AI-first per le aziende manifatturiere

Dove l’IA aiuta

Lavoro	Cosa è stato dimostrato o riportato	Da dove viene
Trovare la causa degli scarti	In uno stabilimento di chip di Hitachi Energy, un modello di IA ha indicato due passaggi del processo che rovinavano i chip. Un test controllato ha ridotto la perdita di resa del 21,7%. Su un secondo prodotto è scesa del 51,3%.	Caso Hitachi Energy. Uno studio sul campo sottoposto a revisione tra pari.
Ispezione visiva	In una fabbrica di elettronica di Siemens, gli ispettori che vedevano dove l’IA aveva individuato un problema hanno trovato il 93% delle schede difettose. Gli ispettori che ricevevano solo il punteggio dell’IA ne hanno trovato l’82%, meno dell’IA da sola.	Caso Siemens. Un esperimento sottoposto a revisione tra pari con 48 operai.
Preventivi e calcolo dei costi	In Herges, un’azienda di carpenteria metallica, le stime dei tempi di produzione di un modello di IA erano cinque volte più vicine al dato reale di quelle del personale esperto. EIST, un’officina meccanica di sei persone, riferisce di fare in circa 10 minuti preventivi che prima richiedevano fino a due ore.	Caso Herges, misurato da un centro di supporto pubblico. Caso EIST, stima del titolare.
Sviluppo prodotto	In Procter & Gamble, una persona con l’IA ha prodotto idee di prodotto valide quanto quelle di una squadra di due persone senza IA, in circa il 16% di tempo in meno.	Caso Procter & Gamble. Un esperimento, non ancora sottoposto a revisione tra pari.
Vendite, marketing e amministrazione	Le aziende manifatturiere dell’UE che usano l’IA la applicano soprattutto a marketing e vendite (30%) e all’amministrazione (27%).	Eurostat, statistiche ufficiali
Software di ingegneria	Nel 2025 Siemens ha aggiunto agenti di IA al suo assistente per l’ingegneria. Un cliente, thyssenkrupp Automation Engineering, riferisce una migliore qualità del codice e uno sviluppo più rapido. Non sono state date cifre.	Annuncio dell’azienda
Manutenzione	Rolls-Royce dice che i modelli digitali dei suoi motori aeronautici hanno allungato fino al 50% l’intervallo tra una manutenzione e l’altra per alcuni motori.	Il racconto dell’azienda, in un articolo di stampa del 2021
Mantenere la produzione in una crisi	Tra 237 aziende manifatturiere tedesche, quelle più pronte per l’IA hanno retto meglio ai lockdown del Covid-19. L’effetto compariva solo oltre un certo livello di preparazione.	Studio basato su un’indagine, sottoposto a revisione tra pari (Lerch e altri, 2022)

Non c’è ancora un test controllato per il personale di manutenzione e di produzione. Nessuno studio controllato pubblicato nel 2025 o nel 2026 ha messo alla prova l’IA generativa con addetti alla manutenzione o alla produzione. Le cifre della tabella su manutenzione e ingegneria sono quelle delle aziende stesse.

La competenza degli ispettori può affievolirsi. In uno studio in quattro centri di endoscopia in Polonia, prima dell’introduzione dell’IA i medici trovavano lesioni precancerose nel 28,4% delle colonscopie fatte senza IA. Tre mesi dopo l’introduzione, la percentuale senza IA era del 22,4%. Chi ispeziona ogni giorno insieme all’IA può perdere la competenza che gli serve quando l’IA sbaglia. Di tanto in tanto, verifichi gli ispettori senza l’IA. Veda il caso Siemens.

Le dimensioni contano meno delle competenze. In Germania, nel 2022–2024 il 20% delle piccole e medie imprese usava l’IA: dal 19% delle imprese con meno di cinque dipendenti al 36% di quelle con 50 o più. Una volta tenuto conto dei laureati assunti, dell’innovazione, della ricerca e di una strategia digitale, la banca pubblica di sviluppo KfW ha trovato che dimensioni e settore contavano poco.

Un piano non è un risultato. Nel 2025 Volkswagen ha detto che avrebbe investito fino a 1 miliardo di euro nell’IA entro il 2030 e che si aspettava risparmi fino a 4 miliardi di euro entro il 2035. Veda cosa non conta come prova.

