La fabbrica del futuro si sta scrivendo attraverso i prompt.

Ecco una cosa vera riguardo a come vengono realizzati gli oggetti fisici: quasi nessuno al di fuori del settore manifatturiero sa effettivamente come vengono realizzati gli oggetti fisici.

Conoscono le linee generali. Qualcuno progetta qualcosa. Qualcun altro lo costruisce. Arriva un camion. Ma la parte centrale, dove un'idea diventa una specifica, dove una specifica diventa una decisione di approvvigionamento, dove una decisione di approvvigionamento diventa una produzione, dove una produzione diventa il prodotto ordinato, quella parte è in gran parte invisibile, ed è incredibilmente complessa, e ha funzionato più o meno allo stesso modo per moltissimo tempo.

Ora le cose stanno cambiando.

L'intelligenza artificiale generativa sta iniziando a riscrivere il ciclo di vita della produzione in modi difficili da sottovalutare. Cercherò di essere preciso. Il cambiamento non riguarda principalmente la velocità, sebbene la renderà più rapida. Non riguarda principalmente i costi, sebbene modificherà significativamente le strutture dei costi. Riguarda qualcosa di più fondamentale: in quale fase del processo viene applicata l'intelligenza, da chi e con quale precocità. Siamo all'inizio di una trasformazione che rimodellerà l'economia industriale in modo altrettanto significativo quanto l'elettrificazione o l'informatizzazione, e le aziende che lo comprenderanno ora, finché è ancora presto e in parte ancora in fase di sviluppo, saranno quelle che scriveranno le regole per tutti gli altri in futuro.

Il problema più costoso nel settore manifatturiero non è quello che pensi.

Chiedete alla maggior parte delle persone dove si verificano gli errori nella produzione e vi indicheranno la fabbrica. Ma alcuni dei fallimenti più costosi si verificano molto prima, nella fase anacronistica in cui un'idea di prodotto inizia a concretizzarsi in una serie di requisiti. Ed è proprio in questa fase che svaniscono enormi quantità di tempo e denaro.

Il problema è il disallineamento. I requisiti vengono raccolti tramite e-mail, documenti letti solo a metà e riunioni in cui l'allineamento sembra raggiunto ma non lo è. Arrivano in brief di ingegneria settimane dopo, pieni di ambiguità latenti che nessuno aveva notato, ambiguità che emergono solo quando un prototipo non funziona, o un fornitore propone un preventivo non del tutto corrispondente, o un team di produzione si rende conto che il progetto ricevuto non è effettivamente realizzabile in grandi volumi.

L'intelligenza artificiale generativa interviene proprio in questa fase, e i suoi effetti si propagano a cascata in tutto ciò che segue. Questi sistemi sono in grado di elaborare enormi quantità di dati non strutturati – feedback dei clienti, documenti normativi, dati sui guasti sul campo, analisi della concorrenza – e di sintetizzarli in requisiti strutturati e con riferimenti incrociati in modo più rapido e coerente di quanto possano fare i team umani. Ciò che un tempo richiedeva settimane di ingegneria di sistema può essere elaborato in poche ore.

Quando i requisiti arrivano prima e con maggiore precisione, le fasi di passaggio di consegne cambiano. I team di approvvigionamento possono iniziare a identificare i fornitori in parallelo con la progettazione, anziché dopo. La pianificazione della produzione può iniziare prima che i disegni siano definitivi. Le fasi che prima erano sequenziali iniziano a svolgersi contemporaneamente.

Per le aziende che realizzano componenti meccanici su misura, dove ogni singolo ordine rappresenta un nuovo problema ingegneristico e la velocità di preventivazione spesso fa la differenza tra aggiudicarsi un contratto e perderlo, si tratta di una trasformazione strategica.

Cosa sa un ingegnere veterano

Esiste un tipo di conoscenza, racchiusa nei migliori ingegneri di produzione, quasi impossibile da descrivere dall'esterno. Si tratta di sapere quali tolleranze siano realizzabili su larga scala, quali leghe cedano in presenza di specifiche combinazioni di calore e sollecitazioni, quali decisioni progettuali, apparentemente eleganti sulla carta, si rivelino disastrose per il team di attrezzaggio. È un patrimonio di conoscenze che si accumula in decenni, è in gran parte non trasferibile e se ne va ogni volta che un ingegnere senior va in pensione.

I sistemi di intelligenza artificiale che fungono da copilota stanno iniziando a cambiare le cose. Un ingegnere che lavora su una nuova geometria di un componente può ora interrogare un sistema sulla fattibilità producibile su larga scala, ricevere un'analisi dei guasti in base a diversi scenari di carico e valutare le implicazioni economiche del cambio di materiali. Tutto ciò avviene all'interno dell'ambiente di progettazione, prima ancora che esista un prototipo fisico, nel momento in cui le informazioni sono effettivamente utili.

Sia chiaro: non si tratta di un sostituto del giudizio ingegneristico. Le decisioni che implicano conoscenza contestuale, responsabilità professionale e capacità di risolvere i problemi in modo creativo in condizioni di vincolo richiedono ancora l'intervento umano. Ciò che i copiloti basati sull'IA stanno facendo è ampliare lo spazio delle soluzioni che gli ingegneri possono esplorare prima di impegnarsi in una strada, e distribuire aspetti dell'intuito di alto livello tipico della produzione a un numero maggiore di persone, in una fase più precoce. I team che li adotteranno con successo arriveranno a progetti migliori, perché avranno valutato più opzioni prima che le leggi della fisica e dell'economia della produzione limitino le loro scelte.

