{"id":17033,"date":"2026-10-19T11:19:03","date_gmt":"2026-10-19T09:19:03","guid":{"rendered":"https:\/\/www.publiteconline.it\/assemblaggio\/?p=17033"},"modified":"2026-10-19T11:19:04","modified_gmt":"2026-10-19T09:19:04","slug":"come-rendere-la-digitalizzazione-un-tool-per-la-produttivita-le-risposte-nel-position-paper-di-sps-italia","status":"publish","type":"post","link":"https:\/\/www.publiteconline.it\/assemblaggio\/come-rendere-la-digitalizzazione-un-tool-per-la-produttivita-le-risposte-nel-position-paper-di-sps-italia\/","title":{"rendered":"Come rendere la digitalizzazione un tool per la produttivit\u00e0? Le risposte nel Position Paper di SPS Italia"},"content":{"rendered":"\n

La trasformazione digitale che coinvolge i processi produttivi del manifatturiero si sviluppa in un ambiente sempre pi\u00f9 esteso e confuso, dove l\u2019abbondanza di dati e di soluzioni di intelligenza artificiale pu\u00f2 rappresentare un rischio per l\u2019efficienza dei processi. Con gli autori del quarto Position Paper di SPS Italia abbiamo cercato di capire come utilizzare infrastrutture, strumenti, automazione e AI per migliorare la produttivit\u00e0.<\/h2>\n\n\n\n

Il progetto Position Paper di SPS Italia<\/a><\/strong> si pone l\u2019obiettivo di fornire linee guida utili alla comprensione dell\u2019evoluzione tecnologica e digitale, ma ben riassume anche l\u2019approccio che la fiera vuole avere verso l\u2019industria manifatturiera italiana. L\u2019obiettivo del Comitato Scientifico di SPS Italia<\/a>, che ricordiamo raccoglie Universit\u00e0, esperti di settore, responsabili di automazione, utilizzatori finali e costruttori di macchine, \u00e8 infatti sempre stato quello di creare uno spazio dove ci si possa confrontare e scambiare esperienze su tecnologie, normative e tendenze. Da quest\u2019esperienza \u00e8 nato il progetto dei Position Paper, cio\u00e8 di realizzare documenti che fornissero linee guida utili alla comprensione dell\u2019evoluzione tecnologica e digitale del manifatturiero. L\u2019edizione del 2026 del Position Paper ha visto la realizzazione di quattro pubblicazioni, ciascuna a cura di un Cluster: \u201cLa tecnologia deve guadagnarsi la fiducia\u201d<\/strong>, \u201cIntelligenza decisionale: persone, strategie, metriche e sostenibilit\u00e0\u201d<\/strong>, \u201cRobot per i sistemi industriali: stato dell’arte, regolamenti e linee guida applicative\u201d<\/strong> e \u201cDal campo al cloud per migliorare la produttivit\u00e0: infrastrutture e strumenti, automazione e AI\u201d<\/strong>. Proprio a questo ultimo documento, la cui pubblicazione \u00e8 prevista per l\u2019autunno 2026, dedichiamo un approfondimento con un\u2019intervista esclusiva agli autori del Position Paper: Massimo Ghelfi, Massimo Lenti, Oronzo Lucia e Federico Milan.<\/p>\n\n\n\n

Nel titolo del Position Paper avete scelto di legare insieme \u201ccampo\u201d e \u201ccloud\u201d. Qual \u00e8 il messaggio che volete trasmettere con questa scelta?<\/h3>\n\n\n
\n
\"Federico
Federico Milano, OT Senion Manager Stevanato Group.<\/em><\/figcaption><\/figure>\n<\/div>\n\n\n

