Per decenni la robotica industriale è stata sinonimo di produttività, ma anche di estrema rigidità: perché un investimento fosse giustificato, le fabbriche robotizzate dovevano produrre quello stesso prodotto, in grandi volumi, per molto tempo. Negli ultimi due decenni abbiamo però visto consolidarsi un cambio di paradigma importante: la transizione verso sistemi sempre più flessibili, fino al livello estremo dell’automazione software-defined, capace di adattarsi autonomamente a prodotti sempre diversi. L’avvento della Physical AI ha ulteriormente alimentato l’hype attorno a questi sistemi. Ma nonostante le promesse della tecnologia, o forse proprio a causa loro, il rischio di investimenti improduttivi resta altissimo: non basta acquistare un robot “collaborativo” per essere sicuri, né un algoritmo di intelligenza artificiale per essere flessibili.
Di questi temi parliamo con Stefano Faccio, Head of Machinery Safety and Industry 4.0 & Digital Manufacturing di Marelli Lighting, che la robotica la vive da chi la utilizza in produzione, e Maurizio Spiriticchio, Automation & Control Design Manager di Fameccanica, costruttore di macchinari della divisione Angelini Technologies: due punti di vista diversi, quindi, ma focalizzati sulla stessa trasformazione.
Faccio e Spiriticchio fanno parte del comitato scientifico della fiera SPS Italia, un gruppo che riunisce esperti, ricercatori, ma soprattutto manager di alcune tra le principali realtà manifatturiere italiane, e sono tra gli autori del terzo cluster del Position Paper 2026, dedicato proprio al tema “Robot per i sistemi industriali: stato dell’arte, regolamenti e linee guida applicative”.
Indice degli argomenti
Perché non esiste il cobot sicuro
Per anni il mercato ha raccontato una storia semplice, se non semplicistica: che i cobot, grazie alle loro caratteristiche intrinseche come peso ridotto, angoli smussati e controllo di forza e di coppia, potessero condividere lo spazio di lavoro con gli operatori senza criticità particolari. “Questo ha alimentato l’idea che la collaborazione fosse una proprietà del robot stesso, e che scegliere un cobot bastasse a garantire la sicurezza dell’applicazione. Non è mai stato così”, dice Faccio.
Un cobot può avere limitazioni intrinseche di velocità, forza e potenza, ma questo non rende automaticamente sicura qualsiasi applicazione realizzata con quel robot. “La sicurezza dipende dal contesto applicativo, dal tipo di operazione, ma soprattutto dalla forma dell’utensile installato sul robot, dalle traiettorie, dagli spazi disponibili e dalla modalità di interazione con l’operatore”, spiega Faccio. “Un cobot può essere conforme in tutto e per tutto alle sue caratteristiche costruttive di sicurezza, ma se viene equipaggiato con un utensile dagli spigoli pronunciati le conseguenze di un eventuale contatto con una persona cambiano radicalmente”.
È proprio questo che la nuova serie di norme ISO 10218-2:2025, dedicata all’integrazione dei robot industriali, ha voluto chiarire. “La sicurezza non è una proprietà esclusiva del robot ma dell’applicazione nel suo complesso: si parla di applicazione collaborativa, non di robot collaborativo”, dice Faccio.
I tre modi di realizzare un’applicazione collaborativa sicura
La norma riconosce tre modalità con cui questa collaborazione può avvenire. Nello Speed and Separation Monitoring (SSM) il robot controlla in continuo la posizione dell’operatore e riduce automaticamente la velocità man mano che la persona si avvicina, fino all’arresto completo se necessario: l’obiettivo è escludere ogni contatto, mantenendo sempre la distanza minima di sicurezza calcolata secondo la formula indicata dalla norma stessa.
Nel Power and Force Limiting (PFL) vale il principio opposto: il contatto è previsto e ammesso, ma solo entro i limiti di forza e pressione considerati biomeccanicamente accettabili per il corpo umano. “È la modalità che ha contribuito di più alla diffusione dei cobot, ma richiede prove strumentali e validazioni rigorose”, spiega Faccio.
