La sintesi dell’evento “AI & Robotica – Sistemi che agiscono, macchine che apprendono”
Si è svolta il 7 luglio 2026 la tavola rotonda del Centro di Competenza Intelligent Manufacturing
C’è un momento, in ogni discussione sulla tecnologia, in cui le opinioni smettono di somigliarsi. È successo alla tavola rotonda del Centro di Competenza Intelligent Manufacturing: quattro professionisti, quattro mestieri, e sullo stesso tavolo la corsa cinese all’umanoide, lo scetticismo di chi le aziende le vive da dentro, la logistica che già funziona e le domande — legali e culturali — che l’Europa continua a rimandare. Il risultato non è stato un coro. È stato un confronto vero. E alla fine la parola più pronunciata non era “robot”: era “dati”.
Quattro voci, una filiera
Il Centro di Competenza nasce per far dialogare professionisti in logica di filiera, e il panel ne è la fotografia perfetta. Matteo Linotto (Neosperience · Value China) ha portato la Cina in sala, con una tesi che ha fatto da bussola per l’intera serata: non si progetta una macchina, si riprogetta l’intera fabbrica. Walter Riviera (AI Wonder), che nelle imprese entra ogni giorno ed è autore dello spettacolo «Mi ai rubato il lavoro», ha giocato il ruolo del bastian contrario, mettendo sull’umanoide tutte le sue riserve. Vincenzo Gattei (TiLog Automation) ha riportato tutti con i piedi per terra, dalla parte delle tecnologie che risolvono problemi veri invece di stupire. L’Avv. Federico Vincenzi (Studio Legale Vincenzi) ha moderato e — da bravo esperto di diritto dell’innovazione — ha lanciato le provocazioni giuste su dati, proprietà intellettuale e regole.
La Cina non ha un robot. Ha una filiera.
Le delegazioni industriali che tornano dalla Cina raccontano showroom scintillanti e robot al lavoro. Ma il vero spettacolo, avverte Linotto, è dietro le quinte: un’intera filiera dedicata, dalla materia prima all’applicazione industriale, coordinata da un “centro stella” con economie di scala impensabili altrove. Quattro distretti della robotica — Shenzhen il più celebre — una regia strategica a Pechino e una regola di fondo che spiega tutto: prima si fa, poi si regolamenta.
La mappa geopolitica aiuta a capire le distanze. La Cina guida sul manifatturiero e sulla robotica; gli Stati Uniti restano avanti sull’intelligenza artificiale, con la stazza di una potenza che investe per restare tale e una capacità di narrazione senza rivali; l’Europa, vista da Oriente, è soprattutto un mercato di sbocco — un insieme di Stati che regolamenta prima di sperimentare e che mette l’individuo davanti al collettivo. La Cina, chiarisce Linotto, va guardata come un laboratorio da cui imparare, non come un modello da fotocopiare.
Qualche numero per orientarsi: circa il 35% degli umanoidi installati oggi lavora nell’automotive, con la logistica subito dietro. E attenzione al malinteso più comune: l’umanoide non è il punto di partenza, ma l’ultimo anello di una filiera fatta di bracci, robot di servizio e automazione.
Il conto alla rovescia verso il 2028
La partita si gioca sul calendario. Il 2026 è l’anno in cui si scelgono i casi d’uso — dove i robot possono entrare più in fretta, su problemi concreti. Il 2027 è quello in cui i progetti pilota maturano e l’ecosistema cinese, sempre un passo avanti, prepara la scala. Il 2028, per tutti i player, sarà l’anno dell’applicazione di massa. Ed è lì che scatta la leva decisiva: con la produzione su larga scala i costi possono crollare sensibilmente, e quando un umanoide diventa economicamente accessibile l’adozione smette di essere una scommessa. Costo in discesa e ritorno misurabile: è questa, per tutti i relatori, la combinazione che sbloccherà davvero il mercato.
Come si insegna a camminare a un robot
Un umanoide non si accende: si addestra. E lo si fa con conoscenza di dominio, lungo un percorso in quattro tappe. Prima la scansione dell’ambiente, spesso affidata a un cane robotico che esplora lo spazio e ne consegna la mappa. Poi i filmati ripetuti, che riproducono centinaia o migliaia di volte lo stesso gesto. Quindi il motion capture: quelle tute “da film di fantascienza” diventano una miniera di dati per insegnare al robot la movimentazione umana nel dettaglio. E infine la tappa che nessuno può saltare — l’aggancio ai gestionali e ai dati dell’azienda.