Federico Milan<\/u><\/strong>: \u201cLa scelta di legare campo e cloud nasce dalla convinzione che la trasformazione digitale non possa essere letta come somma di interventi separati. Gregory Bateson (antropologo, sociologo e psicologo britannico), ragionando sulla base di sistemi, ci ricorda che nei sistemi complessi \u00e8 un errore isolare i problemi: il valore sta nelle relazioni, nei feedback, nei contesti e nei collegamenti. E la fabbrica \u00e8 un sistema complesso: macchina, linea, manutenzione, qualit\u00e0, pianificazione e persone non vivono mai separatamente. Per questo il dato che nasce dal campo non vale se resta segnale grezzo, ma non vale nemmeno se viene solo trasferito nel cloud. Diventa utile quando \u00e8 contestualizzato, qualificato, dotato di semantica condivisa e inserito in metriche capaci di guidare decisioni. Il concetto di \u201conlife\u201d introdotto dal filosofo Luciano Floridi rafforza questo punto: quello fisico e quello digitale non sono pi\u00f9 mondi distinti, ma una realt\u00e0 ibrida. Lo stesso vale per l\u2019industria: campo, edge, cloud, AI, persone, processi e metriche non sono pi\u00f9 entit\u00e0 distinte, ma formano un unico ecosistema cyber-fisico. Il punto non \u00e8 spostare tutto nel cloud, n\u00e9 difendere il campo come luogo autosufficiente, ma costruire continuit\u00e0 tra macchina, conoscenza, decisione e azione. La produttivit\u00e0 nasce dalla coerenza del sistema\u201d.<\/p>\n\n\n\n

Una fabbrica pu\u00f2 essere molto digitalizzata e allo stesso tempo meno produttiva di prima. Quali sono i rischi nascosti della digitalizzazione?<\/h3>\n\n\n\n

Oronzo Lucia<\/u><\/strong>: \u201cSpesso si parla di digitalizzazione prefigurando un aumento implicito di produttivit\u00e0, come se dati, software e connettivit\u00e0 generino automaticamente pi\u00f9 efficienza. Questa equazione semplifica una realt\u00e0 pi\u00f9 complessa: la digitalizzazione non \u00e8 intrinsecamente produttiva, ma lo pu\u00f2 diventare a patto che sia inserita in un processo trasformativo pi\u00f9 ampio. Ecco alcune considerazioni per una trasformazione efficace:<\/p>\n\n\n

\n
\"Oronzo
Oronzo Lucia, Scientific Coordinator SPS Italia.<\/em><\/figcaption><\/figure>\n<\/div>\n\n\n
    \n
  • La fabbrica data-driven non raccoglie pi\u00f9 dati, ma sa quali dati (non) usare e applica decisioni operative basate su dati aggiornati e contestualizzati, non su stime, percezioni o consuetudini.<\/li>\n\n\n\n
  • La misurabilit\u00e0 della produttivit\u00e0 permette di capire dove e come gli effetti migliorativi si materializzano. Il valore si crea se i dati spiegano e indirizzano decisioni ripetibili. Le belle dashboard, utili a confermare ci\u00f2 che gi\u00e0 si sa, non aiutano a cambiare i risultati.<\/li>\n\n\n\n
  • Il salto di produttivit\u00e0 si ha se l\u2019OEE diventa diagnostico; un OEE sincero pu\u00f2 anche peggiorare all\u2019inizio se non nasconde le perdite.<\/li>\n\n\n\n
  • La digitalizzazione non organica genera informazione povera: se ogni progetto usa un proprio modo di nominare, misurare, archiviare e interpretare i dati, la fabbrica, seppur ricca di sensori e connettori, rimane povera di significato e non risponde a domande semplici come il perch\u00e9 di un fermo produttivo o di scarto su un formato eccetera. Un\u2019infrastruttura frammentata penalizza l\u2019integrazione tecnica e riduce la formulazione di metriche coerenti.<\/li>\n<\/ul>\n\n\n\n

    In sintesi, il corretto uso dei dati pu\u00f2 generare resistenze perch\u00e9 riduce le zone grigie e costringe l\u2019organizzazione ad affrontare verit\u00e0 operative a volte difficili, ma se esiste una governance che protegge il progetto e traduce le evidenze in decisioni, i risultati saranno tangibili nel tempo\u201d.<\/p>\n\n\n\n

