Physical AI: dal cloud-centric AI all’intelligenza dove accade il lavoro

L’AI sta entrando nella sua fase più decisiva. Oltre a generare testo o analizzare pattern, oggi si muove, percepisce e agisce nel mondo fisico — è ciò che il settore chiama physical AI. Entro il 2030, potrebbero esserci fino a 39 miliardi di dispositivi IoT in funzione, tutti a generare dati all’edge — nei reparti produttivi, nelle operazioni minerarie e nelle reti di magazzini.

Eppure, la maggior parte delle strategie AI è ancora ancorata ad architetture cloud centralizzate che non sono state progettate per un mondo distribuito e fisico. L’impatto trasformativo della physical AI non si vedrà nei data center che generano token ed elaborano prompt testuali. Si dispiegherà là dove accade il lavoro — dove i sistemi non possono permettersi latenza, downtime o punti ciechi. 

L’imperativo della Physical AI: andare oltre il cloud

In un data center, un errore colpisce una riga di codice; in una miniera o in una fabbrica, ha conseguenze fisiche. Le architetture AI tradizionali sono state progettate per un’intelligenza centralizzata, ma nel mondo fisico il modello del “round trip verso il cloud” fallisce per tre ragioni critiche:  

1. Sicurezza e latenza: in un magazzino ad alta velocità, una decisione ritardata di 500 millisecondi diventa un rischio per la sicurezza. Le decisioni devono avvenire in tempo reale, con conseguenze che si misurano sia in termini di sicurezza che di produttività. 
2. Complessità ambientale: a differenza degli ambienti digitali controllati, i sistemi fisici operano in condizioni disordinate e imprevedibili — illuminazione variabile, layout in continua evoluzione, interazione umana e degrado delle attrezzature. Ciò significa che l’AI deve essere sufficientemente resiliente da adattarsi continuamente, non solo da funzionare bene nelle condizioni per cui è stata originariamente addestrata.  
3. Sovranità dei dati: gli ambienti operativi generano enormi quantità di dati dai sensori — feed video, firme vibrazionali e letture termiche, ad esempio. Questi dati sensibili sono spesso troppo proprietari, troppo regolamentati o troppo voluminosi per essere trasmessi al cloud. 

Driver per l’adozione della Physical AI

Di conseguenza, le organizzazioni stanno ripensando come e dove dovrebbe risiedere l’intelligenza. Diversi fattori stanno accelerando l’adozione della physical AI, tra cui: 

• Processo decisionale in tempo reale: negli ambienti fisici, il ritardo è rischio. Le industrie necessitano di sistemi AI in grado di percepire, decidere e agire istantaneamente — sia in un corridoio di magazzino, lungo un corridoio ospedaliero o in un reparto produttivo.  
• Minore dipendenza dalla connettività di rete: trasmettere continuamente al cloud dati provenienti da sensori ad alto volume, stream video e telemetria pone richieste significative sull’infrastruttura di rete. Elaborando i dati localmente, le architetture edge riducono i requisiti di banda, abbassano i costi operativi e garantiscono che le operazioni critiche possano continuare anche quando la connettività è limitata o interrotta.  
• Maturità dell’hardware e dei sensori: i progressi nei sensori, nei motori, nella connettività e nell’edge computing hanno portato la physical AI dalla teoria al deployment. Le macchine possono ora percepire e interagire con il mondo reale con la precisione e la resistenza che le operazioni complesse richiedono.  
• Sicurezza e riduzione del rischio: l’AI può sostituire gli esseri umani nelle zone pericolose, riducendo gli infortuni e i tempi di fermo operativi. 
• Sovranità e compliance: l’elaborazione di dati sensibili all’edge consente alle organizzazioni di mantenere il controllo su dove risiedono i propri dati e su come vengono gestiti. In mezzo al cambiamento fondamentale dall’automazione reattiva all’intelligenza adattiva, la physical AI richiede un’architettura diversa dall’AI cloud-native.  

Ha successo solo quando l’intelligenza è incorporata direttamente nelle operations, non sovrapposta ad esse.

Perché la Physical AI merita attenzione ora

La physical AI non sta emergendo nel vuoto. È il risultato di pressioni convergenti che stanno cambiando le operations aziendali. 

La carenza di manodopera e l’aumento dei costi stanno imponendo un ripensamento dell’automazione, perché i sistemi statici che semplicemente eseguono non sono più sufficienti. 

