Opinione & Provocazione · 21 maggio 2026 · 16 min. di lettura · Joseph Flesh, CTO & Co-Founder, Amplifa

AI nelle medie imprese: il pisolino è concesso

L'AI nelle medie imprese viene trascurata. Perché ciò è razionale a breve termine – e di quale roadmap hanno bisogno ora gli amministratori delegati prima che diventi davvero costoso.

Tre settimane fa mi trovavo a Gütersloh nella zona spedizioni di un fornitore di ingegneria meccanica, accanto a me Thomas, amministratore delegato, 58 anni, pullover grigio, occhi stanchi. C'era odore di cartone, lubrificante refrigerante e quel caffè leggermente bruciato che solo le macchinette degli uffici nelle zone industriali riescono a produrre. Thomas indicò una pila di bolle di consegna e disse: "Klaus Müller, parliamo di AI nelle medie imprese da gennaio. Ma ieri il nostro ERP ha estratto di nuovo tre prezzi errati." Ho riso. Brevemente. Poi non più.

La mia tesi è semplice e non piacerà a tutti: le medie imprese in Deutschland stanno ignorando l'AI – e a breve termine va bene così. Non è elegante. Non è visionario. Ma spesso è economicamente più sensato di quello che alcuni consulenti vendono attualmente come una nuova era.

La frase ha una seconda parte che fa male: questo pisolino non può durare 24 mesi. Chi nel 2026 dichiarerà ancora con orgoglio di aver "iniziato a sbloccare ChatGPT per i testi", ma non ha una strategia dei dati, un CRM pulito, nessuna responsabilità di processo e nessun piano per use case produttivi di AI, non sta più dormendo. Sta cadendo in un baratro.

AI nelle medie imprese: perché la maggior parte si sbaglia

Sento la stessa accusa da mesi. Alle fiere. Nei consigli di amministrazione. In quei giri di colazione della camera di commercio dove i brezel sono spesso migliori delle slide. "Le medie imprese sono troppo lente." Vero. Beh, quasi.

Lento non significa automaticamente stupido. Negli ultimi due decenni ho visitato stabilimenti di Trumpf a Ditzingen, Wittenstein a Igersheim, Festo a Esslingen e piccoli contoterzisti nel Giura Svevo. Le buone aziende lì hanno una virtù che nel chiacchiericcio sull'AI suona quasi antiquata: sanno fare i conti. Non a livello di pitch deck, ma con tariffe orarie delle macchine, tassi di scarto, scorte di magazzino, termini di pagamento e la domanda se il cliente di Wolfsburg accetterà l'aumento di prezzo.

Chi dice a queste persone che devono avviare immediatamente un grande programma di Gen-AI non ha mai sentito il rumore di un turno serale. Lì il carrello elevatore stride in retromarcia, un operaio batte con il martello di gomma su un dispositivo, da qualche parte sibila l'aria compressa. E nell'ufficio accanto siede Andrea, Head of Sales presso un hidden champion a Bielefeld, che lotta con 4.800 duplicati nel CRM. Con questo materiale un assistente AI dovrebbe costruire previsioni di vendita affidabili? Per favore.

La maggior parte si sbaglia perché tratta l'AI come una questione tecnologica. Ma è innanzitutto una questione operativa. Chi ha accesso a quali dati? Chi decide se il modello e il capofficina sono in disaccordo? Chi è responsabile se un'AI nel recruiting scarta sistematicamente i candidati? Chi paga la fattura del cloud se un progetto pilota diventa improvvisamente di 600 utenti?

Lo dico in modo schietto: le medie imprese in Deutschland non sono stupide – sanno solo che è pericoloso scalare la tecnologia più costosa del mondo con dati spazzatura e una regolamentazione incompleta.

La scomoda verità sull'AI nelle medie imprese

Il numero che mi è rimasto impresso proviene dal "AI Readiness Check DACH 2026" di Passion4IT, che cita analisi di Gartner e IDC: circa il 60% di tutte le iniziative di AI fallisce a causa di una base dati carente, non della tecnologia stessa. Questo non è un problema da nota a piè di pagina. È il cuore della questione.

