Infrastruttura AI: Foxconn, Bull e AI Factories

KI & Automatisierung · 3. Juni 2026 · Joseph Flesh

L'infrastruttura AI europea sta trasformando la Smart Factory e le vendite. Scopri quali passi le PMI dovrebbero pianificare ora per le AI Factories in DACH.

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

La mia previsione è semplice e scomoda: chi nell'ingegneria meccanica, nella produzione elettronica o nei componenti di automazione non avrà una risposta chiara per le AI Factories entro il 2028, non perderà prima gli ordini nella produzione. Li perderà nelle vendite. Non perché ogni azienda di 180 persone 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 si limitano a scrivere "Industria 4.0" sulle slide.

Infrastruttura AI in Europa: perché questa notizia dovrebbe far male

Foxconn, ufficialmente Hon Hai Technology Group, e Bull SAS, la filiale francese di infrastrutture IT del gruppo Atos, intendono costruire insieme server AI, cluster GPU, sistemi Edge e hardware di automazione in Europa. Questo suona inizialmente come un data center. Come lamiera, rack, cavi, ventole. Come qualcosa che interessa i COO e che i responsabili delle vendite sfogliano. È proprio qui l'errore di pensiero.

La partnership, secondo le notizie di settore pubblicate nelle ultime 24-48 ore, mira esplicitamente alle aziende manifatturiere europee, alle Smart Factories e alle cosiddette AI Factories. Germania, Austria e Svizzera sono menzionate come mercati chiave. Automotive. Elettronica. Industria di processo. Produzione di precisione. Quindi 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 hanno voce in capitolo contemporaneamente.

Per me, questa notizia non è un dettaglio hardware. È un segnale di vendita. Se Foxconn e Bull spingono sul mercato l'"infrastruttura AI 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: "Potete fornire l'impianto?" Chiede: "Potete integrarlo nella nostra architettura dati, estenderlo con la visione artificiale, valutare i dati di manutenzione e gestirlo in modo auditabile?" Questo è un processo di vendita diverso. Più difficile. Più tecnico. Più lungo. Ma anche più redditizio.

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

Secondo il rapporto Tacton "State of Manufacturing" 2026, il 79% dei produttori a livello globale sta attivamente investendo o sperimentando l'AI. L'anno precedente era il 64%. Questo 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 vera connettività end-to-end lungo la catena del valore, le vendite, l'ingegneria, la produzione e il servizio. Ripeto il numero, perché di solito provoca un breve silenzio nei workshop: sette percento.

Vedo questa lacuna ogni mese. Nel marzo 2026 ho parlato con Markus, responsabile vendite di un costruttore di macchine speciali di Heilbronn. Il suo team vende impianti nell'intervallo da 250.000 a 1,8 milioni di euro. L'azienda utilizza un CRM, un ERP, un PLM, modelli di offerta Excel e tre cartelle SharePoint, tutte chiamate "final". La macchina stessa genera dati dei sensori ogni secondo. Ma nelle vendite nessuno sa quali funzionalità vengono effettivamente utilizzate dai clienti esistenti. Nessuno. Il post-vendita ha le informazioni, l'ingegneria ne ha un'idea, ma le vendite chiamano comunque con argomenti generici.

Questo è lo status quo in molte aziende manifatturiere di medie dimensioni in DACH. Ci sono macchine con controllo Siemens, sistemi di telecamere di Cognex o Keyence, celle robotizzate di Kuka o ABB, dati ERP da SAP Business One o Microsoft Dynamics, e poi ci sono le vendite, che ancora prioritizzano a sensazione quale OEM è "caldo" in quel momento. Non del tutto vero. I buoni team hanno liste. Ma le liste non sono intelligenza. E diventano inutili non appena i clienti iniziano a usare la prontezza all'AI come criterio di acquisto.