La terza modalità, l’Hand Guiding, prevede la guida manuale del robot da parte dell’operatore attraverso un dispositivo hold-to-run, tipicamente impiegato nelle attività di teaching o nel riposizionamento rapido durante un cambio di produzione.
“La collaborazione non dipende dalla marca del robot né dalla sua categoria commerciale”, dice Faccio. “Dipende da come viene progettato l’intero sistema e da come vengono scelte, implementate e validate le misure di sicurezza. Il vero obiettivo non è acquistare un cobot, ma progettare un’interazione uomo-macchina che sia realmente sicura, efficiente e sostenibile nel tempo”.
Non sono pochi, del resto, i casi di aziende che negli anni successivi al lancio dei primi cobot li hanno acquistati per poi utilizzarli in modo tutt’altro che collaborativo, lasciando al loro posto le recinzioni di sicurezza. “La differenza la fa lo studio preliminare dell’applicazione, che spesso non veniva fatto o veniva svolto con superficialità, perché si dava per scontato che il cobot fosse intrinsecamente sicuro e non richiedesse ripari, interblocchi o barriere fotoelettriche”, spiega Faccio. “Oggi anche il mondo dei system integrator è più maturo. Il futuro non appartiene ai robot collaborativi in sé, ma alle applicazioni collaborative progettate e validate correttamente”.
Physical AI, cosa è già maturo in fabbrica
Se la sicurezza riscrive il rapporto tra uomo e cobot, un’altra trasformazione riguarda il modo in cui i sistemi robotici vengono progettati e utilizzati. “Quello che storicamente ha caratterizzato la robotica industriale, l’associazione con alte velocità, precisione e ripetibilità in contesti di processi rigidi e poco variabili nel tempo, è stato progressivamente superato”, dice Spiriticchio.
“Performance e flessibilità – aggiunge il manager di Angelini Technologies – sono diventati sempre meno obiettivi alternativi tra loro, anche grazie all’integrazione di tecnologie come l’intelligenza artificiale, i sistemi di visione, la simulazione digitale e la connettività industriale, che hanno cambiato il modo in cui progettiamo e gestiamo gli impianti”.
A spingere in questa direzione, secondo Spiriticchio, sono anche le abitudini di consumo. “Ci siamo abituati come consumatori a configurare un prodotto online, scegliere opzioni e varianti specifiche e riceverlo a casa in tempi sempre più rapidi”, spiega. “Questo significa che le aziende devono produrre molte varianti diverse mantenendo gli stessi livelli di efficienza, qualità e sostenibilità economica: da qui nasce il concetto di software defined automation, per cui una parte crescente delle funzionalità e delle strategie operative viene definita e aggiornata via software invece che attraverso interventi fisici sull’impianto”.
Questo non è però un risultato automatico. “La flessibilità non nasce dalla semplice adozione di una tecnologia avanzata: deve diventare un requisito progettuale fin dalle prime fasi di sviluppo dell’applicazione”, dice Spiriticchio, distinguendo tra i contesti greenfield, dove si parte da zero e la progettazione è più libera, e quelli brownfield, dove si devono fare i conti con spazi, layout, processi e infrastrutture già consolidati. “Alla base di tutto serve un approccio concreto, basato sull’evidenza industriale: le tecnologie di robotica industriale e gli AMR possono già portare benefici misurabili e ritorni dell’investimento ben definiti, ma vanno progettate conoscendo a fondo tecnologie e processi”.
Ma quali sono le applicazioni già mature della Physical AI? “Possiamo considerare mature la robotica collaborativa, i sistemi avanzati di visione e molte applicazioni di intelligenza artificiale per l’ottimizzazione dei processi, il controllo qualità e la manutenzione predittiva: tecnologie che danno benefici misurabili e ritorni sull’investimento già valutabili con ragionevole affidabilità”, spiega Spiriticchio. Un esempio pratico? “Una cella robotizzata che deve manipolare prodotti sempre diversi, non noti a priori, un tempo avrebbe richiesto la programmazione di ogni singola casistica”.