A marzo 2025, presso un'azienda di automazione vicino a Heilbronn, ho guardato in una sala dati. Nessuna demo patinata. Una vera sala server, troppo calda, ventole come un asciugacapelli all'avvio, sulla porta un adesivo ingiallito del 2016. Markus, responsabile IT, mi ha mostrato tre file di esportazione da ERP, MES e sistema di assistenza. Tre logiche di codifica articoli. Due formati orari. Un cliente con quattro modi di scrittura diversi. "E ora le vendite vogliono un'AI per la Next-Best-Offer", ha detto Markus. Lo ha detto senza rabbia. È stato peggio.

McKinsey ha riferito nella Global AI Survey 2023/24 che solo circa l'11-15% delle aziende a livello mondiale ottiene aumenti significativi e misurabili dell'EBIT con l'AI. BCG è giunta a una conclusione altrettanto sobria per i beni industriali nel 2024: solo il 20-25% dei progetti pilota di AI raggiunge l'impatto aziendale desiderato. Il resto? Slide, demo, frustrazione. A volte anche una bella dashboard che ogni mattina mostra numeri di cui nessuno si fida.

Ora prendiamo la tipica media impresa in Deutschland con 180 dipendenti, 72 milioni di euro di fatturato, margine EBIT tra il 5 e l'8%, due grandi clienti, un sistema SAP B1 o Proalpha, una forza lavoro che invecchia e un direttore vendite che traccia ancora la sua pipeline in Excel perché il CRM "non si adatta del tutto". Per questa azienda, un grande progetto AI fallito non è un fastidioso dolore da innovazione. Può divorare il margine di un anno.

Le medie imprese non ignorano l'AI, ma la qualità dei dati

Questa è la frase che vorrei inchiodare al muro degli amministratori delegati. Non con rabbia. Con una piccola targa in acciaio inossidabile, come quelle che si trovano nel centro visitatori di Kärcher o Phoenix Contact. L'AI è raramente il primo problema nelle medie imprese. Il primo problema si chiama anagrafica articoli, processo di offerta, cronologia macchine, duplicati, concetto di autorizzazioni, disciplina di processo.

Sbloccare ChatGPT per le e-mail non rende un'azienda AI-ready. Rende le e-mail forse un po' più fluide. A volte anche più lunghe. In un'azienda di Augsburg, Sabine, direttrice commerciale, mi ha raccontato nell'aprile 2025 che il suo team produce più testo da quando è stata sbloccata la Gen-AI, ma non ha meno lavoro. "Le persone ora formulano meglio, ma l'approvazione spetta ancora a me", ha detto. Sulla sua scrivania c'erano tre cartelle di contratti, una mela mangiata a metà e una stampa dell'EU AI Act con evidenziature gialle.

Qui sta il nocciolo della questione. L'AI senza decisione di processo è cosmesi. L'AI senza dati puliti è gioco d'azzardo. L'AI senza responsabili è teatro.

Preferisco avere un anno di dati anagrafici puliti piuttosto che tre mesi di circo AI. I nostri clienti non pagano per esperimenti, ma per impianti funzionanti.

— Jens, COO di un produttore di macchine speciali di Pforzheim

Perché aspettare sull'AI nelle medie imprese può essere razionale

C'è una dura verità che non piace sentire nei panel di Berlino: non tutte le aziende devono essere in prima fila in ogni ondata tecnologica. Soprattutto le aziende familiari hanno spesso imparato che il secondo acquirente ottiene la macchina migliore. Il primo paga per imparare. Il secondo compra la versione revisionata, con software stabile e meno problemi di gioventù.

Con l'AI non è diverso. Le grandi multinazionali, le software house e le startup si stanno facendo carico di una parte dei costi di sperimentazione. SAP inserisce Joule nel suo mondo di prodotti, Microsoft spinge Copilot in M365, Dynamics e Power Platform, Intershop di Jena parla all'assemblea generale del 2025 di Agentic B2B Commerce supportato dall'AI per le medie imprese. Sembra elegante. In molte aziende, tuttavia, si è ancora felici se il webshop non distrugge i prezzi specifici del cliente dopo l'aggiornamento.

