Assolombarda e il Politecnico di Milano hanno presentato il 25 giugno 2026 forgIA, una rete collaborativa pensata per portare l’intelligenza artificiale dentro le PMI manifatturiere, insieme al progetto europeo euroFMX, coordinato dallo stesso Politecnico con un finanziamento Horizon Europe da 45 milioni di euro e 74 partner da 20 Paesi. Nella stessa occasione il presidente di Assolombarda Alvise Biffi ha proposto alla Regione Lombardia l’istituzione di una Zona di Innovazione Speciale dedicata all’AI. Tre annunci in un giorno solo, con un filo conduttore preciso: fare della manifattura lombarda il banco di prova italiano dell’intelligenza artificiale industriale. Vediamo cosa sono queste iniziative, come funzionano e cosa possono chiederne le imprese.
Cos’è forgIA e come funziona la condivisione dei dati
Il nome gioca sulla forgia, il luogo dove il metallo prende forma. forgIA è una piattaforma promossa da Assolombarda che consente alle imprese, in particolare alle piccole e medie, di accedere a strumenti di intelligenza artificiale che da sole non potrebbero permettersi di sviluppare. Il meccanismo al centro del progetto è la condivisione controllata e sicura dei dati tra imprese della stessa filiera: ogni azienda mantiene il controllo sulle proprie informazioni, ma le mette a disposizione, in forma protetta, per costruire modelli e servizi che nessuno dei partecipanti potrebbe ottenere con i soli dati propri.
È il punto che distingue forgIA da un generico sportello di consulenza.
Il valore dell’AI industriale sta nei dati di processo, e i dati di una singola PMI raramente bastano: sono pochi, disomogenei, legati a un solo contesto produttivo. Aggregando in modo governato i dati di più imprese, la piattaforma punta a superare questa soglia dimensionale, che è la vera barriera d’ingresso per le piccole aziende. Non a caso i numeri presentati alla platea milanese raccontano un divario netto: il 71 per cento delle grandi imprese ha già avviato progetti di intelligenza artificiale, contro l’8 per cento delle PMI. È la stessa asimmetria che l’Osservatorio del Politecnico fotografa da anni a livello nazionale, e che questo blog ha già raccontato, con oltre tre PMI su quattro ancora fuori dagli investimenti in AI.
La parola che regge tutto l’impianto è “controllata”. Perché un’impresa accetti di condividere informazioni di processo servono regole chiare su chi vede cosa, per quale scopo e con quali garanzie di riservatezza: accordi di condivisione, perimetri tecnici che separano i dati grezzi dai risultati aggregati, la certezza che un concorrente non possa risalire alle informazioni della singola azienda. È il lavoro meno visibile e più delicato di iniziative come questa, e la sua qualità deciderà se forgIA diventerà una piattaforma usata o l’ennesimo protocollo d’intesa firmato e dimenticato.
L’obiettivo economico dichiarato da Assolombarda è misurabile: una crescita della produttività del 10 per cento nelle PMI del territorio, con un valore aggiunto stimato fino a 2,4 miliardi di euro nell’area di competenza dell’associazione. Stefano Venturi, special advisor di Assolombarda per l’intelligenza artificiale, ha sintetizzato la logica alla platea: il potenziale vero dell’AI sta nella capacità delle aziende di valorizzare i propri dati e di collaborare lungo le filiere, non nell’acquisto dell’ennesimo strumento.
Quattro casi concreti: Hydroservice, Maire, Epta e Bracco
Alla presentazione non c’erano solo slide. Quattro imprese hanno mostrato applicazioni già in lavorazione dentro la cornice di forgIA, utili a capire cosa significhi, in pratica, condividere dati lungo una filiera.
Hydroservice lavora sull’integrazione dei magazzini: più imprese condividono in modo controllato le disponibilità dei rispettivi stock, così che una possa attingere alle scorte dell’altra invece di immobilizzare capitale in magazzini ridondanti. Maire ha presentato il monitoraggio in tempo reale dello stato degli ordini lungo la catena di fornitura, un problema che chiunque lavori nel manifatturiero conosce bene: sapere dove si trova davvero un componente critico, senza telefonate e solleciti. Epta punta sulla misurazione oggettiva dell’impatto degli interventi di efficientamento energetico, trasformando in dati verificabili ciò che spesso resta una stima di fornitore.