    Oggi la trasformazione digitale ha reso disponibili quantit\u00e0 enormi di dati, in che direzione bisogna lavorare perch\u00e9 questi dati non creino ulteriore complessit\u00e0 ma al contrario aiutino nel prendere decisioni pi\u00f9 efficaci?<\/h3>\n\n\n
    \n
    \"Massimo
    Massimo Lenti, Vice President Tecnical Dept.
    and Innovation Stevanato Group.<\/em><\/figcaption><\/figure>\n<\/div>\n\n\n

    Massimo Lenti:<\/u><\/strong> \u201cLa quantit\u00e0 di dati \u00e8 da diversi anni, soprattutto con l’avvento della Industry 4.0, un tema rilevante per diversi motivi: archiviazione, elaborazione e tracciatura in primis, essendo la cyber-security e la capacit\u00e0 di banda delle reti due aspetti rilevanti dal punto di vista gestionale, dunque dei costi e della sicurezza informatica. Tuttavia, di recente con lo sviluppo AI, ci si \u00e8 resi conto che pi\u00f9 che la \u201cquantit\u00e0\u201d \u00e8 necessario prestare attenzione alla \u201cqualit\u00e0\u201d dei dati e alla loro \u201csignificativit\u00e0\u201d; per questo oggi non necessariamente si tende ad acquisire dati in modo indiscriminato, ma a dosare la quantit\u00e0 (per certi sistemi si \u00e8 visto che la qualit\u00e0 del risultato \u00e8 inversamente proporzionale alla quantit\u00e0) e l’aggregazione in modo da creare delle elaborazioni in sottogruppi per dar vita a nuovi dati pi\u00f9 significativi o rappresentativi e perci\u00f2 sintetizzare mole di dati attraverso elementi che siano rappresentativi. Infatti, se un una prima fase (Industry 4.0) il tema era la raccolta dei dati per generare informazione, oggi e per il futuro la strategia di gestione dati va verso la generazione di valore, ovvero avere strumenti decisionali efficaci, e pertanto la qualit\u00e0 del dato da una parte (selezionare a monte) e la sua significativit\u00e0 (aggregazione e rappresentativit\u00e0) costituiscono le vere sfide per i modelli AI e le architetture dati dal campo (macchina) ai sistemi esperti (AI, ML etc.). Infine, bisogna tenere conto di sviluppare delle logiche di acquisizione dati che rendano sostenibile tutto il sistema, ovvero quali dati governare a livello locale (macchina), quali a livello intermedio (stabilimento o sito produttivo) e quali a livello alto (cloud, data-center eccetera) in modo da poter avere sistemi efficaci ma anche resilienti a eventi esterni o strutturali\u201d.<\/p>\n\n\n\n

    Con la diffusione crescente di sistemi di AI generativa e agentica assistiamo a numerosi tentativi per integrare queste tecnologie nelle governance delle aziende (a tutti livelli): dove pu\u00f2 davvero fare la differenza oggi l\u2019intelligenza artificiale in ambito industriale e dove, invece, \u00e8 meglio non aspettarsi miracoli?<\/h3>\n\n\n
    \n
    \"Massimo
    Massimo Ghelfi, Compliance Manager
    Consultant 40Factory.<\/em><\/figcaption><\/figure>\n<\/div>\n\n\n

