L'IA nelle PMI: Cina, USA, Europa 2026

Marktanalyse · 22. Juli 2026 · Anthony Filipiak

L'IA nelle PMI diventa un test di localizzazione: scopri dove si trovano USA, Cina ed Europa e cosa devono fare i produttori per la pipeline e la produzione.

L'IA nelle PMI è l'uso dell'intelligenza artificiale nelle piccole e medie imprese. Questa è la definizione. Ma è troppo pulita. In pratica, l'IA nelle PMI nel 2026 è più un test di stress: chi riesce a mettere insieme i dati da ERP, CRM e controllo macchine, chi può spiegare i costi di inferenza, chi osa davvero riorganizzare un processo – e chi si limita a disegnare un documento strategico con un'immagine di robot a pagina uno. La mia previsione è semplice e scomoda: nei prossimi 24 mesi non vincerà l'azienda che acquista il modello migliore, ma l'azienda che traduce l'IA più rapidamente in costi, tempi di consegna e pipeline.

La corsa all'IA a tre binari tra Cina, USA ed Europa non è quindi un tema geopolitico da feuilleton. Arriva sul tavolo degli amministratori delegati a Bielefeld, dei responsabili vendite a Norimberga e dei capi produzione a Tuttlingen. Gli USA sono in testa per i modelli all'avanguardia, il capitale e le piattaforme. La Cina sta recuperando a velocità brutale in termini di qualità dei modelli e implementazione industriale. L'Europa si trova nel mezzo – non cieca, non senza speranza, ma troppo spesso con il freno a mano del capitale di rischio e la scusa della regolamentazione. Non del tutto vero. La regolamentazione non è il problema principale. Il problema principale è che molte aziende europee trattano ancora l'IA come un progetto IT, sebbene sia da tempo una questione di margine, capacità di consegna e quota di mercato.

L'IA nelle PMI: stato attuale della corsa all'IA

Dove siamo oggi? Gli USA continuano a dominare la vetta. OpenAI, Anthropic, Google, Meta e Microsoft possiedono non solo modelli, ma anche canali di distribuzione, capacità cloud, ecosistemi di sviluppatori e la capacità di investire miliardi in training e inferenza senza mandare nel panico ogni trimestre. Secondo CB Insights, nel 2024 circa 100 miliardi di dollari sono stati investiti in startup di IA a livello globale, gran parte negli USA; PitchBook ha riportato per l'IA generativa solo nel 2024 accordi per decine di miliardi. Questo si nota. Chi oggi avvia un progetto Copilot in un'azienda meccanica DACH, finisce quasi automaticamente con Microsoft, Azure OpenAI o una delle grandi piattaforme USA. Non perché l'acquisto sia innamorato. Ma perché i sistemi sono già presenti nel panorama IT.

La Cina gioca un'altra partita. Lì non si tratta solo di chatbot, ma di industrializzazione. Secondo rapporti da Shanghai, la Cina prevede investimenti di 2 trilioni di yuan in data center in cinque anni – circa 250 miliardi di euro, a seconda del tasso di cambio. Reuters ha riferito il 17 luglio 2026 che Pechino intende sfidare la leadership statunitense con una coalizione internazionale di IA. Moonshot posiziona Kimi K3 con 2,8 trilioni di parametri come modello open-weight e afferma di essere vicino ai benchmark di OpenAI e Anthropic. Ogni benchmark è davvero comparabile? Onestamente? Non lo so. Ma la direzione è chiara: la Cina non vuole solo tenere il passo. La Cina vuole rendere l'IA così economica e ampiamente disponibile che i prezzi premium occidentali saranno sotto pressione.

L'Europa ha un'industria forte, una buona automazione, aziende come Siemens, Bosch, Festo, Phoenix Contact, Wittenstein e Trumpf. Ma l'Europa ha troppo poco capitale, troppo poca voglia di scalare e troppi progetti che finiscono dopo un Proof of Concept perché nessuno ha fornito un budget al responsabile del processo. Philippe Aghion ha detto, secondo DW nel 2026, che l'Europa ha bisogno di più capitale di rischio, finanziamenti a lungo termine per la ricerca e migliori condizioni di ricerca se vuole recuperare terreno nell'IA. Questo è vero. Ma serve a poco all'amministratore delegato di un fornitore di macchine utensili a Schwäbisch Hall se il suo scarto aumenta nel Q4 e le sue vendite continuano a dare priorità ai lead in base all'istinto.

