La manifattura italiana non è un capitolo del passato: è, al momento, il pezzo più concreto del nostro futuro. È la spina dorsale che tiene insieme salari, export, ricerca applicata, filiere territoriali e competenze tecniche che non si improvvisano, insieme a una cultura del “fare bene” che, quando funziona, diventa reputazione del Paese.
Non esiste Made in Italy senza officine, reparti, laboratori, manutentori, progettisti, capi turno, tecnici di qualità. E non esiste coesione sociale senza un’economia che produce valore e lo distribuisce in modo dignitoso. Con Giuliano Noci abbiamo aperto il dibattito proponendo il manifesto per la nuova manifattura AI reMade in Italy.
Negli ultimi anni il mondo ha cambiato regole e velocità: catene di fornitura più fragili, energia più cara e instabile, geopolitica che entra nelle scelte d’impresa, concorrenza che si gioca su tempi di consegna, tracciabilità e qualità totale, non solo sul prezzo. Il “vantaggio” di essere bravi nel fare cose belle non basta più se quelle cose arrivano tardi, con costi incerti e con processi che dipendono dalla memoria dei singoli più che dalla solidità del sistema.
O facciamo il salto di qualità dell’organizzazione produttiva, o rischiamo che la nostra eccellenza diventi un’etichetta senza fabbrica, senza occupazione, senza intelligenza.
Indice degli argomenti
Industrial AI per recuperare le imprese ferme al 3.0
L’Italia, va detto, non parte da zero. Negli ultimi decenni molte imprese hanno fatto passi enormi sull’automazione meccanica, sulla robotica, sulle macchine evolute. Siamo bravissimi nel costruire impianti e nel farli funzionare; spesso, nel risolvere problemi, siamo imbattibili.
Ma troppo spesso ci manca l’ultimo miglio: il passaggio dalla fabbrica “automatica” alla fabbrica “intelligente”, dove le decisioni di produzione, manutenzione, logistica, controllo qualità e progettazione sono alimentate da dati affidabili e strumenti capaci di apprendere, prevedere, ottimizzare. È il salto dalla prestazione del singolo alla robustezza del sistema.
La digitalizzazione, infatti, non è la moda dei manager: è la nuova contabilità industriale in tempo reale. Significa sapere cosa succede davvero in reparto, non cosa pensiamo che succeda. Significa misurare scarti e rilavorazioni, tempi di attrezzaggio e micro-fermi, consumi energetici e deviazioni di processo, cause ricorrenti di difetti e non conformità.
Significa rendere visibile l’invisibile: le attività che rubano minuti e ore, gli errori che si ripetono perché nessuno li collega, i passaggi che dipendono dall’intuito di una persona e non da una regola verificabile. In industria, ciò che non misuri non lo governi, e ciò che non governi, prima o poi, lo paghi.
L’AI come metodo: manutenzione, qualità e tempi decisionali
E l’Intelligenza Artificiale, quando è presa sul serio, non è un gadget da appoggiare sopra la produzione come una vernice. È un modo diverso di organizzare lavoro e capitale. È la possibilità di passare dalla manutenzione “a calendario” alla manutenzione “su condizione”, di prevenire fermi impianto, di ridurre scarti perché individui prima le derive, di controllare la qualità lungo il processo e non soltanto alla fine, quando è tardi e il danno è già nel prodotto.
È la possibilità di comprimere il tempo tra problema e soluzione, tra segnale e decisione. È, in una parola, la possibilità di trasformare l’esperienza in metodo. Ed è soprattutto una leva per rendere più “semplici” i processi di integrazione e digitalizzazione.
Il punto dolente è che in Italia ci innamoriamo delle macchine e sottovalutiamo l’organizzazione. Compriamo tecnologia e poi la lasciamo isolata. Accumuliamo dati e poi scopriamo che sono sporchi, incompleti, non confrontabili. Avviamo progetti pilota che funzionano in una linea e non diventano mai sistema, perché manca l’integrazione tra reparti, perché non c’è un responsabile del dato, perché la cybersecurity viene considerata un costo “dopo”, quando dovrebbe essere un prerequisito “prima”.
Così l’innovazione resta a macchia di leopardo: qualche isola di eccellenza e un mare di normalità che non si muove. Ma la trasformazione digitale è una disciplina: richiede integrazione, standard, manutenzione del dato, investimenti continui e, soprattutto, una regia che tenga insieme tecnologia e lavoro.
Perché il 2026 è un anno decisivo per la manifattura italiana
Per questo bisogna dirlo senza giri di parole: se l’Italia non innova, è spacciata. Non perché manchi il talento, ma perché il tempo della rendita di posizione è finito. I concorrenti stanno industrializzando l’innovazione: piattaforme digitali che standardizzano, sistemi di produzione che imparano, fabbriche che riducono i tempi di set-up e aumentano la prevedibilità, supply chain che si riconfigurano in tempo reale.