Qui sta il cuore di tutto. Senza un’infrastruttura dati solida, qualunque sistema — AI, robotica o ibrido — resta una demo elegante e nient’altro. È il filo rosso che attraverserà l’intera tavola rotonda: da sola, la tecnologia non basta mai.
La fabbrica che ripensa se stessa
Il colpo di teatro di Linotto è insieme semplice e spiazzante: smettere di infilare una macchina nella fabbrica di oggi, e ridisegnare la fabbrica intera. Quella attuale è costruita a misura d’uomo — persone che si muovono libere, bracci robotici chiusi in gabbia per sicurezza, illuminazione e layout pensati per l’operatore. Quella di domani è un ambiente disegnato per le macchine: cobot coordinati tra loro, nessuna gabbia, una torre di controllo in cui sono le intelligenze umane a orchestrare, e persino la possibilità di lavorare al buio — perché la luce serve a noi, non ai robot. Fantascienza? Niente affatto: il porto di Shanghai, ricorda Linotto, funziona già così.
Il contrappunto: ma l’umanoide serve davvero?
A questa visione Walter Riviera oppone lo sguardo di chi nelle aziende ci entra tutti i giorni, e la sua stoccata è memorabile: l’umanoide è perfetto per le demo che fanno parlare la gente, ma è poco pragmatico. Molto più sensato riprogettare un magazzino che lasciare tutto com’è e sostituire i dipendenti con dei robot antropomorfi.
Le sue obiezioni sono asciutte e difficili da liquidare. L’efficienza, intanto: la forma umana non è la più adatta a lavorare, tanto che un braccio robotico “stupido” di vent’anni fa aveva già alzato la produttività, e per smistare pacchi bastano nastri che non richiedono alcuna intelligenza. L’energia: i modelli più avanzati si trascinano batterie da poche ore, e gli esperimenti “no-stop” nascondono turni di ricarica ben orchestrati — cioè marketing. Il capitolo dark factory: una fabbrica al buio taglia bolletta e manutenzione facendo esattamente le stesse cose. La narrativa: come già con l’AGI, tanto rumore serve a generare attenzione, salvo poi sparire dai discorsi di chi l’aveva promessa. E infine la lezione della guida autonoma: la tecnologia esiste da vent’anni, ma tra “esiste” e “si adotta” c’è un abisso fatto di lidar, meteo e nebbia padana — più realistico veder nascere il pilota da remoto che l’autonomia totale nel prossimo decennio. La morale, per Riviera, è metodologica: si parte dai bisogni, non dall’ultima cosa che luccica sugli scaffali americani o cinesi.
Ma il contrappunto ha la sua replica. Il moderatore ribatte che alle macchine chiediamo una perfezione che all’uomo non pretendiamo — con quasi due milioni di morti l’anno sulle strade per errore umano. E Gattei chiude con un aneddoto che vale più di mille slide: quando la sua auto ha frenato da sola per un pedone che lui non aveva visto, di quella telecamera è stato tanto, tanto grato.
La logistica ci ha già provato: e ha vinto la maturità
Nella logistica, sostiene Gattei, entrambe le visioni estreme sbagliano. La robotica non rimpiazzerà l’essere umano, ma mette tanta tecnologia “all’ultimo metro” del lavoro umano. Amazon ha provato oltre sessanta soluzioni diverse; per tutti gli altri il gioco è un altro — gestire il dato lungo l’intera supply chain, non il magazzinetto accanto alla linea di produzione.
I numeri parlano di un servizio già in funzione: risposte in una manciata di secondi, 24 ore su 24 e in qualsiasi lingua, decine di release di miglioramento in un solo anno, e un unico giorno per formare un nuovo operatore — metà del quale dedicato alla sicurezza. Ma la frase da incorniciare è un antidoto alle illusioni: non basta “chiedere a ChatGPT”. Dietro un sistema che funziona ci sono, testuali parole, duemila mal di testa e decine di release, cioè competenze logistiche e di dominio stratificate. Il merito dell’AI, semmai, è togliere la complicazione dalla complessità: se per rispondere a una mail devo leggerne centocinquanta ho un processo complicato; se qualcuno me ne fa il riassunto resta complesso, ma finalmente gestibile. E, come bonus, addio ai vicoli ciechi del “per parlare con un operatore, premi il tasto 3”.
