AI & Automazione · 3 giugno 2026 · 24 min. di lettura · Joseph Flesh, CTO & Co-Founder, Amplifa

Infrastruttura AI: Foxconn, Bull e AI Factories

L'infrastruttura AI europea trasforma la Smart Factory e le vendite. Scopra quali passi le medie imprese dovrebbero pianificare ora per le AI Factories in DACH.

Giovedì scorso, ore 8:12, ero in una chiamata di onboarding presso Amplifa con Andrea, COO di un'azienda di automazione di Ulm. In sottofondo sentivo il leggero stridio di una sega proveniente dalla produzione; aveva lasciato la porta del suo ufficio socchiusa e sulla sua scrivania c'era una stampa con le date di consegna segnate in rosso. "Joseph, abbiamo i lead per tre nuove linee", ha detto, "ma i nostri clienti ora chiedono prima l'infrastruttura AI e solo dopo la meccanica". Ho guardato brevemente il mio caffè. Freddo. Poi è apparsa sul mio secondo schermo la notizia della nuova partnership tra Foxconn e Bull.

La mia previsione è semplice e scomoda: chi nel settore metalmeccanico, nella produzione elettronica o nei componenti per l'automazione non avrà una risposta chiara sulle AI Factories entro il 2028, non perderà prima gli ordini in produzione. Li perderà nelle vendite. Non perché ogni azienda da 180 dipendenti gestirà improvvisamente i propri cluster GPU. Beh, quasi. Ma perché i clienti in DACH inizieranno a selezionare i fornitori in base alla loro capacità di fornire realmente dati, Edge AI, gemelli digitali e integrazione degli impianti — o se scrivono solo "Industria 4.0" sulle slide.

Infrastruttura AI in Europa: perché questa notizia dovrebbe far riflettere

Foxconn, ufficialmente Hon Hai Technology Group, e Bull SAS, la filiale francese di infrastruttura IT del gruppo Atos, intendono costruire insieme in Europa AI Server, cluster GPU, sistemi Edge e hardware per l'automazione. All'inizio sembra una questione di data center. Di lamiera, rack, cavi, ventole. Qualcosa che interessa i COO e che i direttori commerciali saltano. È proprio qui che risiede l'errore di valutazione.

Secondo le notizie di settore pubblicate nelle ultime 24-48 ore, la partnership punta esplicitamente alle aziende manifatturiere europee, alle Smart Factories e alle cosiddette AI Factories. Deutschland, Austria e Svizzera sono citate come mercati chiave. Automotive. Elettronica. Industria di processo. Produzione di precisione. Esattamente le aziende con cui lavoriamo regolarmente in Amplifa: da 50 a 500 dipendenti, un buon prodotto, una base clienti cresciuta negli anni, ma una pipeline che dipende sempre più spesso da progetti in cui IT, OT e acquisti intervengono contemporaneamente.

Per me, questa notizia non è un dettaglio hardware. È un segnale di vendita. Se Foxconn e Bull spingono sul mercato l'"AI infrastructure made in Europe", le aspettative dei clienti dei fornitori di Trumpf, degli integratori Festo, dei partner Schaeffler o dei produttori di componenti vicini a Webasto cambiano. Il cliente non chiede più: "Può fornire l'impianto?". Chiede: "Può inserirlo nella nostra architettura dati, potenziarlo con la Computer Vision, analizzare i dati di manutenzione e gestire il tutto in modo verificabile?". Questo è un processo di vendita diverso. Più duro. Più tecnico. Più lungo. Ma anche più redditizio.

Status quo: molti parlano di AI, pochi hanno posato i cavi

Secondo il report Tacton "State of Manufacturing" 2026, il 79% dei produttori mondiali sta investendo o sperimentando attivamente con l'AI. L'anno precedente era il 64%. È un salto che non può essere liquidato come un hype fieristico. Allo stesso tempo, secondo la stessa fonte, solo il 7% dei produttori ha una reale connettività end-to-end tra catena del valore, vendite, ingegneria, produzione e assistenza. Ripeto il numero, perché nei workshop di solito cala il silenzio: sette percento.

