L’atmosfera e l’algoritmo: perché la partita dell’IA si gioca nelle filiere, non nei laboratori

Mauro Colombo l’atmosfera industriale di Marshall e l’algoritmo nello stesso titolo. Perché?

«Perché il dibattito sull’intelligenza artificiale, così come viene condotto, non parla delle imprese che rappresentiamo. Parla di grandi corporation, di startup, di un mercato del lavoro fluido che non è il nostro. Ho chiesto al Centro Studi di lavorare su questo tema perché serviva un’analisi che partisse dal territorio, dalla filiera, dall’impresa artigiana e industriale che opera in prossimità. L’atmosfera industriale di Marshall non è una metafora nostalgica: è la descrizione di un meccanismo economico reale. Un sapere che circola tra imprese vicine, che si trasmette per osmosi, che nessuno possiede per intero ma di cui tutti beneficiano. Nei distretti italiani questo meccanismo funziona ancora. La domanda che abbiamo posto è: cosa succede quando qualcuno — una piattaforma, un algoritmo — impara a codificare quel sapere? Non è la fine di un’epoca romantica: è un trasferimento di potere economico. L’accostamento dei due termini è il modo più onesto che abbiamo trovato per dire che siamo davanti a una scelta, non a un destino».

Il documento poggia su un’idea di filiera corta che non coincide con quella del senso comune. «Corta» non è una misura di distanza.

«No, ed è il punto su cui il nostro lavoro è stato volutamente netto. Una filiera è corta quando tra i suoi nodi ci sono poche mediazioni, molta informazione diretta, relazioni che si ripetono nel tempo e che per questo accumulano fiducia. Si misura nella durata media delle relazioni commerciali, nella quota di accordi informali che reggono senza bisogno di contratti ridefiniti a ogni ordine, nel numero di fornitori con cui si ha un rapporto diretto e non intermediato. La distanza fisica è irrilevante, o quasi. Un grande committente che compra da subfornitori locali attraverso piattaforme di aste al ribasso sta operando in una filiera lunghissima, in senso relazionale. Sono tutti nello stesso distretto, a pochi chilometri l’uno dall’altro, eppure non c’è relazione: c’è una transazione anonima mediata da un algoritmo di prezzo. Viceversa, un’impresa che lavora con un fornitore straniero da vent’anni, che conosce i processi dell’altro come i propri, che si telefona quando c’è un problema prima ancora di aprire un ticket — quella è una filiera corta. Il confine non è geografico: è relazionale. Questa distinzione non è accademica. Cambia come si valuta una filiera, come la si costruisce, come la si difende. E soprattutto cambia come si valuta l’impatto dell’IA: il rischio non dipende da dove sei, dipende dalla qualità e dalla profondità delle relazioni che hai costruito. Un’impresa con relazioni dense e di lungo periodo è meno vulnerabile all’estrazione cognitiva di una che opera nello stesso capannone accanto ma con relazioni superficiali e intercambiabili. Ecco perché abbiamo messo questo concetto alla base di tutto: senza capire cosa rende una filiera «corta», non si capisce cosa l’IA può toglierle».

Il Quaderno sposta il fuoco dalla sostituzione del lavoro all’estrazione del valore cognitivo. È una distinzione che cambia tutto il quadro.

«Cambia tutto, sì. Il meccanismo è più sottile della sostituzione e per questo più pericoloso. Un’officina meccanica adotta un marketplace con preventivazione IA per acquisire commesse. Guadagna efficienza, riduce i tempi, trova nuovi clienti. Ma intanto, transazione dopo transazione, la piattaforma impara: le tolleranze effettive dell’officina, i tempi reali, l’affidabilità su ogni tipo di lavorazione. Dopo due anni, la piattaforma sa abbastanza da dirottare le commesse semplici verso concorrenti più economici e tenere l’officina solo dove non ha alternative — a margini compressi. L’impresa ha guadagnato efficienza a breve e ceduto potere contrattuale a medio termine. È lo stesso schema che abbiamo visto nel commercio, nel trasporto, nell’ospitalità. Ora arriva nella manifattura. E ho voluto che il Centro Studi lo documentasse con rigore, perché è un tema che nel dibattito italiano semplicemente non esiste».

La scomposizione in tre strati cognitivi – tecnico, relazionale, generativo – ha un’implicazione operativa diretta, o è soprattutto un’architettura analitica?

«Ha un’implicazione operativa precisa: non tutto quello che un imprenditore sa è ugualmente a rischio. Il primo strato è la conoscenza tecnica specializzata: come si lavora un materiale, quali parametri funzionano, come si risolve un problema di qualità. Questo strato è in larga misura codificabile, e le piattaforme lo stanno già codificando. Il secondo strato è la conoscenza relazionale: chi sa fare cosa, chi è affidabile, quali combinazioni di fornitori funzionano per una commessa complessa. È la mappa tacita della rete, e anche questa sta diventando estraibile. Il terzo strato è la conoscenza generativa: la capacità di innovare attraverso la ricombinazione non pianificata di competenze. L’idea che nasce dalla conversazione tra il tornitore e il progettista, dalla visita del committente che porta un problema nuovo. Questa dipende dalla fiducia interpersonale, dalla serendipità, dalla compresenza fisica. L’IA può simulare ricombinazioni, ma non può ancora replicare il processo sociale da cui nascono. Un imprenditore che capisce a quale strato appartiene il proprio vantaggio competitivo può fare scelte più informate su cosa proteggere, cosa condividere e dove investire».

