Produzione AI: Merck mostra la strada – le PMI dormono?
KI & Automatisierung · 23. Februar 2026 · Manuel Krapf
La produzione AI è realtà. Mentre giganti della chimica come Merck KGaA si potenziano con la robotica AI, molti esitano. Scoprite cosa significa veramente questo patto per la vostra azienda.
Ricordate i kit di chimica della vostra infanzia? Un po' di bollicine, un leggero cambiamento di colore, forse un odore strano – era già un enorme successo. Nei laboratori della grande industria tedesca, a dire il vero, per decenni non è stato fondamentalmente diverso. Solo con beute più costose e dipendenti con dottorato in camice bianco che miscelavano meticolosamente le ricette. Un processo caratterizzato da tentativi, errori e molta pazienza.
Ma i tempi della miscelazione manuale, della pipettatura e della speranza sono definitivamente finiti. Ciò che è stato siglato nel gennaio 2026 tra Merck KGaA a Darmstadt e una startup di Singapore chiamata ChemLex è più di un altro altisonante "Memorandum of Understanding". È la sepoltura del vecchio paradigma di R&S. È il via libera a una nuova era nella produzione, il cui eco risuonerà ben oltre l'industria chimica, fino alle officine delle PMI tedesche. La domanda è: qualcuno sta ascoltando?
La produzione AI non è musica del futuro – è la nuova realtà
Parliamo chiaro. Merck, uno dei nostri colossi chimici tedeschi, si porta in casa con ChemLex un'armata di robot controllati dall'AI. Il punto è: non sono più principalmente le persone a mescolare le sostanze, ma algoritmi e macchine ad alta precisione. ChemLex fornisce una piattaforma che collega un laboratorio completamente automatizzato con l'Intelligenza Artificiale. L'obiettivo? Accelerare radicalmente la ricerca e lo sviluppo (R&S) in modo che la concorrenza veda solo i fanali posteriori. 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.
Questo non è solo un gioco per una ricca azienda. Questo è un cambio di paradigma. Merck definisce l'AI un "abilitatore critico" per risolvere "complesse sfide scientifiche". Tradotto significa: senza AI, presto da noi non funzionerà più nulla. E non sono soli. Secondo i dati attuali in mio possesso, l'AI alimenta già il 46% di tutti i carichi di lavoro di simulazione nei team di R&S delle industrie chimiche, energetiche e dei semiconduttori europee. Il 42% di questi team utilizza già piattaforme native AI. Questa non è più una nicchia, è il nuovo standard ai vertici.
La differenza: velocità, costi e precisione in numeri
Per renderlo tangibile, dobbiamo abbandonare l'immagine del laboratorio e guardare ai fatti concreti. Si tratta di vantaggi economici duri e puri. Durante la mia ultima visita a un'azienda di ingegneria meccanica di medie dimensioni vicino a Stoccarda, l'amministratore delegato si lamentava che un ciclo di sviluppo per un nuovo componente durava ben 18 mesi. 18 mesi! In questo tempo, un concorrente che si affida alla simulazione AI ha già completato tre iterazioni ed è sul mercato con un prodotto migliore.
| Parametro | R&S tradizionale | Sintesi assistita da AI (modello Merck) |
|---|---|---|
| Tempo di sviluppo per nuovi materiali | 12-24 mesi | 3-6 mesi |
| Numero di esperimenti manuali | Centinaia a migliaia per progetto | Notevolmente ridotto, poiché l'AI predice i candidati più promettenti |
| Riproducibilità e standardizzazione | Fortemente dipendente dal personale esecutore | Estremamente elevata, poiché robotizzata 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 (quaderni, file locali) | Centralizzato, strutturato e riutilizzabile per futuri modelli AI |
Cosa dicono i pionieri – e cosa tacciono
Certo, il gergo aziendale di Merck è solo metà della storia. "Prerequisito per la soluzione di complesse sfide scientifiche" – suona bene su ogni presentazione PowerPoint. Ma cosa c'è dietro? La settimana scorsa ho parlato al telefono con il Dr. Martin Graf, un analista che segue l'industria chimica da 20 anni. L'ha messa in chiaro: "Klaus, quello che vediamo qui è il momento AlphaFold per la scienza dei materiali. Così come l'AI ha rivoluzionato il ripiegamento delle proteine, reinventerà lo sviluppo dei materiali. Chi perde il treno sarà degradato a fornitore degli innovatori."
Siamo di fronte a una trasformazione nella chimica che sarà altrettanto 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 uno sguardo al Belgio, al concorrente Syensqo (l'ex divisione Solvay). Lì sono già un passo avanti e utilizzano SYGROW, una soluzione di AI generativa che non solo aiuta 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 delle linee guida: "Human-in-the-Loop" e un chiaro principio di "No-Monitoring". Questo è stato persino concordato con i consigli di fabbrica europei. Questo è il modo intelligente: introdurre la tecnologia, ma coinvolgere le persone. Un punto che molte PMI tedesche (purtroppo) tendono a trascurare.
