Nelle imprese manifatturiere il tema dell'intelligenza artificiale viene affrontato quasi sempre partendo dalla fabbrica: macchinari, sensori, linee di produzione, robotica. È un punto di vista legittimo, ma incompleto, e ha un effetto collaterale piuttosto comune nelle PMI: fa sembrare l'AI un progetto complesso, costoso... e rimandabile.
In realtà un'azienda manifatturiera può iniziare a utilizzare l'intelligenza artificiale in modo serio anche senza toccare la linea produttiva, partendo da qualcosa che possiede già in abbondanza: informazioni, documenti e conoscenza tecnica.
In questo articolo vediamo prima dove l'AI può realmente intervenire in un contesto manifatturiero, poi quali applicazioni sono oggi più accessibili per una PMI e cosa serve concretamente per implementarle.
Intelligenza artificiale nel manifatturiero: non significa soltanto robot e automazione
Quando si parla di AI applicata al manifatturiero l'immaginario corre subito verso le fabbriche automatizzate, i bracci robotici, i macchinari "intelligenti" e gli investimenti tecnologici importanti. Sono applicazioni reali, ma rappresentano solo una parte del quadro, non il quadro.
L'intelligenza artificiale può intervenire sia sulla produzione in senso stretto, sia su tutti i processi che le stanno intorno: gestione delle informazioni, documentazione tecnica, assistenza clienti, attività commerciale, acquisti, pianificazione, qualità, rapporti con fornitori e rivenditori. In molte aziende è proprio in queste aree che si concentrano le inefficienze più visibili, e sono spesso aree in cui l'AI può essere introdotta con investimenti e tempi molto più contenuti.
C'è poi una distinzione importante da tenere presente fin dall'inizio, perché condiziona il valore che l'azienda ottiene.
Un conto è utilizzare uno strumento di AI generativa per velocizzare singole attività individuali: scrivere una mail, tradurre una scheda tecnica, riassumere un documento. È utile, ma il beneficio resta legato alla singola persona che lo utilizza e alla sua abilità nel farlo.
Un altro conto è integrare l'AI nei processi dell'impresa, collegandola alle informazioni e ai sistemi aziendali, in modo che diventi uno strumento condiviso e coerente con il modo di lavorare dell'organizzazione.
È a questo secondo livello che l'intelligenza artificiale smette di essere uno strumento personale e diventa un asset aziendale.
Dove può essere utilizzata l'AI in un'azienda manifatturiera?
Prima di restringere il campo, vale la pena avere una panoramica degli ambiti in cui l'intelligenza artificiale trova applicazione nel manifatturiero. Alcuni richiedono infrastrutture specifiche, altri molto meno.
Pianificazione della produzione
Analizzando ordini, capacità produttiva disponibile, disponibilità dei materiali, tempi ciclo e storico della produzione, i sistemi basati su AI possono supportare l'attività di pianificazione: evidenziare potenziali colli di bottiglia, segnalare in anticipo commesse a rischio ritardo, aiutare a valutare l'impatto di un ordine urgente sul carico già programmato.
Va detto con chiarezza: questo tipo di applicazione presuppone che i dati di produzione esistano, siano affidabili e siano accessibili. Non è tanto un problema di algoritmi, quanto di qualità e disponibilità dei dati.
Manutenzione predittiva
È probabilmente l'applicazione più citata quando si parla di AI e industria. Il principio è che, analizzando i dati provenienti da macchinari e sensori (vibrazioni, temperature, assorbimenti, cicli di lavoro), sia possibile individuare anomalie e costruire modelli in grado di supportare la previsione dei guasti e una programmazione più efficace della manutenzione.
Il concetto è solido, ma per applicarlo servono le condizioni giuste: macchinari capaci di acquisire dati, sensori adeguati e uno storico sufficientemente ampio da permettere di individuare anomalie e ricorrenze. Per molte PMI è un percorso possibile, ma raramente è il punto di partenza.
Controllo qualità
La computer vision consente di identificare difetti superficiali, anomalie dimensionali, errori di assemblaggio o componenti mancanti attraverso l'analisi automatica delle immagini. L'analisi dei dati di processo può inoltre aiutare a individuare le condizioni associate a una maggiore quantità di scarti.