La sorprendente previsione per il 2026-2028

La mia previsione sorprende molti circoli strategici: le PMI non falliranno per la mancanza di qualità dei modelli. I modelli sono abbastanza buoni. Non sempre brillanti, a volte fastidiosi, occasionalmente presuntuosamente sbagliati – ma abbastanza buoni per la preparazione delle offerte, la classificazione dei pezzi di ricambio, la documentazione della qualità, la ricerca clienti, le previsioni di manutenzione e la prioritizzazione delle vendite. Le PMI falliranno a causa dei costi di integrazione, dell'accesso ai dati e della responsabilità di processo poco chiara. Quindi, per cose che non brillano mai sul palco di una conferenza sull'IA. Il rumore non è un applauso, ma il leggero clic di un file Excel su un'unità di rete che nessuno vuole toccare dal 2017.

Parlo ogni settimana con amministratori delegati e responsabili vendite nella regione DACH. La frase che sento con notevole frequenza da marzo 2025 non è: “Qual è il miglior LLM?” La frase è: “Da dove iniziamo, senza divulgare i nostri dati e senza che il consiglio di fabbrica ci smantelli?” Un CSO di Norimberga, Markus, mi ha detto di recente: “Se ricevo un altro strumento che mi promette più dati ma non porta appuntamenti, annullo il pilota dopo sei settimane.” Duro. Ma giusto. L'IA nelle PMI deve uscire dal mondo delle slide. Deve muovere denaro in offerta, produzione, servizio e vendite.

Tendenza 1: Gli USA vendono prestazioni di punta – e dipendenza

Gli USA rimarranno il punto di riferimento per i modelli all'avanguardia nel 2026. Ciò significa: le migliori prestazioni generali, i cicli di prodotto più rapidi, il più forte legame con la piattaforma. OpenAI, Anthropic e Google stabiliscono il punto di riferimento a cui si orientano acquirenti, CIO e investitori. In molte aziende DACH, Microsoft Copilot è il primo punto di contatto con l'IA generativa, perché Microsoft 365 è comunque in esecuzione. Pratico. Beh, quasi. Perché chi vende Copilot come strategia di IA confonde un'interfaccia utente con un modello operativo.

Per i produttori di medie dimensioni, il dominio statunitense ha due facce. Da un lato, ottengono modelli molto buoni, una solida documentazione sulla sicurezza e una logica di approvvigionamento che i reparti acquisti comprendono. Dall'altro lato, crescono le dipendenze da poche piattaforme. I prezzi possono cambiare. I flussi di dati devono essere controllati. E chi cerca di gestire ogni caso d'uso direttamente tramite la classe di modelli più costosa, costruisce una struttura di costi che con 20 utenti sembra ancora bella e con 600 dipendenti di fabbrica improvvisamente sa di conversazione con il CFO. Per un produttore di componenti in plastica del Baden-Württemberg, a maggio 2026, la prima stima per un sistema di assistenza interno superava i 38.000 euro di costi mensili di inferenza e licenza. Dopo il routing dei modelli e l'adattamento dei processi, era inferiore a 11.000 euro. Stesso scopo. Architettura diversa.

Questo è il punto che molti trascurano. I modelli all'avanguardia non sono automaticamente modelli sbagliati. Ma raramente sono la risposta più economica a tutte le domande. Un tecnico di servizio, durante la risoluzione dei problemi di un impianto, non ha sempre bisogno del modello con la migliore argomentazione filosofica. Ha bisogno di accedere alla cronologia di manutenzione, alla distinta base, ai codici di errore e a una risposta che funzioni in fabbrica, anche se il Wi-Fi nel capannone 4 sa di olio e gli scanner emettono un segnale acustico. Gli USA forniscono la punta. Le PMI spesso hanno bisogno del robusto centro.

L'Europa deve prendere sul serio i suoi punti di forza: industria, ricerca e mercato interno. Ma senza più capitale di rischio e finanziamenti a lungo termine, la forza non si trasforma in velocità.

— Philippe Aghion, premio Nobel ed economista, parafrasando la copertura DW 2026

Ritengo che il vantaggio statunitense sia reale, ma sopravvalutato nel suo impatto sui produttori di medie dimensioni. Sembra contraddittorio. Non lo è. Se un modello è migliore di tre punti percentuali in benchmark di codifica difficili, questo non risolve automaticamente il problema di una distribuzione di pezzi di ricambio che deve gestire 18.000 numeri di articolo con denominazioni incoerenti, cataloghi PDF obsoleti e quattro lingue. Nelle conversazioni con i responsabili delle vendite dei fornitori di automazione, raramente sento: “Abbiamo bisogno di più intelligenza nel modello.” Sento: “Abbiamo finalmente bisogno di un passaggio pulito tra marketing, inside sales e forza vendita.” L'IA può risolvere questo problema. Ma solo se qualcuno si occupa dello sporco nel processo.