In un mondo così, chi resta analogico non “rimane com’è”: arretra. E arretrare in industria significa entrare in una spirale: meno margini, meno investimenti, meno competenze, più precarietà.
Ecco perché il 2026 è un anno decisivo. Non è uno slogan: è un bivio. È il punto in cui le scelte rimandate diventano costi e le opportunità ignorate diventano vantaggi permanenti per altri. Stiamo entrando in una fase in cui l’AI diventa parte normale degli strumenti competitivi: non un extra per chi vuole sperimentare, ma una condizione per restare dentro le filiere più esigenti.
Nel 2026 si gioca la possibilità di passare dall’adozione episodica all’adozione di sistema: dati affidabili, processi integrati, persone formate, governance chiara. Chi ci arriva prima scala qualità e produttività; chi resta indietro viene schiacciato sulla sola leva del costo e poi sostituito quando le filiere trovano una catena più veloce e più misurabile.
Lavoro: il “ben fatto” con gli altri
C’è un’altra ragione per cui l’urgenza è adesso: il lavoro. L’Italia ha bisogno di aumentare i salari, e non lo farà per decreto né con slogan. Salari più alti richiedono più produttività, ma anche un modo diverso di condividere i guadagni dell’innovazione.
L’AI può aiutare proprio qui, a una condizione semplice e radicale: usare la tecnologia per togliere dal lavoro umano ciò che è rumore, ripetizione, copia/incolla manageriali, burocrazia, micro-attività che consumano tempo senza creare valore, e concentrare le persone su ciò che fa la differenza: qualità, soluzione dei problemi, gestione delle eccezioni, sicurezza, relazione con clienti e fornitori.
Se il lavoro diventa più qualificato e più responsabile, deve diventare anche più riconosciuto e meglio pagato. La manifattura italiana è piena di “capolavori invisibili”: competenze tacite che stanno nelle mani e nella testa delle persone, nelle micro-decisioni di chi regola una macchina, intercetta un difetto, evita un incidente, salva un lotto, inventa una scorciatoia intelligente.
Il problema è che quel sapere è spesso fragile: dipende dall’esperienza individuale e rischia di evaporare con i pensionamenti e con la difficoltà a trovare giovani. Digitalizzare significa anche questo: trasformare una parte di quel sapere in conoscenza condivisa, tracciabile, trasferibile. Non sostituisce il mestiere, ma accorcia la distanza tra chi sa e chi deve imparare.
Fabbrica cognitiva e politica industriale: il salto “di sistema”
Se guardiamo bene, la sfida non è tra industria e servizi, tra vecchio e nuovo. È tra chi costruisce una fabbrica cognitiva – dove dati e persone lavorano insieme per aumentare qualità e produttività – e chi resta in una fabbrica che vive di straordinari, emergenze, competenze non documentate e tempi morti che nessuno misura.
La prima crea margini e quindi salari, investe e attrae persone, diventa un fornitore affidabile nelle filiere globali. La seconda sopravvive finché può, poi si scopre vulnerabile: un’impresa che governa la complessità e un’impresa governata dalla complessità.
Il punto decisivo del 2026 è che non stiamo parlando di “innovare un po’”. Stiamo parlando di cambiare il modo in cui si crea valore. Mettere al centro la qualità dei dati come si mette al centro la qualità dei materiali; costruire capacità di calcolo e competenze come si costruiscono capannoni e linee; far lavorare insieme produzione, IT, manutenzione, qualità, supply chain e commerciale, invece di procedere per silos.
In molte PMI l’innovazione si ferma proprio qui: manca il ponte tra chi conosce il processo e chi conosce gli strumenti digitali. E quel ponte va costruito, con figure ibride, fornitori digitali affidabili, strumenti condivisi per chi da solo non può.
Serve anche una scelta culturale: smettere di raccontare l’industria come un settore “maturo”, quasi un’eredità da conservare, e ricominciare a trattarla come un laboratorio di futuro. La manifattura oggi è il luogo dove si incrociano transizione digitale, transizione energetica e nuove competenze.
Ma un anno decisivo non lo è per magia: lo diventa perché costringe a scegliere. E scegliere, per l’Italia, vuol dire smettere di pensare alla digitalizzazione come “un investimento IT” e cominciare a trattarla come politica industriale. Vuol dire mettere ordine: dati affidabili, standard di interoperabilità, una sicurezza informatica all’altezza e piattaforme che non restino chiuse nel perimetro dei grandi gruppi ma arrivino fino alla subfornitura.