Vedo questo divario ogni mese. A marzo 2026 ho parlato con Markus, direttore commerciale di un produttore di macchine speciali di Heilbronn. Il suo team vende impianti tra i 250.000 e gli 1,8 milioni di euro. L'azienda utilizza un CRM, un ERP, un PLM, modelli di offerta Excel e tre cartelle SharePoint, tutte chiamate "finale". La macchina stessa genera dati dai sensori ogni secondo. Ma nelle vendite nessuno sa quali feature siano effettivamente utilizzate dai clienti esistenti. Nessuno. L'after-sales ha le informazioni, l'engineering intuisce qualcosa, ma il reparto vendite chiama comunque con argomenti generici.

Questo è lo status quo in molte medie imprese manifatturiere in DACH. Ci sono macchine con controllo Siemens, sistemi di telecamere Cognex o Keyence, celle robotizzate Kuka o ABB, dati ERP da SAP Business One o Microsoft Dynamics, e poi c'è il reparto vendite che dà ancora priorità a quale OEM sia "caldo" basandosi sull'istinto. Non è del tutto vero. I team bravi hanno delle liste. Ma le liste non sono intelligenza. E diventano inutili non appena i clienti iniziano a usare l'AI-Readiness come criterio d'acquisto.

Cosa vediamo concretamente in Amplifa: in 17 implementazioni presso aziende industriali tra i 70 e i 430 dipendenti, negli ultimi 12 mesi abbiamo riscontrato quasi sempre lo stesso schema. I primi 20 clienti esistenti generano tra il 52 e il 78 percento del margine di contribuzione, ma meno di un terzo delle attività di vendita si basa sulla base installata, sull'età delle macchine, sui casi di assistenza o sui modelli di ricambio. Il reparto vendite lavora a livello aziendale, ma l'opportunità nasce a livello di impianto. È proprio qui che le AI Factories diventano rilevanti — non come parola d'ordine, ma come struttura dati per il fatturato.

Trend 1: Le AI Factories si spostano dal cloud al capannone

Il primo trend è fisico. Rumoroso. Caldo. Si sente. Chiunque sia stato accanto a un rack GPU sa che l'AI non vive in una metafora nuvolosa, ma in elettricità, raffreddamento, latenza, gestione cavi e protezione antincendio. Foxconn e Bull puntano proprio su questo: AI Server, cluster GPU, gateway Edge industriali e hardware di controllo devono essere prodotti, integrati e qualificati per carichi di lavoro industriali in Europa.

Perché questo è rilevante per un'azienda di 180 dipendenti nel Baden-Württemberg? Perché molte applicazioni AI vicine alla produzione non funzionano correttamente se esistono solo come demo SaaS nel browser. Il controllo qualità tramite Computer Vision necessita di telecamere vicine alla linea, tempi di inferenza nell'ordine dei millisecondi e una connessione robusta al sistema di controllo. La Predictive Maintenance ha bisogno dello storico della macchina, della sensoristica, del contesto degli ordini di manutenzione e di modelli che non falliscano a ogni interruzione di rete. I gemelli digitali hanno bisogno di più di un bel modello 3D. Hanno bisogno di flussi di dati che non muoiano dopo il progetto pilota.

Ad aprile 2026 ho parlato con Thomas, Head of Sales presso un integratore di automazione a Norimberga, riguardo a un'offerta per un impianto di ispezione visiva. Il suo cliente, un fornitore Tier-2 per l'industria automotive, voleva sapere se i dati delle immagini potessero essere elaborati localmente. Non "un giorno". Nel capitolato d'oneri. Il consiglio di fabbrica aveva voce in capitolo, così come la IT-Security. Thomas mi ha detto: "Prima vendevamo in base al tempo di ciclo. Ora vendiamo la residenza dei dati". È esattamente questo il cambiamento.

