La fabbrica del futuro? È la fabbrica “AAA” (o tripla A, autonoma, adattiva e agentica) e non è più solo una promessa. Lo ha detto Floriano Masoero, CEO di Siemens Italia, aprendo la terza edizione dei Siemens Tech Talks, l’evento annuale che quest’anno si è sviluppato con un format diffuso – appuntamenti simultanei presso le sedi di clienti e partner – dedicato ai temi di industria, smart building ed elettrificazione. La sessione plenaria, ospitata a Casa Siemens a Milano, ha messo al centro la Physical AI e il suo impatto concreto sulla catena del valore industriale, con Ferrari e Pirelli come testimoni d’eccezione.

Il ragionamento di Masoero è partito da un’analisi sull’enorme portata della rivoluzione in atto: “Proprio come l’elettricità ha riscritto le fondamenta del mondo moderno, oggi la Physical AI sta emergendo come la nuova forza destinata a trasformare radicalmente il modo in cui progettiamo, produciamo e gestiamo sistemi complessi”, ha detto. Una transizione che, secondo Masoero, ha una velocità senza precedenti: se il vapore impiegò 60 anni a pervadere l’economia mondiale e l’elettricità 30, l’intelligenza artificiale raggiungerà piena maturità in soli sette anni. E – rileva Masoero – la metà di quel percorso è già alle nostre spalle, se si considera che questa storia è inizia alla fine del 2022…

La fabbrica “Triple A” e i tre ostacoli all’adozione

Il cuore della visione presentata da Masoero è la cosiddetta fabbrica Triple A: autonoma, adattiva e agentica. “La fabbrica Triple A è un ecosistema che deve essere autonomo, adattivo e agentico, dove le macchine prendono decisioni e si adattano in tempo reale a ciò che accade”. Un modello che Siemens non vede più ormai solo come una prospettiva futura, ma come una realtà già documentata, a partire dalla Lighthouse Factory della stessa Siemens a Erlangen, in Germania, dove digital twin e intelligenza artificiale governano la logistica, il controllo qualità e la messa a regime delle linee produttive: grazie alla simulazione 3D, l’investimento in robot è stato ridotto del 25% e i tempi di avvio di una nuova linea di sei mesi.

A rendere concreta questa visione anche nell’ingegneria è l’Eigen Engineering Agent, agente AI integrato nativamente in TIA Portal, capace di tradurre descrizioni in linguaggio naturale in codice di automazione, con una riduzione dei tempi di sviluppo fino a cinque volte, un incremento dell’efficienza del 50% e un miglioramento della qualità dell’80%. Liberando il tempo degli ingegneri che, così “possono fare quello che facciamo meglio in Italia: innovare, creare innovazione”, ha sottolineato Masoero.

Sul fronte dell’adozione industriale dell’AI, il CEO di Siemens Italia ha individuato tre freni principali. Il primo è l’assenza di priorità: “Dobbiamo evitare l’errore di mettere l’IA ovunque: la vera sfida per le imprese è la focalizzazione su progetti che abbiano priorità chiare e basi solide per scalare”. Il secondo è la frammentazione in progetti pilota non connessi tra loro e quindi non scalabili. Il terzo è la “sindrome del cavaliere solitario”: l’innovazione industriale – spiega Masoero – “non si fa da soli, ma attraverso la costruzione di ecosistemi e partnership che rendano la tecnologia sicura e affidabile”.

E proprio sul ruolo delle persone nella fabbrica autonoma, Masoero ha chiarito che a Erlangen il numero di addetti non è diminuito: “È cambiato completamente il loro ruolo. Prima erano ruoli più di produzione, oggi è veramente supervisione e controllo. È quello che noi chiamiamo human-in-the-loop: uno spostamento, non un’eliminazione”.

Pirelli: dal trial and error al Virtual Compounder

Ospite dell’appuntamento milanese Daniele Petecchi, Global Head of Data, AI e R&D di Pirelli, che ha offerto una testimonianza che fotografa bene la profondità della trasformazione in atto in un’azienda con 150 anni di storia e una produzione di 80 milioni di pezzi l’anno in 18 paesi.

Il punto di partenza è la complessità intrinseca dello pneumatico – oltre 100 materie prime, più di dieci componenti che entrano nel prodotto finito, nessuna equazione semplice che ne descriva il comportamento – che storicamente aveva imposto un approccio di sviluppo fondato sul trial and error: prototipo, test, modifica, nuovo test. “Avendo prodotto tanti dati nel testare tanti prototipi nella storia, abbiamo avuto la possibilità di partire da questi dati e lavorare sulla virtualizzazione”: oggi buona parte dei nuovi prodotti viene sviluppata integralmente in ambiente digitale, con il prototipo fisico utilizzato solo per confermare quanto progettato nel virtuale, con evidenti benefici in termini di tempi e sostenibilità.

