Tecnologie emergenti per le imprese: adozione, impatti e misurazione

Perché le tecnologie emergenti non sono più un progetto a sé

Per una PMI italiana la digitalizzazione non ha più una data di inizio e una di fine: è un processo continuo, da monitorare costantemente. L'approccio cambia: non si tratta di «fare un progetto digitale», ma di governare un'evoluzione che coinvolge produzione, organizzazione e decisioni.

All'origine c'è il divario tra due gruppi: chi adotta tecnologie emergenti e le PMI che investono in digitale ma si fermano a strumenti basilari. Secondo l'Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano, il 65% delle PMI italiane dichiara di investire già in modo significativo nella trasformazione digitale, ma gli investimenti si concentrano ancora su tecnologie di base, come i software gestionali.

Il richiamo a Industria 4.0 e alla maturità digitale serve a interpretare questo divario: non basta la presenza dello strumento; contano il grado di integrazione nei processi e la capacità di generare valore misurabile.

Le tecnologie emergenti non si esauriscono con IA e robotica. Nelle imprese italiane contano anche blockchain, IoT, 5G, digital twin, cloud ed edge computing. Quattro macro-driver guidano l'evoluzione: intelligenza distribuita, interconnessione tra mondo fisico e digitale, automazione intelligente e sicurezza decentralizzata.

La blockchain è un sistema di registrazione digitale che consente di memorizzare e condividere informazioni in modo sicuro e trasparente.

Il 5G è una piattaforma abilitante: offre velocità elevate, bassa latenza, maggiore capacità e network slicing. Sostiene realtà aumentata e virtuale, automazione industriale avanzata, telemedicina e città intelligenti.

Il Portale CTE del MIMIT colloca il 5G tra le tecnologie emergenti. Le velocità di picco teoriche possono raggiungere diversi gigabit al secondo.

Adozione: tra spinte produttive e carenza di competenze

Anche l'adozione delle tecnologie di base mostra un limite: il 65% delle PMI italiane dichiara di investire in modo significativo nella trasformazione digitale, secondo l'Osservatorio Innovazione Digitale nelle PMI del Politecnico di Milano. Gli investimenti restano però concentrati su software gestionali.

Una spinta concreta all'adozione viene dai problemi di personale. Secondo i dati Excelsior di Unioncamere elaborati dalla CGIA, nel 2024 le aziende italiane hanno cercato quasi 840.000 operai specializzati, il 15% delle assunzioni totali. Oltre il 60% ha però segnalato difficoltà di reperimento, con tempi di ricerca superiori a cinque mesi.

Nel manifatturiero la difficoltà di reperimento dei profili tecnici è passata dal 45% nel 2023 al 48% nel 2024, con un picco stimato al 70% per i profili tecnici ad aprile 2026.

La fonderia conferma il quadro. Secondo Assofond, nel primo semestre 2024 la maggioranza delle fonderie italiane (73,3%) ha cercato nuovo personale nonostante un mercato stagnante: gli operai specializzati sono stati i profili più ricercati nel 52,9% dei casi, ma solo il 13,6% delle aziende si è dichiarato pienamente soddisfatto.

La carenza di competenze specializzate non è quindi congiunturale, ma strutturale.

A livello europeo, cloud, edge e IoT formano un continuum cloud-to-edge-to-IoT. L'Unione europea punta a 10.000 nodi periferici climaticamente neutri e finanzia progetti con Orizzonte 2020 e Orizzonte Europa, raccolti nell'iniziativa EUCloudEdgeIoT.

Impatti su produzione e operations: controllo, ripetibilità, efficienza

In manifattura e in fonderia l'effetto più concreto di IA e robotica riguarda la natura stessa del processo: se applicati nel modo giusto, questi strumenti rendono i processi più controllabili, ripetibili ed efficienti. Non si tratta di marketing tecnologico né di scenari futuribili, ma di interventi su attività dove la variabilità è il problema principale.

C'è poi la questione dell'esperienza. In ambienti come la fonderia — alte temperature, metallo fuso, superfici grezze — molta conoscenza si affina in anni di lavoro sul campo. Qui il reperimento di profili tecnici è difficile e i tempi di ricerca si allungano, come emerge dai dati Excelsior. Le soluzioni di automazione e IA vanno quindi valutate tenendo conto di questo scenario.

È anche il criterio per valutare gli investimenti: sul piano dell'aumento della produttività e del ritorno degli investimenti, a guidare le valutazioni è il miglioramento dei parametri di efficienza ed efficacia. Vanno però considerati anche i limiti concreti: le opportunità sono reali, ma non automatiche, e richiedono di partire dai problemi che l'innovazione deve risolvere.

Nel manifatturiero l'automazione robotizzata ha un riferimento storico: TREBI opera da oltre 40 anni nell'automazione robotizzata specifica per la fonderia.

Cloud, edge e IoT spostano il trattamento dei dati vicino a dove vengono prodotti, per affrontare latenza, sicurezza, privacy e esigenze ambientali. Abilitano intelligenza decentrata e concetti come lo swarm computing.

Sul controllo dei processi, i KPI di produzione includono OEE, TEEP, Scrap Rate, Cycle Time e Takt Time. L'OEE combina disponibilità, performance e qualità; il TEEP misura l'utilizzo reale della capacità totale su calendario 24/7.

I benchmark di settore aiutano a leggere i risultati: OEE medio 60–75%, top quartile 78–92%, world-class 85%+ su linee dedicate. Per il TEEP, in continuo 24/7 world-class si supera il 90%.

Altri indicatori sono On-Time Delivery e Schedule Adherence, che misurano la voce del cliente e il rispetto della programmazione.