Siemens Digital Industries sostiene in un recente contributo sulla sovranità europea dell'AI che la leadership nell'AI non dipende solo dai modelli, ma dai semiconduttori, dall'infrastruttura di calcolo, dall'efficienza energetica, dalla robotica e dalla capacità di trasferire l'innovazione nella produzione. Sembra una strategia aziendale. Per le medie imprese, tuttavia, è una questione di offerta. Posso offrire al cliente una soluzione che giri nel suo stabilimento, con i suoi dati, in condizioni di compliance europee e che possa essere manutenuta dopo sei mesi?

La sovranità dell'Europa in ambito AI non si decide solo attraverso il software, ma attraverso la capacità di portare semiconduttori, calcolo, automazione e dati industriali in una produzione scalabile.

— Messaggio chiave sintetizzato da Siemens Digital Industries, contributo sulla AI Sovereignty in Europe, 2026

Mi piace questa citazione perché inquadra correttamente il consueto dibattito sull'AI. Molte organizzazioni di vendita parlano di chatbot, automazione delle e-mail e librerie di prompt. Tutto utile. Ma nel B2B industriale, l'AI non si decide nel prompt. Si decide se un cliente a Linz può ampliare la sua linea senza spostare i dati di produzione in una regione cloud poco chiara; se uno stabilimento a Bielefeld dispone i pezzi di ricambio in modo proattivo; se un responsabile della qualità a San Gallo può dormire la notte perché il modello non aveva solo il 93% di accuratezza in PowerPoint, ma funziona ancora nel terzo turno con nebbia d'olio e luce fluttuante.

Trend 2: Il reparto vendite vende architettura, non più solo macchine

Il secondo trend colpisce direttamente i direttori commerciali. In passato, la vendita tecnica nel settore metalmeccanico era già abbastanza complessa: capitolato d'oneri, tempo di ciclo, flusso di materiali, CE, assistenza, tempi di consegna, prezzo. Ora si aggiunge un altro livello. I clienti vogliono sapere come una soluzione si inserisce nella loro infrastruttura AI. Quali dati vengono generati? Dove vengono memorizzati? Quali interfacce esistono? Come si addestrano o si monitorano i modelli? Chi è responsabile se l'AI prende decisioni di qualità errate?

Sono categorico: chi nel 2026 crede ancora che una pura vendita di prodotto nel settore metalmeccanico sia sufficiente, non ha capito il cambiamento. Il cliente non compra solo un aggregato. Compra un pezzo di logica operativa futura. Se la Sua offerta non spiega questa logica operativa, lo farà qualcun altro. Forse un integratore. Forse un grande operatore dell'automazione. Forse un fornitore di servizi IT che sa meno di Lei sui mandrini, ma parla meglio dei flussi di dati.

Tre settimane fa ho avuto una riunione interna con Lena, la nostra Customer Success Lead presso Amplifa, e abbiamo esaminato i motivi di perdita da otto pipeline industriali. La stanza odorava di pennarello per lavagna perché qualcuno aveva lasciato il tappo aperto. In tre casi su otto, nel CRM il motivo della perdita era indicato come "prezzo". Quando abbiamo ricostruito le conversazioni e-mail e le note delle chiamate, il motivo reale era un altro: il concorrente era stato in grado di spiegare prima come la sua soluzione si inserisse nel MES, nell'ERP e nell'architettura Edge locale. Prezzo è stata la parola usata dal venditore perché fa meno male.

Qui la notizia di Foxconn-Bull diventa interessante. Man mano che gli AI Server e i sistemi Edge europei diventano più disponibili, la scusa "è ancora troppo presto" viene meno. I clienti si aspetteranno architetture di riferimento. Chiederanno se il Suo impianto interagisce con rack GPU locali, gateway industriali e modelli di dati standardizzati. E sì, molte medie imprese diranno: "I nostri clienti non lo chiedono ancora". Forse è vero. Forse lo chiedono solo ai Suoi concorrenti.