Anche qui l'investimento non è solo software: servono sistemi di acquisizione delle immagini, illuminazione controllata, integrazione con la linea e una fase di addestramento sui difetti reali dell'azienda.
Supply chain e acquisti
L'AI può supportare l'analisi dei consumi, dei tempi di consegna, della disponibilità dei materiali e dello storico dei fornitori, aiutando a individuare rischi di approvvigionamento, scostamenti rispetto alle condizioni concordate o articoli su cui conviene rivedere le scorte.
È un ambito interessante perché molti dei dati necessari spesso esistono già nei sistemi gestionali: il problema non è necessariamente raccoglierli, ma renderli accessibili, confrontabili e utilizzabili.
Preventivazione e gestione delle commesse
Nelle aziende che lavorano su commessa, la fase di preventivazione assorbe tempo e competenze specialistiche. L'intelligenza artificiale può aiutare ad analizzare richieste, capitolati, specifiche tecniche, disegni e storico delle lavorazioni simili, mettendo a disposizione di chi prepara l'offerta elementi utili alla valutazione.
Il ruolo dell'AI, in questo caso, non è decidere il prezzo: è ridurre il tempo necessario a recuperare e confrontare le informazioni che servono a chi quel prezzo lo deve stabilire.
Analisi dei dati aziendali
Una delle direzioni più promettenti riguarda l'accesso ai dati attraverso interfacce conversazionali. Invece di richiedere un report all'ufficio IT o di navigare tra funzioni del gestionale che pochi conoscono davvero, l'utente formula una domanda in linguaggio naturale:
- "Quali prodotti hanno generato più scarti negli ultimi sei mesi?"
- "Quali commesse hanno registrato i maggiori ritardi?"
È importante però non dare per scontato che un assistente AI possa rispondere a domande di questo tipo per il solo fatto di esistere. Per farlo deve essere specificamente integrato con i sistemi che contengono quei dati, con regole chiare su cosa può leggere e con quali permessi. Senza integrazione, nessun chatbot conosce i numeri della vostra produzione.
Gestione della documentazione e della conoscenza aziendale
Infine c'è l'ambito che riguarda manuali, procedure, cataloghi, schede tecniche, certificazioni, listini, FAQ, istruzioni di montaggio, documentazione interna. Materiale che ogni azienda manifatturiera produce e accumula, e che quasi sempre è più difficile da consultare di quanto dovrebbe.
Come vedremo, è proprio qui che si trova, per la maggior parte delle PMI, il punto di ingresso più concreto.
Il punto di partenza più accessibile? La conoscenza che l’azienda possiede già
Come abbiamo visto, non tutte le applicazioni dell'AI in azienda richiedono sensori, sistemi di visione industriale o grandi progetti di integrazione. Una delle applicazioni più accessibili dell'AI in un'azienda manifatturiera riguarda qualcosa che ogni impresa possiede già: informazioni, documenti e conoscenza aziendale.
Da qui in avanti spostiamo il focus: dalle applicazioni industriali dell'AI in senso generale a quelle che possono essere realizzate attraverso un assistente AI aziendale, cioè un sistema che lavora sulle informazioni dell'impresa e, quando serve, sui suoi software.
Trasformare la conoscenza aziendale in qualcosa che si può interrogare
In quasi tutte le aziende manifatturiere esiste una grande quantità di conoscenza. Il problema non è che manchi: è che è distribuita, a volte in modo disordinato. Una parte sta nei PDF sul server, una parte nei cataloghi, una parte nelle schede prodotto e nei manuali, una parte sul sito web, una parte nelle procedure interne, e una parte consistente — spesso la più preziosa — nella testa di alcune persone.
Il risultato è che l'informazione esiste ma non è accessibile facilmente: chi la cerca deve sapere dove guardare, oppure chiedere a chi lo sa.
Un assistente AI può rendere questa conoscenza molto più semplice da consultare, raccogliendo e organizzando le diverse fonti aziendali all’interno di una Knowledge Base. Documenti, contenuti e informazioni vengono indicizzati e resi disponibili all’assistente come fonte per le risposte. L’utente non deve più sapere in quale cartella si trova il documento giusto o quale allegato aprire: può semplicemente formulare la domanda.
