Samsung Electronics ha annunciato la strategia di trasformare entro il 2030 tutti i propri stabilimenti produttivi in fabbriche guidate dall’intelligenza artificiale, presentando la propria visione industriale al MWC 2026 di Barcellona. Non automazione nel senso classico, ma agenti AI che ottimizzano la produzione, controllano la qualità e gestiscono la logistica. È il segnale più netto di un passaggio che il settore chiama physical AI: l’intelligenza artificiale che esce dallo schermo e agisce nel mondo fisico.
Per anni gli agenti hanno scritto codice, smistato email, analizzato dati. Ora muovono materiali, ispezionano pezzi, coordinano linee di montaggio.
Cosa cambia con la physical AI
La distinzione rispetto agli agenti software è sostanziale. Un agente che sbaglia in un documento produce un errore correggibile a costo basso: si annulla, si riscrive, si rifa. Un agente che governa un braccio robotico o una linea di produzione agisce su oggetti reali, con conseguenze fisiche e costi materiali che non si annullano con un clic.
La physical AI unisce due mondi che finora correvano separati: la capacità di pianificazione e decisione dei modelli linguistici e degli agenti, e la capacità di azione meccanica della robotica. Il robot esegue, l’agente decide cosa eseguire e perché. È l’incontro tra il cervello digitale e il braccio meccanico, che fino a ieri appartenevano a discipline distinte.
La robotica industriale classica era programmata per ripetere movimenti fissi, sempre uguali. La physical AI introduce la capacità di adattarsi, di decidere in base a ciò che accade sulla linea, di reagire a un imprevisto invece di limitarsi a eseguire una sequenza predefinita.
Questa flessibilità è anche la fonte del rischio. Una macchina che esegue sempre lo stesso movimento è prevedibile: si sa cosa farà. Una macchina che decide come reagire a una situazione nuova introduce un margine di incertezza. Nel mondo fisico, dove un movimento sbagliato può danneggiare un pezzo o ferire una persona, quell’incertezza va contenuta con cura.
Samsung lo declina su tutta la catena del valore: dalla logistica dei materiali in ingresso alla produzione, dall’ispezione della qualità alla spedizione finale. Agenti specializzati per il controllo qualità, per la produzione, per la logistica, affiancati da simulazioni basate su gemelli digitali che permettono di validare le scelte prima di applicarle alla linea reale.
Un approccio per fasi
Samsung non promette un interruttore da spegnere e riaccendere. Il percorso è graduale: prima agenti dedicati a singoli processi, ciascuno responsabile di una funzione, poi un’orchestrazione che coordina funzioni diverse facendole lavorare insieme.
La logica della gradualità è prudente. Introdurre l’autonomia un processo alla volta permette di misurare i risultati, correggere gli errori e costruire fiducia prima di affidare al sistema decisioni più ampie. Un salto diretto all’autonomia totale sarebbe ingestibile e rischioso.
La progressione tecnica passa attraverso una flotta crescente di robot, dai robot di linea per le operazioni e la manutenzione degli impianti, a quelli logistici per la movimentazione autonoma dei materiali, fino ai robot di assemblaggio per le lavorazioni di precisione, inclusi formati umanoidi e specializzati per compiti specifici.
L’aspetto più rivelatore dell’annuncio non è tecnologico. Samsung ha dichiarato che presenterà una strategia di governance per l’espansione dell’autonomia dell’IA, con meccanismi di sicurezza integrati fin dalla fase di progettazione.
La sicurezza prima dell’autonomia, non dopo.
È l’ordine che molte implementazioni software hanno invertito, mettendo in produzione prima e pensando alla sicurezza poi. Nel mondo fisico quell’inversione non è praticabile: un agente che sbaglia in fabbrica ferma una linea, danneggia un impianto o, nel caso peggiore, mette a rischio una persona. La posta in gioco fisica impone di pensare alla sicurezza dall’inizio.