Come cambiano i Buying Center grazie all'infrastruttura AI

Nelle classiche trattative metalmeccaniche sedevano al tavolo la direzione generale, la direzione di produzione, l'ufficio acquisti e forse un responsabile della manutenzione. Nei progetti legati alle AI Factories si aggiungono nuove voci: IT-Security, protezione dei dati, responsabili OT, a volte il consiglio di fabbrica, occasionalmente un consulente esterno per la digitalizzazione. Questo allunga le trattative. Non le rende automaticamente peggiori. Rende visibili i processi di vendita scadenti.

Un esempio: presso un cliente nel settore delle macchine per l'imballaggio, 220 dipendenti nella regione di Ravensburg, a gennaio 2026 abbiamo ricostruito la logica ICP. In precedenza, il reparto vendite dava priorità in base al settore e alle dimensioni del fatturato. Successivamente sono stati aggiunti criteri come i controlli Siemens o Beckhoff installati, il numero di siti produttivi, l'intensità del servizio, il MES esistente e parole chiave negli annunci di lavoro come "Data Engineer", "Computer Vision" o "OT Security". Risultato dopo nove settimane: meno primi colloqui, ma la quota da discovery a progetto qualificato è passata dal 31 al 46 percento. Nessuna magia. Migliore selezione dei target.

Questo è il ponte tra infrastruttura AI e vendite. La disponibilità di hardware in Europa crea nuove classi di progetti. Le nuove classi di progetti creano nuovi criteri d'acquisto. I nuovi criteri d'acquisto distruggono i vecchi modelli di lead scoring. Chi segmenta ancora solo per numero di dipendenti, CAP e settore, ignora le aziende che stanno stanziando budget per Edge AI, gemelli digitali e piattaforme di dati di produzione.

Trend 3: Le AI Factories rendono la sovranità dei dati un argomento di vendita

Il terzo trend è politico, ma non astratto. La sovranità dei dati diventa commerciale. In Deutschland, Austria e Svizzera c'è un profondo scetticismo verso i dati di produzione in mani straniere. Si può sorridere se si proviene dal puro mondo SaaS. Io non lo farei. Un amministratore delegato di un produttore di componenti di precisione di Villingen-Schwenningen mi ha detto a maggio 2026: "I nostri dati di processo sono il nostro margine". La frase colpisce nel segno.

Quando Foxconn e Bull sottolineano la produzione europea, l'integrazione europea e l'infrastruttura AI locale, toccano esattamente questo nervo scoperto. Non si tratta solo di catene di fornitura. Si tratta di fiducia nelle gare d'appalto. Un fornitore farmaceutico svizzero, un costruttore di macchine austriaco o un fornitore automotive tedesco deve poter spiegare a clienti, auditor e organi interni dove vengono elaborati i dati, chi ha l'accesso, come avvengono gli aggiornamenti e come i sistemi continuano a funzionare in caso di tensioni geopolitiche.

Secondo le notizie, Bull apporta la base clienti europea, la competenza nell'integrazione e il design dei data center. Foxconn apporta volumi di produzione, design elettronico e potere nella supply chain. Non si tratta di una romantica autosufficienza europea. Foxconn rimane Foxconn. Ma l'assemblaggio locale, la qualificazione e l'integrazione dei sistemi nell'UE possono fare la differenza per i clienti industriali quando i tempi di consegna, i controlli sulle esportazioni o le catene di supporto diventano critici.

Per le vendite, questo significa: la sovranità diventa un argomento, ma solo se diventa concreta. Il "Made in Europe" da solo non vende un impianto. "I Suoi dati immagine non lasciano lo stabilimento, l'inferenza gira su un cluster Edge vicino al quadro elettrico, gli aggiornamenti vengono installati tramite una finestra di manutenzione approvata e la versione del modello viene documentata nel log di audit" — questo vende. O almeno impedisce al responsabile IT di troncare la conversazione dopo 42 minuti.