Tendenza 2: La Cina spinge l'IA nell'industria – e nella curva dei costi

La Cina non è semplicemente il secondo posto nella corsa ai modelli. La Cina è l'avversario più pericoloso per i produttori europei, perché il paese combina l'IA con la profondità di produzione, il potere della catena di approvvigionamento e un'infrastruttura orchestrata dallo stato. Secondo la DW, gli esperti ritengono che il divario tra i modelli cinesi e statunitensi in alcuni benchmark si sia ormai ampiamente ridotto o chiuso. Allo stesso tempo, dalla Cina si riporta che i più recenti sistemi statunitensi sono ancora avanti di circa sei-nove mesi. Questo suona come un ritardo. Ma per una competizione industriale è quasi parità, se i costi operativi sono significativamente più bassi e i modelli funzionano abbastanza vicino all'applicazione.

Moonshot con Kimi K3, Alibaba con Qwen, DeepSeek con modelli di inferenza economici, Baidu con Ernie – la lista cresce. Il punto importante non è ogni nome di modello. Il punto importante è la dinamica dei prezzi. Se i fornitori cinesi rendono disponibili modelli potenti open-weight o a prezzi aggressivi, la discussione nelle aziende europee si sposta. Allora il CFO non si chiede più se l'IA sia fondamentalmente troppo costosa. Si chiede perché una ricerca interna di conoscenza costi per richiesta quanto un pezzo di ricambio nell'acquisto. E allora inizia il vero dibattito: quali dati possono andare dove, quali modelli funzionano localmente, quali risposte devono essere verificabili?

La Cina non esporta l'IA solo come tecnologia. La Cina esporta una logica di costi. Questo è pericoloso per il DACH. Non perché ogni costruttore di macchine tedesco domani appenderà un LLM cinese alla sua pianificazione della produzione. Questo spesso non accadrà per motivi di conformità. Ma perché i concorrenti cinesi possono ridurre i loro costi di processo con l'assicurazione qualità, la pianificazione, la gestione dei fornitori e l'elaborazione delle offerte basate sull'IA. Chi in Europa dice ancora: “I nostri clienti pagano per la qualità”, dovrebbe guardare le sue perdite di offerte negli ultimi dodici mesi. La qualità rimane. Ma prezzo e tempi di consegna sono seduti al tavolo.

Vedo qui un duro spostamento. Prima la domanda era: possiamo usare l'IA? Oggi è: possiamo usare l'IA in modo più economico del concorrente di Shenzhen, Detroit o Eindhoven? La differenza non è accademica. Un produttore di macchine speciali dalla Baviera mi ha detto nel giugno 2026 che un concorrente asiatico ora fornisce offerte entro 48 ore con calcolo delle varianti. Prima erano cinque-sette giorni. C'è dietro un sistema di IA perfetto? Probabilmente no. Probabilmente un mix di standardizzazione dei dati, moduli di offerta e automazione. Proprio per questo è minaccioso.

Perché costi di IA più bassi sono importanti per le vendite quanto per la produzione

Molti amministratori delegati separano ancora troppo la produzione e le vendite. L'IA vicina alla produzione ottiene rispetto perché suona come una macchina. L'IA per le vendite ottiene sfiducia perché suona come spam. Comprensibile. Il mercato è pieno di strumenti che affermano di acquisire clienti automaticamente, e alla fine inviano 3.000 email scadenti con il contatto sbagliato. Ma il calo dei prezzi dei modelli cambia anche le vendite. Se la ricerca clienti, lo scoring degli account, il rilevamento dei trigger e la preparazione delle offerte diventano più economici, un reparto vendite di medie dimensioni può improvvisamente lavorare su mercati che prima erano troppo frammentati. Non con più persone. Con una migliore prioritizzazione.

Cosa vediamo concretamente in Amplifa: negli ultimi 12 mesi, abbiamo osservato nei clienti DACH del settore meccanico, della produzione di componenti e dei servizi tecnici che il 60-75% dei segnali di vendita utilizzabili non si trova nel CRM. Si trovano in annunci di lavoro, pagine di rivenditori, portali di pezzi di ricambio, elenchi di espositori fieristici, database di certificati e modifiche di prodotti sui siti web dei clienti. Per un cliente industriale della Renania Settentrionale-Vestfalia, 312 dei 487 account target rilevanti erano contrassegnati come “inattivi” nel CRM, sebbene 91 di essi avessero pubblicato nuove posizioni di produzione o ingegneria entro 120 giorni. Questo non è un problema di dati in senso stretto. Questo è un problema di pipeline con una maschera di dati.