- "Qual è la temperatura massima di esercizio del componente X?"
- "Quali certificazioni possiede il prodotto Y?"
- "Qual è la procedura prevista per l'operazione K?"
C'è un aspetto tecnico che conviene comprendere, perché fa la differenza tra uno strumento utilizzabile in azienda e uno che non lo è. Un assistente costruito in questo modo recupera le informazioni dalle fonti messe a disposizione dall'azienda, invece di rispondere basandosi sulla conoscenza generale del modello AI.
La distinzione è sostanziale. Un modello generalista può produrre una risposta plausibile sulla temperatura di esercizio di un componente generico; solo un assistente collegato alla documentazione aziendale può rispondere sul vostro componente, citando ciò che la vostra scheda tecnica dichiara davvero.
Nel manifatturiero, dove una risposta sbagliata su una specifica può tradursi in un'applicazione errata o in una contestazione, questa differenza non è un dettaglio.
Un assistente AI per dipendenti e collaboratori
Un assistente AI aziendale viene spesso pensato come strumento rivolto ai visitatori del sito. È un utilizzo valido, ma limitativo: lo stesso sistema può diventare uno strumento interno.
Commerciali, tecnici, personale amministrativo, assistenza e nuovi collaboratori hanno tutti bisogno di accedere alle stesse informazioni, e spesso le cercano nel modo più costoso possibile per l'azienda: chiedendole a un collega.
- "Qual è la procedura per aprire una richiesta di assistenza?"
- "Quali certificazioni possiede il prodotto X?"
- "Qual è la differenza tra il modello A e il modello B?"
Sono domande legittime, ma ripetitive, e nella maggior parte dei casi hanno una risposta già scritta da qualche parte.
Il vantaggio è particolarmente evidente nell'onboarding. Chi entra in azienda ha bisogno di mesi per orientarsi tra prodotti, procedure e prassi interne, e in quel periodo attinge continuamente al tempo dei colleghi più esperti — cioè, tipicamente, delle persone più occupate.
Una parte di quelle domande può trovare risposta nella conoscenza aziendale organizzata, lasciando alle persone il confronto sulle questioni che richiedono davvero esperienza.
Va detto chiaramente: l'obiettivo non è sostituire l'esperienza delle persone, che resta il patrimonio principale di un'azienda manifatturiera. È rendere più accessibile la parte di quella conoscenza che è già stata formalizzata, così che l'esperienza venga impiegata dove serve realmente.
AI a supporto della rete commerciale
Le aziende manifatturiere con cataloghi tecnici ampi o gamme di prodotto articolate conoscono bene un problema specifico: trovare il prodotto giusto richiede competenza. Codici, varianti, materiali, taglie, classi di resistenza, compatibilità, accessori. Un commerciale esperto ci si muove; un rivenditore occasionale, un nuovo collaboratore o un cliente finale molto meno.
Un assistente AI collegato al catalogo tecnico può aiutare a individuare informazioni e prodotti a partire dalle caratteristiche richieste, invece che dal codice.
La domanda tipica non è più "cerco il prodotto 4472-B", ma:
"Mi serve un componente adatto all'utilizzo esterno che possa lavorare fino a -20 °C."
Il passaggio concettuale è questo: si passa dalla ricerca all'interno di un catalogo alla descrizione di un'esigenza. È il modo in cui i clienti hanno sempre posto le domande ai commerciali; la differenza è che ora possono porle anche a uno strumento, in qualsiasi momento.
Un avvertimento è necessario, però: l'affidabilità delle risposte dipende interamente dalla qualità, dalla completezza e dall'aggiornamento delle informazioni presenti nella Knowledge Base.
Se una caratteristica di un prodotto non è documentata da nessuna parte, nessun assistente potrà utilizzarla come criterio di selezione. Se un listino è superato, le risposte lo saranno altrettanto. Per questo un progetto di questo tipo è anche, indirettamente, un'occasione per mettere ordine nella propria documentazione.
