conversazionale in reparto, nei manuali, nella reportistica e nel supporto tecnico. Tutto utile, certo. Ma non è lì che, nella maggior parte dei casi, si genera il valore industriale più profondo.
L’AI nel manifatturiero
In produzione, l’intelligenza artificiale di cui abbiamo bisogno è spesso meno spettacolare e più concreta. È quella che legge i dati della macchina, riconosce le derive di processo, individua le anomalie, supporta la manutenzione predittiva, migliora la qualità e riduce scarti e variabilità. In sintesi: prima delle parole vengono i dati. E qui si apre il vero gap del manifatturiero.
Per usare bene l’AI non basta aggiungere una nuova interfaccia; servono una raccolta dati affidabile, l’integrazione con i sistemi industriali, software adeguato, validazione tecnica e responsabilità chiare. Lo stesso report ricorda che tra la capacità teorica e l’uso reale si frappongono limiti del modello, vincoli legali, requisiti software specifici, verifica umana e altri ostacoli pratici. In fabbrica questi ostacoli pesano ancora di più.
C’è poi un secondo elemento che merita attenzione. Nelle occupazioni più esposte all’AI, Anthropic non osserva, per ora, un aumento sistematico della disoccupazione, ma rileva un segnale più sottile: tra i giovani di 22-25 anni rallenta l’ingresso nei ruoli più esposti, con una riduzione media del 14% nelle possibilità d’ingresso nel mondo del lavoro rispetto al 2022, anche se gli stessi autori invitano alla cautela nell’interpretazione. È un segnale ancora debole, ma sufficiente per porci una domanda seria.
La manifattura non può affrontare questa transizione assumendo meno giovani. Al contrario: nei processi industriali, in cui contano qualità, sicurezza e responsabilità tecnica, l’intelligenza artificiale deve supportare il lavoro umano, non sostituirlo. Per questo servono giovani tecnici e ingegneri da assumere e formare, così da trasformare l’AI in una vera leva industriale.
Forse è questa la vera scelta che abbiamo davanti. Non decidere se parlare o no di AI, ma capire quale AI serve davvero alla fabbrica. E costruire, attorno a quella, la prossima generazione di competenze.
(Articolo tratto dalla rivista Plastix di aprile 2026)
