Industria metalmeccanica, se il consulente è la GenAI: il caso Co.Me.T

Non solo AI industriale. Nelle fabbriche metalmeccaniche italiane l’AI generativa supporta gli ingegneri nelle loro operazioni, così come alleggerisce il carico degli uffici amministrativi e legali. Ma l’uso sta avvenendo in modo disomogeneo: molta curiosità, molte sperimentazioni, ma non sempre un utilizzo strutturato nei processi d’ufficio. E così i rischi crescono, compresi quelli di cybersecurity come quelli legati alla shadow AI.

Questo il sentiment che aleggia nel settore. Mauro Barbero, CEO di Co.Me.T., azienda specializzata nella realizzazione di serbatoi e contenitori per liquidi destinati a impieghi nelle industrie alimentari e chimiche, si augura che l’AI gen “abbia nel nostro comparto un impatto importante, perché è forse il passo più innovativo dai tempi di internet e oggi fa davvero la differenza avere questo strumento molto utile e potente”.

La prospettiva è interessante perché sposta l’attenzione dall’AI come tecnologia da fabbrica (intesa per esempio come robotica, sistemi intelligenti o soluzioni di manutenzione predittiva) all’AI come acceleratore operativo degli uffici tecnici, commerciali e amministrativi.

GenAI nella metalmeccanica, il caso di Co.Me.T.

Barbero descrive una sensazione diffusa nel settore: “Nel settore metalmeccanico ne parliamo, ma secondo la mia percezione non si fa un uso intenso strutturato”. Certamente l’AI generativa non richiede necessariamente sensori, retrofit macchina o integrazioni OT complesse per generare valore iniziale: può innestarsi in modo relativamente rapido su attività di knowledge work già digitalizzate (CAD, ERP, documentazione tecnica, fogli di calcolo, capitolati, manuali, scambi con fornitori e clienti).

In Co.Me.T. l’approccio dichiarato è pragmatico e centrato sull’ufficio: “Noi usiamo l’AI come strumento di calcolo e valutazione, per stabilire valori economici, a supporto dei vari lavori dei comparti d’ufficio. Così ognuno ha a disposizione un partner, un aiuto nel lavoro di ogni giorno”. L’AI diventa un copilota generalista che riduce attrito cognitivo, velocizza verifiche e comparazioni, sostiene attività ripetitive ad alta variabilità.

Il contesto: serbatoi per liquidi complessi, vincoli strutturali e normative

Il prodotto di riferimento di Co.Me.T., cioè serbatoi e contenitori per liquidi, è un esempio concreto di complessità multidimensionale: bisogna considerare nella realizzazione del propodtto le proprietà fisiche dei fluidi, i requisiti di processo (come temperatura e viscosità), carichi strutturali, rischi (infiammabilità, pressione), e ovviamente le normative. Barbero spiega che, nello specifico, l’azienda tratta “liquidi che hanno numerosi parametri, a seconda della tipologia, hanno viscosità e altre caratteristiche diverse”. E collega direttamente l’AI allo sforzo di progettazione: “L’AI aiuta nello studio e nella R&S, è una banca dati infinita, supporta gli ingegneri nel lavoro di progettazione. Aiuta anche nella parte normativa, commerciale e amministrativa”.

Qui l’AI non sostituisce il calcolo certificato o gli strumenti di simulazione, ma agisce come strato di supporto per:

• ricostruire rapidamente scenari e varianti (cosa cambia se varia densità/viscosità, temperatura di esercizio, classe di rischio);
• predisporre checklist e pre-analisi su requisiti e conformità;
• sintetizzare riferimenti tecnici e vincoli per chi deve impostare un’offerta o predisporre documentazione.

AI generativa nel processo di progettazione dei serbatoi

Il caso d’uso più esplicito riguarda la progettazione del serbatoio in funzione del fluido e delle sollecitazioni esterne: “Bisogna sempre realizzare un serbatoio calcolando come costruirlo a seconda dei liquidi che andrà a contenere e delle condizioni in cui si troverà a operare. Un serbatoio esterno viene sollecitato da neve o vento, e contiene prodotti che pesano in modo diverso, tutti gli sforzi sono diversi e vanno calcolati, per evitare danneggiamenti. L’AI ci dà un supporto in più”.