Customer care e assistenza tecnica di primo livello
Una quota rilevante delle richieste che arrivano al customer care di un'azienda manifatturiera riguarda temi ricorrenti e documentati:
- caratteristiche dei prodotti;
- documentazione e certificazioni;
- istruzioni di installazione o utilizzo;
- compatibilità tra componenti;
- procedure;
- ricambi;
- problemi ricorrenti già noti;
- domande pre e post vendita.
Su questo tipo di richieste un assistente AI può gestire il primo livello, offrendo risposte immediate anche fuori orario e riducendo il carico di attività ripetitive sull'assistenza. C'è però un requisito che va progettato con la stessa attenzione delle risposte: l'assistente deve sapere quando non può rispondere.
Di fronte a un problema complesso, a una situazione non documentata, a una richiesta che implica una valutazione tecnica o una responsabilità, il comportamento corretto non è tentare una risposta: è dichiarare il limite e prevedere il passaggio a una persona, raccogliendo nel frattempo le informazioni utili a chi prenderà in carico la richiesta.
Il valore di un assistente AI, in altre parole, non sta nell'automatizzare qualsiasi richiesta. Sta nel gestire automaticamente quelle per cui esistono informazioni affidabili, e nel lasciare alle persone quelle che richiedono competenza, valutazione o responsabilità. Un sistema che risponde a tutto è un sistema di cui non ci si può fidare.
Quando l'AI si collega al gestionale e agli altri software aziendali
Fin qui abbiamo parlato di conoscenza relativamente stabile: manuali, procedure, schede tecniche, caratteristiche di prodotto. Sono informazioni che cambiano, ma con tempi lunghi, e possono essere contenute in una Knowledge Base.
Esiste però una seconda categoria di informazioni, altrettanto richiesta e di natura completamente diversa: i dati dinamici. Disponibilità di magazzino, stato di un ordine, tempi di consegna, avanzamento di una commessa, situazione di uno specifico cliente. Questi dati non stanno in un documento: stanno nell'ERP, nel CRM, nell'e-commerce o in altri software gestionali, e cambiano di ora in ora.
Attraverso API e integrazioni un assistente AI può diventare un'interfaccia conversazionale anche verso questi sistemi, interrogandoli al momento della domanda:
- "A che punto è l'ordine 24871?"
- "Il prodotto X è disponibile?"
- "Qual è il tempo di consegna previsto?"
- "Ci sono ordini del cliente X ancora da evadere?"
È il livello che genera più valore percepito, soprattutto per chi lavora fuori sede o per chi non utilizza abitualmente il gestionale. Ed è anche il livello che richiede più attenzione progettuale.
Queste funzionalità non sono disponibili automaticamente installando un chatbot. Richiedono un'integrazione specifica con ciascun sistema, la definizione di quali dati l'assistente può leggere, di chi è autorizzato a vederli e di quali operazioni può eventualmente eseguire. Un conto è consentire a un cliente di verificare lo stato del proprio ordine; un altro è esporre l'anagrafica clienti o le condizioni commerciali. Accessi, permessi e perimetro delle operazioni consentite vanno definiti prima, non dopo.
Dall'AI generica all'AI integrata nei processi aziendali
Per orientarsi conviene ragionare per livelli. Sono tre, e rappresentano un percorso realistico più che una classificazione teorica.
Livello 1 — AI generica
Il singolo dipendente utilizza strumenti come ChatGPT per scrivere testi, tradurre, sintetizzare documenti, elaborare idee o velocizzare attività quotidiane. Il beneficio è reale e immediato, ma resta prevalentemente individuale: dipende da chi usa lo strumento, da quanto lo sa usare e dalle informazioni che decide di inserirvi. L'azienda, come organizzazione, non capitalizza nulla ad eccezione dell'eventuale aumento di produttività del singolo.
Livello 2 — AI che conosce l'azienda
L'azienda si dota di un assistente AI che viene collegato alla Knowledge Base aziendale e utilizza prodotti, cataloghi, procedure, documentazione e altre fonti approvate. Il chatbot, se correttamente configurato, non risponde in base alle sue conoscenze generali ma lavora sulla conoscenza specifica dell'impresa e risponde in modo coerente con essa. Lo strumento smette di essere personale e diventa condiviso.