Quello che vediamo concretamente in Amplifa: in 17 implementazioni presso aziende industriali tra 70 e 430 dipendenti negli ultimi 12 mesi, abbiamo quasi sempre trovato 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 servizio o sui modelli di ricambi. Le vendite lavorano a livello aziendale, ma l'opportunità nasce a livello di impianto. È proprio lì che le AI Factories diventano rilevanti, non come una parola d'ordine, ma come una struttura dati per il fatturato.

Tendenza 1: le AI Factories si spostano dal cloud al capannone di fabbrica

La prima tendenza è fisica. Rumorosa. Calda. Si sente. Chiunque sia stato accanto a un rack GPU sa che l'AI non vive in una metafora nebulosa, ma in energia, raffreddamento, latenza, gestione dei cavi e protezione antincendio. Foxconn e Bull si concentrano proprio su questo: server AI, 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 con 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 visione artificiale richiede telecamere vicine alla linea, tempi di inferenza nell'ordine dei millisecondi e una connessione robusta al controllo. La manutenzione predittiva richiede la cronologia della macchina, la sensoristica, il contesto degli ordini di manutenzione e modelli che non falliscono ad ogni interruzione di rete. I gemelli digitali richiedono più di un bel modello 3D. Richiedono flussi di dati che non muoiono dopo il progetto pilota.

Nell'aprile 2026 ho parlato con Thomas, Head of Sales di un integratore di automazione a Norimberga, di un'offerta per un impianto di ispezione visiva. Il suo cliente, un fornitore di livello 2 per l'industria automobilistica, voleva sapere se i dati delle immagini potevano essere elaborati localmente. Non "un giorno". Nelle specifiche. Il consiglio di fabbrica aveva avuto voce in capitolo, anche la sicurezza IT. Thomas mi disse: "Prima vendevamo in base al tempo di ciclo. Ora vendiamo la residenza dei dati." Questo è esattamente il cambiamento.

Siemens Digital Industries, in un recente articolo sulla sovranità AI europea, sostiene che la leadership nell'AI non dipende solo dai modelli, ma da semiconduttori, infrastrutture di calcolo, efficienza energetica, robotica e dalla capacità di tradurre l'innovazione in produzione. Questo suona come una strategia aziendale. Per le PMI, tuttavia, è una questione di offerta. Posso offrire al cliente una soluzione che funzioni nel suo stabilimento, con i suoi dati, in conformità con le normative europee, e che possa essere mantenuta dopo sei mesi?

La sovranità AI dell'Europa non è decisa solo dal software, ma dalla capacità di portare semiconduttori, calcolo, automazione e dati industriali in una produzione scalabile.

— Messaggio chiave riassuntivo da Siemens Digital Industries, contributo alla sovranità AI in Europa, 2026

Mi piace questa citazione perché riequilibra il solito 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 espandere la sua linea senza spostare i dati di produzione in una regione cloud incerta; se uno stabilimento a Bielefeld gestisce proattivamente i ricambi; 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 turno tre con nebbia d'olio e luce fluttuante.

Tendenza 2: le vendite vendono architettura, non più solo macchine

La seconda tendenza colpisce direttamente i responsabili delle vendite. In passato, le vendite tecniche nell'ingegneria meccanica erano già abbastanza complesse: specifiche, tempo di ciclo, flusso di materiali, CE, servizio, 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 archiviati? Quali interfacce esistono? Come si addestrano o si monitorano i modelli? Chi è responsabile se l'AI prende decisioni di qualità errate?

Sono schietto: chi nel 2026 crede ancora che una vendita di prodotti pura nell'ingegneria meccanica sia sufficiente, non ha capito il cambiamento. Il cliente non compra solo un aggregato. Compra un pezzo della futura logica operativa. Se la vostra offerta non spiega questa logica operativa, qualcun altro la spiegherà. Forse un integratore. Forse un grande automatizzatore. Forse un fornitore di servizi IT che sa meno di mandrini di voi, ma parla meglio di flussi di dati.

