Più robot non bastano: la Physical AI punta sui compiti che restano manuali

Per l’industria europea, che deve riconquistare competitività, la vera questione è di soglia: automatizzare di più, certo, ma soprattutto spingere l’automazione dentro compiti che, finora, sono rimasti troppo complessi, variabili o delicati per i robot tradizionali.

Sulla competitività europea, il dibattito attuale rischia però di guardare nella direzione sbagliata, poiché non si tratta soltanto di quanto costi produrre in Europa, né di trasferire altrove le attività più intensive di lavoro. La questione di fondo è come mantenere nel continente una capacità produttiva avanzata, mentre cambiano contemporaneamente demografia, catene di fornitura, costo dell’energia e pressione competitiva globale.

Il tema è ormai stabile nell’agenda politica europea. Il Rapporto Draghi sulla competitività europea, presentato il 9 settembre 2024, ha evidenziato il rallentamento della produttività, il ritardo nell’innovazione e la pressione crescente della Cina, mentre la Commissione europea segnala un ulteriore ostacolo: la carenza di competenze e manodopera. Nel 2024, infatti, il 63% delle PMI dichiarava difficoltà a trovare i profili necessari, su un totale di 42 professioni identificate come carenti^[1]. La robotica è dunque parte della risposta, ma non nell’accezione semplicistica per cui più robot equivalga a più competitività.

Un continente già automatizzato ma che rallenta

L’Europa è già tra le aree più automatizzate al mondo: nel 2024 l’Unione europea aveva una densità di circa 231 robot industriali ogni 10.000 addetti manifatturieri, l’Europa Occidentale 267. Eppure le installazioni di robot in Europa sono calate dell’8%, a 85.000 unità, mentre l’Asia ha rappresentato il 74% delle nuove installazioni mondiali, il 54% delle quali solo in Cina^[2].

La sfida, quindi, non è introdurre più automazione ma rendere automatizzabili attività che, oggi, non lo sono in modo economicamente sostenibile. La robotica tradizionale funziona bene quando l’ambiente è strutturato e il compito è ripetitivo, tanto da aver reso produttivi settori come l’automotive e l’elettronica. Buona parte della manifattura europea, tuttavia, è diversa, poiché presenta un mix produttivo elevato, lotti piccoli, cambi di prodotto frequenti, componenti deformabili, cavi, connettori e operazioni di assemblaggio in cui la variabilità dell’ambiente rende impossibile programmare ogni situazione. È qui che si apre lo spazio di manovra della Physical AI.

Un modello che impara

Dal nostro punto di vista l’evoluzione non consiste nel sostituire un programmatore con un modello generalista capace di fare tutto ma in sistemi capaci di apprendere compiti specifici all’interno dell’ambiente in cui dovranno operare: l’intelligenza del robot va collegata alla realtà fisica, ai suoi vincoli e alle sue eccezioni.

Lavoriamo infatti su un modello a flywheel: il robot opera, raccoglie dati, un operatore interviene quando serve, il comportamento viene corretto e i dati raccolti migliorano progressivamente il modello. L’obiettivo non è attendere un sistema perfetto prima di portarlo in fabbrica ma costruire un percorso graduale dall’automazione assistita verso livelli crescenti di autonomia. In fabbrica, il fallimento di un sistema di AI non è un semplice errore software: può significare un fermo linea, un prodotto danneggiato o un rischio per le persone. La sicurezza è parte dell’architettura, con un approccio human-in-the-loop e un meccanismo di intervento remoto. L’operatore diventa parte del processo di apprendimento e della rete di sicurezza, non viene escluso dal sistema.

Anche la scelta di modelli più piccoli e specializzati nasce da una logica industriale, poiché un impianto produttivo ha bisogno soprattutto di affidabilità, prevedibilità, latenza ridotta e costi sostenibili, esigenze che richiedono un sistema capace di eseguire bene un compito e di chiedere assistenza quando non è sicuro procedere. Il vero collo di bottiglia, del resto, non è solo l’intelligenza del modello ma l’intero sistema che la porta in fabbrica, che include hardware, sensori, manipolazione, software, raccolta dati, addestramento e integrazione con i processi esistenti.

Non fabbriche senza persone

L’obiettivo non è costruire fabbriche prive di lavoratori, ma mantenere o riportare produzioni in Europa affidando alle macchine le attività ripetitive o difficili da coprire con personale, mentre le persone restano concentrate su giudizio, supervisione, manutenzione e gestione delle eccezioni.

La robotica può così rispondere anche alla scarsità di manodopera, non solo al costo del lavoro.

Una sfida più grande di una startup

Poiché la competitività manifatturiera dipende da energia, capitale, infrastrutture, competenze, mercato unico e ricerca, nessuna startup potrebbe mai risolvere da sola una questione di questa portata. Serve dunque che in Europa nascano aziende capaci di trasformare la ricerca in tecnologia industriale utilizzabile, raccogliendo dati reali, garantendo sicurezza e affidabilità e trasformando l’esperienza accumulata sulle linee produttive in nuova capacità tecnologica.

Per l’Europa, la posta in gioco è più ampia della singola tecnologia: se la prossima generazione di AI sarà anche fisica, come sembra probabile, parte della competizione si sposterà dalle schermate alle fabbriche, dove non basterà più affidarsi a un’intelligenza artificiale sviluppata altrove. La vera missione, quindi, non è scegliere tra persone e robot, ma fare in modo che la tecnologia consenta a persone e imprese europee di continuare a produrre in Europa.

Note

^[1] Commissione europea, Tackling labour and skills shortages in the EU. ↩

^[2] International Federation of Robotics, Robot density surges in Europe, Asia and Americas. ↩