A giugno 2025 sono stato da un fornitore nell'area di Norimberga. Lo shop B2B era collegato correttamente, dopo quattro anni di lavoro sul progetto, non dopo quattro sprint. Nel magazzino uno scanner emetteva un segnale acustico ogni pochi secondi, sul pavimento di cemento c'erano segni blu per i percorsi. Stefan, responsabile E-Commerce, mi ha detto: "Agenti? Klaus Müller, saremmo felici se ogni cliente trovasse correttamente il suo numero di contratto quadro." Sembra una cosa piccola. Non lo è. È salvaguardia del fatturato.

Chi in una situazione del genere dice "aspettiamo ancora per gli agenti AI autonomi", non agisce in modo retrogrado. Protegge la capacità di consegna. E la capacità di consegna batte quasi ogni buzzword nel B2B.

La trappola della regolamentazione: EU AI Act, AGG e responsabilità

L'EU AI Act è stato approvato definitivamente nel 2024, gli obblighi scattano gradualmente fino al 2026 e 2027. L'AI ad alto rischio nelle risorse umane, nel controllo qualità o nei processi di produzione critici per la sicurezza comporta obblighi di documentazione e audit. Le grandi aziende digeriscono queste cose con uffici legali, team di compliance e studi legali esterni. Le medie imprese spesso rispondono con un riflesso semplice: "Meglio lasciar perdere per ora."

Non considero questo riflesso codardo. Nelle risorse umane è persino salutare. La piattaforma anymize avverte di un problema speciale riguardo alla progressione interna: se tutti i dati di coorte sono presenti in azienda, l'inversione dell'onere della prova AGG può diventare particolarmente documentabile – o particolarmente pericolosa. Tradotto in parole povere: se la Sua AI produce punteggi per le promozioni e alla fine emerge un modello basato su genere, età o origine, allora scrollare le spalle non basterà più.

A settembre 2024 mi trovavo a Stoccarda con Claudia, responsabile HR di un fornitore automotive, a un tavolo rotondo in legno chiaro. Fuori passava la S-Bahn, dentro tintinnavano le tazzine da caffè. "Non testiamo l'AI nel recruiting in modo produttivo", ha detto. "Non prima di sapere chi spiegherà in tribunale perché il candidato A è stato escluso." Non l'ho trovato contrario all'innovazione. L'ho trovato maturo.

Ma: il più forte argomento contro il mio pisolino

Ora arriva la parte in cui alcuni amministratori delegati diventano troppo comodi per i miei gusti. L'argomento contrario più forte è: a breve termine aspettare può essere razionale, ma economicamente e strategicamente può essere rovinoso. Non si scappa.

Il McKinsey Global Institute ha descritto nel 2023 e 2024, a seconda del settore, aumenti annuali supplementari della produttività grazie all'AI da 0,2 a 3,3 punti percentuali. L'OCSE e la Commissione UE avvertono da anni di lacune competitive strutturali se i paesi adattano l'AI troppo lentamente. La Deutschland sta già lottando con alti costi energetici, burocrazia, domanda debole e una stanchezza negli investimenti che in alcuni capannoni industriali si può quasi annusare. Se poi si tralascia anche la leva della produttività dell'AI, la prudenza diventa prima o poi autolesionismo.

E no, le medie imprese non sono lente ovunque. Trumpf utilizza l'AI nei sistemi laser, nella Predictive Maintenance e nelle applicazioni Smart Factory. Krones lavora sull'ottimizzazione degli impianti, la garanzia della qualità e la pianificazione dell'assistenza. DMG Mori promuove il Condition Monitoring e i gemelli digitali. Festo dimostra da anni che l'AI nei sistemi di apprendimento, nel Condition Monitoring e nella garanzia della qualità non deve suonare come fantascienza. Schaeffler impiega l'AI per la Predictive Maintenance, la produzione e la logistica. Queste aziende a volte parlano meno forte delle multinazionali tech statunitensi, ma lavorano.

Chi nell'ingegneria meccanica, nell'impiantistica o nella produzione di componenti trascura ora il business dei servizi, in seguito non perderà solo un po' di margine. Perderà il contatto con il cliente. Le analisi di VDMA, BCG e Accenture del 2023/2024 mostrano in progetti riguardanti assistenza, ricambi e Remote Monitoring effetti come il 5-10% in più di fatturato di assistenza o il 20-40% in meno di fermi macchina non pianificati. Questi non sono "like" su LinkedIn. Questi sono soldi.