La gradualità serve anche a costruire fiducia tra le persone che lavorano accanto a questi sistemi. Un operaio accetta più facilmente un agente che lo affianca su un compito circoscritto, di cui vede l’utilità e i limiti, di uno che gli viene presentato come il governo autonomo dell’intero reparto. L’accettazione di chi lavora sulla linea è una condizione di successo che gli annunci tendono a dimenticare.
Il gemello digitale come palestra
Il gemello digitale merita una sosta, perché è la tecnologia che rende governabile la physical AI.
Si tratta di una replica virtuale dello stabilimento, un modello che riproduce fedelmente impianti, flussi e processi, su cui l’agente prova le proprie decisioni prima di applicarle alla realtà. Una modifica al flusso produttivo, una riallocazione delle risorse, una nuova sequenza di assemblaggio: tutto viene simulato sul gemello, misurato e validato, e solo dopo trasferito alla linea fisica.
È la differenza tra un agente che impara sbagliando sulla produzione vera, con costi reali e impianti fermi, e uno che sbaglia in una palestra virtuale dove l’errore non costa nulla e si ripete quante volte serve.
Per il mondo fisico, dove gli errori pesano, questa pre-validazione non è un lusso: è la condizione per delegare decisioni a un sistema autonomo. Senza un gemello digitale su cui provare, affidare a un agente il controllo di una linea reale sarebbe un azzardo. Con esso, l’agente arriva alla produzione già testato su migliaia di scenari simulati.
Il gemello digitale ha un prerequisito esigente: dati di qualità sullo stabilimento reale. Una replica virtuale vale quanto la fedeltà con cui riproduce la realtà, e costruirla richiede di strumentare la fabbrica con sensori, raccogliere misure, mantenere il modello aggiornato man mano che la linea cambia. È un investimento iniziale che molte imprese piccole faticano a sostenere, ed è una delle ragioni per cui la physical AI parte dai grandi gruppi.
Perché è diverso dalla robotica di ieri
La robotica in fabbrica non è una novità. I bracci automatizzati saldano, verniciano e assemblano da decenni, sostituendo l’uomo nei lavori pesanti e ripetitivi. La physical AI non aggiunge un altro braccio: cambia chi decide cosa il braccio deve fare.
Nella robotica tradizionale la decisione è fissata in anticipo da un programma. Ogni movimento è previsto, codificato, immutabile finché un tecnico non lo riscrive. Funziona benissimo dove la produzione è stabile e ripetitiva, e male dove servono adattamenti frequenti.
La physical AI sposta la decisione al sistema, che la prende osservando la situazione reale. Se un pezzo arriva storto, se un materiale scarseggia, se emerge un difetto, l’agente reagisce invece di fermarsi in attesa di istruzioni. È il passaggio dalla macchina che esegue alla macchina che giudica, nei limiti del compito che le è affidato.
Questo apre la robotica avanzata a produzioni che prima la escludevano: piccoli lotti, prodotti personalizzati, linee che cambiano spesso. È proprio il tipo di manifattura in cui eccelle gran parte dell’industria italiana, fatta di qualità e varietà più che di grandi volumi standardizzati.
La corsa ai robot umanoidi
Dentro la physical AI cresce un filone che attira investimenti e attenzione: i robot umanoidi, macchine a forma umana pensate per operare negli spazi e con gli strumenti progettati per le persone.
La logica dell’umanoide è di compatibilità. Una fabbrica, un magazzino, una linea di montaggio sono costruiti attorno al corpo umano. Un robot con quella forma può inserirsi negli ambienti esistenti senza riprogettarli, usando le stesse scale, le stesse postazioni, gli stessi utensili.
Samsung colloca i formati umanoidi accanto a robot più specializzati, quelli di linea, logistici e di assemblaggio. È un segnale di dove punta il settore: non un solo tipo di macchina, ma una flotta differenziata, dove l’umanoide flessibile convive con robot dedicati a compiti precisi.
La cautela è d’obbligo. I robot umanoidi sono ancora costosi, complessi e lontani dall’affidabilità richiesta per un impiego diffuso in produzione. La promessa è grande, la maturità tecnologica è inferiore agli annunci. Per ora restano più una scommessa sul futuro che uno strumento di uso corrente.
