L’intelligenza artificiale sta già trasformando il modo in cui le aziende manifatturiere pianificano la produzione, eseguono la manutenzione degli impianti, rispondono alle interruzioni della supply chain e prendono decisioni in tempo reale sullo shop floor. Tuttavia, nulla di tutto questo è possibile senza il cloud.
In tutti i settori, il cloud non è più una semplice infrastruttura. Sta diventando il livello di esecuzione dell’AI, ovvero l’ambiente che consente alla tecnologia di operare in modo sicuro e su scala. Nel manifatturiero, però, la posta in gioco è ancora più alta. L’AI può influenzare macchinari fisici, linee di assemblaggio e continuità operativa. Modelli che funzionano nei progetti pilota possono non mantenere le promesse quando non sono integrati con i dati e i sistemi produttivi corretti.
Il report globale di ricerca NTT DATA Cloud-led innovation in the era of AI: The new rules for driving value with cloud evidenzia chiaramente questo divario di maturità. Solo il 14% delle organizzazioni intervistate — e appena il 10% nei settori automotive e manifatturiero — si definisce “cloud-evolved”, ovvero ha raggiunto il più alto livello di maturità cloud, con l’innovazione guidata dal cloud integrata nella strategia aziendale. Al contrario, il 99% afferma che l’AI, inclusa l’AI agentica, ha aumentato la necessità di investire nel cloud.
Il report descrive questa evoluzione attraverso sei regole per creare valore dal cloud nell’era dell’AI. Per il settore manifatturiero, tre di queste assumono particolare rilevanza perché strettamente legate alla realtà della fabbrica: architettura, applicazioni e sicurezza. Due di queste regole — dedicate all’architettura cloud e alle applicazioni moderne — risultano persino più importanti per i produttori rispetto alla media di tutti i settori. La terza riguarda la sicurezza del cloud.
L’architettura cloud determina fino a che punto l’AI può scalare nel manifatturiero
L’architettura cloud è diventata una decisione strategica per il settore manifatturiero. Quando devono decidere dove collocare i carichi di lavoro AI, il 52% delle organizzazioni manifatturiere indica sicurezza dei dati, privacy e compliance come fattori prioritari. Inoltre, il 53% evidenzia la necessità di un maggiore controllo sull’infrastruttura e sulle personalizzazioni.
Questi risultati riflettono le esigenze concrete del settore. I workload AI possono dover elaborare dati sensibili relativi alla produzione, proprietà intellettuale, informazioni sui fornitori o dati di qualità. Alcuni devono essere eseguiti vicino all’edge, dove la latenza è un fattore critico. Altri richiedono ambienti ibridi, privati o sovrani per soddisfare requisiti normativi, di sicurezza o operativi.
Per questo motivo, l’architettura cloud non può essere ridotta al semplice dibattito tra cloud pubblico e cloud privato. Un modello di manutenzione predittiva basato su dati macchina in tempo reale presenta esigenze diverse rispetto a uno strumento di pianificazione aziendale. Un digital twin per l’ottimizzazione della produzione potrebbe dover integrare dati provenienti da sistemi OT, progettazione e supply chain. Un agente AI a supporto della pianificazione autonoma necessita invece di regole chiare su ciò che può fare, sui dati a cui può accedere e sui casi in cui è richiesto l’intervento umano.
L’architettura è il punto di partenza delle operazioni intelligenti. Rimandare troppo a lungo le decisioni relative al posizionamento dei workload AI può limitare proprio quei casi d’uso che si desidera scalare.
Le applicazioni moderne trasformano l’AI in valore operativo
Nel manifatturiero, il valore si crea attraverso i processi operativi: pianificazione della produzione, gestione delle scorte, controllo qualità, manutenzione degli asset, evasione degli ordini e risposta alle interruzioni operative. Se questi workflow rimangono confinati in sistemi frammentati, obsoleti o scarsamente integrati, lo spazio d’azione dell’AI resta limitato.
A livello globale, le sfide legate alla preparazione dei dati e all’analisi rappresentano la principale causa di insoddisfazione rispetto agli sforzi per sviluppare applicazioni AI cloud-native. Per i produttori, il problema è ancora più evidente perché i dati necessari sono distribuiti ovunque: dai sistemi ERP e dalle piattaforme di supply chain fino ai sensori presenti direttamente sullo shop floor.
La modernizzazione, quindi, non significa semplicemente riscrivere codice o migrare applicazioni nel cloud. Significa rendere l’organizzazione più capace di percepire, decidere e reagire. La nostra ricerca mostra inoltre che il 55% delle aziende manifatturiere considera le soluzioni Industry Cloud estremamente importanti per la propria strategia cloud, a testimonianza della necessità di disporre di funzionalità progettate attorno ai workflow, alle strutture dati e ai modelli di governance tipici del settore.
I produttori dovrebbero evitare di considerare l’AI agentica come una scorciatoia verso la modernizzazione. Gli agenti possono interpretare intenti e orchestrare attività, ma necessitano comunque di sistemi affidabili, API robuste, dati ben governati e regole di business chiaramente definite.
La sicurezza consente ai produttori di accelerare con fiducia
La sicurezza rappresenta la principale priorità di investimento in ambito cloud in tutti i settori. Anche le preoccupazioni relative a sicurezza, governance, rischio e compliance associate agli agenti autonomi costituiscono la principale sfida per l’adozione dell’AI agentica nelle soluzioni cloud nei prossimi 12-18 mesi.
Per i produttori, questa priorità nasce da una realtà concreta: la superficie di attacco comprende oggi sistemi IT, ambienti OT, prodotti connessi, piattaforme cloud, dispositivi edge, reti di fornitori e workflow sempre più autonomi abilitati dall’AI. Le vulnerabilità di sicurezza possono compromettere non solo la riservatezza dei dati, ma anche la continuità produttiva, la sicurezza dei lavoratori, la proprietà intellettuale e gli impegni verso i clienti.
Per questo motivo, operazioni sicure e scalabili devono essere considerate un principio progettuale fondamentale. Man mano che le aziende connettono più asset, raccolgono più dati operativi e introducono maggiore automazione basata sull’AI, la sicurezza non può essere aggiunta successivamente. Deve essere integrata fin dall’inizio nell’architettura, nella gestione delle identità, nelle reti, nella governance dei dati e nelle operazioni di piattaforma.
I principi fondamentali sono noti, ma oggi assumono un’importanza ancora maggiore: gestione rigorosa delle identità e degli accessi, politiche chiare di protezione dei dati, approcci Zero Trust, monitoraggio continuo, responsabilità definite e governance coerente tra provider e ambienti diversi.
Negli ambienti abilitati dall’AI, questi controlli devono inoltre considerare il modo in cui gli agenti accedono ai dati, attivano workflow e interagiscono con i sistemi aziendali.
Il prossimo passo verso il manifatturiero intelligente
In definitiva, l’AI non è una bacchetta magica da agitare sopra una linea di assemblaggio. È uno strumento potente, ma la sua efficacia dipende dalla qualità della base cloud su cui opera.
Questo è il momento per i produttori di costruire un ambiente sicuro e connesso che consenta all’AI di generare risultati concreti. Se l’obiettivo è trasformare l’entusiasmo attorno all’AI in valore operativo quotidiano, è il momento di esaminare con attenzione la propria strategia cloud.
Cosa fare ora
Consulta il report Cloud-led innovation in the era of AI: The new rules for driving value with cloud per approfondire i risultati della nostra ricerca.