Automazione nelle PMI: tra pretesa e realtà
Sembra tutto meraviglioso, non è vero? Il bel mondo nuovo della produzione AI, dove i robot lavorano per noi e gli algoritmi ci mostrano la strada per il prossimo affare miliardario. Ma ora veniamo al dunque. Si sta mettendo 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. Lì si lotta con problemi di catena di approvvigionamento, costi energetici esplosivi e una carenza di manodopera qualificata che fa venire le lacrime agli occhi.
Qualcuno crede davvero che un "Hidden Champion" con 250 dipendenti possa stringere una partnership con una startup AI a Singapore? La realtà sono budget limitati, un'infrastruttura IT che in parte risale all'era di Helmut Kohl, e soprattutto: dati non strutturati e sporchi. L'AI è buona solo quanto i dati con cui viene alimentata. E il più grande cumulo di spazzatura digitale produce con la migliore AI solo spazzatura più veloce e costosa. Dubito fortemente che sia così semplice come promettono le brochure patinate. Il rischio è enorme che le PMI perdano il treno – non per mancanza di volontà, ma per pura sopraffazione.
Domande e 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 cercate di copiare Merck. Ma assolutamente sì, se iniziate in piccolo. Un progetto pilota nel controllo qualità ottico, un'ottimizzazione assistita dall'AI dei vostri tempi di attrezzaggio 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?
Non lo trovate. Almeno non sul mercato libero. Dovete qualificare le vostre persone. Formate "campioni AI" interni che fungano da ponte tra i reparti e i fornitori di servizi esterni. E cercate partner – università, istituti Fraunhofer o consulenze specializzate che comprendano le PMI tedesche. Non avete bisogno di un data scientist di Google, avete bisogno di un ingegnere che capisca come funzionano le vostre macchine e cosa l'AI può migliorare.
I miei dati sono un caos. Posso comunque iniziare?
Dovete farlo. Non aspettate il database perfetto. Avviate un progetto di pulizia dei dati parallelamente al vostro primo progetto pilota AI. Utilizzate il progetto pilota per definire quali dati vi servono REALMENTE e con quale qualità. Questo crea focus. Altrimenti vi perderete in una pulizia dei dati che dura anni, mentre la concorrenza vi supera.
- Passo 1: Valutazione onesta e brutale. Dimenticate l'AI per un momento. Dove esattamente perdete denaro, tempo ed energie nella vostra produzione o nelle vostre vendite? Identificate i 2-3 maggiori punti dolenti. Non stimate – misurate! Parlate con le persone alla macchina e sul campo.
- Passo 2: Avviate un progetto faro. Scegliete UNO di questi punti dolenti e definite un obiettivo chiaro e misurabile. Esempio: "Riduzione del tasso di scarto nella linea 3 del 15% tramite riconoscimento di immagini assistito dall'AI." Questo progetto deve fornire i primi risultati entro 6 mesi. Si tratta di una vittoria rapida che convinca l'organizzazione.
- Passo 3: Dieta dei dati invece di palazzo dei dati. Identificate i dati MINIMI necessari per il vostro progetto faro. Occupatevi SOLO di questi dati. Assicuratevi che siano puliti, accessibili e strutturati. Il resto verrà dopo. La perfezione è nemica del progresso.
- Passo 4: Ottenete potenza esterna. Non dovete reinventare la ruota. Cercate un fornitore di servizi o un istituto di ricerca che abbia già risolto problemi simili nelle PMI. Le referenze sono tutto qui. Non lasciatevi vendere castelli in aria.
- Passo 5: Rendete i vostri dipendenti complici. La comunicazione è tutto. Questo non è un progetto IT, è un cambiamento culturale. Spiegate cosa intendete fare, qual è il beneficio per l'individuo (meno lavoro stupido, più focus sulla risoluzione dei problemi) e prendete sul serio le paure. Un sistema AI sabotato dai dipendenti è l'investimento sbagliato più costoso in assoluto.
Le fondamenta: il vostro Profilo Cliente Ideale (ICP) Prima di investire milioni nella produzione AI, dovete sapere PER CHI producete. Ogni strategia basata sull'AI – sia in R&S che nelle vendite – inizia con una comprensione acuta del vostro cliente ideale. Il nostro ICP Playbook vi aiuta a gettare queste fondamenta.
Sinceramente: la maggior parte degli amministratori delegati di PMI con cui parlo ultimamente, quando si tratta di AI, scuotono ancora la testa. '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 vostri clienti forse non vogliono l'AI, ma vogliono tempi di consegna più rapidi, migliore qualità e prezzi più bassi. Ed è esattamente questo che la concorrenza basata sull'AI fornirà.
Merck e Co. stanno creando fatti. Stanno usando la loro forza finanziaria per costruire un vantaggio tecnologico che tra pochi anni sarà irraggiungibile. Scommetto che entro il 2030 vedremo una società a due classi nell'industria tedesca: gli integrati nell'AI, che sono agili, basati sui dati e altamente efficienti – e i ritardatari, che diventeranno semplici banchi da lavoro e produttori a contratto dei primi. Non c'è scampo. La domanda per voi non è se salire sul treno, ma quanto velocemente vi assicurate un biglietto di prima classe. E questo treno sta lasciando la stazione a tutta velocità.