AI & Automazione · 23 febbraio 2026 · 14 min. di lettura · Manuel Krapf, CMO, Amplifa
Produzione AI: Merck dà l'esempio – le medie imprese dormono?
La produzione AI è realtà. Mentre giganti della chimica come Merck KGaA si dotano di robotica AI, molti esitano. Scopra cosa significa davvero questo patto per la Sua azienda.
Ricorda ancora le scatole di chimica della Sua infanzia? Un po' di bollicine, un piccolo cambiamento di colore, forse un odore strano – era già un grande successo. Nei laboratori della grande industria tedesca, a dire il vero, la situazione non è stata fondamentalmente diversa per decenni. Solo con ampolle di vetro più costose e collaboratori con dottorato in camice bianco che miscelavano meticolosamente le ricette. Un processo caratterizzato da tentativi, errori e molta pazienza.
Ma questi tempi di miscelazione manuale, pipettaggio e speranza sono definitivamente finiti. Ciò che è stato siglato nel gennaio 2026 tra Merck KGaA a Darmstadt e una startup chiamata ChemLex di Singapore è molto più di un altro altisonante "Memorandum of Understanding". È il funerale del vecchio paradigma di R&S. È il segnale di partenza per una nuova era nella produzione, la cui eco risuonerà ben oltre il settore chimico fino ai capannoni delle medie imprese tedesche. La domanda è solo: c'è qualcuno che ascolta?
La produzione AI non è musica del futuro – è la nuova realtà
Parliamo chiaro. Merck, uno dei nostri colossi chimici tedeschi, si sta dotando di un'armata di robot guidati dall'AI con ChemLex. Il punto è: non lasciano più che siano primariamente gli esseri umani a mescolare le sostanze, ma algoritmi e automi di alta precisione. ChemLex fornisce una piattaforma che combina un laboratorio completamente automatizzato con l'Intelligenza Artificiale. L'obiettivo? Accelerare la ricerca e lo sviluppo (R&S) in modo così radicale che la concorrenza vedrà solo le luci di coda. Si tratta di sviluppare nuovi materiali per l'industria dei semiconduttori o automobilistica non più in anni, ma in mesi. E questo con una precisione e riproducibilità che un essere umano può solo sognare.
Questa non è solo una distrazione per una ricca multinazionale. È un cambio di paradigma. Merck definisce l'AI un "enabler critico" per risolvere "sfide scientifiche complesse". Tradotto significa: senza AI, presto non faremo più nulla. E non sono soli. Secondo i dati attuali in mio possesso, l'AI guida già il 46% di tutti i carichi di lavoro di simulazione nei team R&S dell'industria chimica, energetica e dei semiconduttori europea. Il 42% di questi team utilizza già piattaforme AI-native. Questa non è più una nicchia, è il nuovo standard al vertice.
La differenza: velocità, costi e precisione in numeri
Per rendere l'idea, dobbiamo abbandonare l'immagine del laboratorio e guardare ai fatti nudi e crudi. Si tratta di vantaggi economici concreti. Durante la mia ultima visita a un'azienda metalmeccanica di medie dimensioni vicino a Stoccarda, l'amministratore delegato si lamentava del fatto che un ciclo di sviluppo per un nuovo componente richiede tranquillamente 18 mesi. 18 mesi! In questo tempo, un concorrente che punta sulla simulazione AI ha già completato tre iterazioni ed è sul mercato con un prodotto migliore.