Qui i punteggi di maturità sono diffusi. Alcuni ricercatori hanno pubblicato modelli di maturità dell’IA per la manifattura intelligente e per l’industria di processo. Un indice commerciale per l’industria, AIMRI, è gestito da un valutatore certificato a pagamento e non è un’autovalutazione. Un punteggio descrive dove si trova. Non è stato dimostrato che preveda i risultati. Veda Non tratti un punteggio di maturità come una previsione.

Rischi e regole

• IA che mantiene sicura una macchina. Nell’UE, il regolamento UE sull’intelligenza artificiale (AI Act) classifica un sistema di IA come ad alto rischio quando è un componente di sicurezza di un prodotto coperto da determinate leggi UE sulla sicurezza dei prodotti, e quel prodotto deve essere verificato da un organismo esterno prima della vendita. Un componente di sicurezza è una parte il cui compito è mantenere sicuro il prodotto. Questa classificazione vale dal 2 agosto 2028.
• Le macchine seguono una legge propria. Una modifica del 2026 ha spostato il regolamento sulle macchine in una parte separata di quell’elenco. Per i prodotti di quella parte, la maggior parte dei requisiti propri dell’AI Act non si applica direttamente. I requisiti arrivano invece attraverso la legge sul prodotto. Chieda al fornitore delle sue macchine quali regole valgono per le sue attrezzature.
• IA che migliora solo le prestazioni. L’AI Act modificato dice che l’IA usata solo per cose come l’ottimizzazione delle prestazioni, l’automazione o il controllo qualità non è un componente di sicurezza. C’è un’eccezione: se un suo guasto metterebbe in pericolo la salute e la sicurezza, conta come tale.
• IA che gestisce il personale. Nell’UE, l’IA usata per assegnare compiti in base al comportamento o alle caratteristiche di una persona, o per monitorare e valutare le prestazioni dei lavoratori, è nell’elenco dei sistemi ad alto rischio. Lo è anche l’IA usata nelle assunzioni. Queste regole valgono dal 2 dicembre 2027. L’AI Act ammette alcune eccezioni, per esempio per compiti procedurali circoscritti. In un’indagine sui lavoratori di tutta l’UE condotta dal Joint Research Centre della Commissione europea, il 24% aveva gli orari di lavoro fissati da un algoritmo. Dove un sistema del genere fissava il ritmo del lavoro, i lavoratori riferivano più stress.
• Il lavoro fisico lo fanno ancora le persone. L’IA arriva prima alle attività d’ufficio e di ingegneria. Mappi le attività prima di fissare obiettivi. Veda Mappi le attività prima di decidere cosa automatizzare e l’esempio pratico qui sotto.

Pratiche per questo settore

Tutte le 30 pratiche della raccolta valgono in questo settore. Nessuna è specifica di un solo settore. Per quelle qui sotto, uno studio, un caso aziendale o un esempio pratico di questo settore mostra perché contano qui.

• Mappi le attività prima di decidere cosa automatizzare L’esempio pratico mappa 375 gruppi di attività in un’azienda manifatturiera di 118 persone. Circa un quarto del lavoro è legato a un luogo o a un lavoro manuale.
• Preveda un budget per il lavoro che l’IA crea L’esempio pratico su un’azienda manifatturiera di 118 persone conta 132 nuove attività di controllo e registrazione.
• Per ogni tipo di attività, verifichi se una persona con l’IA fa meglio di ciascuna delle due da sola In Procter & Gamble, una persona con l’IA ha fatto più o meno come una coppia senza IA nelle idee per nuovi prodotti.
• Faccia mostrare all’IA su cosa si basa la sua risposta Verificato sull’ispezione di circuiti stampati in una fabbrica Siemens. Un’azienda di carpenteria metallica mostra i dieci lavori passati più simili accanto a ogni stima dei tempi fatta dall’IA.
• Non tratti un punteggio di maturità come una previsione Per la manifattura esistono molti modelli di maturità dell’IA. Un punteggio descrive dove si trova. Non è stato dimostrato che preveda i risultati.
• Metta in ordine i suoi archivi prima di chiedere all’IA di fare previsioni su di essi Due aziende di lavorazione dei metalli hanno dovuto ripulire o raccogliere i dati di produzione prima che l’IA potesse stimare tempi e prezzi per lavori su misura.