Tre settimane fa ho avuto un incontro interno con Lena, la nostra Customer Success Lead in Amplifa, e abbiamo esaminato le ragioni di perdita di otto pipeline industriali. La stanza profumava di pennarello per lavagna, perché qualcuno aveva lasciato il pennarello aperto. In tre casi su otto, la ragione di perdita nel CRM era "prezzo". Quando abbiamo ricostruito le conversazioni via e-mail e le note delle chiamate, la vera ragione era un'altra: il concorrente era stato in grado di spiegare prima come la sua soluzione si inseriva in MES, ERP e nell'architettura Edge locale. Il prezzo era la parola che le vendite usavano perché faceva meno male.

Qui la notizia Foxconn-Bull diventa interessante. Se i server AI europei e i sistemi Edge diventeranno più disponibili, la scusa "È ancora troppo presto" diminuirà. I clienti si aspetteranno architetture di riferimento. Chiederanno se il vostro impianto interagisce con rack GPU locali, gateway industriali e modelli di dati standardizzati. E sì, molte PMI diranno: "I nostri clienti non lo chiedono ancora." Forse è vero. Forse lo chiedono solo ai vostri concorrenti.

Come i Buying Center cambiano con l'infrastruttura AI

Nei classici accordi di ingegneria meccanica, al tavolo sedevano la direzione, la direzione di produzione, gli acquisti e forse un responsabile della manutenzione. Nei progetti vicini alle AI Factory, si aggiungono nuove voci: sicurezza IT, protezione dei dati, responsabili OT, a volte il consiglio di fabbrica, occasionalmente un consulente esterno per la digitalizzazione. Questo prolunga gli accordi. Non li 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, abbiamo ricostruito la logica ICP nel gennaio 2026. In precedenza, le vendite prioritizzavano in base al settore e alle dimensioni del fatturato. Successivamente sono stati aggiunti criteri come i controllori Siemens o Beckhoff installati, il numero di siti di produzione, l'intensità del servizio, il MES esistente e parole chiave da annunci di lavoro come "Data Engineer", "Computer Vision" o "OT Security". Risultato dopo nove settimane: meno primi colloqui, ma il tasso di conversione da scoperta a progetto qualificato è aumentato dal 31 al 46 percento. Nessuna magia. Migliore selezione del target.

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

Tendenza 3: le AI Factories trasformano la sovranità dei dati in un argomento di vendita

La terza tendenza è politica, ma non astratta. La sovranità dei dati diventa commerciale. In Germania, Austria e Svizzera c'è una profonda scetticismo nei confronti dei dati di produzione in mani estranee. Si può sorridere se si proviene dal mondo puramente SaaS. Io non lo farei. Un amministratore delegato di un produttore di componenti di precisione di Villingen-Schwenningen mi disse nel maggio 2026: "I nostri dati di processo sono il nostro margine." La frase è incisiva.

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

Bull, secondo le notizie, apporta la base clienti europea, la competenza nell'integrazione e la progettazione di data center. Foxconn apporta il volume di produzione, la progettazione elettronica e il potere della catena di approvvigionamento. Non si tratta di una romantica autosufficienza europea. Foxconn rimane Foxconn. Ma l'assemblaggio locale, la qualificazione e l'integrazione di sistema 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. "Made in Europe" da solo non vende un impianto. "I vostri dati immagine non lasciano lo stabilimento, l'inferenza avviene 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 interrompere la conversazione dopo 42 minuti.

FAQ: Cos'è una AI Factory nelle PMI industriali?

Una AI Factory non è una singola fabbrica con robot e dashboard lampeggianti. Nel contesto industriale, il termine si riferisce a un'infrastruttura ripetibile con cui le aziende addestrano, gestiscono, monitorano e integrano modelli AI nei processi di produzione. Ciò include il calcolo – spesso server GPU o sistemi Edge specializzati – pipeline di dati, gestione dei modelli, interfacce con i controlli delle macchine, cybersecurity, monitoraggio e responsabilità. Per un costruttore di macchine di 300 persone, non deve assomigliare a Nvidia o BMW. Può essere un cluster Edge locale per il controllo qualità, integrato con un gemello digitale, dati di servizio 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: la scomoda connessione

Molti amministratori delegati separano ancora troppo nettamente la tecnologia di produzione e la tecnologia di vendita. Lì la produzione con OPC UA, PLC, MES, OEE e sensoristica. Qui le vendite con CRM, campagne, fiere e rapporti di visita. Questa separazione è comoda a livello organizzativo. È economicamente pericolosa.