FAQ: Cos'è una AI Factory nella media impresa industriale?

Una AI Factory non è una singola fabbrica con robot e dashboard lampeggianti. In un contesto industriale, il termine indica un'infrastruttura ripetibile con cui le aziende addestrano, gestiscono, monitorano e integrano i modelli AI nei processi produttivi. Ciò include il calcolo — spesso server GPU o sistemi Edge specializzati — pipeline di dati, gestione dei modelli, interfacce verso i controlli delle macchine, cybersecurity, monitoraggio e responsabilità. Per un costruttore di macchine da 300 persone, questo non deve apparire come in Nvidia o BMW. Può essere un cluster Edge locale per il controllo qualità, integrato da un gemello digitale, dati di assistenza e un concetto MLOps pulito. L'importante non è la dimensione. L'importante è che l'AI passi dal pilota all'operatività.

Infrastruttura AI e gestione della pipeline: il collegamento scomodo

Molti amministratori delegati separano ancora troppo nettamente la tecnologia di produzione dalla tecnologia di vendita. Da una parte la produzione con OPC UA, PLC, MES, OEE e sensoristica. Dall'altra le vendite con CRM, campagne, fiere e rapporti di visita. Questa separazione è organizzativamente comoda. È economicamente pericolosa.

Quando i Suoi clienti investono in AI Factories, si generano segnali di vendita molto prima della richiesta ufficiale. Un'azienda assume un manager OT-Security. Un direttore di stabilimento parla di Computer Vision su LinkedIn. Un rapporto annuale menziona la "local inference". Un sito costruisce un nuovo centro logistico. Un ufficio acquisti chiede improvvisamente formati di dati. Un progettista scarica whitepaper sui gemelli digitali. Ogni segnale da solo è debole. Insieme formano un'intenzione.

È proprio qui che falliscono molti setup CRM classici. Il CRM memorizza ciò che il venditore sa già. Raramente riconosce ciò che accade fuori. In Amplifa costruiamo quindi modelli ICP e di account che uniscono trigger esterni, cronologia CRM, fit di prodotto e tempismo. Non per sostituire i venditori. Sarebbe assurdo. Ma per dire loro dove una conversazione ha senso ora e dove invece disturberebbero solo educatamente.

Amplifa ICP Playbook — Un playbook pratico per dare priorità ai clienti target nel B2B industriale in base a reali segnali di acquisto e tecnologici, invece che solo per settore e fatturato.

Cosa significa questo per le medie imprese

Per le aziende manifatturiere con 50-500 dipendenti in DACH, la partnership Foxconn-Bull significa innanzitutto: l'asticella si alza. I grandi fornitori integreranno l'infrastruttura AI europea come modulo nelle loro offerte. Gli integratori di sistemi creeranno pacchetti completi. I clienti si abitueranno al fatto che i progetti AI non vengono più venduti come esperimenti, ma come architetture scalabili. Chi risponde solo con "facciamo anche noi AI", sembrerà un fax in un ufficio cablato in fibra ottica.

In secondo luogo, i margini si spostano. L'hardware puro o la meccanica pura continueranno a essere sotto pressione, soprattutto se i concorrenti asiatici ed est-europei rimarranno aggressivi sui prezzi. Il valore nasce dove macchine, dati, assistenza e conoscenza dei processi si uniscono. Un produttore di banchi di prova può diventare un fornitore di intelligenza qualitativa. Un fornitore di componenti può modellare i rischi di guasto. Un costruttore di macchine speciali può creare nuove linee di fatturato con messe in servizio digitali, dati di simulazione e previsioni di assistenza. Ma solo se vendite e tecnica parlano la stessa lingua.

