Una nave può restare in servizio per trent’anni. Un nuovo modello di intelligenza artificiale può diventare obsoleto nel giro di pochi mesi. È anche in questa distanza tra i tempi dell’industria e quelli della tecnologia che si gioca una parte importante della strategia di innovazione di Fincantieri.
Il gruppo guidato dall’amministratore delegato e direttore generale Pierroberto Folgiero, leader globale nella cantieristica ad alta complessità, deve riuscire a integrare tecnologie che evolvono continuamente in prodotti industriali complessi, progettati per durare decenni. E deve farlo mentre le stesse tecnologie cominciano a modificare il modo in cui quei prodotti vengono costruiti.
È una sfida che va ben oltre l’introduzione dell’intelligenza artificiale nelle attività aziendali. Riguarda il modello produttivo, l’organizzazione del lavoro, le competenze e, soprattutto, il concetto stesso di prodotto. La nave non è più necessariamente un sistema che, una volta progettato, costruito e consegnato, rimane sostanzialmente immutato. Può diventare una piattaforma tecnologica capace di incorporare nuove funzionalità durante il proprio ciclo di vita.
Per Fincantieri, dunque, l’innovazione non consiste soltanto nel migliorare l’efficienza dei processi esistenti. La prospettiva è più ampia: utilizzare le tecnologie digitali e l’intelligenza artificiale per trasformare contemporaneamente le attività industriali e il valore offerto ai clienti.
È questa la direzione lungo la quale si sta muovendo la direzione innovazione e information technology di Fincantieri, guidata da Paolo Cerioli
Indice degli argomenti
L’intelligenza artificiale nella strategia industriale di Fincantieri
La prima scelta di Fincantieri riguarda il posizionamento dell’intelligenza artificiale all’interno dell’azienda. L’AI non viene considerata una tecnologia da affidare a un programma autonomo, parallelo alle attività industriali, ma una componente trasversale del Piano Industriale, collegata agli obiettivi strategici del business.
È un passaggio importante perché modifica il punto di partenza delle iniziative di innovazione. Non si tratta di individuare tutte le possibili applicazioni di una tecnologia e successivamente cercare dove utilizzarle. Il percorso deve partire dalle esigenze dell’impresa e dai risultati che intende raggiungere.
La trasformazione si sviluppa lungo tre dimensioni: persone, processi e prodotti.
La prima riguarda la produttività individuale, attraverso strumenti di intelligenza artificiale che supportano il lavoro quotidiano. È il terreno delle applicazioni più immediate, come i sistemi simili ai copilot, che possono accelerare attività documentali, analisi e produzione di contenuti.
La seconda dimensione riguarda i processi. Qui l’intelligenza artificiale non serve soltanto ad automatizzare singole attività, ma può modificare il modo in cui vengono organizzati il lavoro e le decisioni. Il passaggio dall’automazione alla trasformazione richiede di rivedere sequenze operative, responsabilità e modalità di collaborazione.
La terza dimensione è quella potenzialmente più rilevante per il modello di business: il prodotto. L’intelligenza artificiale e le piattaforme digitali possono cambiare ciò che Fincantieri costruisce e il rapporto che l’azienda mantiene con quel prodotto dopo la consegna.
Sono tre livelli collegati, ma non equivalenti. Migliorare la produttività è un obiettivo importante e può generare benefici immediati. Ripensare i processi richiede invece una trasformazione organizzativa più profonda. Creare nuovi prodotti e servizi significa spingersi fino alla ridefinizione del valore che l’impresa è in grado di generare.
È soprattutto su questi ultimi due livelli che si misura la capacità dell’AI di diventare una leva strategica, anziché un semplice strumento di efficientamento.
La nave diventa una piattaforma tecnologica in evoluzione
La specificità di Fincantieri rende particolarmente evidente la differenza tra innovazione dei processi e innovazione del prodotto.
Una nave è un sistema industriale complesso, nel quale convivono componenti fisiche, impianti, software, sensori e sistemi di controllo. La sua vita operativa può estendersi per diversi decenni, un periodo durante il quale le tecnologie digitali cambiano radicalmente.
La risposta non può essere quella di progettare oggi tutte le funzionalità che saranno necessarie domani. Occorre piuttosto predisporre un’architettura capace di accogliere l’evoluzione tecnologica.
In questa prospettiva, la nave può trasformarsi da prodotto sostanzialmente statico a piattaforma aggiornabile, nella quale nuove applicazioni e funzionalità vengono introdotte anche successivamente alla consegna.
Il cambiamento è rilevante perché sposta una parte dell’innovazione dalla fase di costruzione all’intero ciclo di vita del prodotto. Una nave consegnata oggi potrebbe incorporare, dopo diciotto o ventiquattro mesi, nuove funzionalità digitali che ne ampliano le capacità operative.