È qui che la corsa globale all'IA colpisce le PMI. Se i modelli diventano più economici, non tutto migliora automaticamente. Ma improvvisamente vale la pena analizzare segnali che prima nessuno poteva gestire manualmente. Un responsabile delle vendite non può controllare ogni lunedì 800 clienti target per nuovi stabilimenti, nuove macchine, nuove gare d'appalto e nuovi contatti. Un sistema di IA può farlo. A condizione che l'ICP sia chiaro, le fonti di dati siano prioritizzate in modo pulito e le vendite accettino che l'istinto non è un sistema operativo scalabile.

Amplifa ICP Playbook Una guida pratica per affinare i clienti target, i trigger e i segmenti di mercato nelle vendite B2B basandosi sui dati – in particolare per i mercati industriali.

Tendenza 3: L'Europa vince non con la dimensione del modello – ma con l'implementazione

L'Europa non vincerà a breve termine la corsa ai modelli fondamentali più grandi. Non è una capitolazione. È la realtà. Chi nel 2026 crede che un singolo campione europeo possa competere con la profondità di capitale degli USA e la politica infrastrutturale della Cina con qualche programma di finanziamento, probabilmente non ha mai visto una fattura GPU. Mistral AI è importante. Aleph Alpha è importante. SAP, Siemens e Bosch sono importanti. Ma la carta più forte dell'Europa non sta nel costruire il modello più grande. La carta più forte dell'Europa sta nell'integrare l'IA in processi industriali regolamentati che i clienti pagano davvero.

Questo suona meno affascinante. Ma è economicamente più rilevante. Un produttore di medie dimensioni non ha bisogno di un'opera nazionale di IA. Ha bisogno di un sistema che unisca i dati di scarto dal controllo qualità, le note di manutenzione dal servizio, i dati delle offerte dal CRM e i tempi di consegna dall'ERP – senza che la sicurezza IT vada in iperventilazione. L'Europa ha vantaggi qui: conoscenza dell'ingegneria meccanica, competenza nell'automazione, standard forti, relazioni con i clienti consolidate. Aziende come Festo, Trumpf, Schaeffler, Kärcher e Phoenix Contact hanno imparato per decenni a inserire prodotti industriali complessi in processi reali. Non è poco. Non è solo una frase da pitch deck per la Silicon Valley.

L'EU AI Act è spesso descritto come un ostacolo. A volte lo è. Ho poca pazienza per la regolamentazione che schiaccia piccoli team con obblighi di documentazione, mentre le grandi aziende tecnologiche impiegano interi dipartimenti legali. Ma la prevedibilità può diventare un argomento di vendita. Un fornitore svizzero di tecnologia medica mi ha detto nell'aprile 2026: “Preferiamo acquistare un sistema che viene introdotto più lentamente, ma che supera un audit.” Questo è il punto di forza europeo. Non la demo più selvaggia. Ma un sistema di IA che sopravvive all'audit, all'accordo aziendale e alle operazioni quotidiane.

La questione dell'implementazione è concretamente brutta. Dove si trovano i dati? Chi possiede il processo? Quale risposta può essere inviata automaticamente? Quale raccomandazione necessita di approvazione? Quale indicatore decide dopo 90 giorni la continuazione dell'attività? In un progetto con un grossista tecnico della Germania meridionale, il collo di bottiglia non era il modello, ma la definizione di “account qualificato”. Il marketing contava i download. Le vendite contavano i decisori noti. La direzione contava il fatturato in sei mesi. Tre verità. Nessun sistema può ricavarne una buona prioritizzazione se nessuno fissa la definizione dell'obiettivo.

AI-in-the-plant invece di teatro dell'IA

Credo che l'Europa dovrebbe prendere più sul serio il concetto di AI-in-the-plant. Non come una parola d'ordine. Ma come un'alternativa al feticismo dei modelli. Si intende l'IA che lavora vicino alla produzione: controllo qualità con dati di telecamere, manutenzione predittiva con cronologia dei sensori, ottimizzazione OEE, consumo energetico, intralogistica, pianificazione dei turni, gestione dei pezzi di ricambio. Secondo le indagini congiunturali VDMA 2025, il clima di investimento nell'ingegneria meccanica è rimasto teso; allo stesso tempo, le aziende cercano leve di produttività perché salari, energia e costi di finanziamento sono in aumento. È proprio in questa morsa che l'IA diventa interessante. Non perché sia moderna. Ma perché taglia i costi da processi che nessuno ha toccato in modo fondamentale per anni.

La stessa logica si applica al mercato. Chi vende prodotti tecnici non vende più solo attraverso le routine della forza vendita e i contatti fieristici. I processi di acquisto diventano più digitali, la propensione al cambiamento aumenta, i decisori tecnici si informano in modo anonimo prima. Se una PMI europea non aggiorna continuamente i suoi Ideal Customer Profiles, attraversa il 2026 con una mappa del 2021. Andrea, Head of Sales di un campione nascosto a Bielefeld, mi ha detto a maggio: “I nostri migliori clienti sembrano peggio nel CRM dei nostri peggiori lead.” Questo è amaro. E molto diffuso.