Se i vostri clienti investono in AI Factories, i segnali di vendita emergono molto prima della richiesta ufficiale. Un'azienda assume un responsabile della sicurezza OT. Un direttore di stabilimento parla di visione artificiale su LinkedIn. Un rapporto annuale menziona "inferenza locale". Un sito costruisce un nuovo centro logistico. Un acquisto chiede improvvisamente formati di dati. Un progettista scarica white paper sui gemelli digitali. Ogni segnale da solo è debole. Insieme, formano un'intenzione.

È proprio qui che molti setup CRM classici falliscono. Il CRM memorizza ciò che le vendite già sanno. Raramente riconosce ciò che accade all'esterno. In Amplifa, per questo motivo, costruiamo modelli ICP e di account che combinano trigger esterni, cronologia CRM, adattamento del prodotto e tempistica. Non per sostituire i venditori. Questo è assurdo. Ma per dire loro dove una conversazione ha senso ora e dove stanno solo disturbando educatamente.

Amplifa ICP Playbook Un playbook pratico per prioritizzare i clienti target nel B2B industriale in base a segnali di acquisto e tecnologici reali, anziché solo al settore e al fatturato.

Cosa significa questo per le PMI

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 nelle loro offerte. Gli integratori di sistemi creeranno pacchetti completi. I clienti si abitueranno al fatto che i progetti AI non sono più venduti come esperimenti, ma come architetture scalabili. Chi risponde solo con "Anche noi possiamo fare AI" suonerà come un fax in un ufficio con fibra ottica.

In secondo luogo, i margini si spostano. L'hardware puro o la meccanica pura continueranno a subire pressioni, soprattutto se i concorrenti asiatici ed est-europei rimarranno aggressivi sui prezzi. Il valore si crea dove macchine, dati, servizi e conoscenze di processo sono collegati. Un produttore di banchi di prova può diventare un fornitore di intelligenza di qualità. 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 servizio. Ma solo se vendite e tecnologia parlano la stessa lingua.

In terzo luogo, l'internazionalizzazione diventa più selettiva. Germania, Austria e Svizzera sono, secondo la partnership, mercati prioritari perché qui si incontrano densità industriale, competenza nell'automazione e disponibilità a pagare. Questo è un bene. Ma significa anche: più fornitori attaccheranno esattamente questi mercati. Una PMI 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 una reazione comprensibile nei COO: aspettare e vedere. La linea funziona, gli ordini non mancano, il personale è scarso. Ma aspettare non è una posizione neutrale quando i criteri di acquisto vengono riscritti. È una decisione che altri stabiliscano gli standard. E gli standard sono brutali nelle vendite. Chi definisce lo standard deve spiegare meno. Chi arriva dopo deve dimostrare.

Un esempio dalla vita quotidiana: dal 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 è una grande azienda, 140 dipendenti, buona reputazione. Nel CRM, i clienti esistenti apparivano a lungo uguali: fatturato, referente, ultimo ordine. Quando abbiamo aggiunto casi di servizio, cicli di ricambi e segnali di investimento visibili pubblicamente, sono improvvisamente emersi account in cui vecchi componenti erano in funzione, mentre il cliente aveva contemporaneamente pubblicato annunci per "Manufacturing Data Analyst" e "Automation Engineer". Le vendite non andavano alla chiamata con "Avete bisogno di ricambi?". Andavano con "Vediamo in linee comparabili che l'aggiornamento e l'acquisizione dati si ripagano se volete valutare i dati di qualità localmente." Un tono diverso. Un appuntamento diverso.

