L’IA nella produzione: trattenere il sapere quando le persone se ne vanno

Situazione di partenza: il sapere se ne va, gli obblighi di prova arrivano

Alla fine del primo semestre 2026 nell’industria manifatturiera tedesca erano occupate 5,29 milioni di persone, 144.100 ovvero il 2,7% in meno rispetto a un anno prima.¹ La documentazione non è diventata più piccola per questo, si distribuisce solo su meno spalle.

Va così in tutta Europa. In Svezia l’87% delle imprese tecnologiche e industriali interpellate riferisce difficoltà nel reclutare competenze ingegneristiche in elettrotecnica, energia e automazione.² In Norvegia il 62% delle imprese di Norsk Industri segnala un fabbisogno di competenze non coperto e indica come conseguenza quote di mercato perdute.⁴ In Spagna la statistica ufficiale ha contato nel quarto trimestre 2025 13.868 posti vacanti nella sola industria.⁶

Dall’altro lato arrivano i requisiti. La legge tedesca sugli obblighi di diligenza nelle catene di fornitura si applica alle imprese con di regola almeno 1.000 dipendenti nel Paese. Fino all’inizio del 2024 la soglia era di 3.000.⁷ Il fornitore con 60 persone non vi rientra, ma si vede arrivare sul tavolo i questionari dei suoi grandi clienti. Nella sicurezza informatica lo schema è lo stesso: in Italia le misure di base NIS2 devono essere attuate entro ottobre 2026, e chi rifornisce clienti interessati riceve i requisiti per via contrattuale.⁸

Nell’IA stessa la distanza maggiore non passa tra i Paesi, bensì tra grandi e piccoli. In Svezia il 30,7% delle imprese con 10 fino a 49 addetti impiega almeno una tecnologia di IA, dai 250 addetti in su il 71,9%.³ In Francia solo il 15% delle piccole e medie imprese dell’industria alimentare, il principale comparto industriale del Paese, utilizza soluzioni di IA.⁵

Caso d’uso 1: il sapere della generazione che esce diventa interrogabile

Il manutentore che da vent’anni sa come si comporta questa pressa dopo un cambio utensile va in pensione tra due anni. Gran parte del suo sapere è già in azienda, solo sparsa: nei rapporti di servizio, nei verbali di guasto e di collaudo, nei piani di attrezzaggio e nei parametri di regolazione scritti a mano nel raccoglitore accanto all’impianto. Una base di conoscenza costruita esattamente su questi documenti risponde alla domanda del turno di notte. Indica il rimando, cioè il documento e la pagina da cui proviene la risposta. Quale regolazione ha tenuto l’ultima volta su questo lotto? Come è stato risolto questo guasto?

La differenza rispetto a una chat nel browser sta nel riferimento. La risposta proviene dai suoi documenti e mostra da quale rapporto arriva. Non proviene dalla memoria del modello, cioè da ciò che il programma ha appreso in generale. Ciò che non è scritto non lo trova, e documenti superati producono risposte superate.

Ciò che il collega IA non fa: non regola alcuna macchina. Mostra che cosa era regolato l’ultima volta e chi lo ha documentato. Si decide all’impianto.

Caso d’uso 2: preparare gli audit dei clienti e i questionari fornitori

Un grande cliente invia un questionario fornitori con 120 voci: obblighi di diligenza nella catena di fornitura, prove di origine, sicurezza delle informazioni. In parallelo procede la preparazione del prossimo audit secondo IFS o BRCGS. Quasi ogni risposta si trova già da qualche parte in azienda, nell’autodichiarazione dell’anno precedente, in un certificato, in un’istruzione di procedura. Solo che nella settimana prima della scadenza non la trova nessuno.

Il collega IA associa le domande ai documenti esistenti, genera un elenco delle lacune per tutto ciò di cui non esiste nulla e deposita per il resto bozze di risposta con il rimando al documento. Il lavoro si sposta dal cercare al verificare. L’elenco delle lacune è spesso il guadagno maggiore: mostra prima dell’audit che cosa manca.

Qui sta il confine più netto. Ogni risposta in un questionario fornitori è un impegno verso il suo cliente, ogni documento di audit una prova verso un organismo di certificazione. Entrambi escono dopo l’approvazione tecnica, mai automaticamente.

Caso d’uso 3: istruzioni, etichette e manuali nella lingua del turno

Nella produzione alimentare e nel montaggio i team di turno lavorano con lingue miste. La regola di igiene, l’istruzione di attrezzaggio e la versione breve delle istruzioni per l’uso nascono dal documento approvato nella lingua dei collaboratori. L’elemento portante è un glossario aziendale: nomi degli impianti, denominazioni dei componenti e termini tecnici sono fissati una volta per tutte, così che lo stesso gruppo costruttivo non si chiami in modo diverso in ogni versione.

Lo stesso glossario sostiene i testi di dichiarazione ed etichettatura e le istruzioni per l’uso destinate all’esportazione. Sostiene anche nella direzione opposta: la specifica del fornitore spagnola e il certificato di collaudo italiano diventano leggibili, senza un portale di traduzione estraneo.

Anche qui vale il confine: le traduzioni sono bozze. Per le istruzioni rilevanti per la sicurezza e per le indicazioni prescritte per legge resta determinante la versione approvata, e ad approvare è la persona competente. I permessi arrivano fino al singolo strumento: chi non può vedere il calcolo dei costi non lo vede nemmeno tramite l’IA. Ogni accesso finisce nel registro di audit, un verbale che annota chi ha aperto quale documento e quando.