La strategia del follower ha una data di scadenza

Difendo l'attesa solo se è un'attesa attiva. L'attesa passiva è pericolosa. Attesa attiva significa: pulire i dati, fissare i processi, dare priorità agli use case, formare i dipendenti, osservare i fornitori, avviare piccoli impieghi produttivi. Attesa passiva significa: dire "ci daremo un'occhiata" e sperare che lo spauracchio passi.

Lo spauracchio non passerà. Microsoft Copilot non scomparirà dagli uffici. SAP Joule non chiederà gentilmente se le medie imprese sono psicologicamente pronte. Intershop, Salesforce, HubSpot, ServiceNow e numerosi fornitori specializzati stanno integrando l'AI nel software di processo. Chi non ha regole proprie per i dati, ruoli e un'idea dei benefici, riceverà comunque l'AI. Solo come processo ombra.

Cosa vedo nella pratica

Vedo due tipi di medie imprese. Una parla poco e lavora sodo. A Heilbronn, un direttore vendite mi ha mostrato a maggio 2025 come il suo team, con l'aiuto di un lead scoring basato sull'AI, avesse filtrato 620 account target da 18.000 contatti esistenti e fieristici. Niente fuochi d'artificio. Ma dopo nove mesi, in calendario c'erano tre volte più primi appuntamenti qualificati, senza un nuovo addetto alle vendite. L'uomo si chiamava Ralf, veniva da Ludwigsburg, indossava scarpe antinfortunistiche e sul suo ThinkPad aveva più ordine di molte strategie aziendali.

L'altra media impresa fa teatro. Lì c'è un gruppo di lavoro sull'AI, una presentazione di kickoff con l'immagine di un robot e tre persone che usano segretamente ChatGPT per le offerte perché lo strumento ufficiale è ancora bloccato dalla protezione dei dati. Nel corridoio è appeso un poster sulla trasformazione digitale, sotto il quale c'è una stampante che segnala un inceppamento carta da due giorni. Esagero? Purtroppo solo un po'.

Nelle vendite la situazione è particolarmente assurda. Molti amministratori delegati credono che l'AI nelle vendite sia una questione di generazione di testi. Sbagliato. Le leve forti risiedono nell'Ideal Customer Profile (ICP), nella prioritizzazione degli account, nel riconoscimento dei trigger, nel follow-up delle offerte, nei suggerimenti sui prezzi e nel passaggio pulito tra marketing, sales e assistenza. Una bella cold email non salva una cattiva lista di clienti target.

Amplifa ICP Playbook — Un playbook pratico per definire chiaramente i clienti target, affinare i dati e non scatenare l'AI nelle vendite su account sbagliati.

Proprio per questo ritengo che il tema ICP sia sottovalutato. Chi non ha una risposta chiara su quali clienti siano veramente redditizi, quali trigger mostrino propensione all'acquisto e quali settori occupino solo la forza vendita esterna, non dovrebbe applicare l'AI alla lead generation. Altrimenti automatizza la dispersione. Mette il carro davanti ai buoi, solo con un abbonamento cloud.

AI nelle vendite: dove le medie imprese non possono aspettare

Nelle vendite la mia pazienza finisce prima che nella produzione. Un'AI nel controllo qualità può aumentare gli scarti o dare una falsa sicurezza in caso di dati scadenti. Un'AI per la ricerca di account, l'igiene del CRM e la prioritizzazione delle offerte è meno rischiosa se adeguatamente circoscritta. Lì si può imparare senza mettere subito in pericolo una linea di produzione.

Un CSO di Norimberga, chiamiamolo Martin, mi ha detto a febbraio 2025 dopo una serata VDMA a Francoforte: "Se aspetto ancora un anno, conoscerò i miei clienti peggio del mio concorrente." Non si riferiva a una multinazionale statunitense. Si riferiva a un altro fornitore tedesco, a 90 chilometri di distanza, che sta già analizzando i rapporti di visita, scansionando le cronologie dei ricambi e derivando segnali di vendita dai casi di assistenza.

Questo è il punto. L'AI non deve controllare immediatamente la produzione. Può innanzitutto impedire alle vendite di sprecare tempo con gli account sbagliati. Può rendere visibili le offerte "morte". Può riconoscere che un cliente ordina meno da sei mesi, nonostante il suo settore sia in crescita. Può dire alla forza vendita esterna quali cinque visite la prossima settimana probabilmente muoveranno il fatturato – e quali costeranno solo caffè.