Nei distretti la competitività è collettiva: se un’azienda accelera e quelle attorno restano analogiche, si crea una frattura che indebolisce tutti. Il salto del 2026 deve essere “di sistema”: strumenti condivisi, progetti in rete, regole semplici che favoriscano l’adozione e facciano scalare le soluzioni oltre il singolo pilota.
Il 2026 è anche l’anno in cui si capisce se sapremo usare bene le risorse disponibili: non per comprare tecnologia “a catalogo”, ma per cambiare processi e competenze. La differenza tra innovazione e spesa sta tutta qui. Un sensore senza processo è un soprammobile; un software senza dati è un foglio bianco; un modello di AI senza persone che lo governano è un’illusione.
Servono incentivi che premino l’integrazione reale, la misurazione dei risultati, la riduzione di scarti, consumi e tempi, la crescita di qualità e affidabilità. E serve una regia pubblica ma indipendente capace di orientare senza soffocare: poche priorità chiare, valutazione seria e la forza di dire no ai progetti vetrina.
La sfida delle nuove competenze
C’è poi un nodo che nel 2026 non possiamo più eludere: le competenze. L’AI è potente, ma è esigente. Chiede dati buoni, persone capaci di leggerli, tecnici in grado di stare tra macchina e software, manutentori che dialoghino con sistemi predittivi, manager che sappiano tradurre un problema produttivo in una domanda chiara per l’algoritmo.
Chiede formazione continua, non perché “manca la scuola”, ma perché la curva tecnologica corre più delle carriere. Serve un patto pratico: rafforzare percorsi tecnico-professionali e ITS, i licei STEAM, moltiplicare apprendistati di qualità, portare la formazione dentro l’impresa come investimento produttivo.
E serve anche alfabetizzazione digitale diffusa, perché la trasformazione non è per pochi: o diventa cultura comune, o diventa frattura sociale.
AI first o people first: partecipazione e contrattazione di anticipo
Infine, c’è il tema che distingue una modernizzazione giusta da una modernizzazione sbagliata: la partecipazione. L’AI cambia i flussi di lavoro, ridisegna responsabilità, smussa gerarchie troppo verticali, sposta potere decisionale.
Se questa trasformazione avviene “sopra” le persone, produce resistenze, errori, sfiducia; se avviene “con” le persone, produce miglioramento continuo. In fabbrica lo sanno tutti: la qualità non nasce dal manuale, nasce dall’intelligenza collettiva che individua le cause e corregge i processi.
Per questo il 2026 deve essere anche l’anno della contrattazione di anticipo: tutela dei dati, nuove professionalità, percorsi di crescita, premi legati a risultati misurabili. Senza condivisione, il progresso si trasforma in risentimento, e il risentimento diventa declino. La partecipazione non cancella i conflitti: alza il punto di incontro tra capitale e lavoro.
Senza partecipazione non esiste nessuna innovazione. Le aziende che sposano nei piani di assunzione l’AI first stanno tornando indietro: “assumo solo se, prima, dimostro che quel lavoro non è automatizzabile (o fortemente comprimibile) con le soluzioni disponibili di AI”. È un criterio sensato se lo trasformi in una regola di job design da affidare ai nuovi architetti del lavoro, non in uno slogan punitivo: prima fai l’AI-feasibility test (quali task sono ripetitivi, standardizzabili, data-driven, ecc.), poi automatizzi/augumenti quelli automatizzabili e ricostruisci i ruoli a umanità aumentata per la componente ad alto valore.
Cambia l’impatto delle tecnologie sul lavoro.
Come l’AI trasforma le professioni: task, esposizione e complementarità
Se semplifichiamo, possiamo ricondurlo a tre dinamiche: in Italia l’Istat censisce il lavoro italiano in ben 804 professioni; vi sarà la creazione di nuove professioni, sostituzione di attività esistenti e integrazione (cioè trasformazione) dei lavori attraverso nuove complementarità tra persone e macchine.
Finora digitale e robotica hanno soprattutto valorizzato l’ingaggio cognitivo e sostituito le mansioni routinarie e ripetitive: prima in fabbrica, poi sempre più negli uffici. Con l’intelligenza artificiale, però, i primi segnali empirici sembrano dare ragione a un’intuizione già formulata nel paradosso di Moravec (1987): le tecnologie tendono a erodere prima una parte delle attività cognitive “codificabili”, mentre faticano di più su quelle che richiedono capacità senso-motorie e contestuali.
Dopo la diffusione delle tecnologie abilitanti del 4.0, gli studi principali hanno provato a misurare l’esposizione dei lavori all’automazione usando metodi diversi: indici probabilistici, analisi testuali, sovrapposizioni tra brevetti e mansioni, o il collegamento tra applicazioni dell’AI e abilità censite nel database O*NET.