In terzo luogo, l'internazionalizzazione diventa più selettiva. Deutschland, Austria e Svizzera sono mercati prioritari secondo la partnership, perché qui convergono densità industriale, competenza nell'automazione e disponibilità a pagare. Questo è un bene. Ma significa anche: più fornitori attaccheranno esattamente questi mercati. Una media impresa della Vestfalia Orientale non compete più solo con il noto concorrente del distretto vicino, ma con partnership di piattaforme europee che raggruppano hardware, integrazione e narrativa AI.

Vedo spesso nei COO una reazione comprensibile: aspettare. La linea gira, i portafogli ordini non sono vuoti, il personale scarseggia. Ma aspettare non è una posizione neutrale quando i criteri d'acquisto vengono riscrisi. È una decisione che lascia ad altri il compito di stabilire gli standard. E gli standard nelle vendite sono brutali. Chi definisce lo standard deve spiegare meno. Chi arriva dopo deve dimostrare.

Un esempio dalla quotidianità: dal pezzo di ricambio all'opportunità AI

Un nostro cliente della Baviera settentrionale vende componenti per impianti a produttori di macchine per l'imballaggio e di processo. Non una multinazionale, 140 dipendenti, buona reputazione. Nel CRM, i clienti esistenti sembravano a lungo tutti uguali: fatturato, referente, ultimo ordine. Quando abbiamo integrato i casi di assistenza, i cicli dei pezzi di ricambio e i segnali di investimento visibili pubblicamente, sono emersi improvvisamente account in cui vecchi componenti giravano nelle linee mentre il cliente pubblicava contemporaneamente annunci per "Manufacturing Data Analyst" e "Automation Engineer". Il venditore non è andato in chiamata con "Avete bisogno di pezzi di ricambio?". È andato con "Vediamo su linee comparabili che il retrofit e l'acquisizione dati convengono se volete analizzare i dati di qualità localmente". Altro tono. Altro appuntamento.

Dopo quattro mesi, il team aveva prenotato cinque workshop tecnici, di cui tre con la direzione di produzione e l'IT insieme. In precedenza, l'IT in questi account non era quasi mai stata coinvolta. Il punto non è che Amplifa avesse qualche trucco magico. Il punto è che i segnali delle AI Factories sono visibili sul mercato, se li si cerca. La maggior parte dei processi di vendita semplicemente non li cerca.

Preparazione: 7 passi per direttori commerciali, COO e amministratori delegati

1. Mappi la Sua rilevanza per le AI Factories per ogni linea di prodotto. Scriva per ogni macchina, componente o servizio quali dati vengono generati, quali interfacce esistono, quali casi d'uso AI sono realistici e quali no. Sia onesto. Un cattivo use-case AI distrugge la fiducia più velocemente di una data di consegna ritardata.
2. Ampli il Suo ICP con trigger tecnici. Il numero di dipendenti e il settore non bastano. Rilevi progetti MES, ruoli OT-Security, nuovi stabilimenti, annunci di lavoro per Computer Vision, migrazioni ERP, report di sostenibilità, iniziative di manutenzione e indicazioni su gemelli digitali.
3. Costruisca una semplice slide sull'architettura che un venditore possa spiegare. Non 38 riquadri. Una pagina: macchina, Edge, flusso dati, elaborazione locale, opzione cloud, security, assistenza. Se il Sales non capisce questa slide, non la capirà nemmeno il cliente.
4. Addestri le domande di discovery per l'infrastruttura AI. Non chieda: "Siete interessati all'AI?". Chieda: "Quali dati di produzione possono lasciare il vostro stabilimento?", "Chi è responsabile dell'approvazione dei modelli?", "Dove falliscono oggi le decisioni sulla qualità?", "Quale linea genera i fermi macchina non pianificati più costosi?"
5. Definisca presto i ruoli dei partner. Non tutte le medie imprese devono costruire cluster GPU o gestire MLOps internamente. Ma deve sapere se Bull, Siemens, Phoenix Contact, case di sistemi locali o partner cloud possono far parte della Sua architettura di riferimento.
6. Colleghi i dati di assistenza e di vendita. L'età delle macchine, i modelli dei pezzi di ricambio, i motivi dei guasti e le finestre di manutenzione sono forti segnali d'acquisto. Se questi dati rimangono nell'assistenza mentre il reparto vendite fa cold calling, brucia il contesto esistente.
7. Renda la compliance un argomento di vendita. EU AI Act, NIS2, Cyber Resilience Act e residenza dei dati non devono apparire solo al momento del controllo del contratto. Traduca i requisiti in affermazioni chiare che vendite e tecnica possano sostenere insieme.