Amplifa per la lead generation — Per i team B2B che vogliono costruire una pipeline affidabile a partire da dati, profili di clienti target e trigger – senza folklore AI.

Perché la pura strategia inbound nel 2026 è troppo debole

Chi nel 2026 punta ancora su una pura strategia inbound, tra cinque anni non avrà più una pipeline. Ne sono quasi certo. Gli uffici acquisti degli OEM non scaricheranno tranquillamente un whitepaper solo perché una media impresa scrive "innovazione" nel titolo. Confrontano capacità di consegna, prezzo, certificati, integrazione dei dati e tempi di reazione. E lo fanno sempre più digitalmente.

L'outbound non è morto. L'outbound fatto male è morto. Su 1.200 e-mail, un produttore di macchine della Westfalia orientale ha ricevuto quattro risposte nell'autunno 2024. Una di queste era un reclamo. Dopo un affinamento dell'ICP, cluster di settore e trigger da annunci di investimento, annunci di lavoro ed eventi di assistenza, su 480 contatti mirati ci sono stati 31 colloqui reali. Nessun miracolo. Solo mestiere.

Cosa deve succedere ora

Non consiglierei a nessun amministratore delegato di avviare domani un programma AI a otto cifre solo perché il concorrente pubblica su LinkedIn una foto dell'Innovation Lab. Gli consiglierei però di fare questa settimana un inventario brutale. Non in un hotel per strategie. In azienda. Con vendite, IT, produzione, controlling e una persona che conosca davvero i dati – spesso non è il responsabile di area, ma la donna che da 14 anni estrae i file.

1. Verificare la situazione dei dati – rendere visibili anagrafica articoli, anagrafica clienti, cronologia assistenza, dati delle offerte e duplicati CRM, senza abbellimenti.
2. Scegliere due use case a basso rischio – come la prioritizzazione degli account nelle vendite o la ricerca interna di conoscenze per i tecnici dell'assistenza.
3. Definire le responsabilità – un process owner, un responsabile IT, un dipartimento specifico, un budget chiaro.
4. Coinvolgere presto la compliance – specialmente per HR, controllo qualità e processi rilevanti per la sicurezza a causa dell'EU AI Act e dell'AGG.
5. Misurare il ROI in piccolo – non con visioni, ma con appuntamenti, tempi di esecuzione, scarti, fatturato di assistenza o ore risparmiate.
6. Fermarsi o scalare dopo 90 giorni – nessun progetto pilota eterno con comitato guida mensile e senza risultati.

Il passo più importante è il primo, e suona poco attraente: verificare la situazione dei dati. Lo so, si vende peggio di un agente AI con video demo. Ma se i nomi dei clienti, i numeri di serie delle macchine e gli stati delle offerte non sono corretti, nessuna piattaforma, per quanto costosa, può trarne decisioni affidabili. Tirerebbe solo a indovinare in modo più costoso.

Amplifa Pipeline-Check — Un approccio per amministratori delegati e direttori vendite che vogliono sapere se la loro pipeline supporta effettivamente la base dati, la logica dei clienti target e l'impiego dell'AI.

FAQ: L'AI nelle medie imprese è davvero troppo costosa?

Sì, se la si introduce in modo errato. No, se si inizia con use case chiari. Un sistema di Gen-AI utilizzato frequentemente nel calcolo delle offerte, nella documentazione tecnica o nella comunicazione con i clienti può diventare rapidamente costoso a causa di abbonamenti cloud, consulenti, tempo di progetto interno e rilavorazioni. Con margini EBIT dal 5 al 10%, questi non sono spiccioli. Un use case limitato nelle vendite o nell'assistenza, misurato correttamente, è un'altra categoria.

FAQ: Quali use case di AI si adattano per primi?

In molte medie imprese non inizierei con il controllo autonomo della produzione. Troppo delicato. Troppe interfacce. Responsabilità troppo elevata. Sono migliori gli use case che sintetizzano la conoscenza e preparano le decisioni: riassumere i ticket di assistenza, riconoscere opportunità per i ricambi, raggruppare i clienti esistenti per potenziale, rendere reperibile la documentazione tecnica, dare priorità alle visite di vendita. L'uomo decide, l'AI pre-seleziona.