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

Preparazione: 7 passi per responsabili vendite, COO e amministratori delegati

1. Mappate la vostra rilevanza per l'AI Factory per ogni linea di prodotto. Per ogni macchina, componente o servizio, scrivete quali dati vengono generati, quali interfacce esistono, quali casi d'uso AI sono realistici e quali no. Siate onesti. Un caso d'uso AI scadente erode la fiducia più velocemente di una data di consegna in ritardo.
2. Estendete il vostro ICP con trigger tecnici. Il numero di dipendenti e il settore non sono sufficienti. Rilevate progetti MES, ruoli di sicurezza OT, nuovi stabilimenti, annunci di lavoro per la visione artificiale, migrazioni ERP, rapporti di sostenibilità, iniziative di manutenzione e riferimenti a gemelli digitali.
3. Costruite una semplice slide architetturale che un venditore possa spiegare. Non 38 caselle. Una pagina: macchina, Edge, flusso di dati, elaborazione locale, opzione cloud, sicurezza, servizio. Se le vendite non capiscono questa slide, nemmeno il cliente la capirà.
4. Addestrate le domande di scoperta per l'infrastruttura AI. Non chiedete: "Siete interessati all'AI?" Chiedete: "Quali dati di produzione possono lasciare il vostro stabilimento?", "Chi è responsabile delle approvazioni dei modelli?", "Dove falliscono oggi le decisioni di qualità?", "Quale linea genera i fermi non pianificati più costosi?"
5. Definite i ruoli dei partner in anticipo. Non tutte le PMI devono costruire cluster GPU o gestire MLOps da sole. Ma dovete sapere se Bull, Siemens, Phoenix Contact, system integrator locali o partner cloud possono far parte della vostra architettura di riferimento.
6. Collegate i dati di servizio e di vendita. Età delle macchine, modelli di ricambi, cause di guasto e finestre di manutenzione sono forti segnali di acquisto. Se questi dati rimangono nel servizio mentre le vendite fanno cold calling, state bruciando il contesto esistente.
7. Rendete la conformità vendibile. EU AI Act, NIS2, Cyber Resilience Act e residenza dei dati non devono apparire solo al controllo del contratto. Traducete i requisiti in dichiarazioni chiare che vendite e tecnica possano sostenere insieme.

Il quinto punto è importante per me. Molte PMI temono di essere tecnologicamente lasciate indietro nell'infrastruttura AI perché non hanno i budget di DMG Mori, Kärcher o Brose. Questa paura è in parte giustificata. Ma spesso porta alla conseguenza sbagliata: non fare nulla perché non si può fare tutto. Meglio è una chiara definizione. Quale funzione AI rende il vostro prodotto più prezioso per i clienti? Quali dati vi servono per questo? Quale infrastruttura deve esistere presso il cliente o i partner? Quale affermazione può testare il vostro team di vendita domani?

Prodotto Amplifa Amplifa aiuta i team di vendita industriali a identificare clienti target rilevanti, trigger e priorità di account con l'AI, basandosi su dati CRM, segnali di mercato e logica ICP.

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

Qui contraddico consapevolmente una tesi comoda: "Se il cliente è pronto, ci contatterà." No. Nei progetti AI Factory, il cliente spesso si rivolge al fornitore che lo ha intercettato al momento giusto sei mesi prima. Il processo decisionale non inizia con la richiesta. Inizia con l'incertezza interna.

Un COO si accorge che i costi di scarto aumentano. Un direttore di stabilimento subisce pressioni per rendere più trasparente l'OEE. Un responsabile IT blocca gli esperimenti cloud. Un amministratore delegato sente a un evento VDMA a Francoforte che i concorrenti lavorano con la manutenzione predittiva. Non c'è ancora un progetto. Non c'è ancora un budget. Ma c'è tensione. Chi aspetta solo le conversioni del sito web, vede il mercato troppo tardi.