C’è un paradosso che attraversa il documento: le imprese stanno alimentando il processo che le indebolisce, in buona fede e con buone ragioni. Non è una posizione che rischia di suonare luddista?

«No, e ci tengo a essere chiaro su questo. Non stiamo dicendo che le imprese non devono adottare l’IA. Il software di preventivazione funziona, la piattaforma di supply chain ottimizza le commesse, il sistema di gestione ordini migliora l’efficienza. Il problema non è lo strumento: è chi possiede la conoscenza che lo strumento genera. Ogni dato immesso migliora la piattaforma e riduce il vantaggio differenziale dell’impresa locale. Non serve sapere cos’è un large language model per essere esposti alla codificazione del proprio sapere. Basta usare un software che impara. La questione non è se adottare l’IA, ma a quali condizioni. È la differenza tra usare uno strumento e farsi usare da uno strumento. Ho voluto che il Centro Studi fosse netto su questo punto, perché la tentazione di un’associazione di categoria è sempre quella di rassicurare. Ma rassicurare senza informare è il contrario di quello che dobbiamo fare».

Però i vostri stessi dati dicono che il 77% delle Pmi manifatturiere considera l’IA troppo complessa, solo il 10% scala oltre il proof of concept. Le barriere sono enormi: costi, competenze, inerzia istituzionale. Non si rischia di descrivere una minaccia che nella pratica è ancora frenata da resistenze molto concrete?

«Questa è esattamente l’obiezione più pericolosa, perché contiene una parte di verità che porta a una conclusione sbagliata. Le resistenze sono reali. Sono strutturali, non episodiche. I costi di implementazione, la carenza di competenze specialistiche, la difficoltà di passare dal prototipo alla soluzione industrializzabile, la riluttanza delle imprese a condividere informazioni con i concorrenti, l’inerzia delle istituzioni: tutto questo rallenta la penetrazione dell’IA nelle filiere e nei distretti. È un fatto. Ma il rallentamento non è un blocco. È una finestra temporale. E le finestre temporali si chiudono. Guardiamo il processo dall’altro lato. Le piattaforme di estrazione non aspettano che le PMI siano pronte: avanzano a ogni transazione, a ogni dato che viene immesso. Xometry, Alibaba con AI Mode, i marketplace B2B con motori IA — questi sistemi sono operativi oggi, migliorano ad ogni ciclo, e non hanno nessuno dei vincoli strutturali che frenano il distretto. L’impresa che oggi non riesce ad adottare l’IA la sta comunque alimentando ogni volta che usa una piattaforma esterna per acquisire commesse o gestire fornitori. Non serve adottare l’IA per esserne investiti. C’è poi un meccanismo specifico che nel Quaderno chiamiamo chiusura dei gap: le lacune dell’IA vengono colmate ad ogni ciclo di addestramento. Molte PMI sopravvivono oggi perché occupano nicchie che l’IA non sa ancora servire — personalizzazione estrema, lotti piccoli, problemi tecnici che richiedono improvvisazione. Ma se questi gap si chiudono rapidamente, le nicchie si restringono. L’impresa che oggi ha un vantaggio perché l’IA non riesce ancora a fare una certa cosa scoprirà, tra sei mesi o un anno, che l’IA ha imparato. Rifugiarsi nelle nicchie della complessità funziona come guadagno di tempo, non come soluzione. Quindi sì: l’impatto non è domani mattina. Ma non è nemmeno un’ipotesi teorica da convegno. È un processo in corso, con una traiettoria chiara e un’accelerazione documentabile. Le resistenze ci danno tempo per prepararci, non per non fare niente. Ed è esattamente per questo che ho voluto questo lavoro adesso, non tra tre anni: perché tra tre anni la finestra potrebbe essere già molto più stretta».

«Sovranità economica» è un’espressione impegnativa per il rapporto tra un’officina e una piattaforma.

«Eppure credo sia la parola giusta. La capacità di decidere cosa produrre, come produrlo e per chi: questo è il nucleo dell’autonomia imprenditoriale. Quando questa capacità si sposta da una rete di imprenditori locali a un algoritmo governato da una corporation che opera su logiche e scale radicalmente diverse, non stiamo parlando di un aggiornamento tecnologico. Stiamo parlando di chi comanda. Le piattaforme non distruggono la filiera: la svuotano. Le imprese restano fisicamente nel territorio, ma il valore cognitivo — sapere chi connettere con chi, quale capacità è disponibile, dove c’è un’opportunità — migra verso la piattaforma. La filiera diventa un fornitore commoditizzato di capacità produttiva, orchestrato dall’esterno. Se questo non è un problema di sovranità, non so cosa lo sia».

CONTINUA A LEGGERE L’INTERVISTA SU IMPRESE E TERRITORIO