È un’evoluzione che richiede di ripensare il rapporto tra hardware e software, le architetture tecnologiche e la capacità di gestire aggiornamenti e integrazioni nel tempo.
Ma apre anche una prospettiva strategica: il valore del prodotto non deve necessariamente esaurirsi al momento della consegna. Può continuare a svilupparsi attraverso un ecosistema digitale che accompagna la nave durante la sua vita operativa.
Questo non significa che Fincantieri abbia completato questa trasformazione. Significa che la progettazione di prodotti capaci di evolvere costituisce una direzione dell’innovazione industriale, particolarmente significativa in un settore caratterizzato da cicli di vita molto lunghi.
La physical AI entra nei cantieri
Se la digitalizzazione può modificare il prodotto, la Physical AI può incidere sul modo in cui viene costruito.
È un altro elemento distintivo della strategia di Fincantieri. A differenza delle aziende che operano prevalentemente nel software o nei servizi digitali, il gruppo deve confrontarsi con la complessità di grandi ambienti produttivi, nei quali una parte significativa delle attività richiede ancora un intervento umano diretto.
L’intelligenza artificiale può quindi entrare nei cantieri attraverso sistemi di automazione, robot, robot collaborativi e, in prospettiva, soluzioni umanoidi.
La questione non è soltanto tecnologica. La cantieristica è un settore caratterizzato da attività ad alta intensità di lavoro e da competenze specialistiche che possono essere difficili da reperire. La saldatura è uno degli esempi che spesso porta Cerioli: un’attività nella quale l’automazione può contribuire ad affrontare sia esigenze di produttività sia problemi di disponibilità di manodopera qualificata.
La Physical AI diventa così una possibile risposta a una criticità industriale che non riguarda soltanto l’Italia.
Il suo sviluppo, tuttavia, comporta un cambiamento nel rapporto tra persone e macchine. Una parte crescente delle attività esecutive può essere affidata a sistemi automatizzati, mentre il lavoro umano tende a concentrarsi maggiormente sulla supervisione, sul controllo e sulle attività a più alto valore aggiunto.
Non si tratta semplicemente di sostituire un’attività manuale con una macchina. Occorre riprogettare il processo produttivo e definire come persone e sistemi intelligenti debbano collaborare. È una trasformazione che richiede competenze nuove e un’organizzazione capace di governare tecnologie che non si limitano più a eseguire istruzioni predeterminate.
Per un gruppo industriale come Fincantieri, dunque, l’intelligenza artificiale agisce su due fronti complementari: entra nel prodotto e contemporaneamente modifica i processi attraverso i quali quel prodotto viene realizzato.
Fincantieri e l’innovazione “ “cantierabile”
C’è però una distanza che rischia di diventare sempre più problematica per le grandi imprese: quella tra la velocità con cui l’intelligenza artificiale consente di sviluppare un prototipo e il tempo necessario per trasformarlo in una soluzione industriale.
Gli strumenti di AI stanno accelerando molte attività tipiche dell’innovazione. Il technology scouting, l’analisi dei brevetti, la ricerca di benchmark e l’esame della documentazione possono essere svolti con maggiore velocità e ampiezza.
Anche lo sviluppo delle soluzioni cambia. L’intelligenza artificiale può aiutare a scrivere codice, realizzare test, verificare alternative e passare rapidamente da un’idea a un prototipo funzionante. Questo permette di superare, almeno in parte, la tradizionale successione lineare delle fasi di sviluppo, a favore di un processo più iterativo, nel quale le ipotesi vengono sperimentate e corrette rapidamente.
Ma la maggiore velocità della sperimentazione non elimina la complessità dell’industrializzazione. Anzi, può renderla più evidente.
Un prototipo sviluppato su un insieme limitato di dati può produrre risultati convincenti in tempi brevissimi. Quando però deve essere collegato ai sistemi aziendali, integrato nei processi e utilizzato in condizioni operative reali, emergono problemi di tutt’altra natura.
Entrano in gioco la qualità e la certificazione dei dati, la governance, la sicurezza, l’affidabilità, le piattaforme esistenti e la capacità di garantire continuità operativa.
È qui che Cerioli individua uno dei rischi più importanti dell’attuale stagione dell’intelligenza artificiale.
«Oggi siamo in grado di presentare in tempi rapidissimi a un utente interno una soluzione già funzionante, generando un impatto immediato. Tuttavia, ciò che nasce come prototipo su un piccolo dataset – magari di poche centinaia di righe – richiede una trasformazione profonda per essere portato su scala industriale. L’industrializzazione non è solo una questione di tempi diversi: significa entrare nel cuore pulsante dell’azienda, integrare sistemi complessi, garantire la governance, la qualità e la certificazione dei dati, nonché assicurare i più elevati standard di sicurezza e affidabilità. Solo così l’innovazione diventa valore concreto e sostenibile per l’intera organizzazione». È una distinzione fondamentale anche per gestire le aspettative del business. La possibilità di mostrare rapidamente una soluzione funzionante può generare l’impressione che il lavoro sia quasi completato. In realtà, il prototipo rappresenta soltanto una fase del percorso.