Particolarmente significativa è la soluzione sviluppata per la formulazione delle mescole, il cuore tecnologico dello pneumatico. “La mescola è un po’ la nostra ricetta segreta. Abbiamo creato il Virtual Compounder, una combinazione di GenAI e Physics-Informed AI”, ha spiegato Petecchi. La componente generativa è stata addestrata su dieci anni di dati storici dei laboratori Pirelli e propone nuove formulazioni; la Physics-Informed AI integra le equazioni della fisica, aprendo l’esplorazione a combinazioni chimiche mai considerate in precedenza. Diversi prodotti recenti portano già la firma del Virtual Compounder.

Ma l’AI entra anche nel prodotto finito: con il Cyber Tyre lo pneumatico diventa esso stesso fonte di dati per la sicurezza del veicolo, il supporto alla guida autonoma e i servizi al conducente. Sulla prospettiva della fabbrica autonoma, Petecchi ha richiamato il tema della creatività: “Vediamo l’AI come l’amplificatore della creatività umana. Nel mondo virtuale un tecnico può osare, e questo libera un valore enorme”.

Ferrari: 15 modelli sviluppati in quattro anni grazie alla simulazione

Gianmaria Fulgenzi, Chief Product Development Officer di Ferrari, ha portato la testimonianza di un’azienda in cui la virtualizzazione è diventata il metodo ordinario di sviluppo del prodotto. “Negli ultimi quattro anni abbiamo sviluppato 15 modelli diversi, lanciandone quattro all’anno. Ne stiamo sviluppando altri 20 per i prossimi anni e li abbiamo già visti, simulati e guidati tutti al simulatore”, spiega Fulgenzi. Tre simulatori a Maranello – uno per le vetture stradali, uno per la 499P, uno per la Formula 1 – alimentano un ciclo continuo in cui i dati raccolti in pista ritornano a calibrare i modelli virtuali.

La Purosangue è diventata il caso concreto su cui illustrare l’approccio. Il progetto è partito oltre cinque anni fa: motore, architettura, aerodinamica, consumi, dinamica del veicolo sono stati definiti interamente nel virtuale prima di toccare il metallo, con modelli che simulano il comportamento reale “al 99,99%”.

“Ormai non partiamo più da elementi fisici. Partiamo da un virtuale che definisce le forme e ci permette di creare un modello virtuale reale della vettura”, ha spiegato Fulgenzi.

La stessa logica si applica alle varianti tecnologiche: sulle architetture elettriche, dove quattro motori indipendenti sui quattro angoli della vettura generano combinazioni di comportamento enormemente variabili, “abbiamo simulato migliaia di volte combinazioni diverse di architetture e potenze prima di lanciare gli investimenti”.

La realizzazione della vettura resta invece opera di alta manifattura. In Ferrari, insomma, la tecnologia fa quello che deve fare e all’uomo resta la componente del “savoir-faire”.

A gestire la complessità della personalizzazione – oggi vicina al 100%, con centinaia di combinazioni di colori, pelle e finiture – è il nuovo e-building di Maranello, uno stabilimento che grazie alla digitalizzazione può produrre sulla stessa linea un V12 seguito da un V8 seguito da un elettrico. “La flessibilità gestisce la complessità”, ha sintetizzato Fulgenzi.

Il format diffuso: Politecnico, AcegasApsAmga e Pomini Tenova

Oltre alla sessione plenaria di Milano, i Siemens Tech Talks 2026 hanno visto svolgersi in parallelo tre eventi dedicati, ciascuno ospitato presso la sede del protagonista. Il Politecnico di Milano ha illustrato oltre trent’anni di collaborazione con Siemens nella gestione intelligente degli edifici: oggi l’ateneo gestisce circa 75.000 punti di controllo distribuiti tra i tre campus, i poli territoriali e le residenze universitarie, attraverso le piattaforme Desigo CC e Building X.

AcegasApsAmga ha presentato il rinnovamento – completato tra febbraio e maggio 2026 con fondi PNRR – di 28 cabine secondarie della rete di distribuzione elettrica di Trieste e Gorizia, equipaggiate con quadri di media tensione con tecnologia Clean Air (senza gas SF6), sistemi di telecontrollo RTU e variatori di tensione sotto carico teleregolabili.

Infine Pomini Tenova, marchio del gruppo Tenova attivo nelle tecnologie per i Roll Shop, ha raccontato come in oltre quarant’anni di collaborazione con Siemens abbia progettato e installato quasi 1.000 macchine con tecnologie Siemens, annunciando un ulteriore rafforzamento della partnership orientato allo sviluppo di rettificatrici per cilindri di laminazione sempre più autonome grazie all’integrazione tra il controllo numerico Sinumerik One e le soluzioni AI di processo sviluppate da Pomini Tenova.