Cosa significa concretamente l'IA nelle PMI per i produttori?

Per gli amministratori delegati nel DACH, la corsa all'IA significa quattro cose. Primo: la curva dei costi scende, ma l'integrazione rimane costosa. Secondo: la qualità dei modelli diventa una merce, la conoscenza dei processi no. Terzo: la sovranità dei dati diventa un criterio di acquisto, soprattutto per le informazioni vicine alla produzione. Quarto: chi avvia solo singoli piloti perde contro le aziende che implementano l'IA come modello operativo. Questo suona severo. Deve suonare severo. Chi nel 2026 si affida ancora a una strategia puramente inbound, tra cinque anni non avrà più una pipeline. Chi vede l'IA solo come un assistente per le e-mail, tra tre anni non avrà alcun vantaggio di produttività.

I mercati dei capitali vedranno questa differenza. Gli investitori già fanno domande diverse. Due anni fa la domanda era: “Usate l'IA?” Oggi è più: “Dove si manifesta l'IA nel margine lordo, nel capitale circolante o nella produttività delle vendite?” Durante una riunione del consiglio di amministrazione di un fornitore di automazione di medie dimensioni a Monaco nel febbraio 2026, non si trattava di una nuova dashboard. Si trattava della domanda del perché il portafoglio ordini fluttuasse, sebbene il mercato per alcuni componenti rimanesse stabile. La risposta non era solo nelle vendite. Era nella mancanza di segmentazione, nella logica di offerta lenta e nel riconoscimento troppo tardivo dei segnali di investimento nei clienti esistenti.

La sovranità viene fraintesa. Molti pensano: sovrano è solo chi costruisce tutto da sé e lo gestisce localmente. Questo è romantico. E costoso. Sovrano è chi può cambiare. Chi separa chiaramente i modelli di dati. Chi non cementifica ogni logica di processo in uno strumento proprietario. Chi sa quali dati possono andare in un modello statunitense, quali appartengono solo a un cloud europeo e quali non devono uscire affatto dalla fabbrica. Un CFO di Stoccarda lo ha formulato seccamente: “Non voglio una religione dell'IA. Voglio un piano di uscita.” Difficile dirlo meglio.

FAQ: Quale strategia di IA si adatta alle PMI DACH?

La risposta breve: una strategia a due livelli. Primo, casi d'uso vicini alla produzione o alle vendite con chiari indicatori di ROI, poi un'architettura vendor-neutral che consenta la sovranità dei dati, la verificabilità e la riusabilità. Non il contrario. Vedo troppe aziende che disegnano architetture per sei mesi e non migliorano un singolo processo. Vedo anche il contrario: dieci strumenti, nessun guardrail, caos in seguito. La via di mezzo non è noiosa. È disciplinata.

Un buon punto di partenza ha sempre un indicatore concreto. Tasso di scarto. Minuti di fermo macchina. Tempo di elaborazione delle offerte. Tasso di appuntamenti nel segmento target. Fatturato dei pezzi di ricambio per macchina installata. Consumo energetico per lotto. Una volta stabilito l'indicatore, si può lavorare a ritroso: quali dati servono al sistema, quale decisione supporta, quale persona rimane responsabile? Se queste domande non trovano risposta, il progetto non è un progetto di IA. È un desiderio software.

La logica di mercato: i costi battono il prestigio

Contraddico qui consapevolmente una frase popolare nelle presentazioni aziendali: “Ci affidiamo al Best-of-Breed.” Nel contesto dell'IA, questo spesso significa solo che ogni reparto acquista il suo strumento preferito e nessuno calcola i costi operativi complessivi. Per le PMI, il Best-of-Breed ha senso solo se l'architettura rimane intercambiabile. Altrimenti si crea un debito di strumenti. E il debito di strumenti è come il debito tecnico, solo con più demo di vendita e contratti peggiori.

La Cina fissa il prezzo di riferimento. Gli USA fissano gli ancoraggi di prestazioni e piattaforma. L'Europa deve puntare sulla fiducia e sull'implementazione. Questi ruoli sono distribuiti in modo diseguale, ma non deterministico. Un produttore di componenti di precisione in Svizzera non deve addestrarsi con OpenAI per rimanere competitivo. Ma deve sapere perché un'offerta per un cliente A richiede tre giorni, perché la conoscenza del servizio si impolvera nei PDF e perché le sue vendite contattano i clienti target solo quando la concorrenza è già nel capitolato. Questo è il nucleo operativo.