    Massimo Ghelfi:<\/u><\/strong> \u201cDi fronte a una nuova tecnologia trasformativa come la AI vale quello che nel 1978 affermava Roy Amara: \u2018Tendiamo a sovrastimare l’effetto di una tecnologia nel breve periodo e a sottostimarne l’effetto nel lungo\u2019. Questo vale a maggior ragione per l\u2019AI dove ci sono in gioco forti pressioni e investimenti dettati da interessi economici. Le aziende riconoscono che l\u2019AI \u00e8 una di quelle tecnologie che cambiano davvero le regole del gioco, ma non possono permettersi da una parte di aderire a nuovi modelli tecnologi in modo imprudente e dall\u2019altra di non coinvolgersi, aspettando un quadro di maggior stabilit\u00e0 tecnologica. Il focus delle aziende \u00e8 sempre dettato dagli obiettivi di produttivit\u00e0, time to market, riduzione costi, flessibilit\u00e0 operativa, resilienza a lungo termine e marginalit\u00e0, servono quindi percorsi di maturazione e sperimentazione selettiva. Oggi la differenza \u00e8 nella AI Analitica Predittiva (machine e deep learning) per la manutenzione predittiva, l\u2019ottimizzazione delle supply chain, il controllo qualit\u00e0, la sicurezza e conformit\u00e0 dei processi, l\u2019energy management, dove cio\u00e8 servono attivit\u00e0 analitiche di anticipazione di comportamenti, identificazione di pattern e previsione di eventi, su grandi quantit\u00e0 di dati e in modo rapido ed efficiente. In particolare, nell\u2019integrazione della computer vision nella Predictive Risk Intelligence & Auditing e Tribal Knowledge Digitization, per un\u2019acquisizione diretta e immediata dai flussi operativi di informazioni che non possono essere raccolte con efficienza in modo statico o manuale. Inoltre, l\u2019AI generativa si pone come un potente strumento di supporto delle risorse umane nelle attivit\u00e0 quotidiane in azienda che, se ben implementato nei flussi di lavoro, ne incrementa le potenzialit\u00e0 e l\u2019efficienza. Ma il pi\u00f9 grande impatto trasformativo sull\u2019organizzazione del lavoro \u00e8 introdotto con l\u2019AI Agentica che, integrando AI predittiva e AI generativa (LLM), consente di implementare agenti autonomi capaci di valutare in proprio, pianificare ed eseguire flussi di lavoro a pi\u00f9 passaggi su attivit\u00e0 complesse senza richiedere una costante supervisione umana e operando in sistemi collaborativi. Per la sua caratteristica di nuova forza lavoro digitale sostitutiva delle attivit\u00e0 cognitive umane in molti contesti operativi, la sua diffusione richiede tempo per maturare le garanzie di funzionamento e governance nelle aziende, soprattutto per settori regolamentati e applicazioni critiche come quelle di produzione industriale\u201d.<\/p>\n\n\n\n

    Chi progetta macchine, integra sistemi o gestisce impianti industriali, cosa pu\u00f2 apprendere dalla lettura di questo Position Paper da mettere in pratica gi\u00e0 dal giorno successivo nella sua attivit\u00e0?<\/h3>\n\n\n\n

    M. Ghelfi, M. Lenti, O. Lucia, F. Milan:<\/u><\/strong> \u201cIl Position Paper fornisce degli strumenti per focalizzare l’attenzione sui temi pi\u00f9 rilevanti o di maggiore leva per lo sviluppo e la gestione della digitalizzazione industriale, ovvero come approcciare i temi da pi\u00f9 punti di vista, poich\u00e9 costruttori e utilizzatori non hanno le stesse problematiche ma entrambi devono gestire un cambiamento e dunque nelle tematiche comuni si \u00e8 cercato di dare rilevanza ai temi di \u201cformazione del personale\u201d, \u201canalisi dei processi aziendali\u201d e \u201cumano-centricit\u00e0\u201d dei sistemi digitali. Un errore comune \u00e8 trattare la digitalizzazione come l\u2019acquisto di una nuova macchina, con capex iniziale, payback atteso, un set di benefici lineari e l\u2019illusione che l\u2019investimento sia contenuto e concluso. Ma la digitalizzazione non \u00e8 un bene finito, \u00e8 un sistema vivente. Non si compra una volta. \u00c8 un programma che cambia (e costa) nel tempo e richiede energia organizzativa continua. Il ROI, se cercato nel breve periodo e per singolo progetto, spesso resta una chimera. Non perch\u00e9 il beneficio non esista, ma perch\u00e9 si pretende che una singola iniziativa si regga da sola, mentre il vero senso strategico della digitalizzazione \u00e8 l\u2019infrastruttura abilitante che si crea per supportarla. Nello specifico dei macchinari, il salto per un OEM \u00e8 passare da macchine pensate solo per produrre a macchine \u201cdata-ready\u201d e \u201cmetric-ready\u201d capaci di generare dati leggibili nel contesto e trasformabili in metriche affidabili. Cos\u00ec il valore non sta solo nell\u2019output prodotto, ma nella produttivit\u00e0 che la macchina aiuta a spiegare, governare e migliorare. Il valore per il cliente-utilizzatore \u00e8 la riduzione dell\u2019ambiguit\u00e0 operativa. Una macchina ben progettata non segnala solo cosa \u00e8 successo: aiuta a leggere cause, contesti e impatti, e a predisporre nuovi scenari. Cos\u00ec il cliente non compra solo asset fisici, ma prestazioni, diagnosi, fiducia e nuove capacit\u00e0 decisionali. Una macchina che rende leggibile il proprio comportamento apre la strada a servizi, partnership e nuovi modelli di valore che servono a entrambi. Il manufatturiero, con l\u2019arrivo della AI Agentica che, pi\u00f9 di altre sta ponendosi come quella che stravolge le regole del gioco, sta impattando in modifiche importanti dei propri sistemi organizzativi. La AI Agentica, che si propone con aspettative molto alte per risolvere problemi cronici delle aziende (mancanza di risorse, crisi della produttivit\u00e0), prospetta use case promettenti, a fronte per\u00f2 di investimenti anche importanti e nel PP si cerca di indicare una postura ragionevole di coinvolgimento attivo all\u2019interno di ecosistemi collaborativi, dove questa tecnologia sta diventando parte importante della trasformazione digitale, con una visione olistica degli elementi che la sfida pone.<\/p>\n\n\n\n