FAQ: E i fari come Trumpf e Festo?

Trumpf, Festo, Schaeffler, Krones o DMG Mori dimostrano che l'AI nell'industria funziona quando base dati, cultura ingegneristica e disciplina di processo si uniscono. Tuttavia, non smentiscono il fatto che molte aziende più piccole non siano ancora a quel punto. Mostrano piuttosto il divario. E proprio questo divario è pericoloso se diventa una scusa.

Il prezzo del pisolino

Il salario minimo aumenterà, secondo la decisione della commissione per il salario minimo, da 12,82 euro a 13,90 euro nel 2026 e a 14,60 euro nel 2027. Nell'industria, i costi salariali rilevanti sono comunque molto più alti. Il personale qualificato scarseggia, il lavoro amministrativo non diventa più economico, i clienti si aspettano reazioni più rapide e le banche guardano più attentamente alla maturità digitale per finanziamenti e successioni. Chi crede di poter gestire il lavoro d'ufficio, la preparazione delle vendite e il coordinamento dell'assistenza permanentemente come nel 2018, non sarà travolto dall'AI. Sarà schiacciato dai costi.

Gli operatori di Private Equity chiedono da tempo i potenziali di automazione. Anche i Family Office. A gennaio 2025 mi trovavo a Monaco con Nora, investment manager presso un Family Office, in una sala riunioni con vista sull'asfalto bagnato e sulla Leopoldstraße. "Se un'azienda target non ha una roadmap per dati e AI, applichiamo uno sconto", ha detto. Non in modo drammatico. Senza il sorriso della Silicon Valley. Piuttosto come qualcuno che valuta una macchina per la quale una manutenzione è scaduta.

Anche i grandi clienti diventano più impazienti. Automotive, Aerospace, Medtech, ingegneria meccanica – ovunque crescono i requisiti per le catene di fornitura digitali, i dati sulla qualità, la tracciabilità e i tempi di reazione. Oggi l'OEM chiede gentilmente le interfacce. Domani il fornitore viene escluso dalla selezione ristretta perché un concorrente fornisce meglio i dati. Questo non apparirà nel verbale come "problema AI". Apparirà come "mancanza di capacità di processo". Suona più innocuo. È più letale.

La mia vera provocazione

Le medie imprese in Deutschland stanno ignorando l'AI – e va bene così, se stanno cambiando il materasso. Ovvero: se stanno pulendo i dati, chiarendo i processi, comprendendo la compliance e preparando i primi use case con un vero ROI. Non va bene se si tirano la coperta fin sopra la testa sperando che la prossima ondata tecnologica passi di nuovo oltre.

Comprendo la stanchezza. Introduzioni di ERP, progetti MES, rollout di CRM, migrazioni cloud, crisi energetica, stress della catena di fornitura, inversione dei tassi, carenza di personale qualificato – molte organizzazioni non sono contrarie all'innovazione, sono esauste. In un'azienda vicino a Ulm, Peter, responsabile della produzione, mi ha detto nell'ottobre 2024: "Non abbiamo paura dell'AI. Abbiamo paura del prossimo progetto che rimarrà a metà." Questa frase è più onesta dell'80% dei keynote che ho sentito nel 2025.

Tuttavia: la stanchezza non è una strategia. Le medie imprese non devono rincorrere ogni hype, ma devono sapere dove vogliono trovarsi. Tra 90 giorni. Tra dodici mesi. Soprattutto tra due anni, quando le funzioni AI non saranno più vendute come extra, ma saranno presenti in ogni software che gira in ufficio e in officina.

Quando a Gütersloh ho chiesto a Thomas, salutandolo, cosa avrebbe fatto ora con l'AI, ha tirato su la cerniera della sua giacca in pile grigia e ha indicato i documenti di spedizione. "Prima puliamo questo pasticcio qui", ha detto. Poi ha sorriso. "Ma questa volta in modo che una macchina possa leggerlo più tardi." Fuori si è acceso un camion, odore di diesel nella pioggia. Forse l'AI nelle medie imprese inizia proprio così. Non con un robot sul palco, ma con un amministratore delegato che finalmente prende sul serio i suoi dati.