Robot umanoidi, il vero capitale è il sapere dei tecnici senior

Ci sono due crisi che l’industria italiana ed europea vivono in parallelo, raccontate quasi sempre separatamente.

La prima è la fuga silenziosa di competenze tecniche causata da un ricambio generazionale spesso troppo affrettato o disallineato in fabbriche, cantieri o impianti. La seconda è la corsa, miliardaria e sempre più affollata, verso i robot umanoidi capaci di lavorare al fianco o al posto dell’uomo.

Chi si occupa di innovazione industriale tende a trattarle come se fossero fenomeni distinti: da una parte un problema di workforce e demografia, dall’altra un tema di frontiera tecnologica. In realtà, sono la stessa crisi, vista da due angolazioni diverse, e la seconda non si risolve senza affrontare la prima.

La memoria tecnica che nessuno salva

Partiamo dai numeri, perché su questo fronte l’Italia ha una fotografia piuttosto nitida di sé stessa.

Secondo i dati Excelsior di Unioncamere e Anpal, la difficoltà di reperimento di profili tecnici da parte delle imprese è passata dal 45% del 2023 al 48% del 2024: quasi un’assunzione su due, in ambito tecnico, fatica a essere completata. Non è un problema di scarsità di candidati in assoluto: si tratta, più che altro, di scarsità di competenze specifiche richieste. L’Osservatorio HR Innovation Practice 2024 del Politecnico di Milano attribuisce il mismatch tra domanda e offerta di lavoro soprattutto alla carenza di competenze tecniche, riscontrata nel 57% dei casi.

Dietro questi numeri, però, c’è una dinamica demografica ormai strutturale: nel 2022 il 37% dei lavoratori italiani aveva più di 50 anni, contro il 21% del 2005, un raddoppio in meno di due decenni che rende urgente trasferire in fretta la conoscenza operativa.

Il punto, però, non è solo quantitativo, ma anche qualitativo. La letteratura sulla gestione delle competenze nell’industria manifatturiera stima che un lavoratore esperto possa produrre fino all’800% in più rispetto a un neoassunto su compiti complessi, e circa il 50% in più anche su attività a bassa complessità. Quel differenziale è fatto di micro-decisioni e correzioni in tempo reale, non di procedure scritte in un manuale: è il tipo di conoscenza che nessun sistema aziendale cattura oggi e che scompare senza possibilità di recupero ogni volta che un tecnico esperto va in pensione.

Non è un caso isolato: già nel 2017, per un picco di commesse a Porto Marghera, Fincantieri richiamò al lavoro un gruppo di ex dipendenti in pensione per affiancare i lavoratori più giovani nel trasferimento di competenze tecniche. All’epoca, fu una scelta contestata dai sindacati, ma segnalava con chiarezza quanto fosse fragile, già allora, il meccanismo di trasmissione del know-how quando l’unico canale è la memoria delle persone.

Ma il fenomeno non riguarda solo l’Italia. Negli Stati Uniti, Ford ha ammesso pubblicamente, a giugno 2026, di aver richiamato oltre 350 ingegneri esperti (i gray beard), dopo che i sistemi di controllo qualità basati su AI, introdotti per sostituire quella generazione di tecnici esperti, si erano rivelati inadeguati, con un impatto stimato in miliardi di dollari. Charles Poon, VP Vehicle Hardware Engineering di Ford, ha commentato così: “l’intelligenza artificiale è valida solo quanto i dati con cui viene addestrata”. Il ritorno di questi tecnici ha contribuito a portare Ford al primo posto tra i marchi generalisti nel J.D. Power Initial Quality Study 2026, un risultato che l’azienda non otteneva dal 2010.

La fame di dati della robotica fisica

Nello stesso momento in cui l’industria perde questo tipo di conoscenza, un altro settore ne ha un bisogno crescente e finora insoddisfatto: quello della robotica umanoide e, più in generale, della physical AI. Il capital che sta affluendo in questo comparto è imponente: solo nel 2024 le startup di robotica hanno attratto circa 7,2 miliardi di dollari a livello globale, e Figure AI ha chiuso un round da 675 milioni con investitori come Microsoft, OpenAI e Nvidia. Questi numeri e nomi testimoniano quanto il mercato consideri strategico questo comparto tecnologico.

Ma c’è un consenso crescente, tra chi lavora nel settore, su dove si trovi davvero il collo di bottiglia: i dati.

Per insegnare a un robot a manipolare oggetti reali in ambienti non strutturati serve un volume enorme di dimostrazioni fisiche di alta qualità: sequenze di movimento, forza, correzioni in tempo reale, raccolte da chi questi gesti li sa fare bene, e sa adattarsi intuitivamente a qualsiasi condizione lavorativa. È un sapere che si tramanda per imitazione ed esperienza diretta, non per lettura di un manuale: nessun documento teorico spiega come si “sente” una saldatura che non va come dovrebbe. È proprio questo sapere “non scrivibile” che oggi manca ai dataset con cui si addestrano i robot.

È il motivo per cui molte delle “implementazioni” di robot umanoidi presentate al pubblico sono in realtà configurazioni di teleoperazione: un operatore umano controlla il robot da remoto, mentre il sistema registra i dati che serviranno domani per l’addestramento autonomo. È lo stato dell’arte ed è bene saperlo.

Dove conoscenza tacita e robotica si incontrano

Ecco il dettaglio che manca ancora nel dibattito pubblico su questi temi: la conoscenza tacita, che l’industria italiana rischia di perdere per sempre a causa di un ricambio generazionale affrettato e spesso disallineato, è esattamente il tipo di dato di cui la robotica fisica ha disperatamente bisogno per superare la fase sperimentale.

Non si tratta solo di una tempistica sfortunata in comune: è la stessa risorsa, osservata da due prospettive. Il gesto del tecnico che riconosce un’anomalia da un suono, che corregge una procedura secondo condizioni che nessun manuale prevede, se registrato, può addestrare un sistema di imitation learning o behavior cloning che lo riproduce.

Questo cambia la domanda che le aziende dovrebbero porsi: non solo come trattenere la conoscenza dei senior, ma come costruire l’infrastruttura che trasforma ogni intervento sul campo in un asset che si accumula nel tempo, utile prima come supporto operativo, poi come base per l’addestramento della robotica fisica.

L’asset industriale che l’Italia non riconosce

Il dibattito sui robot umanoidi è oggi dominato da attori americani e cinesi, da promesse di produzione su larga scala e da valutazioni che gli osservatori cominciano a guardare con cautela: è un dibattito legittimo, ma rischia di far percepire il tema come qualcosa che riguarda solo chi ha capitali enormi da investire in hardware.

C’è però un’altra strada, meno raccontata: quella di chi possiede, in un settore industriale specifico, decenni di know-how operativo mai digitalizzato: ovvero un asset che non si compra con un round di finanziamento, ma si costruisce in decenni di lavoro sul campo. E l’Italia, con la sua industria manifatturiera ad alto valore aggiunto e le sue eccellenze in diversi settori merceologici, ne ha in abbondanza. La domanda da porsi è se la stiamo perdendo più velocemente di quanto riusciamo a registrarla.

Chi inizia oggi a costruire questa infrastruttura, anche solo nella sua forma più semplice, quella dell’assistenza remota e della documentazione strutturata delle operazioni, sta costruendo, gesto dopo gesto, il patrimonio di dati che deciderà chi, tra qualche anno, avrà i robot più preparati, ovvero chi avrà saputo trasformare l’esperienza dei migliori tecnici in qualcosa che non scompare più.