Connettori: che cosa si può collegare al suo ERP

Un collega IA è utile quanto ciò che gli è consentito raggiungere. MCP è uno standard aperto grazie al quale un programma di IA può interpellare un altro programma. Serve a questo scopo un’interfaccia documentata, cioè un punto di collegamento reso pubblico attraverso il quale due programmi si scambiano dati. Ogni singolo strumento viene abilitato a parte e ogni chiamata viene registrata. Impostazione predefinita: strumenti di lettura liberi, strumenti di scrittura solo con conferma. La tabella mostra fino a dove arriva oggi il collegamento dell’IA al software diffuso, verificata nell’agosto 2026. Nella colonna centrale figurano i nomi tecnici di queste interfacce; per lei conta la colonna di destra.

Ciò che qui consapevolmente non trova: il livello delle macchine e del MES, cioè la conduzione della produzione. Controlli, raccolta dati di produzione e schedulazione fine non sono stati verificati. Una promessa di integrazione che si rompe al primo colloquio costa più di quanto renda. L’utilità nasce in ufficio e nella preparazione del lavoro. Se il suo software manca, la base di conoscenza e la preparazione dell’audit funzionano ugualmente: servono solo documenti. Maggiori informazioni alla pagina Integrazioni.

La separazione ha anche una ragione giuridica. Se un’IA viene integrata come componente di sicurezza in un prodotto regolamentato, può rientrare tra i sistemi ad alto rischio del regolamento sull’IA. In base al regolamento (UE) 2026/1744 i relativi obblighi si applicano dal 2 dicembre 2027, per i sistemi incorporati dal 2 agosto 2028.⁹ Un assistente in ufficio di regola non vi rientra.

Protezione dei dati e tutela del segreto: le specifiche restano nello stabilimento

Specifiche dei clienti, ricette, calcoli dei costi e dati di collaudo sono segreti d’affari, spesso vincolati in aggiunta da un accordo di riservatezza del suo cliente. Per i dati personali vale il regolamento generale sulla protezione dei dati. L’azienda resta responsabile anche quando è uno strumento di IA a trattarli. Se collabora un fornitore, serve un accordo sul trattamento dei dati, cioè un contratto che stabilisce che cosa quel fornitore può fare con i dati. Questo articolo non sostituisce una consulenza legale.

Se i dati finiscono in un Paese fuori dall’Europa, si aggiunge il capo V del regolamento. Le serve allora una base giuridica per il trasferimento e, a seconda dello strumento scelto, una valutazione della situazione normativa nel Paese di destinazione. Se conservazione ed elaborazione dei modelli avvengono nello Spazio economico europeo, questo passaggio viene meno. Il trattamento non diventa per questo automaticamente lecito, ma è più facile da motivare.

Kisuno funziona in centri di calcolo certificati ISO 27001 oppure sul suo server. I dati dei clienti non addestrano alcun modello. La telemetria, cioè il rinvio di dati di utilizzo, è disattivata per impostazione predefinita. Chi non può cedere nulla all’esterno gestisce la propria istanza nel proprio centro di calcolo. Un’istanza è l’installazione che gira per la sua sola azienda. La base LibreChat è rilasciata con licenza MIT; il repository con le nostre estensioni seguirà a breve. L’accordo sul trattamento dei dati e l’elenco dei sub-responsabili sono pubblicati apertamente sul sito. Si possono scegliere i modelli attuali di OpenAI (ChatGPT) e Anthropic (Claude); vengono eseguiti nel data center AWS di Francoforte. AWS è un’azienda statunitense, quindi lo US CLOUD Act si applica anche con server a Francoforte, e lo diciamo apertamente. Come si svolge nel dettaglio questo percorso è descritto nell’articolo sui modelli di Anthropic tramite Amazon Bedrock. Per i clienti con requisiti elevati di protezione dei dati sono disponibili modelli aperti di punta come GLM, Kimi e DeepSeek, gestiti da aziende europee su server in Europa; lì il CLOUD Act non si applica.

A ciò si aggiunge un punto che la statistica europea mostra bene: in Norvegia il 71% delle imprese che usano l’IA impiega software acquistato già pronto, in Svezia il 62%.³ Strumenti simili sono disponibili in fretta, ma non conoscono l’azienda: nessun rapporto di servizio, nessun verbale di collaudo, nessuna risposta di audit.

Domande frequenti dalla fabbricazione e dalla produzione alimentare

Fonti

Tutte le cifre provengono da queste fonti, verificate da ultimo nell’agosto 2026, con il rispettivo paese di rilevazione.

1. Ufficio federale di statistica tedesco, comunicato stampa N057 del 14 agosto 2026 (DE): destatis.de
2. Industrirådet, rapporto sul fabbisogno di competenze dell’industria (SE, rilevazione da maggio a ottobre 2025, 1.500 imprese), presso Industriarbetsgivarna: industriarbetsgivarna.se
3. Eurostat, set di dati isoc_eb_ai, anno di rilevazione 2025: utilizzo dell’IA per classe dimensionale e modalità di acquisizione (SE, NO): ec.europa.eu/eurostat
4. Norsk Industri sul barometro delle competenze NHO 2025, 24 febbraio 2026 (NO): norskindustri.no
5. ANIA, Nos chiffres clés, sull’industria alimentare (FR): ania.net; utilizzo dell’IA per settore nel Baromètre France Num 2025: francenum.gouv.fr
6. INE, Encuesta Trimestral de Coste Laboral, quarto trimestre 2025 (ES): ine.es
7. Legge tedesca sugli obblighi di diligenza nelle catene di fornitura, articolo 1, ambito di applicazione (DE): gesetze-im-internet.de
8. Agenzia per la cybersicurezza nazionale, termini del recepimento italiano di NIS2 (IT): acn.gov.it
9. Commissione europea, quadro normativo per l’intelligenza artificiale, con i termini modificati dal regolamento (UE) 2026/1744: digital-strategy.ec.europa.eu