Il dilemma dei dati: tenerli stretti o metterli in comune?
La provocazione dell’Avv. Vincenzi va dritta al nervo scoperto. I miei dati più i tuoi non fanno “uno più uno”: possono fare “uno per dieci”. Eppure nelle aziende regna la gelosia del dato. Dove passa il confine?
Da un lato la spinta a condividere: i grandi corpus pubblici hanno insegnato agli LLM “a leggere e a scrivere”, e senza dati condivisi non esisterebbero GPT, Gemini o Claude. In filiera, la condivisione moltiplica competenza e conoscenza — come nel caso di Catena-X, l’ecosistema di scambio dati dell’automotive tedesco, o del tool nato in TiLog con il nome eloquente di “No More Secret”, che risponde a tutto, ma soltanto dentro la filiera. Dall’altro la necessità di proteggere: i dati di un consiglio di amministrazione non possono finire a beneficio di chiunque, e la proprietà intellettuale è identità — il prototipo di una startup, il motore di una Ferrari. La previsione è affilata: dopo un lock-in massiccio negli strumenti AI di oggi arriverà il contraccolpo, verso soluzioni private, locali, sovrane.
E c’è una frontiera che il diritto dovrà affrontare oggi, non domani: l’ingegnerizzazione del sapere. Le abitudini diventano metodo, il metodo diventa processo, il processo diventa sistema, il sistema diventa asset. Il dipendente che se ne va portandosi gli agenti costruiti sul proprio modo di lavorare si porta via un “collega virtuale”. La vera sfida per le PMI italiane, allora, non è aggiungere l’ennesimo tool: è ripensare i processi con le nuove tecnologie.
Perché l’Europa insegue? Quattro risposte, nessuna scontata
E arriviamo alla domanda scomoda. Non sono l’AI Act o il GDPR a frenarci — l’AI Act non è neppure pienamente in vigore. E allora? Ognuno ha la sua risposta. Per Gattei è una questione di soldi e di coraggio: manca la cultura dell’investimento in tecnologia, riassunta nel peggior motto immaginabile per la ricerca, “minima spesa massima resa” — l’esatto rovescio della logica che ha costruito SpaceX. Per Linotto il nodo è prima di tutto antropologico: USA e Cina sono potenze che investono per restare potenze, mentre l’Europa mette al centro l’individuo — un merito, che però si paga in velocità. Per Riviera pesa la cultura, quella della ricerca e quella delle regole intese come scudo: R&D quasi assente, ricercatori senza tempo per fare ricerca, e una regolamentazione che è croce e delizia — persino la Cina, partita a razzo con le telecamere per l’analisi delle emozioni, nel 2021 ha varato il PIPL, la sua versione del GDPR. Per Vincenzi, infine, ci manca la curiosità: l’AI Act non è una legge stupida, ci dice solo di stare attenti ai rischi — come si collaudano i freni prima di scendere in pista. L’aneddoto che gela la sala arriva dall’università, dove a una lezione di ingegneria informatica gli studenti non usavano nulla oltre a ChatGPT, e chi conosceva altri strumenti li usava solo come chatbot. Nella culla del sapere in questo campo.
Le previsioni
Dal confronto emergono quattro scenari, e vale la pena tenerli d’occhio. Tra il 2027 e il 2028, reti di agenti AI lavoreranno fianco a fianco con gli umani dentro i processi — customer service, controllo di gestione, simulazioni what-if — su infrastrutture dati solide e con un ROI misurabile. Entro il 2028, la produzione di massa renderà gli umanoidi finalmente accessibili nei casi d’uso giusti, e l’adozione seguirà. Verso il 2030 e oltre, dopo qualche scottatura da lock-in, tornerà la voglia di soluzioni AI private, locali, sovrane. E poi c’è la variabile che nessun modello riesce a prevedere: noi. Il Kindle è più efficiente, eppure continuiamo a sfogliare la carta. Quando siamo innamorati, in fondo, non facciamo mai la cosa più efficiente — ed è esattamente questo che manda in tilt ogni previsione costruita solo sull’efficienza.