Il quinto punto mi sta a cuore. Molte medie imprese temono di essere tagliate fuori tecnologicamente dall'infrastruttura AI perché non hanno i budget di DMG Mori, Kärcher o Brose. Questo timore è in parte giustificato. Ma spesso porta alla conseguenza sbagliata: non fare nulla perché non si può fare tutto. Meglio un taglio netto. Quale funzione AI rende il Suo prodotto più prezioso per i clienti? Di quali dati ha bisogno per questo? Quale infrastruttura deve esistere presso il cliente o i partner? Quale affermazione può testare domani il Suo reparto vendite?

Prodotto Amplifa — Amplifa aiuta i team di vendita industriali a riconoscere clienti target rilevanti, trigger e priorità degli account con l'AI — dai dati CRM, dai segnali di mercato e dalla logica ICP.

Perché le strategie puramente inbound sono troppo lente per le AI Factories

Qui contraddico deliberatamente una tesi comoda: "Se il cliente è pronto, verrà lui da noi". No. Nei progetti AI Factory, il cliente spesso va dal fornitore che lo ha intercettato nel posto giusto sei mesi prima. Il processo decisionale non inizia con la richiesta. Inizia con l'incertezza interna.

Un COO nota che i costi degli scarti aumentano. Un direttore di stabilimento riceve pressioni per rendere l'OEE più trasparente. Un responsabile IT blocca gli esperimenti cloud. Un amministratore delegato sente a un evento VDMA a Francoforte che i concorrenti lavorano con la Predictive Maintenance. Non c'è ancora un progetto. Non c'è ancora un budget. Ma c'è tensione. Chi aspetta solo le conversioni sul sito web vede il mercato troppo tardi.

Chi nel 2026 punta ancora su una strategia puramente inbound, tra cinque anni non avrà più una pipeline degna di questo nome. Specialmente nella media impresa industriale. I vincitori non saranno le macchine da contenuti più rumorose, ma i team che sanno leggere i segnali, formulare ipotesi ed entrare nelle conversazioni con rilevanza tecnica. Meno newsletter. Più tempismo.

Questo non significa che l'outbound debba tornare a essere fatto di e-mail seriali banali. Per favore, no. Ricevo io stesso abbastanza messaggi in cui il mio nome è scritto male e qualcuno vuole vendermi "sinergie". Una buona vendita industriale orientata all'outbound ha un aspetto diverso: capire l'account, dedurre la situazione tecnica, citare un trigger plausibile, formulare una breve tesi, chiedere con rispetto. Una frase come "Vediamo in diverse linee basate su Kuka e Beckhoff che la valutazione locale delle immagini viene rivalutata proprio per la residenza dei dati" non è perfetta. Ma è mille volte meglio di "Volevo presentarmi brevemente".

Infrastruttura AI: costi, Context Windows e la parte difficile

Ora un breve passaggio tecnico, altrimenti rimane solo la strategia. L'infrastruttura AI non è fatta solo di GPU. Per le applicazioni industriali contano latenza, disponibilità, segmentazione della rete, qualità dei dati, monitoraggio dei modelli, interfacce e costi operativi. Un modello che gira bene su un set di dati di laboratorio può fallire in produzione perché la telecamera è posizionata in modo leggermente diverso, perché la nebbia d'olio altera le immagini, perché un turno di notte lavora materiale diverso o perché il PLC ha un comportamento di timing che nessuno ha simulato nel test.