Tecnicamente, il valore dell’AI in questo punto sta nella preparazione e validazione del lavoro d’ingegneria: impostazione di formule, verifica di unità di misura, controllo di coerenza, generazione di tabelle di input, riepilogo delle ipotesi, confronto tra alternative progettuali. Insomma, un acceleratore delle iterazioni che portano a un dimensionamento corretto e documentabile.

AI generativa negli uffici della fabbrica metalmeccanica

In questo scenario l’AI può supportare uffici diversi:

• Ufficio tecnico: riepilogo requisiti, parametri tipici dei materiali, preparazione di specifiche e distinte, predisposizione di documenti tecnici.
• Qualità / compliance: supporto alla lettura e organizzazione delle prescrizioni applicabili, creazione di checklist interne e tracciabilità documentale (senza delegare all’AI interpretazioni definitive).
• Commerciale: generazione di testi tecnici coerenti per offerte e capitolati, comparazione tra richieste cliente e configurazioni standard.
• Amministrazione: classificazione documenti, analisi rapida di condizioni contrattuali, supporto a procedure e flussi.

Qwen, ChatGPT e Gemini

Sul “come”, Barbero indica un utilizzo multi-piattaforma: “Usiamo le piattaforme di AI GEN come Qwen, ChatGPT e Gemini per supportare i calcoli e i processi. Sono diventati come il nostro consulente esterno, li usiamo da circa un anno”

La scelta di confrontare più strumenti è, in chiave operativa, un modo per:

• ridurre dipendenza da un singolo vendor;
• verificare risposte e impostazioni (cross-check);
• scegliere di volta in volta l’AI più adatta a un tipo di task (testo, codice, tabelle, ragionamento su vincoli).

È anche un segnale di maturità: l’AI viene trattata come risorsa a supporto e non come oracolo.

AI ponte tra meccanica e digitale

Nella fabbrica connessa, molte imprese metalmeccaniche separano competenze core e sviluppo digitale, affidando quest’ultimo a partner. Barbero spiega: “La parte di sviluppo e di elettronica è in outsourcing ad altre aziende, noi sottoponiamo il progetto e indichiamo cosa vogliamo creare, fornendo i calcoli e le caratteristiche meccaniche”. E ancora: “Abbiamo tutto il know how del processo di gestione corretta del liquido” necessario per “fornire la macchina serbatoio che avrà poi all’interno un software fornito da società esterne”.

In questa architettura, l’AI generativa è un connettore tra domini: trasformare requisiti meccanici e di processo in specifiche funzionali più chiare, accelerare scambi tecnici, ridurre ambiguità nei documenti inviati a terzisti. Non è un dettaglio: in outsourcing, errori e incomprensioni costano settimane.

I vantaggi dell’AI generativa negli uffici metalmeccanici

Sul ritorno operativo, la valutazione interna è positiva: “La sensazione è che l’impatto degli strumenti di AI generativa sia ottimo, sono tutti soddisfatti. Si lavora più velocemente e con più sicurezza”. E l’adozione non si ferma ai calcoli: “Lo utilizziamo anche per l’aspetto grafico, per esempio per modificare immagini dei manuali di istruzione, per fare schemi. Ne facciamo insomma un uso trasversale”.

È un aspetto spesso sottovalutato: negli uffici tecnici la produzione di manuali, schemi, istruzioni, tavole di supporto è parte della qualità del prodotto. Se l’AI riduce tempi di impaginazione, migliora chiarezza grafica e velocizza aggiornamenti documentali, l’impatto è immediato.

Una lezione per la metalmeccanica: l’AI generativa come infrastruttura cognitiva degli uffici

Il caso Co.Me.T. mostra un punto chiave: la GenAI può diventare infrastruttura cognitiva per gli uffici della metalmeccanica, soprattutto dove la complessità tecnica è alta e la documentazione è un asset competitivo. Non sostituisce competenze né strumenti ingegneristici di firma, ma:

• accelera iterazioni e verifiche;
• aiuta a gestire variabilità dei parametri;
• supporta la creazione e manutenzione di documenti tecnici;
• rende più robusta la filiera con partner esterni;
• abilita un approccio più sistematico a compliance e processi.

Insomma, è una scelta strategica oltre che organizzativa.