Scelga la dimensione della sua azienda

La dimensione cambia ciò che è fattibile più del settore. Ogni link apre la raccolta filtrata per quella dimensione.

• Micro e piccole imprese 1–49 dipendenti 22 pratiche
• Medie imprese 50–249 dipendenti 30 pratiche
• Medio-grandi imprese 250–999 dipendenti 29 pratiche
• Grandi imprese 1.000+ dipendenti 27 pratiche

Casi aziendali

Ogni caso è un’azienda con nome, cifre e una fonte pubblica. Tutti i casi.

• Risultato dichiarato dall’azienda EIST: un’officina metalmeccanica di sei persone ha ridotto i tempi dei preventivi da due ore a dieci minuti Un’officina metalmeccanica con cinque dipendenti e un titolare ha usato l’IA per prezzare pezzi su misura partendo dai file 3D e dalla propria storia di produzione. Un preventivo che poteva richiedere due ore ora richiede circa dieci minuti. Gran parte del progetto è servita a ripulire i dati dell’azienda, e il titolare controlla ancora ogni preventivo. EIST · Produttore di pezzi in lamiera su misura e di attrezzature industriali · Micro e piccole imprese Cifre: l’azienda stessa
• Risultato misurato Herges: un modello di IA ha stimato i tempi di produzione cinque volte meglio degli esperti dell’azienda Una carpenteria metallica a conduzione familiare prezza i lavori unici in base alle stime dei suoi esperti su quanto tempo richiederanno. Un centro pubblico di supporto l’ha aiutata a registrare i tempi reali e ad addestrare su di essi un modello di IA. Le stime del modello erano cinque volte più vicine al dato reale di quelle degli esperti. Herges Stahl- und Blechbau · Azienda familiare che produce costruzioni saldate in acciaio e lamiera, per lo più pezzi unici · Medie imprese Cifre: atto ufficiale
• Risultato misurato Hitachi Energy: un modello di IA ha individuato le due fasi di produzione che rovinavano i chip Alcuni ricercatori hanno addestrato un modello di IA sui dati di produzione di uno stabilimento di chip e gli hanno chiesto quali fasi del processo rovinassero più chip. Gli ingegneri hanno provato i suoi due suggerimenti su un lotto reale, e gli scarti sono scesi del 21,7%. Su un secondo prodotto lo stesso metodo li ha ridotti del 51,3%. L’analisi abituale dello stabilimento non aveva trovato nessuna delle due cause. Hitachi Energy · Produttore di semiconduttori di potenza; all’epoca dello studio lo stabilimento apparteneva a Hitachi ABB Power Grids · Grandi imprese Cifre: misurate da ricercatori
• Risultato dichiarato dall’azienda META-Regalbau: sensori e analisi con l’IA del prelievo ordini ripagati in circa un anno Un produttore di scaffalature con circa 300 dipendenti ha fatto indossare al personale piccoli sensori perché l’IA potesse analizzare come vengono prelevati gli ordini nel magazzino. I risultati hanno guidato la disposizione di un nuovo magazzino e fanno risparmiare circa €22.000 all’anno. Dirigenti, consiglio aziendale e tutto il personale sono stati informati dello scopo fin dall’inizio. META-Regalbau · Produttore di scaffalature e sistemi di stoccaggio · Medio-grandi imprese Cifre: l’azienda stessa
• Risultato misurato Procter & Gamble: una persona con l’IA ha eguagliato una squadra di due persone senza IA Alcuni ricercatori hanno condotto un esperimento con 776 dipendenti di Procter & Gamble su attività reali di sviluppo prodotto. Le persone che lavoravano da sole con l’IA hanno prodotto idee giudicate alla pari di quelle di squadre di due persone senza IA, e lo hanno fatto più in fretta. Procter & Gamble · Produttore di beni di consumo · Grandi imprese Cifre: misurate da ricercatori
• Risultato misurato Siemens: gli ispettori hanno trovato più difetti quando l’IA mostrava che cosa aveva visto Alcuni ricercatori hanno dato a 48 ispettori di una fabbrica di elettronica Siemens un aiuto di IA per controllare circuiti stampati. Metà vedeva solo il punteggio dell’IA. L’altra metà vedeva anche un’immagine che segnava dove l’IA aveva trovato un problema. Il secondo gruppo ha trovato più difetti, e la maggior parte dei suoi componenti ha fatto meglio dell’IA da sola. Siemens · Gruppo industriale; lo studio si è svolto nella sua fabbrica di elettronica di Zugo · Grandi imprese Cifre: misurate da ricercatori