Chi nel 2026 si affida ancora a una strategia puramente inbound, tra cinque anni non avrà più una pipeline degna di questo nome. Soprattutto non nelle PMI industriali. I vincitori non saranno le macchine di contenuti più rumorose, ma i team che leggono i segnali, formulano ipotesi e intraprendono conversazioni con rilevanza tecnica. Meno newsletter. Più tempismo.

Ciò non significa che l'outbound debba tornare a significare e-mail seriali grossolane. Per favore, no. Ricevo già abbastanza messaggi in cui il mio nome è scritto male e qualcuno vuole vendermi "sinergie". Un buon outbound-oriented sales industriale è diverso: capire l'account, dedurre la situazione tecnica, nominare un trigger plausibile, formulare una breve tesi, chiedere con rispetto. Una frase come "Vediamo in diverse linee Kuka e Beckhoff che l'elaborazione 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, finestre di contesto e la parte difficile

Ora brevemente 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 funziona correttamente nei dati di laboratorio può fallire nella produzione perché la telecamera è posizionata in modo leggermente diverso, perché la nebbia d'olio altera le immagini, perché un turno di notte utilizza materiale diverso o perché il PLC ha un comportamento di temporizzazione che nessuno ha simulato nel test.

Per l'AI generativa nelle vendite si aggiunge un altro problema: le finestre di contesto e i costi. I grandi modelli linguistici possono elaborare documenti lunghi oggi, sì. Ma chi riversa indiscriminatamente intere cronologie CRM, specifiche tecniche, conversazioni e-mail, dati di offerta e protocolli di servizio in ogni prompt, non costruisce intelligenza, ma un riscaldatore di token. I prezzi dei token diminuiscono, ma una cattiva architettura scala più velocemente di buone condizioni di acquisto. Vediamo sempre setup in cui l'80 percento dei costi del modello viene bruciato per un contesto irrilevante.

L'architettura migliore è solitamente poco spettacolare: normalizzare i dati, prefiltrare i segnali, recuperare estratti rilevanti tramite retrieval, utilizzare il modello solo dove il linguaggio, la classificazione o il riconoscimento di pattern offrono realmente un valore aggiunto. Nelle vendite significa: non ogni aggiornamento dell'account richiede un grande modello. A volte basta un insieme di regole. A volte un piccolo classificatore. A volte serve un LLM, perché l'e-mail del cliente tra le righe dice: "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 PMI addestra improvvisamente il proprio modello di base. Onestamente? Pochi lo faranno. È rilevante che l'AI industriale si avvicini alla produzione e che l'Europa ottenga un maggiore controllo sull'integrazione, la disponibilità e l'operatività. Questo riduce l'attrito. E l'attrito spesso decide se un team di vendita può posizionare correttamente un'offerta vicina all'AI.

Amplifa per le vendite industriali Per i team che vogliono tradurre segnali di acquisto tecnici come Edge AI, automazione, esigenze di servizio 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 all'operatività. I fornitori che vendono l'AI come demo finiranno nei cimiteri dei piloti. I fornitori che inseriscono infrastruttura AI, flussi di dati, conformità e servizio in un'offerta commerciale comprensibile vinceranno affari più grandi, anche se non sono i più economici.

Mi aspetto tre movimenti concreti. Primo, le gare d'appalto nell'ingegneria meccanica e impiantistica includeranno più spesso domande sull'inferenza locale, la residenza dei dati e il monitoraggio dei modelli. Secondo, gli integratori penetreranno maggiormente nelle vendite e spingeranno i produttori classici in posizioni di consulenza se questi non sapranno spiegare la loro architettura. Terzo, 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 manifatturiero globale e un attore europeo delle infrastrutture posizionano insieme hardware AI e piattaforme di automazione per l'Europa, non è un argomento marginale per i dipartimenti 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 bordo c'è scritto a mano: "Non hardware. Criteri di acquisto." Il caffè era ormai freddo, dalla produzione proveniva di nuovo quel leggero stridio di sega, e Andrea mi scrisse dieci minuti dopo: "Dobbiamo ripensare la nostra lista di clienti target, vero?" Sì. È proprio lì che inizia.