Il lavoro che cambia, non solo quello che sparisce
Ogni discorso sull’automazione finisce sull’occupazione, e a ragione. La physical AI tocca direttamente il lavoro manifatturiero, che in Italia occupa milioni di persone.
La lettura più sbrigativa è quella della sostituzione: i robot prendono il posto degli operai. La realtà che emerge dalle prime adozioni è più sfumata. Alcune mansioni ripetitive e gravose vengono effettivamente assorbite dalle macchine. Altre cambiano natura, spostando l’operatore dal fare al sorvegliare, dal gesto manuale alla supervisione di un sistema che lo esegue.
Nascono anche mansioni nuove, legate al governo di questi sistemi: chi configura gli agenti, chi ne controlla l’operato, chi interviene quando qualcosa non torna. Sono lavori che richiedono competenze diverse da quelle della linea tradizionale, e qui si gioca una partita di riqualificazione che l’industria italiana non può rimandare.
Il rischio concreto non è tanto la disoccupazione di massa quanto il disallineamento: macchine che cercano operatori qualificati a governarle e lavoratori con competenze che le macchine hanno reso obsolete. Colmare questa distanza è una responsabilità che riguarda imprese, scuola e formazione professionale insieme.
Cosa significa per la manifattura italiana
La domanda per l’Italia non è se la physical AI arriverà, ma con quali tempi e a quali condizioni.
La manifattura italiana è la seconda d’Europa e poggia su un tessuto di piccole e medie imprese che difficilmente possono permettersi le risorse di un colosso come Samsung. Per loro la trasformazione non sarà la riconversione totale di uno stabilimento, un investimento fuori portata, ma l’adozione mirata di agenti su singoli processi: un controllo qualità assistito dall’IA, una gestione più efficiente del magazzino, una manutenzione predittiva che anticipa i guasti prima che fermino la produzione.
Il rischio è il divario competitivo. Se i grandi gruppi internazionali abbattono i costi e alzano la qualità con la physical AI, le PMI che restano ferme si trovano a competere in svantaggio, con margini erosi e prodotti meno competitivi. La tecnologia che per i grandi è un’opzione di ottimizzazione, per i piccoli può diventare una questione di sopravvivenza.
Ma esiste anche un’opportunità. L’Italia ha un’infrastruttura pubblica di calcolo, con iniziative dedicate proprio all’IA per il manifatturiero, che può abbassare la soglia di accesso per le imprese più piccole. Un’impresa che non può costruirsi un’infrastruttura propria può appoggiarsi a quella pubblica, riducendo l’investimento iniziale necessario a sperimentare.
Il vincolo, ancora una volta, sono le competenze. Adottare la physical AI richiede figure capaci di disegnare il processo, valutare i rischi, gestire la convivenza tra operatori umani e agenti sulla stessa linea. Non basta comprare i robot: serve chi sappia integrarli nel lavoro delle persone senza creare incidenti né sprechi.
AIPIA affronta questi temi nella formazione aziendale e nei percorsi formativi sull’intelligenza artificiale, dove la trasformazione dei processi produttivi viene trattata come una competenza organizzativa, prima che come un acquisto di tecnologia. Per gli obblighi che accompagnano l’uso di sistemi autonomi in contesti dove è in gioco la sicurezza resta utile la guida operativa all’AI Act.
La fabbrica guidata dall’IA non è più uno scenario da convegno. Samsung le ha dato una data, il 2030, e una direzione, dall’automazione all’autonomia. Per l’industria italiana il punto non è inseguire quel modello su scala globale, fuori dalla portata della maggior parte delle imprese, ma decidere quali processi affidare oggi a un agente e quali tenere saldamente in mano umana. La physical AI promette efficienza, ma chiede in cambio una disciplina che il mondo del software ha imparato troppo tardi: pensare alla sicurezza quando il sistema si progetta, non quando ha già fermato la linea.