La migliore strategia di IA non inizia quindi con l'elenco dei modelli. Inizia con i colli di bottiglia. Dove l'azienda perde denaro, tempo o informazioni di mercato? In molte aziende manifatturiere, sono quattro aree: qualità, manutenzione, pianificazione e vendite. So che sono aree ampie. Ma hanno un denominatore comune: producono dati che oggi spesso non vengono utilizzati in modo decisionale. Il sensore misura. Il CRM memorizza. L'ERP registra. Ma nessuno collega i segnali abbastanza velocemente.

Prodotto Amplifa Amplifa aiuta i team B2B a identificare i clienti target, valutare i segnali di mercato e scalare in modo misurabile i processi di vendita con l'IA.

Preparazione: 7 passi per amministratori delegati e team strategici

Se potessi dare un solo consiglio a un amministratore delegato di una PMI, sarebbe questo: non aspettate la perfetta risposta europea nella corsa ai modelli. Potrebbe arrivare. O forse no. Il vostro mercato non aspetta. Una strategia di IA deve essere visibile in 90 giorni e avere un modello operativo in 12 mesi. Altrimenti diventerà un rituale di innovazione.

1. Definite tre indicatori di business concreti prima di scegliere uno strumento. Esempi: ridurre il tempo di elaborazione delle offerte da cinque a due giorni, ridurre gli scarti dell'1,5%, aumentare il tasso di appuntamenti nel segmento ICP del 30%. Senza un indicatore, vince sempre la demo più rumorosa.
2. Separate le classi di dati in base al rischio. Dati di prodotto, dati cliente, dati macchina e segnali di mercato pubblicamente disponibili non appartengono allo stesso calderone. Stabilite cosa può andare nei cloud USA, nei cloud europei, nei modelli locali o non deve uscire affatto dall'azienda.
3. Costruite un routing dei modelli invece di una religione dei modelli. Utilizzate modelli all'avanguardia potenti dove conta la complessità e modelli più economici dove classificazione, estrazione o ricerca sono sufficienti. Questo risparmia denaro e riduce la dipendenza dalla piattaforma.
4. Iniziate con casi d'uso che hanno un proprietario del processo. Se nessuno si assume la responsabilità dei risultati per qualità, servizio, vendite o pianificazione, l'IA diventa un archivio IT. Il proprietario del processo deve avere budget, tempo e potere decisionale.
5. Misurate dopo 30, 60 e 90 giorni. Non solo l'utilizzo. Il risultato. Quante offerte sono state create più velocemente? Quanti casi di manutenzione sono stati correttamente prioritizzati? Quanti account target sono stati riattivati? L'utilizzo senza effetto è solo attività.
6. Create un livello di dati e integrazione vendor-neutral. Sembra tecnico, ma è una questione di potere. Chi mantiene pulita la logica di processo e l'accesso ai dati può cambiare modelli, rinegoziare i prezzi e dimostrare la conformità.
7. Formate i dirigenti, non solo gli utenti. Il caporeparto in produzione, la responsabile delle vendite, il capo del servizio e il CFO devono capire cosa può fare l'IA, cosa non può fare e quali decisioni rimangono all'uomo. Altrimenti si crea paura o gioco.

Questi passaggi non sono spettacolari. Proprio per questo funzionano. Un'azienda di medie dimensioni non ha bisogno di un'opera di IA con 40 slide e cinque flussi di lavoro, se le prime fonti di dati non sono chiare. Ha bisogno di una chiara gerarchia. Cosa porta denaro? Cosa riduce il rischio? Cosa crea dati che possono essere riutilizzati in seguito? In un progetto di ingegneria meccanica nella regione di Ulm, il passo decisivo non è stato il modello, ma la decisione di costringere tutte le ragioni delle offerte perse in quattro campi obbligatori. Dopo tre mesi, il team ha potuto riconoscere quali segmenti erano stati persi a causa dei tempi di consegna e quali a causa delle specifiche. Solo allora la prioritizzazione basata sull'IA ha avuto senso.

Perché i programmi pilota puri non bastano più nel 2026

I piloti erano utili nel 2023. Nel 2024 erano necessari. Nel 2026 diventeranno una scusa se non si trasformano in scalabilità. Vedo troppe aziende che con “Stiamo testando l'IA” in realtà dicono: “Non vogliamo ancora prendere una decisione di processo.” Il problema: la concorrenza non solo testa. Standardizza. Negoziata l'infrastruttura. Costruisce pipeline di dati. Forma la leadership. Collega i segnali di vendita con la capacità produttiva. Allora il pilota in casa propria improvvisamente sembra una sala hobby.