Due tipi di intelligenza artificiale si stanno fondendo e la fabbrica non sarà più la stessa.

Ecco una distinzione di fondamentale importanza. C'è l'IA digitale: i sistemi generativi che supportano la progettazione, la documentazione, l'analisi delle fonti e il supporto alle decisioni. Questi operano sulle informazioni. E poi c'è l'IA fisica: i sistemi di percezione, pianificazione e controllo che alimentano robot industriali, logistica autonoma e attrezzature di produzione adattive. Questi operano sulla materia. Percepiscono il mondo, pianificano le azioni e muovono gli oggetti.

Per gran parte dell'ultimo decennio, queste due categorie si sono sviluppate in mondi pressoché completamente separati. Ora, però, i modelli generativi vengono sempre più utilizzati per programmare, dirigere e interpretare sistemi fisici. I robot possono ricevere istruzioni in linguaggio naturale e tradurle in sequenze di movimento. I modelli di linguaggio visivo consentono ai sistemi di ispezione di descrivere ciò che osservano in termini comprensibili agli esseri umani. Gli strumenti di progettazione generativa vengono collegati direttamente a macchine CNC e sistemi di produzione additiva, in modo che ciò che un modello progetta, una fabbrica possa realizzarlo.

Per le tecnologie climatiche, le implicazioni sono sorprendenti. L'intelligenza artificiale generativa sta accelerando la scoperta di nuovi materiali, individuando migliori chimiche per le batterie, catalizzatori più efficienti e materiali strutturali che riducono l'intensità di carbonio industriale. Per il settore manifatturiero in generale, questa convergenza significa che le fabbriche stanno diventando sistemi realmente adattivi, capaci di riconfigurarsi in risposta ai cambiamenti della domanda o alle interruzioni della catena di approvvigionamento in tempo quasi reale. Il confine tra il modello digitale di una fabbrica e l'impianto fisico si sta dissolvendo. A sostituirlo è un'infrastruttura industriale che apprende, si adatta e chiude il ciclo tra progettazione e produzione in modi prima impensabili.

La questione della forza lavoro

In qualsiasi articolo onesto sull'intelligenza artificiale e la produzione industriale, a un certo punto bisogna parlare delle persone. Non con la solita rassicurante formula "nasceranno nuovi posti di lavoro", diventata una sorta di assoluzione rituale nel giornalismo tecnologico. Bisogna parlarne davvero.

L'ansia è reale e non infondata. Il settore manifatturiero ha già subito profonde trasformazioni nel corso di quattro decenni. Un'ulteriore ondata di trasformazione guidata dall'intelligenza artificiale non è un'astrazione per chi lavora in questi settori.

I primi dati mostrano che l'effetto più significativo a breve termine non è lo spostamento, bensì l'elevazione. Gli ingegneri che utilizzano assistenti basati sull'IA si dedicano a un'ingegneria più incisiva, impiegando meno tempo nella documentazione di routine e più tempo nelle decisioni che determinano il successo di un prodotto. I responsabili della catena di approvvigionamento gestiscono una maggiore complessità grazie a informazioni più accurate. I responsabili delle operazioni applicano le informazioni generate dall'IA ad ambienti in cui la responsabilità rimane saldamente umana.

I ruoli definiti principalmente dalla gestione di routine dei dati, da compiti di coordinamento ripetitivi o da lavori fisici che rientrano nelle attuali capacità della robotica, saranno sottoposti a una pressione reale. Ciò richiede un'attenzione sincera da parte di aziende e istituzioni.

La forza lavoro del settore manifatturiero del prossimo decennio sarà definita dalla capacità di lavorare efficacemente con l'intelligenza artificiale: comprenderne i risultati, metterne in discussione le ipotesi e applicare i suoi suggerimenti alle decisioni che richiedono il giudizio umano. Si tratta di un profilo di competenze diverso da quello su cui si è basata l'industria manifatturiera. Sviluppare questa capacità su larga scala, in modo equo e nei tempi previsti, è una delle sfide più complesse del momento.

La Finestra

Il settore manifatturiero non è un blocco monolitico. L'adozione dell'IA nel settore aerospaziale è diversa da quella nell'elettronica di consumo, nei componenti industriali personalizzati e nei dispositivi medici. Il ritmo del cambiamento varia enormemente in base all'infrastruttura dati, al contesto normativo e alla capacità organizzativa.

Ma la direzione è chiara. Il ciclo di vita della produzione viene ristrutturato dall'intelligenza artificiale in ogni sua fase. Le aziende che investiranno in infrastrutture dati, flussi di lavoro ingegneristici potenziati dall'IA, competenze della forza lavoro e sistemi di governance per le decisioni ad alto rischio definiranno l'aspetto della produzione avanzata tra dieci anni.

La fabbrica del futuro sarà plasmata da modelli, definiti da indicazioni e perfezionati attraverso una collaborazione uomo-macchina che l'industria sta solo ora iniziando a comprendere. Il risultato finale dipenderà dalle scelte che vengono fatte ora, dalle aziende che stanno ancora cercando di capire quali domande porsi.

La finestra per costruire un vantaggio significativo è aperta. Ma non rimarrà aperta indefinitamente.