“Oggi i sistemi di visione basati sull’intelligenza artificiale identificano automaticamente il pezzo, ne stimano posizione e orientamento e suggeriscono al robot la strategia di presa più efficace: è uno dei primi esempi concreti di Physical AI, la capacità di percepire il mondo fisico, interpretarlo e agire di conseguenza”. I benefici, aggiunge Spiriticchio, crescono ulteriormente quando la stessa soluzione viene installata su decine o centinaia di impianti, perché l’apprendimento accelera e aumenta l’affidabilità del sistema.
Nel cuore cognitivo di questi sistemi si colloca il cosiddetto World Model: una rappresentazione interna, coerente e costantemente aggiornata, dello stato del robot e dell’ambiente in cui opera, costruita da algoritmi capaci di apprendere osservando il mondo, anche attraverso i video, e di prevederne l’evoluzione nel tempo. Secondo Yann LeCun, ex responsabile dell’intelligenza artificiale di Meta citato nel Position Paper, la comprensione del mondo fisico è una delle quattro capacità di cui i modelli linguistici di grandi dimensioni non dispongono, insieme alla memoria persistente, al ragionamento genuino e alla pianificazione complessa. È attraverso il World Model che un sistema robotico può prendere decisioni contestualizzate, pianificare azioni coerenti con la situazione reale e valutare in modo continuo le condizioni di sicurezza: un asset la cui integrità, dal punto di vista della cybersecurity, diventa a tutti gli effetti critica.
Tornando al tema della maturità della physical AI, per gli umanoidi e per i sistemi che dovrebbero sostituire integralmente l’intervento umano in contesti complessi e poco strutturati il discorso è diverso. “Gli sviluppi sono interessanti e il potenziale indiscutibile, ma spesso siamo ancora in una fase sperimentale o limitata a scenari molto specifici”, dice Spiriticchio. “La domanda giusta non è se la tecnologia funziona, ma se crea valore nel proprio contesto produttivo: la risposta dipende dai costi di implementazione, dall’affidabilità, dall’integrazione con i processi esistenti, dalle competenze disponibili e dal ritorno economico atteso”.
Il consiglio di Spiriticchio è di “investire con decisione sulle tecnologie che hanno già dimostrato sul campo la capacità di migliorare sicurezza, ergonomia, produttività e flessibilità, continuando a osservare con interesse gli sviluppi più innovativi, ma senza lasciarsi guidare da aspettative irrealistiche”.
Umanoidi: perché la fabbrica dovrà aspettare ancora
Restando sul tema degli umanoidi, che oggi catalizza il grosso dell’attenzione e della curiosità delle imprese nel mondo industriale, Faccio invita le aziende al realismo, individuando alcuni limiti di queste tecnologie emergenti. Il primo riguarda l’energia e quindi l’autonomia operativa. “Il robot va alimentato a batteria e, anche se potrebbe cambiarsela da solo, rischierebbe comunque di investire più tempo a ricaricarsi che a lavorare”, dice. “Le batterie, oltretutto, restano ingombranti e pesanti, e questo è un vincolo operativo reale, anche se nei prossimi anni sono attesi miglioramenti”.
Il secondo limite è la locomozione. “Siamo tutti affascinati dai video degli umanoidi che camminano, ma equilibrio e locomozione restano una sfida tecnologica ancora non risolta del tutto. E poi siamo sicuri che in una fabbrica moderna, con pavimenti regolari e strutturati, serve davvero un umanoide che si muove sulle gambe?”, si chiede Faccio. “O forse sarebbe più efficace un umanoide su ruote piuttosto che su gambe?”.
Il terzo limite, forse il più grande, è la manipolazione. “Le mani umane sono il risultato di milioni di anni di evoluzione, con una capacità di adattamento, una sensibilità tattile e una coordinazione enormi”, spiega Faccio. “Replicare questa destrezza in un robot resta una sfida aperta: molte operazioni che una persona compie con naturalezza oggi restano difficili per un umanoide”.
