IFS porta l’Industrial AI in Italia: al centro le esigenze concrete, non la tecnologia

IFS non è un nome che circola spesso nelle conversazioni IT generaliste, ma nei settori manifatturiero, energetico e delle utility è un interlocutore consolidato: oltre 7.000 dipendenti in più di 90 paesi, 5.500 clienti globali e un posizionamento preciso nel segmento del software enterprise per aziende che producono, manutengono o gestiscono asset complessi.

Il 13 maggio scorso, al Magna Pars Hotel di Milano, l’azienda ha tenuto la prima edizione italiana di IFS Connect – un appuntamento che fa parte di un roadshow internazionale e che a Milano ha riunito oltre 150 professionisti provenienti da 95 aziende dei settori energy, utilities, telecomunicazioni e manifattura.

Il mercato italiano: curiosità alta, scala ancora lontana

La survey condotta tra i partecipanti all’evento fotografa una situazione simile a quella che in Italia si ritrova in molti altri settori. Solo il 25% delle aziende presenti ha avviato pilot specifici di intelligenza artificiale nei propri processi industriali; il 32% è ancora in fase esplorativa, senza progetti attivi. I principali ostacoli dichiarati sono la qualità e l’accessibilità dei dati (indicata dal 31,8% degli intervistati) e l’integrazione con i sistemi esistenti (30,3%). A questi si aggiunge la scarsa flessibilità dei fornitori tecnologici, segnalata da oltre il 30% come elemento critico.

Il dato di contesto lo ha fornito Mathieu Daudigny, Managing Director Central Europe di IFS (nella foto di apertura): la percentuale di aziende che usano l’IA è cresciuta dal 12% al 46% in un anno. Un balzo che racconta la diffusione ma non necessariamente la profondità dell’adozione. Adottare non significa scalare, ed è proprio su questo nodo che si misura oggi la maturità operativa delle organizzazioni industriali italiane.

Una piattaforma unica per collegare asset, processi e decisioni

Ruggero Breda, Head of Italian Market di IFS

In Italia IFS è presente soprattutto in contesti industriali dove è necessario governare asset, servizi sul campo, produzione e progetti complessi all’interno di un’unica piattaforma. I segmenti più attivi sono l’Enterprise Asset Management (EAM), piattaforma di gestione del ciclo di vita degli asset fisici nei settori energy, utilities, manifattura e infrastrutture; il Field Service Management (FSM), per coordinare tecnici, ricambi e livelli di servizio sul territorio; l’ERP per aziende su commessa; e il Project & Service Management per realtà che operano con logiche ingegneristiche complesse.

Il filo comune, secondo Ruggero Breda, Head of Italian Market di IFS, è che le aziende non cercano più soluzioni verticali isolate: “Le aziende cercano una piattaforma capace di collegare operation, dati e processi decisionali per offrire una vista a 360 gradi e non suddivisa in silos con prodotti verticali, perché le attività di manutenzione e service hanno impatti su altri processi come ingegneria, supply chain, quality”.

Su questo terreno IFS sta investendo su tre assi. Il primo è l’Industrial AI: non un’intelligenza artificiale generica, ma funzionalità integrate direttamente nei processi industriali, di manutenzione e di service. Il secondo è l’automazione operativa: le aziende, spiega Breda, non chiedono più solo dashboard o analytics, ma sistemi capaci di suggerire, ottimizzare e in alcuni casi orchestrare attività operative in tempo reale. Il terzo è la convergenza tra ERP, EAM e FSM. Tre mondi storicamente separati che le aziende vogliono oggi unificare in un’unica piattaforma con continuità tra progettazione, produzione, manutenzione e servizi.

“L’AI ha valore solo quando vive dentro il processo operativo. Per questo IFS parla di Industrial AI: non tecnologia fine a sé stessa, ma capacità concreta di migliorare execution, efficienza e decision making”, sintetizza Breda.

I progetti non partono dall’AI

L’osservazione forse più interessante che emerge riguarda il punto di partenza reale dei progetti AI nelle aziende italiane. Nei casi seguiti da IFS, il trigger non è quasi mai la tecnologia: “I progetti non partono dal volere implementare l’AI di per sé, ma quasi sempre da inefficienze operative reali”, dice Breda.

“In molti casi l’AI arriva come acceleratore successivo. Le aziende più mature non stanno adottando l’AI per seguire il trend, ma per risolvere problemi concreti di execution”. Breda fa qualche esempio: aziende che vogliono migliorare la pianificazione della manutenzione; realtà che devono coordinare una forza lavoro distribuita sul territorio; organizzazioni che cercano una vista integrata su attività di lunga durata combinando dati operativi, finanziari e di supply chain.

Il cloud nella manifattura: il rischio si è invertito

Storicamente il settore manifatturiero ha guardato il cloud con cautela, soprattutto per le implicazioni su continuità operativa, sicurezza e controllo del dato. La percezione, secondo Breda, sta cambiando e negli ultimi sei mesi l’accelerazione è stata marcata. Il cloud non viene più visto solo come scelta infrastrutturale, ma come condizione necessaria per accedere a funzionalità evolute: AI generativa, AI agentica, ottimizzazione avanzata. Tutte tecnologie che richiedono architetture cloud per poter essere aggiornate, scalate e integrate rapidamente.

“Il vero rischio non è più ‘andare sul cloud’, ma restare bloccati su sistemi che non permettono di evolvere abbastanza velocemente”, afferma Breda. Rimangono tuttavia cautele legittime, legate alla criticità degli impianti e alle specificità di alcuni settori, riconosce lo stesso Breda.

Agentic AI: dall’assistenza all’orchestrazione

Se l’AI generativa ha abituato le aziende a lavorare con sistemi che rispondono, l’AI agentica introduce sistemi capaci di agire: eseguire azioni, coordinare workflow, supportare decisioni operative in modo proattivo.

La posizione di IFS sul rapporto uomo-macchina è esplicita: “Le aziende più mature non vogliono demandare le decisioni all’AI. Vogliono usare l’AI per accelerare analisi, ridurre le inefficienze e supportare le persone nelle decisioni operative. L’obiettivo non è sostituire l’esperienza umana, ma aumentare la capacità di execution delle organizzazioni”.

Una posizione condivisibile sul piano dei principi  e probabilmente corretta per le aziende più strutturate. La domanda aperta è se e quando la larga maggioranza delle aziende italiane, spesso piuttosto piccole e ancora ferme alla fase esplorativa, riuscirà a compiere il salto dalla sperimentazione alla scala. I dati raccolti a Milano suggeriscono che i blocchi principali – qualità dei dati, integrazione con i sistemi legacy, flessibilità dei fornitori – sono tutti risolvibili, ma nessuno di questi è banale.