L’intelligenza artificiale entra in fabbrica.
E parte dai problemi di tutti i giorni.
Dalla gestione dei documenti alla manutenzione di oltre 100 macchinari: l’esperienza di Durlast racconta come l’AI possa diventare uno strumento concreto per le PMI manifatturiere.
Intervista ricostruita dagli interventi di Lorenzo Pagliaroli (Durlast) e Alessandro Lenardon (TiQ) durante il webinar del 28 ottobre 2026.
Si parla molto di intelligenza artificiale nell’industria. Spesso, però, il dibattito rimane sospeso tra grandi promesse tecnologiche e scenari futuri.
Ma cosa succede quando l’AI incontra una fabbrica vera, con macchinari, operatori, documenti cartacei e problemi da risolvere ogni giorno?
Ne abbiamo parlato attraverso l’esperienza di Durlast, azienda manifatturiera brianzola specializzata in rivestimenti in poliuretano, che insieme a TiQ ha avviato un percorso di digitalizzazione e integrazione dell’intelligenza artificiale nei propri processi.
Lorenzo, da dove è iniziato questo percorso?
Lorenzo Pagliaroli – Durlast: Siamo una PMI manifatturiera di circa 35 persone, con una forte componente produttiva. Il nostro percorso è iniziato due o tre anni fa, quando abbiamo deciso di passare progressivamente dalle registrazioni cartacee a un sistema digitale.
Insieme a TiQ abbiamo introdotto un MES, con l’obiettivo di raccogliere dati affidabili sulla produzione. Era il primo passo necessario per comprendere meglio i processi e individuare dove intervenire.
Successivamente ci siamo chiesti come utilizzare queste informazioni per migliorare concretamente il lavoro delle persone.
Alessandro, perché avete scelto di integrare l’intelligenza artificiale nei processi, anziché limitarvi ai normali strumenti generativi?
Alessandro Lenardon – TiQ: L’obiettivo non era introdurre uno strumento di produttività individuale, ma portare i benefici dell’AI direttamente nelle attività quotidiane dell’azienda.
Abbiamo lavorato sui processi già digitalizzati, cercando di individuare le operazioni ripetitive e quelle che richiedevano molto tempo senza generare particolare valore aggiunto.
Un altro aspetto importante è stato mantenere il controllo delle informazioni e del know-how aziendale, utilizzando algoritmi di intelligenza artificiale privati.
Lorenzo, quali erano i problemi più concreti da risolvere?
Lorenzo: Avevamo diverse attività manuali che assorbivano tempo. Penso alla registrazione dei materiali in ingresso, alla trascrizione dei documenti di trasporto, alle fatture estere e alla reportistica aggiornata manualmente su Excel.
Inoltre, alcuni sistemi erano poco integrati tra loro e richiedevano di inserire più volte le stesse informazioni.
Siamo partiti proprio da queste difficoltà, individuando alcuni casi d’uso sui quali intervenire progressivamente.
Facciamo un esempio: cosa cambia oggi quando arriva un documento di trasporto?
Lorenzo: Prima era necessario riportare manualmente le informazioni nel sistema. Oggi possiamo acquisire il documento attraverso una scansione e l’intelligenza artificiale riconosce i dati necessari, precompilando i campi nel MES.
L’operatore deve comunque verificare e confermare le informazioni, ma il lavoro di inserimento manuale si riduce sensibilmente.
Abbiamo applicato un principio simile anche alle fatture estere che non transitano attraverso lo SDI. Un’attività che prima richiedeva circa due giorni di lavoro al mese può ora essere gestita, nella fase di importazione, in pochi minuti.
Un altro tema importante è la manutenzione. Come avete affrontato il problema?
Lorenzo: Abbiamo decine di macchinari, alcuni anche piuttosto datati. Costruire piani di manutenzione strutturati per ciascuno avrebbe richiesto un lavoro molto impegnativo.
Abbiamo utilizzato l’intelligenza artificiale per interpretare i manuali delle macchine e predisporre una prima versione dei piani di manutenzione ordinaria.