Il caso Bracco è il più interessante sul piano tecnico.
Il gruppo, attivo nella diagnostica per immagini, sperimenta il federated learning: una tecnica che permette di addestrare modelli di intelligenza artificiale su dati distribuiti tra più organizzazioni senza che quei dati lascino mai i sistemi di ciascuna. Il modello viaggia, i dati restano fermi. Per settori dove le informazioni sono critiche, dalla farmaceutica alla meccanica di precisione, è la risposta tecnica all’obiezione più frequente sulla condivisione: la paura di regalare ai concorrenti il proprio patrimonio informativo.
I quattro casi condividono una logica: nessuno riguarda l’impresa isolata. Magazzini, ordini, consumi energetici, addestramento distribuito: ogni applicazione ha senso solo se più soggetti partecipano, ed è questa la scommessa culturale del progetto, in un tessuto produttivo dove la riservatezza verso fornitori e clienti è spesso considerata una virtù competitiva. La tecnologia per condividere senza esporsi esiste; la disponibilità a farlo è tutta da costruire.
euroFMX: 45 milioni e 74 partner per la manifattura europea
Se forgIA è lo strumento territoriale, euroFMX è la scala continentale. L’acronimo sta per European Trustworthy Generative AI and Autonomisation Frontier Models for Manufacturing-X Competitiveness: un progetto finanziato dall’Unione Europea nell’ambito di Horizon Europe con 45 milioni di euro su 48 mesi, coordinato dal Politecnico di Milano, che riunisce 74 partner di 20 Paesi tra università, centri di ricerca e imprese.
L’ambizione dichiarata è costruire il primo spazio europeo per lo sviluppo e l’adozione di modelli di AI generativa e di Agentic AI pensati per la manifattura, a supporto delle decisioni operative lungo l’intera catena del valore.
Il lavoro è organizzato su quattro pilastri. Il primo riguarda i processi manifatturieri autonomi, affidabili e centrati sulla persona, dove l’automazione non sostituisce il controllo umano ma lo assiste. Il secondo è il rafforzamento delle competenze, attraverso formazione e co-creazione tra ricerca e imprese. Il terzo punta a infrastrutture europee per la qualificazione e la valorizzazione dei dati industriali, il presupposto perché i modelli abbiano materia prima di qualità. Il quarto è lo sviluppo di modelli generativi avanzati per applicazioni industriali, un terreno dove l’Europa insegue i grandi laboratori americani e cinesi ma può giocare la carta dei dati di fabbrica, che nessun modello generalista possiede.
Il coordinatore del progetto, Andrea Matta del Politecnico di Milano, ha inquadrato l’iniziativa come un tentativo di tenere insieme eccellenza scientifica, competitività industriale e autonomia tecnologica europea. Tradotto: evitare che la manifattura del continente diventi terreno di conquista per modelli sviluppati altrove, addestrati su dati altrui e governati da regole altrui.
Il riferimento a Manufacturing-X nel nome del progetto non è decorativo. Richiama il filone europeo, nato in Germania, degli spazi di dati industriali condivisi: infrastrutture comuni in cui le imprese di una filiera scambiano informazioni secondo regole di sovranità del dato, senza cederne la proprietà a una piattaforma centrale. euroFMX innesta su quel filone lo strato dei modelli generativi, e per l’Italia la partecipazione da coordinatore, con il Politecnico di Milano alla guida di 74 partner, è un posizionamento che negli anni scorsi sarebbe stato improbabile.
La Zona di Innovazione Speciale proposta alla Lombardia
Il terzo annuncio della giornata è una proposta istituzionale. Biffi ha chiesto alla Regione Lombardia di istituire una ZIS, Zona di Innovazione Speciale, dedicata all’intelligenza artificiale: un perimetro normativo e amministrativo agevolato per fare della Città Metropolitana di Milano il principale polo europeo per l’adozione, la sperimentazione e lo sviluppo industriale dell’AI.