In particolare, Frey e Osborne hanno segnato l’avvio di questa stagione stimando che circa il 47% degli impieghi negli Stati Uniti fosse ad alto rischio di automazione, sulla base dell’esistenza di “colli di bottiglia” ingegneristici che allora sembravano superabili. Le professioni, in realtà, vanno scomposte in task e abilità, e ciascuna di esse ha una diversa “esposizione” all’AI.
Il limite comune di molti di questi approcci è l’idea che le mansioni siano mattoncini separati e indipendenti: se un’occupazione è composta da dieci attività e l’algoritmo ne svolge nove, quel lavoro viene considerato “perso” al 90%. Anche per questo il terzo effetto, l’integrazione e la trasformazione delle professioni, sarà il più interessante.
Il caso dell’o-ring e del disastro del Challenger
Il paper di Gans e Goldfarb è importante perché in tema di ruoli e professionalità introduce la nozione di complementarità qualitativa. Qui si innesta la teoria economica di Kremer (il modello “O-Ring”): in alcuni processi basta che un solo passaggio fallisca o abbia qualità molto bassa per azzerare il valore dell’intero progetto.
Come ricorda Franco Canna su the Innovation Post, il nome richiama il disastro dello Space Shuttle Challenger, causato dal cedimento di una piccola guarnizione (l’o-ring). In economia, il punto è che l’output finale non è la somma delle parti, ma il prodotto della qualità di ciascun compito: se anche un solo elemento tende a zero, crolla il valore complessivo.
Applicando questa logica, Gans e Goldfarb spiegano che l’automazione di una porzione del processo non elimina automaticamente il ruolo umano: piuttosto ne sposta il baricentro verso le fasi che la macchina non riesce a gestire, rendendole più decisive. Il cuore della ricerca sta quindi nel meccanismo di riallocazione.
Ogni lavoratore ha un tempo limitato che deve distribuire tra compiti diversi. Quando l’AI prende in carico le attività A, B e C, la persona non “smette” di lavorare: tende invece a concentrare attenzione ed energie sul compito D, quello che resta umano, soprattutto in un’organizzazione del lavoro capace di riconoscere la diversa natura dei contributi.
È il cosiddetto effetto focus: la qualità della prestazione su quell’unica attività può aumentare in modo significativo proprio perché riceve attenzione quasi esclusiva. La maggiore concentrazione di energie su D merita proprio gli architetti del lavoro che agevoleranno questo sposamento e focalizzazione di energie umane.
L’“innovation theatre”, nemico dell’innovazione
Il 2026, allora, non è l’anno dell’AI come feticcio. È l’anno in cui decidiamo se l’AI diventa un moltiplicatore del nostro modello industriale o il certificato della sua obsolescenza.
Se diventa moltiplicatore, la manifattura italiana può fare un salto: più produttività, più qualità, più sostenibilità, più salari, più attrazione di giovani. Se diventa obsolescenza, vedremo l’effetto contrario: tecnologia usata altrove per correre e qui usata solo per tagliare costi, con una spirale discendente di margini e competenze.
E quando perdi competenze, recuperarle non è mai rapido: servono anni, spesso generazioni. Il Made in Italy non deve diventare un museo. Deve tornare a produrre futuro, con la stessa ostinazione con cui ha prodotto bellezza e qualità.
La prospettiva 2026: parola d’ordine “serietà”
Digitalizzazione e AI sono strumenti, non una religione: servono a rendere la qualità competitiva, a trasformare il sapere in capitale diffuso, a fare della produttività una conseguenza del lavoro ben organizzato.
Il Paese ha ancora tutto per farlo: sistemi locali, creatività ingegneristica, capacità di adattamento, reti di subfornitura, cultura del prodotto. Ma il termometro del 2026 sarà la serietà con cui sapremo unire tecnologia, competenze e dignità del lavoro.
Iniziamo l’anno lavorando sul serio alla costruzione del nostro modello di innovazione. Mettiamo in rete le esperienze che hanno dimostrato un impatto reale nel trasferimento di tecnologie e competenze su imprese e lavoratori. Costruiamo una rete che stia accanto a loro, abbassi la soglia di accesso alle innovazioni per tutte le imprese, a partire dalle PMI.
Se c’è una parola che deve guidarci nel 2026 è “serietà”: meno annunci e più cantieri, meno progetti vetrina e più integrazione quotidiana, meno nostalgia e più metodo. E soprattutto, vera valutazione di impatto: valorizzazione di ciò che arresta il declino e razionalizzazione degli incubatori di zombie.
La manifattura italiana può ancora essere un motore europeo di qualità e innovazione: il tempo delle mezze misure è finito. L’applicazione dell’AI non è esente da rischi, ma la marginalizzazione dai grandi processi di trasformazione è ancora più pericolosa.