Le PMI, tuttavia, hanno un vantaggio rispetto alle grandi aziende. Possono decidere più rapidamente se la direzione lo vuole davvero. Per un'azienda familiare con 420 dipendenti dell'Assia, la decisione per un processo di scoring degli account basato sull'IA ha richiesto tre settimane. Nessun comitato direttivo per sei mesi. Nessuna delle 17 interviste con gli stakeholder. L'amministratore delegato, la responsabile delle vendite e il responsabile IT si sono concentrati su due indicatori: nuovi appuntamenti nel segmento target definito e percentuale di account rilevanti con un trigger attuale. Dopo nove mesi, il team aveva prenotato il triplo degli appuntamenti nei segmenti prioritari – senza un nuovo addetto alle vendite. Questo non è magia. Questo è focus.

Certo, ci sono rischi. Allucinazioni. Protezione dei dati. Fuga di IP. Questioni del consiglio di fabbrica. Vendor lock-in. Automazione errata. Ma i rischi non diminuiscono se li si ignora. Diminuiscono se li si classifica, li si limita e li si dota di un modello operativo. Ho più paura di strumenti ombra incontrollati nei reparti specialistici che di un sistema di IA introdotto in modo pulito con log di audit. Il chatbot segreto nel browser non è una prova di innovazione. È una falla nella governance.

Investimenti: dove va il denaro nella corsa all'IA

Il capitale non decide tutto, ma decide molto. Gli USA hanno la più forte combinazione di capitale di rischio, hyperscaler e densità di ricerca. La Cina dirige investimenti statali e privati in infrastrutture, modelli e applicazioni industriali. I 2 trilioni di yuan menzionati per i data center sono più di un numero. Mostrano che la capacità di inferenza stessa diventa politica industriale. Chi controlla la potenza di calcolo, controlla le curve dei costi. Chi controlla le curve dei costi, influenza l'adozione. Questo per un produttore nel DACH non è astratto. Determina se un assistente AI costa 5.000 euro al mese o 50.000.

L'Europa investe, ma in modo più frammentato. Ci sono programmi di finanziamento, iniziative nazionali, cluster di ricerca, dibattiti simili a Gaia-X e istituti forti. Fraunhofer, DFKI, ETH Zurigo, TU Monaco – la sostanza c'è. Ciò che manca è spesso il ponte verso prodotti scalabili e un approvvigionamento coraggioso. Un amministratore delegato del settore meccanico mi ha detto ad Augusta: “Siamo felici di finanziare studi, ma acquistiamo troppo tardi.” Questo è vero. L'industria europea è eccellente nell'analizzare i rischi. A volte analizza così a lungo che il concorrente ha già acquisito il cliente.

Per gli investitori, diventa quindi interessante la questione di quali PMI traducono l'IA in indicatori operativi. Non i più rumorosi. Quelli misurabili. Un'azienda che riduce i costi delle offerte, rende la manutenzione più prevedibile e indirizza la capacità di vendita verso i migliori account, tra tre anni apparirà diversa da un'azienda con la stessa macchina, ma senza logica dei dati. La differenza di valutazione non sarà immediatamente evidente. Si manifesterà nella stabilità dei margini, nel capitale circolante e nella resilienza alle fluttuazioni della domanda.

Quale ruolo gioca la vendita nella corsa all'IA industriale?

Più di quanto molte aziende manifatturiere vogliano ammettere. La produzione pensa volentieri prima alla macchina, agli scarti e alla manutenzione. Comprensibile. Ma la corsa all'IA cambia anche l'approccio al mercato. Se i concorrenti riconoscono più rapidamente quali clienti investono, quali stabilimenti vengono ampliati, quali fornitori falliscono o quali requisiti normativi generano nuova domanda, allora la vendita diventa un problema di dati. Non solo un problema di relazioni. Le relazioni rimangono importanti. Ma le relazioni senza tempismo sono una visita costosa.

Vedo un punto cieco nelle PMI DACH: molte aziende conoscono bene i loro clienti esistenti, ma male i loro migliori clienti futuri. Hanno elenchi di fatturato storici, ma nessuna mappa di mercato viva. Sanno chi ha acquistato cinque anni fa, ma non chi ha annunciato una nuova linea di produzione tre settimane fa. Visitano la Fiera di Hannover, ma non valutano sistematicamente i movimenti di espositori e partner. Il fruscio dei prospetti allo stand fieristico suona come vendita. La vera musica si suona ormai nelle fonti di dati che vengono aggiornate il lunedì alle 6 del mattino.