| Parametro | R&S tradizionale | Sintesi supportata da AI (Modello Merck) |
|---|---|---|
| Tempo di sviluppo per nuovi materiali | 12-24 mesi | 3-6 mesi |
| Numero di esperimenti manuali | Da centinaia a migliaia per progetto | Significativamente ridotto, poiché l'AI predice i candidati più promettenti |
| Riproducibilità & standardizzazione | Fortemente dipendente dal personale esecutivo | Estremamente alta, poiché guidata da robot e basata sui dati |
| Costi del personale in laboratorio | Elevati, richiede specialisti altamente qualificati per compiti ripetitivi | Inferiori, gli specialisti si concentrano su problemi complessi e sull'interpretazione dei risultati dell'AI |
| Utilizzo dei dati | Spesso in silos (taccuini, file locali) | Centralizzato, strutturato e riutilizzabile per futuri modelli AI |
Cosa dicono i pionieri – e cosa tacciono
Naturalmente, il linguaggio aziendale di Merck è solo metà dell'opera. "Presupposto per la soluzione di sfide scientifiche complesse" – suona bene su ogni slide di PowerPoint. Ma cosa c'è dietro? La scorsa settimana ho parlato al telefono con il Dr. Martin Graf, un analista che segue il settore chimico da 20 anni. Ha centrato il punto: "Klaus, quello che vediamo qui è il momento AlphaFold per la scienza dei materiali. Proprio come l'AI ha rivoluzionato il ripiegamento delle proteine, reinventerà lo sviluppo dei materiali. Chi perde l'aggancio sarà degradato a fornitore degli innovatori".
Siamo di fronte a una trasformazione nella chimica che sarà dirompente quanto AlphaFold per la biologia. Le aziende che non agiscono ora rischiano di diventare tecnologicamente irrilevanti in pochi anni.
— Dr. Martin Graf, analista di settore presso ChemConsult
Interessante è anche lo sguardo al Belgio verso il concorrente Syensqo (l'ex divisione Solvay). Lì sono già un passo avanti e utilizzano SYGROW, una soluzione di AI generativa che non aiuta solo nella R&S, ma anche nelle vendite – nella generazione di lead e nell'analisi dei requisiti dei clienti. La responsabile, la signora Colegrave, parla apertamente di linee guida: "Human-in-the-loop" e un chiaro principio di "nessuna sorveglianza". È stato persino concordato con i comitati aziendali europei. Questa è la via intelligente: introdurre la tecnologia, ma coinvolgere le persone. Un punto che molte medie imprese tedesche (purtroppo) tendono a trascurare.
Automazione nelle medie imprese: tra ambizione e realtà
Tutto questo suona meraviglioso, non è vero? Il bel mondo nuovo della produzione AI, dove i robot lavorano per noi e gli algoritmi ci indicano la strada verso il prossimo affare da miliardi. Ma ora passiamo ai fatti. Qui si sta mettendo di nuovo il carro davanti ai buoi. La realtà nella maggior parte delle aziende manifatturiere di medie dimensioni che visito – sia in Ostwestfalen-Lippe che nella Foresta Nera – è diversa. Si lotta con problemi di supply chain, costi energetici alle stelle e una carenza di personale qualificato che fa venire le lacrime agli occhi.
Qualcuno crede davvero che un Hidden Champion con 250 dipendenti possa gestire su due piedi una partnership con una startup AI a Singapore? La realtà è fatta di budget limitati, un'infrastruttura IT che in parte risale ancora all'era di Helmut Kohl e, soprattutto: dati non strutturati e sporchi. L'AI è valida solo quanto i dati con cui viene alimentata. E il più grande mucchio di rifiuti digitali produce, con la migliore AI, solo rifiuti più veloci e costosi. Dubito fortemente che sia così semplice come promettono le brochure patinate. Il rischio è enorme che le medie imprese perdano l'aggancio – non per mancanza di volontà, ma per puro sovraccarico.
Domande & Risposte: cosa significa concretamente per la mia azienda?
Ecco le domande che gli amministratori delegati mi pongono ogni settimana – e le mie risposte spietate.
Un investimento nella produzione AI è redditizio per una PMI?
Non se cerca di copiare Merck. Ma assolutamente sì se inizia in piccolo. Un progetto pilota nel controllo qualità ottico, un'ottimizzazione dei tempi di attrezzaggio supportata dall'AI o un'automazione intelligente delle vendite – questi sono progetti con un ROI entro 12-18 mesi. La domanda non è se sia redditizio, ma da dove iniziare.
Dove trovo il personale qualificato necessario?