Le organizzazioni hanno anche bisogno di un’intelligenza che si adatti in tempo reale, e la tecnologia sottostante ha raggiunto la maturità: l’edge computing, la connettività avanzata come il 5G e il 6G e i modelli AI sempre più efficaci stanno portando la physical AI dal concetto al deployment. Già all’inizio del 2026, IDC* ha stimato che “la spesa globale per le soluzioni di edge computing ha raggiunto 265 miliardi di dollari nel 2025 e si prevede che cresca a un tasso annuo composto (CAGR) del 12,5%, raggiungendo quasi 450 miliardi di dollari entro il 2029.” 

E mentre l’edge computing è l’utility essenziale, un CAGR previsto del 33,3% per la physical AI indica l’ulteriore capex aziendale e la trasformazione dell’infrastruttura in corso. 

Un’altra forza in gioco è la necessità competitiva. I first mover stanno già registrando guadagni misurabili in termini di sicurezza, efficienza e agilità operativa. In questo panorama dinamico, i ritardi non fanno che ampliare il divario.

LEGGI ANCHE → Digital infrastructure meets human design: How physical AI transforms cities  

Come NTT DATA operazionalizza l’intelligenza fisica

Nel luglio 2024, NTT DATA ha introdotto la prima piattaforma edge AI completamente gestita del settore, specificamente progettata per soddisfare le esigenti richieste della physical AI. Invece di gestire gli asset fisici come “fonti di dati”, li trattiamo come sistemi intelligenti software-defined incorporati direttamente nelle operations.  

L’impatto operativo è misurabile:  

• Manifattura: le macchine rilevano micro-vibrazioni e segnali termici, regolando autonomamente i propri parametri per prevenire guasti e ridurre i downtime non pianificati.  
• Ottimizzazione energetica: i sistemi bilanciano dinamicamente i consumi rispetto alla domanda live e al carico operativo senza compromettere le performance.  
• Ispezione autonoma: robot quadrupedi operano in aree pericolose, identificando anomalie strutturali o termiche invisibili all’occhio umano e riducendo l’esposizione umana al rischio. 

Physical AI in azione 

Rendere il reparto produttivo più efficiente  

NTT DATA ha fornito una soluzione di verifica delle attività nel reparto produttivo per un importante produttore di beni manufatti. La soluzione utilizza l’analisi in tempo reale, on-premises, dei processi produttivi live per verificare il rispetto delle procedure operative standard (SOP) e mantenere la qualità del prodotto. Monitorando le attività nel momento in cui vengono eseguite, il sistema basato sull’edge contribuisce a garantire un’esecuzione coerente e genera alert ogni volta che i processi si discostano dagli standard stabiliti. 

Maggiore visibilità e resilienza — pronta per l’AI  

Per un produttore globale di batterie, abbiamo progettato un’architettura industriale scalabile in grado di integrare apparecchiature di più produttori OEM, supportare ambienti di produzione ad alta velocità e soddisfare severi requisiti di cybersecurity e normativi. La nostra soluzione ha fornito:  

• Visibilità unificata in tempo reale e monitoraggio centralizzato di tutte le operations produttive.  
• Pipeline di dati robuste e AI-ready per migliorare l’efficacia complessiva delle attrezzature, abilitare la manutenzione predittiva e consentire l’espansione delle iniziative di physical AI.  
• Elevata resilienza e integrità dei dati grazie a un’architettura di disaster recovery progettata per la ridondanza e il buffering store-and-forward, eliminando i single point of failure.

L’intelligenza dove conta 

 Il futuro dell’AI non è più limitato a dashboard o analytics su uno schermo.  

Riguarda l’incorporazione dell’intelligenza direttamente nelle macchine, nelle strutture e nelle supply chain che fanno muovere il mondo.  

Per le organizzazioni nel settore manifatturiero, minerario, logistico e dell’energia, i vantaggi sono chiari: processo decisionale in tempo reale senza dipendenza dalla rete, sovranità dei dati operativi, compliance normativa e integrazione semplificata dei sistemi OT legacy con i moderni sistemi IT.  

In NTT DATA disponiamo delle piattaforme, delle partnership e dell’expertise per portare l’AI fuori dal cloud e metterla al lavoro in prima linea. L’infrastruttura esiste e l’intelligenza è pronta.  

Siamo oltre il punto in cui ci si chiede se la physical AI rimodellerà le vostre operations. Lo farà — quindi quanto velocemente potete guidare la transizione? La vostra infrastruttura è pronta? 

LEGGI ANCHE → Factory floor 2.0: How AI-ready networks are reshaping manufacturing  

COSA FARE ADESSO

Scopri di più sui servizi Edge AI di NTT DATA e parla con i nostri esperti per programmare una sessione strategica o discutere proof of concept su misura per le esigenze della tua organizzazione. 

*IDC Press Release. Edge Computing Global Spending to Grow at 15%, Reaching $450 Billion by 2029. 25 February 2026.