L’intelligenza artificiale può accelerare l’intero processo di innovazione, ma non tutte le sue fasi avanzano alla stessa velocità. Per Fincantieri questo problema assume un significato molto concreto. Una soluzione innovativa deve poter essere integrata nei processi produttivi o installata a bordo delle navi. Deve funzionare nell’ambiente industriale per il quale è stata progettata.
L’innovazione, in altre parole, deve essere “cantierabile”.
È una definizione che riassume efficacemente la differenza tra sperimentazione tecnologica e trasformazione industriale. Realizzare numerosi Proof of Concept può essere relativamente semplice. Molto più difficile è selezionare quelli che risolvono problemi reali, integrarli nei sistemi esistenti e portarli a scala.
Il successo di un progetto non si misura quindi soltanto dalla sua fattibilità tecnica, ma dalla capacità di diventare parte stabile delle attività aziendali e di produrre valore nel tempo.
La governance dell’innovazione in Fincantieri
Per affrontare il problema della scalabilità, Fincantieri ha scelto un modello organizzativo che combina il coordinamento delle competenze tecnologiche con il coinvolgimento diretto delle unità di business.
L’obiettivo è evitare la frammentazione delle iniziative e la proliferazione di sperimentazioni scollegate dalle priorità industriali. La governance concentra competenze specialistiche, piattaforme, standard e metodologie, mantenendo però un rapporto stretto con le strutture che conoscono i processi e ne hanno la responsabilità operativa.
Il modello si basa su team misti, nei quali gli specialisti dell’intelligenza artificiale e delle tecnologie digitali lavorano insieme alle persone che possiedono le competenze di dominio.
È una scelta che risponde a una precisa impostazione: l’industrializzazione dell’innovazione deve essere guidata dal business, non soltanto dagli esperti di tecnologia.
Le competenze tecnologiche sono indispensabili per individuare e sviluppare le soluzioni. Ma sono le strutture operative a conoscere i vincoli industriali, le esigenze degli utilizzatori e le condizioni necessarie per un’adozione effettiva.
Senza questa integrazione, il rischio è che l’innovazione rimanga confinata in laboratori o programmi sperimentali, senza incidere realmente sui processi produttivi.
La governance diventa quindi il meccanismo attraverso il quale collegare l’esplorazione tecnologica agli obiettivi aziendali. È anche il motivo per cui Fincantieri non considera l’intelligenza artificiale come un insieme di progetti indipendenti e non intende costruire un’agenda AI separata dalla strategia industriale.
La tecnologia deve diventare una capacità trasversale dell’organizzazione, utilizzata dove può contribuire agli obiettivi del Piano Industriale.
Questa impostazione cambia anche il modo di valutare l’innovazione. Non basta chiedersi se una soluzione funzioni o se una tecnologia sia promettente. Bisogna comprendere quale problema affronta, chi la utilizzerà, come sarà integrata e chi si assumerà la responsabilità di portarla in produzione.
Dall’effetto wow al valore industriale: la vera sfida dell’AI
La strategia di Fincantieri mette in evidenza un paradosso che tocca molte grandi imprese impegnate nell’adozione dell’intelligenza artificiale.
Da una parte, la tecnologia rende sempre più semplice sviluppare applicazioni, sperimentare soluzioni e dimostrarne rapidamente le potenzialità. Dall’altra, trasformare quelle applicazioni in innovazione industriale richiede un lavoro complesso su processi, dati, organizzazione e competenze. La distanza tra queste due velocità può generare aspettative difficili da soddisfare.
Ma il rischio più grande è un altro: lasciare che siano le novità tecnologiche a determinare le priorità dell’innovazione, anziché partire dai problemi che l’impresa deve risolvere.
È una tentazione particolarmente forte nell’attuale fase di sviluppo dell’intelligenza artificiale, caratterizzata da un susseguirsi continuo di nuovi modelli, applicazioni e funzionalità.
Un progetto non diventa innovativo soltanto perché utilizza una tecnologia avanzata. E un Proof of Concept tecnicamente riuscito non rappresenta necessariamente un risultato per l’impresa. Per produrre valore, una soluzione deve rispondere a un problema concreto, essere adottata dalle persone, integrarsi nei processi e poter essere governata nel tempo.
La strategia dell’azienda guidata da Folgiero si colloca in questa prospettiva. L’intelligenza artificiale può migliorare la produttività, contribuire alla trasformazione dei cantieri e modificare il prodotto nave, rendendolo capace di evolvere durante la propria vita operativa. Ma il potenziale tecnologico deve confrontarsi continuamente con le condizioni della produzione industriale. È qui che si misura la differenza tra introdurre l’AI in azienda e costruire una vera capacità di trasformazione.
Partecipa alla community