Livello 3 — AI integrata
L'assistente viene collegato tramite API ai sistemi aziendali e può recuperare informazioni aggiornate o, quando previsto, interagire con determinati processi. A questo punto l'AI non è più solo una fonte di risposte: diventa un punto di accesso ai processi dell'impresa.
Il percorso, in sintesi, è questo: AI generica → AI che conosce l'azienda → AI collegata ai processi aziendali. Ogni livello ha senso anche da solo, e nessuna azienda è obbligata a percorrerli tutti: molte trovano un ritorno concreto già al secondo.
Dove entra in gioco IKIbrain
IKIbrain è una piattaforma che consente a un'azienda di creare il proprio assistente AI basato sulla Knowledge Base aziendale, definendone comportamento, regole, tono di voce e limiti.
Riprendendo i problemi descritti nelle sezioni precedenti:
- Documentazione dispersa e difficile da consultare. Documenti, schede tecniche, procedure e contenuti del sito diventano le fonti informative dell'assistente, che risponde a partire da quelle e non dalla conoscenza generica del modello.
- Domande poste nel modo in cui le pone chi lavora. Le richieste vengono gestite in linguaggio naturale, senza che l'utente debba conoscere codici, nomi di file o struttura degli archivi.
- Necessità di controllo sulle risposte. È possibile definire regole e limiti dell'assistente: cosa deve fare, cosa non deve fare, come comportarsi quando l'informazione non è disponibile.
- Richieste che devono arrivare a una persona. L'assistente raccoglie le richieste e prevede il passaggio al contatto umano quando la questione esce dal perimetro di ciò che può gestire in modo affidabile.
- Informazioni che non stanno nei documenti. Tramite API è possibile realizzare integrazioni con servizi e sistemi esterni, per arrivare — dove l'esigenza lo giustifica — al livello di AI integrata descritto sopra.
L'assistente può essere utilizzato sul sito aziendale, verso clienti e prospect, ma anche in contesti interni (attraverso la possibilità di creare chatbot privati) in cui l'obiettivo è semplicemente rendere accessibile la conoscenza dell'impresa a chi ci lavora.
Da dove può iniziare una PMI manifatturiera?
La risposta pragmatica è: non da un progetto di intelligenza artificiale, ma da un problema circoscritto e riconoscibile. Alcuni esempi tipici per il settore manifatturiero:
- informazioni tecniche che esistono ma sono difficili da trovare;
- troppe domande ripetitive rivolte sempre alle stesse persone;
- cataloghi complessi in cui è difficile orientarsi senza esperienza;
- documentazione dispersa tra cartelle, versioni e formati diversi;
- customer care sovraccarico di richieste semplici;
- commerciali che perdono tempo a recuperare informazioni mentre sono dal cliente;
- dati presenti nel gestionale ma di fatto inaccessibili a chi non lo utilizza abitualmente.
Da uno di questi punti si può costruire un primo caso d'uso misurabile: perimetro definito, fonti identificate, risultato verificabile. Se funziona, si estende. Se non funziona, si è imparato qualcosa a costo contenuto — cosa che non si può dire di un progetto di automazione avviato senza una domanda precisa a cui rispondere.
Il primo passo non è necessariamente rivoluzionare la produzione
Un'azienda manifatturiera non deve necessariamente iniziare applicando l'intelligenza artificiale alle macchine. Spesso il primo passo è molto più semplice: rendere utilizzabile attraverso l'AI la conoscenza che l'impresa possiede già.
È un punto di partenza meno spettacolare della manutenzione predittiva o della visione artificiale, ma ha due caratteristiche che nelle PMI contano parecchio: richiede investimenti e tempi contenuti, e produce risultati che le persone percepiscono nel lavoro quotidiano.
Con IKIbrain è possibile costruire un assistente AI basato sulla Knowledge Base della propria azienda, definirne regole e limiti e, dove serve, collegarlo ai sistemi che contengono i dati aggiornati.
La domanda da cui partire, prima ancora di parlare di tecnologia, è concreta: quali informazioni e quali processi della vostra azienda dovrebbero essere più accessibili di quanto siano oggi? La risposta indica quasi sempre da dove conviene iniziare.