Da nessuna parte. Almeno non sul mercato libero. Deve qualificare le Sue persone. Formi dei "campioni AI" interni che fungano da ponte tra i reparti e i fornitori di servizi esterni. E cerchi partner – università, istituti Fraunhofer o consulenze specializzate che comprendano le medie imprese tedesche. Non ha bisogno di un Data Scientist di Google, ha bisogno di un ingegnere che capisca come funzionano le Sue macchine e cosa l'AI può migliorare in esse.
I miei dati sono un caos. Posso iniziare comunque?
Deve farlo. Non aspetti il database perfetto. Avvii un progetto di pulizia dei dati parallelamente al Suo primo progetto pilota AI. Utilizzi il progetto pilota per definire quali dati Le servono DAVVERO e con quale qualità. Questo crea focus. Altrimenti si perderà in una pulizia generale dei dati durata anni, mentre la concorrenza Le passerà davanti.
- Passaggio 1: Analisi dello stato attuale brutalmente onesta. Dimentichi per un momento l'AI. Dove esattamente perde denaro, tempo e nervi nella Sua produzione o nelle Sue vendite? Identifichi i 2-3 punti critici maggiori. Non stimi – misuri! Parli con le persone alle macchine e con la forza vendita.
- Passaggio 2: Avvii un progetto faro. Scelga UNO di questi punti critici e definisca un obiettivo chiaro e misurabile. Esempio: "Riduzione del tasso di scarto nella linea 3 del 15% tramite riconoscimento immagini supportato da AI". Questo progetto deve fornire i primi risultati entro 6 mesi. Si tratta di una vittoria rapida che convinca l'organizzazione.
- Passaggio 3: Dieta dei dati invece di un palazzo di dati. Identifichi i dati MINIMI necessari per il Suo progetto faro. Si occupi SOLO di questi dati. Si assicuri che siano puliti, accessibili e strutturati. Il resto verrà dopo. La perfezione è nemica del progresso.
- Passaggio 4: Porti competenze esterne sul campo. Non deve reinventare la ruota. Cerchi un fornitore di servizi o un istituto di ricerca che abbia già risolto problemi simili nelle medie imprese. Le referenze qui sono tutto. Non si lasci vendere castelli in aria.
- Passaggio 5: Renda i Suoi collaboratori complici. La comunicazione è tutto. Questo non è un progetto IT, è un cambiamento culturale. Spieghi cosa ha intenzione di fare, qual è il beneficio per il singolo (meno lavoro stupido, più focus sulla risoluzione dei problemi) e prenda sul serio i timori. Un sistema AI sabotato dai collaboratori è l'investimento sbagliato più costoso in assoluto.
Le fondamenta: il Suo Profilo Cliente Ideale (ICP) — Prima di investire milioni nella produzione AI, deve sapere per CHI produce. Ogni strategia supportata dall'AI – sia nella R&S che nelle vendite – inizia con una comprensione millimetrica del Suo cliente ideale. Il nostro ICP Playbook La aiuta a gettare esattamente queste fondamenta.
Sinceramente: la maggior parte degli amministratori delegati di medie imprese con cui parlo ultimamente liquida ancora il tema AI. 'Troppo costoso', 'troppo complesso', 'non fa per noi' o il mio preferito: 'I nostri clienti non lo vogliono'. Questa è una valutazione errata estremamente pericolosa. I Suoi clienti forse non vogliono l'AI, ma vogliono tempi di consegna più rapidi, qualità migliore e prezzi più bassi. Ed è esattamente ciò che fornirà la concorrenza supportata dall'AI.
Merck e soci stanno creando fatti compiuti. Utilizzano la loro forza finanziaria per costruire un vantaggio tecnologico che tra pochi anni sarà incolmabile. Scommetto che entro il 2030 vedremo una società a due classi nell'industria tedesca: gli integrati nell'AI, che sono agili, guidati dai dati e altamente efficienti – e i distaccati, che diventeranno meri banchi di lavoro e terzisti dei primi. Non si scappa. La domanda per Lei non è se saltare sul treno, ma quanto velocemente assicurarsi un biglietto per la prima classe. E questo treno sta lasciando la stazione a gran velocità.