Naturalmente, ogni piano è stato verificato insieme ai responsabili e agli operatori esperti. Successivamente abbiamo integrato queste informazioni in un software che consente di gestire gli interventi e gli avvisi di manutenzione.
Alessandro, l’AI può aiutare anche quando un operatore si trova davanti a un problema su un macchinario?
Alessandro: Sì, perché permette di accedere più facilmente alla documentazione tecnica e alle informazioni disponibili sugli impianti.
Attraverso una chatbot, l’operatore può interrogare manuali e contenuti aziendali per trovare indicazioni sui ricambi, sugli interventi e sulle attività da svolgere.
L’obiettivo è semplificare la ricerca delle informazioni e renderle disponibili in una forma immediatamente comprensibile, senza dover necessariamente consultare manualmente tutta la documentazione.
Lorenzo, durante l’incontro avete sottolineato un aspetto delicato: la competenza aziendale spesso è concentrata in poche persone.
Lorenzo: È vero. In alcuni casi determinate conoscenze erano nelle mani di una sola persona. Questo può diventare un problema, soprattutto quando bisogna intervenire rapidamente o trasferire competenze ad altri operatori.
Raccogliere procedure, documenti, informazioni ed esperienze in una base di conoscenza accessibile attraverso l’AI ci permette di distribuire meglio queste informazioni.
Non significa sostituire l’esperienza delle persone. Significa mettere gli operatori nelle condizioni di trovare una prima risposta e coinvolgere chi possiede le competenze specifiche quando serve una verifica o una decisione.
Ma quanto ci si può fidare delle risposte dell’intelligenza artificiale?
Lorenzo: La verifica umana rimane fondamentale.
Per esempio, i piani di manutenzione generati a partire dai manuali sono stati controllati insieme alle persone che conoscono realmente le macchine.
Anche per quanto riguarda la chatbot, oggi non abbiamo collegato le risposte dell’AI all’esecuzione automatica di interventi. La utilizziamo per interpretare le informazioni, orientare gli operatori e accelerare la comprensione dei problemi.
Il fatto di lavorare su una base informativa aziendale circoscritta ci aiuta a mantenere il controllo, ma non elimina la necessità di verificare.
Lorenzo, come hanno reagito gli operatori a questo cambiamento?
Lorenzo: All’inizio avevamo qualche preoccupazione. Introdurre il MES significava cambiare abitudini consolidate e chiedere agli operatori di registrare informazioni attraverso strumenti digitali che non tutti erano abituati a utilizzare.
Ci siamo quindi chiesti come compensare questo maggiore impegno, semplificando altre attività.
L’intelligenza artificiale ci ha aiutato proprio in questo. Il percorso è ancora in evoluzione, ma stiamo osservando che le persone iniziano progressivamente ad apprezzare e sostenere il cambiamento.
Alessandro, qual è la lezione più importante che emerge da questa esperienza?
Alessandro: Credo che il punto non sia individuare un singolo caso d’uso valido per tutte le aziende.
Ogni realtà produttiva ha caratteristiche, processi e necessità differenti. L’aspetto determinante è comprendere dove l’intelligenza artificiale possa essere integrata nelle applicazioni che le persone utilizzano già per lavorare.
È lì che può diventare uno strumento utile per migliorare l’operatività quotidiana.
La tecnologia funziona quando incontra il lavoro reale
L’esperienza di Durlast mostra un percorso che non parte dall’intelligenza artificiale, ma dall’organizzazione dei processi e dalla disponibilità di dati affidabili.
Prima il MES, poi l’integrazione delle informazioni, infine l’AI applicata a problemi specifici.
Una trasformazione graduale, che non elimina il ruolo delle persone, ma cerca di valorizzarne competenze, esperienza e capacità di controllo.
Per le PMI manifatturiere, forse, la domanda più utile non è più soltanto «Come possiamo utilizzare l’intelligenza artificiale?», ma «Quali attività potremmo rendere più semplici, affidabili e accessibili alle persone che lavorano ogni giorno nella nostra azienda?»