    <\/p>\n","protected":false},"excerpt":{"rendered":"

    La trasformazione digitale che coinvolge i processi produttivi del manifatturiero si sviluppa in un ambiente sempre pi\u00f9 esteso e confuso, dove l\u2019abbondanza di dati e di soluzioni di intelligenza artificiale pu\u00f2 rappresentare un rischio per l\u2019efficienza dei processi. Con gli autori del quarto Position Paper di SPS Italia abbiamo cercato di capire come utilizzare infrastrutture, strumenti, automazione e AI per migliorare la produttivit\u00e0.<\/p>\n","protected":false},"author":8,"featured_media":17034,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_seopublitec_title":"Come rendere la digitalizzazione un tool per la produttivit\u00e0? Le risposte nel Position Paper di SPS Italia","_seopublitec_meta_desc":"La trasformazione digitale che coinvolge i processi produttivi del manifatturiero si sviluppa in un ambiente sempre pi\u00f9 esteso e confuso, dove l\u2019abbondanza di dati e di soluzioni di intelligenza artificiale pu\u00f2 rappresentare un rischio per l\u2019efficienza dei processi. Con gli autori del quarto Position Paper di SPS Italia abbiamo cercato di capire come utilizzare infrastrutture, strumenti, automazione e AI per migliorare la produttivit\u00e0.","_seopublitec_keyphrases":"Position Paper,SPS Italia","_seopublitec_canonical":"","_seopublitec_noindex":false,"_seopublitec_nofollow":false,"_seopublitec_og_title":"","_seopublitec_og_desc":"","_seopublitec_twitter_title":"","_seopublitec_twitter_desc":"","_seopublitec_twitter_image":"","_seopublitec_og_image":"","_seopublitec_twitter_card":"summary_large_image","_seopublitec_cornerstone":false,"_seopublitec_score":"{\"overall\":\"good\",\"keyphrases\":{\"Position Paper\":\"good\",\"SPS Italia\":\"good\"},\"readability\":\"ok\"}"},"categories":[20],"tags":[675,8296,8293,8294,8295,7310,1387],"class_list":["post-17033","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fiere-convegni","tag-digitalizzazione","tag-federico-milan","tag-massimo-ghelfi","tag-massimo-lenti","tag-oronzo-lucia","tag-position-paper","tag-sps-italia"],"openstation_lock":null,"openstation_contributors":[],"openstation_attached_media":[17034,17035,17036,17037,17038],"_links":{"self":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts\/17033","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/comments?post=17033"}],"version-history":[{"count":1,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts\/17033\/revisions"}],"predecessor-version":[{"id":17039,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/posts\/17033\/revisions\/17039"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/media\/17034"}],"wp:attachment":[{"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/media?parent=17033"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/categories?post=17033"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.publiteconline.it\/assemblaggio\/wp-json\/wp\/v2\/tags?post=17033"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}