Con l'AI generativa nelle vendite si aggiunge un altro problema: Context Windows e costi. I grandi modelli linguistici oggi possono elaborare documenti lunghi, sì. Ma chi riversa intere cronologie CRM, specifiche tecniche, scambi di e-mail, dati di offerta e protocolli di assistenza in modo incontrollato in ogni prompt, non costruisce intelligenza, ma un riscaldatore di token. I prezzi dei token scendono, ma l'architettura scadente scala più velocemente delle buone condizioni d'acquisto. Vediamo continuamente setup in cui l'80% dei costi del modello viene bruciato per contesti irrilevanti.

L'architettura migliore è solitamente poco spettacolare: normalizzare i dati, pre-filtrare i segnali, recuperare i frammenti rilevanti tramite retrieval, usare il modello solo dove il linguaggio, la classificazione o il riconoscimento di pattern offrono realmente un valore aggiunto. Nelle vendite questo significa: non ogni aggiornamento di account ha bisogno di un grande modello. A volte basta un set di regole. A volte un piccolo classificatore. A volte serve un LLM perché l'e-mail del cliente dice tra le righe: "Abbiamo un problema di budget, ma un rischio maggiore se non facciamo nulla".

È proprio questa sobrietà che manca in molti dibattiti sull'AI. Foxconn e Bull non costruiscono infrastrutture rilevanti perché ogni media impresa addestrerà improvvisamente il proprio Foundation Model. Onestamente? Pochissimi lo faranno. Ciò che rileva è che l'AI industriale si avvicina alla produzione e che l'Europa ottiene più controllo su integrazione, disponibilità e operatività. Questo riduce l'attrito. E l'attrito spesso decide se un team di vendita può posizionare correttamente un'offerta legata all'AI.

Amplifa per le vendite industriali — Per i team che vogliono tradurre segnali d'acquisto tecnici come Edge AI, automazione, necessità di assistenza e progetti di modernizzazione in azioni di vendita prioritarie.

Previsione personale: dal 2026 al 2029 la selezione sarà brutale

La mia previsione personale per i prossimi due o tre anni: il mercato non si selezionerà in base a "AI sì o no". Si selezionerà in base alla capacità operativa. I fornitori che vendono l'AI come demo finiranno nei cimiteri dei progetti pilota. I fornitori che confezionano infrastruttura AI, flussi di dati, compliance e assistenza in un'offerta commerciale comprensibile vinceranno i contratti più grandi — anche se non sono i più economici.

Mi aspetto tre movimenti concreti. In primo luogo, le gare d'appalto nel settore metalmeccanico e impiantistico conterranno più spesso domande su inferenza locale, residenza dei dati e monitoraggio dei modelli. In secondo luogo, gli integratori penetreranno maggiormente nelle vendite e spingeranno i produttori classici in posizioni di consulenza, se questi non sapranno spiegare la loro architettura. In terzo luogo, i dati dei clienti esistenti diventeranno la leva di crescita più importante, perché i progetti AI Factory raramente partono da zero. Partono da linee esistenti, con vecchi controlli, con dolori noti.

Foxconn e Bull non sono l'unico innesco. Ma sono un segnale visibile. Se un gigante della produzione globale e un player dell'infrastruttura europeo posizionano insieme hardware AI e piattaforme di automazione per l'Europa, allora non è un tema marginale per i reparti IT. È un'indicazione di dove sta andando la domanda industriale. E la domanda è il materiale con cui si costruisce la pipeline.

Dopo la chiamata con Andrea di Ulm, ho stampato di nuovo la notizia Foxconn-Bull. Carta, non PDF. Sul margine c'è scritto con la mia calligrafia: "Non hardware. Criteri d'acquisto". Il caffè era ormai freddo da tempo, dalla produzione proveniva di nuovo quel sibilo acuto della sega, e Andrea mi ha scritto dieci minuti dopo: "Dobbiamo ripensare la nostra lista di clienti target, vero?". Sì. È esattamente da lì che si comincia.