Il modello richiama le zone economiche speciali, ma con una differenza di sostanza: qui l’incentivo non è prima di tutto fiscale, è regolatorio e procedurale. Sperimentazioni autorizzate in tempi certi, interlocutori amministrativi unici, spazi di test per applicazioni che oggi si scontrano con procedimenti pensati per altre epoche.
C’è anche un aggancio normativo che rende la proposta meno esotica di quanto sembri. Il Regolamento UE 2024/1689 (AI Act) chiede agli Stati membri di attivare spazi di sperimentazione normativa per l’intelligenza artificiale, le cosiddette sandbox regolatorie, in cui imprese e amministrazioni possono testare sistemi sotto la supervisione delle autorità. Una ZIS lombarda ben disegnata potrebbe diventare il contenitore territoriale di quella previsione, dando alla sperimentazione un luogo fisico oltre che una cornice giuridica.
La proposta dovrà passare dal confronto con la Regione, e i dettagli operativi non sono ancora definiti. L’argomento di fondo però è solido: Milano concentra imprese, università, capitale umano e, come raccontano le cronache di queste settimane sugli investimenti nei data center, anche l’infrastruttura di calcolo. Ciò che manca è una cornice che permetta di sperimentare più in fretta di quanto consenta il diritto amministrativo ordinario. La ZIS è il tentativo di scriverla, e la sua sorte dirà molto della capacità italiana di trasformare gli annunci in condizioni operative.
Cosa possono fare le PMI, in pratica
Per una piccola o media impresa manifatturiera, il valore di queste iniziative si misura su tre piani concreti.
Il primo è l’accesso: forgIA nasce per abbassare la soglia d’ingresso, e conviene seguirne i canali attraverso Assolombarda per capire quali servizi saranno disponibili, con quali condizioni e per quali filiere. Il secondo sono i progetti europei: euroFMX, come ogni iniziativa Horizon, genererà nel suo percorso bandi, sperimentazioni pilota e opportunità di partecipazione per imprese anche piccole, e chi si muove presto parte in vantaggio. Il terzo, meno visibile ma decisivo, sono le persone: nessuna piattaforma di condivisione dati produce risultati se in azienda non c’è chi sa leggere quei dati e trasformarli in decisioni.
Su quest’ultimo piano il lavoro va fatto in casa.
AIPIA affianca le imprese proprio su questo terreno, con percorsi di formazione aziendale sull’intelligenza artificiale costruiti sui processi reali di chi partecipa, dalla produzione all’amministrazione. E per i professionisti che vogliono presidiare questi temi in modo continuativo, con accesso a una comunità di pratica e a strumenti aggiornati, la strada è l’iscrizione ad AIPIA, che apre anche ai percorsi di attestazione delle competenze previsti dalla Legge 4/2013.
Un avvertimento, però. Le reti collaborative funzionano se le imprese portano dati in ordine: chi arriva con processi non digitalizzati e informazioni sparse tra fogli di calcolo e archivi cartacei non ha nulla da condividere e poco da guadagnare. Il primo investimento, per molte PMI, viene prima dell’AI.
L’elettricità del Novecento e la parte che manca al paragone
Alla presentazione milanese Biffi ha usato un’immagine destinata a circolare: l’intelligenza artificiale sarà per questa generazione di imprese ciò che l’elettricità è stata per l’industria del Novecento. Il paragone è efficace, ma la storia economica gli aggiunge una postilla che nessuno degli annunci del 25 giugno dovrebbe far dimenticare.
L’elettrificazione delle fabbriche richiese decenni, non anni. E gli studi sul tema mostrano che i guadagni di produttività arrivarono solo quando le imprese smisero di usare l’elettricità per far girare i vecchi impianti e riorganizzarono da capo le officine attorno alla nuova tecnologia. Il motore elettrico da solo non cambiò quasi nulla; il layout della fabbrica ripensato attorno al motore elettrico cambiò tutto.
Vale anche stavolta. forgIA, euroFMX e la ZIS costruiscono le condizioni esterne, ma il 10 per cento di produttività promesso non uscirà dalle piattaforme: uscirà dalle imprese che accetteranno di ridisegnare i propri processi attorno ai dati. Le altre avranno l’elettricità, e continueranno a lavorare a vapore.