Vantaggi e limiti dell'adozione dell'IA nelle PMI italiane

Impatti su dati, marketing e relazione con il cliente

Nelle PMI il marketing digitale è spesso scelto per la maggiore flessibilità negli investimenti. Il contesto, però, è più complesso: intelligenza artificiale, nuove regole sulla privacy e consumatori sempre più consapevoli richiedono un approccio strategico, non improvvisato. Decisioni affrettate o basate su conoscenza parziale portano a investimenti senza ritorno, sanzioni evitabili e a un divario crescente rispetto ai concorrenti più organizzati.

Trasformare i dati in vantaggio competitivo richiede una data governance efficace, non basta adottare strumenti. Senza regole su chi raccoglie, conserva e utilizza i dati, l'automazione amplifica disordine e inerzia anziché generare valore.

Per una PMI questo significa alcune attenzioni ricorrenti. Mettere per iscritto come vengono gestiti i dati tra marketing, vendite e post-vendita. Partire da strumenti che rispondano a un'esigenza concreta e misurabile. Verificare periodicamente le attività con una checklist, per adattare le scelte a un contesto che cambia rapidamente. La relazione con clienti più selettivi e meno fedeli rende questo presidio continuo, non una tantum.

Il 5G introduce network slicing: reti virtuali separate nella stessa infrastruttura fisica, configurabili per casi d'uso con requisiti diversi di latenza. Per la relazione con il cliente significa connessioni più affidabili e a bassa latenza.

Misurare ciò che conta: KPI 4.0 e maturità digitale

Implementare soluzioni digitali non basta: bisogna sapere come misurare i risultati. I KPI, acronimo di Key Performance Indicators, sono metriche quantitative e qualitative. Consentono di valutare in modo chiaro e oggettivo il successo delle iniziative digitali, il livello di maturità digitale dell'impresa e l'efficienza dei nuovi processi, orientando decisioni basate su dati concreti.

La differenza dai KPI tradizionali sta nel perimetro. I KPI 4.0 non misurano solo quanto si produce, ma anche come. Indicano in che misura le tecnologie digitali sono integrate nei processi, quanto sono automatizzate le operazioni, se i dati vengono gestiti in modo efficiente e se le diverse funzioni aziendali dialogano tra loro in tempo reale.

Ne derivano due indicazioni pratiche. La prima: definire subito gli obiettivi specifici da raggiungere, perché sono la base per individuare i KPI davvero rilevanti per la propria realtà. La seconda: scegliere con attenzione gli aspetti da misurare, considerando tutti i reparti coinvolti — dalla produzione alla logistica, dal customer care alle risorse umane — per avere una visione completa del valore generato. Poiché la digitalizzazione è un processo continuo e non un progetto a termine, anche gli indicatori devono evolversi nel tempo.

Un cruscotto 4.0 può includere indicatori quantitativi e qualitativi per produzione, logistica, customer care e risorse umane. La scelta dipende dagli obiettivi specifici, non dallo strumento.

Tra i KPI 4.0 più usati nella produzione ci sono OEE, TEEP, Scrap Rate, Cycle Time, Takt Time, On-Time Delivery e Schedule Adherence. L'OEE è l'indicatore cardine dell'efficienza produttiva; il TEEP mostra il quadro completo sull'utilizzo della capacità.

I benchmark realistici: OEE 60–75% media di settore, 78–92% top quartile, 85%+ world-class su linee dedicate. TEEP: monoturno max teorico ~24–33%; plurito turno world-class ~72%; continuo 24/7 >90%.

Per i progetti di IA, la misurazione deve iniziare prima del lancio. Senza un benchmark iniziale è impossibile isolare i reali meriti dell'IA dalle fluttuazioni operative.

Circa il 30% dei progetti di GenAI viene interrotto dopo la proof of concept. Solo il 45% delle organizzazioni ad alta maturità mantiene operative le iniziative di AI oltre i tre anni.

La spesa globale in GenAI è stimata tra 30 e 40 miliardi di dollari. Un modello accurato non genera ROI se non risolve un'esigenza prioritaria o non viene adottato dagli utenti.

Dalla misurazione alla roadmap: una checklist per la PMI

Per passare dalla misurazione alla roadmap, una PMI può adottare una checklist operativa. Il primo passo è verificare che gli obiettivi siano tradotti in indicatori, evitando di partire dagli strumenti.

Il secondo passo è estendere la misurazione ai reparti coinvolti, con indicatori quantitativi e qualitativi.

Il terzo passo è avviare progetti pilota su processi critici, con l'obiettivo di rendere il processo più controllabile, ripetibile ed efficiente. Il quarto è il monitoraggio continuo.

Sul fronte della valutazione degli investimenti, il criterio di partenza resta il confronto tra aumento della produttività, ritorno dell'investimento e miglioramento dei parametri di efficienza ed efficacia. A questo si aggiunge la consapevolezza dei limiti concreti delle tecnologie.

La checklist operativa parte da tre verifiche: mettere per iscritto come i dati sono gestiti tra marketing, vendite e post-vendita; scegliere strumenti che rispondano a un'esigenza concreta e misurabile; riesaminare periodicamente le attività per adattarle al contesto.

Una checklist di misurazione verificabile può includere: OEE giornaliero o per turno; TEEP settimanale; Scrap Rate, Cycle Time e Takt Time; On-Time Delivery e Schedule Adherence.

Per l'IA, definire i KPI prima del lancio, stabilire un benchmark iniziale e allineare gli stakeholder su metriche condivise.

Tra i principali errori nella misurazione dei progetti di IA c'è focalizzarsi sull'accuratezza tecnica anziché sull'impatto di business.

Checklist operativa per una PMI nella digitalizzazione

Fasi della roadmap digitale per una PMI italiana