Studi su questo settore

Questi studi sono stati condotti su lavoro tipico di questo settore.

• Indagine Le indagini OECD tra datori di lavoro e lavoratori sull’IA al lavoro Indagini presso datori di lavoro e lavoratori della manifattura e della finanza in sette Paesi. Formare il personale e consultarlo sull’IA andava di pari passo con risultati migliori per i lavoratori. Lane, Williams and Broecke, 2023

Esempio pratico

Questo esempio applica un metodo di mappatura delle attività a un’azienda inventata che progetta, assembla, installa e assiste sistemi di monitoraggio industriale.

• Esempio pratico · 118 persone Un’azienda di 118 persone, attività per attività 31 ruoli e 375 gruppi di attività con un punteggio su quattro scale, con un piano pilota di 90 giorni.

Fonti

1. Eurostat. Use of artificial intelligence in enterprises, 2025 data. ec.europa.eu
2. Siemens (12 May 2025). Siemens introduces AI agents for industrial automation. Company announcement. businesswire.com
3. CIO (2021). Rolls-Royce turns to digital twins to improve jet engine efficiency. A press report of the company’s account. cio.com
4. Lerch, Heimberger, Jäger, Horvat and Schultmann (2022). AI-readiness and production resilience: empirical evidence from German manufacturing in times of the Covid-19 pandemic. International Journal of Production Research. doi.org
5. Volkswagen Group (September 2025). Boosting innovation, reshaping mobility: Volkswagen Group invests in AI. Company announcement. volkswagen-group.com
6. Chen, Liu, Xing, Peng and Yang (2021). Establishment of a maturity model to assess the development of industrial AI in smart manufacturing. Journal of Enterprise Information Management. doi.org
7. Fornasiero, Kiebler, Falsafi and Sardesai (2024). Proposing a maturity model for assessing Artificial Intelligence and Big data in the process industry. International Journal of Production Research. doi.org
8. INCIT. AIMRI: Industrial AI Maturity Readiness Index. incit.org
9. European Union. AI Act, Regulation (EU) 2024/1689, Article 6 (classification rules for high-risk AI systems), as amended in 2026. Text on the European Commission’s AI Act Service Desk. ai-act-service-desk.ec.europa.eu
10. European Union. AI Act, Article 2 (scope) and Annex I (list of EU product-safety laws), as amended in 2026. ai-act-service-desk.ec.europa.eu
11. European Union. AI Act, Annex III (high-risk uses, including employment and worker management). ai-act-service-desk.ec.europa.eu
12. European Union. AI Act, Article 113 (dates of application), as amended in 2026. ai-act-service-desk.ec.europa.eu
13. European Union. Regulation (EU) 2023/1230 on machinery. eur-lex.europa.eu
14. European Commission Joint Research Centre (2025). Digital monitoring, algorithmic management and the platformisation of work in the EU: Data from the AIM-WORK survey. Science for Policy brief. publications.jrc.ec.europa.eu
15. Mariscal de Gante Martin and Villani (2026). Algorithmic management and working conditions in Europe. Evidence from the AIM-WORK Survey. JRC Working Paper 2026/05. publications.jrc.ec.europa.eu
16. Zimmermann (February 2026). Einsatz von Künstlicher Intelligenz vor allem in Unternehmen mit hohen Innovations- und Digitalisierungsaktivitäten. KfW Research, Fokus Volkswirtschaft Nr. 533. kfw.de

Altri settori

• Studi legali, contabilità, consulenza Servizi professionali
• Marketing e comunicazione creativa Agenzie
• Vendita online e in negozio E-commerce e commercio al dettaglio