Qui l'IA nelle vendite non diventa un simpatico add-on, ma una logica di sopravvivenza. Chi ha 12.000 potenziali clienti target in Europa non può trattarli tutti allo stesso modo. La forza vendita ha bisogno di priorità. L'Inside Sales ha bisogno di trigger. Il marketing ha bisogno di segmenti. La direzione ha bisogno della verità della pipeline. Se l'IA non collega questi quattro gruppi, produce solo attività. L'attività è la metrica più pericolosa nelle vendite, perché fa sentire bene eppure non dimostra nulla.

Amplifa per l'elaborazione del mercato basata sull'IA Per i team industriali e B2B che non vogliono più gestire manualmente la prioritizzazione degli account, il rilevamento dei trigger e la costruzione della pipeline.

Rischi: cosa gli amministratori delegati non devono delegare all'IT

Il rischio dell'IA è una questione di leadership. Non perché gli amministratori delegati debbano comprendere ogni architettura di modello. Non devono. Ma devono definire la tolleranza al rischio. Un sistema può contattare automaticamente i clienti? Può fornire raccomandazioni tecniche? Può collegare informazioni sui margini interni con segnali esterni? Un addetto al servizio può inviare una risposta dell'IA a un cliente senza verifica? Queste domande sono operative. E sono strategiche. Se finiscono solo nell'IT, alla fine chi ha il sistema di ticket decide il posizionamento sul mercato.

Un buon modello di governance non è pesante. È chiaro. Dati rossi, dati gialli, dati verdi. I dati rossi non escono dall'azienda o solo in ambienti verificati. I dati gialli possono andare in sistemi definiti con contratto e logging. I dati verdi sono pubblici o non critici e possono essere utilizzati per analisi di mercato, ricerca e segmentazione. Questa semplicità aiuta. In un progetto di cliente industriale nel novembre 2025, questa classificazione ha ridotto il tempo di approvazione per i nuovi casi d'uso dell'IA da una media di otto settimane a poco meno di tre settimane. Non perché la conformità sia diventata irrilevante. Ma perché è diventata comprensibile.

Il rischio del fornitore è anch'esso all'ordine del giorno. Chi si lega completamente a un hyperscaler statunitense acquista velocità e dipendenza. Chi utilizza modelli cinesi ottiene vantaggi di prezzo e questioni geopolitiche. Chi ammette solo fornitori europei guadagna fiducia, ma forse paga con prestazioni o disponibilità. Non esiste una soluzione pura. Esiste solo un'architettura consapevole. Proprio per questo ritengo che la capacità multi-modello sia più importante della scelta del modello preferito.

Previsione personale: 2026-2028

La mia previsione personale per i prossimi due o tre anni è netta: la corsa all'IA per le PMI europee non si manifesterà come una corsa ai modelli, ma come una forbice di produttività. Da un lato ci sono le aziende che ancorano l'IA nella qualità, nel servizio, nella pianificazione e nelle vendite. Dall'altro lato ci sono le aziende che nel 2026 stanno ancora “facendo le prime esperienze” e nel 2028 spiegano perché il margine è sotto pressione. La forbice non si aprirà rumorosamente. Sarà visibile nei tempi di offerta, nei tassi di scarto, nella precisione delle previsioni e nella velocità di reazione.

Gli USA continueranno a plasmare la vetta. La Cina spingerà brutalmente verso il basso la curva dei costi e la velocità industriale. L'Europa rimarrà rilevante solo se prenderà sul serio l'implementazione. Ciò significa: meno romanticismo dei modelli, più coraggio nei processi. Meno laboratorio di IA, più responsabilità nella linea e nelle vendite. Meno logica di finanziamento, più acquisto di sistemi funzionanti. So che suona impaziente. Lo sono anch'io. Il mercato non aspetta che l'Europa si sia spiegata.

Per i produttori DACH vedo tre gruppi vincenti. Primo, le aziende che scalano in modo misurabile l'IA vicina alla produzione e non si fermano alla demo. Secondo, le aziende che risolvono pragmaticamente la sovranità dei dati, invece di usarla come pretesto per la stagnazione. Terzo, le aziende che concepiscono le vendite e l'intelligenza di mercato come parte della strategia di IA. Non come cosmetica del CRM. Come sistema di allerta precoce. Se un concorrente sa prima quale cliente sta aumentando la capacità, non è più un problema di vendita. È strategia.

Non credo che l'Europa abbia perso. Ma non credo nemmeno che l'Europa vinca automaticamente perché ha buoni ingegneri e può spiegare la regolamentazione. I buoni ingegneri non sono uno scudo contro strutture di costo migliori. La regolamentazione non è un sostituto dell'implementazione. In fabbrica non si sente odore di documento strategico. Si sente odore di lubrorefrigerante, cartone, metallo e a volte di decisione mancata. È proprio lì che si decide se l'IA nelle PMI diventerà un vantaggio competitivo – o solo il prossimo argomento per la riunione annuale.