C’è infine il tema della sicurezza. “Gli umanoidi dovrebbero muoversi in ambienti condivisi con le persone e prendere decisioni nel modo più autonomo possibile, e questo introduce una complessità enorme nella valutazione dei rischi e nella certificazione dei sistemi”, dice Faccio. “Così come dobbiamo certificare un’applicazione collaborativa con la metodologia Power and Force Limiting perché il contatto con una persona è prevedibile, anche qui non possiamo esimerci da questa valutazione. Il quadro normativo, però, resta ancora immaturo, e molti requisiti tecnici specifici devono essere definiti in modo più chiaro”.
Gli umanoidi in fabbrica: cinesi, americani e… italiani
Il documento conferma questa lettura con i numeri del settore: sono almeno 150 le aziende nel mondo che oggi sviluppano o producono robot umanoidi, guidate da Cina e Stati Uniti (qui una nostra selezione di robot commercialmente disponibili, ndr). Sul fronte cinese si segnalano produttori come Fourier, UBTECH, Unitree, AgiBot e Xpeng, diversi dei quali hanno già annunciato la produzione di massa e impiegano umanoidi in produzione automobilistica, logistica e assemblaggio.
Negli Stati Uniti, Tesla con Optimus, Apptronik con Apollo, Agility Robotics con Digit e Figure AI stanno conducendo prove operative spesso in collaborazione con gruppi industriali come Mercedes-Benz, BMW e GXO Logistics.
L’Italia, pur avendo un ruolo minore nel settore rispetto a Cina e Stati Uniti, può contare su realtà riconosciute a livello internazionale come Oversonic Robotics e Generative Bionics, spin-out dell’Istituto Italiano di Tecnologia di Genova. Un punto di svolta storico, ricorda il position paper, è stato la DARPA Robotics Challenge del 2015, che ha accelerato lo sviluppo di piattaforme come Atlas di Boston Dynamics testandole in scenari di disaster recovery.
Il Regolamento Macchine e i sistemi autoevolutivi
Dietro le quinte una scadenza che riguarda l’intera industria manifatturiera: il 20 gennaio 2027 entrerà in applicazione obbligatoria il nuovo Regolamento Macchine (UE) 2023/1230, che sostituirà definitivamente la direttiva 2006/42/CE. “Le due novità più rilevanti rispetto alla vecchia direttiva riguardano la cybersecurity e l’intelligenza artificiale”, dice Faccio. “Il regolamento le inquadra come sistemi autoevolutivi, e questo diventa un ulteriore rischio da valutare. Il requisito è generale, non è dedicato solo ai robot o agli umanoidi, quindi vanno verificati tutti i pericoli generati da un sistema che può cambiare nel tempo e che, in teoria, potrebbe non essere del tutto prevedibile”.
Il tema si intreccia con l’AI Act, il Regolamento (UE) 2024/1689 in vigore dal 1° agosto 2024, le cui regole principali si applicano dal 2 agosto 2026, e con il Cyber Resilience Act, applicabile dal 12 settembre 2025, che introduce obblighi di cybersecurity by design per i prodotti con componenti digitali, comprese le celle robotizzate connesse. “Se già c’è poca maturità nella valutazione dei pericoli meccanici legati al movimento degli umanoidi, su questo aspetto ce n’è ancora meno”, dice Faccio. “È una sfida difficile, ma credo sia stato corretto inserire questo requisito essenziale di sicurezza: bisogna cominciare a studiarlo, valutarlo e mitigarlo adeguatamente”.
Il change management, la condizione abilitante
Il position paper dedica un intero capitolo a un tema decisivo quanto le norme tecniche: il change management. L’introduzione di robotica collaborativa, intelligenza artificiale, framework interoperabili come ROS2 e sistemi di visione avanzata non è soltanto una questione tecnica, ma una trasformazione culturale e organizzativa che impatta sulle competenze tecniche, i ruoli e le responsabilità, e la mentalità aziendale.
La progettazione dei macchinari deve evolvere da un paradigma di automazione avanzata a sistemi intelligenti e connessi, con competenze di intelligenza artificiale applicata alla robotica, sensoristica IIoT e architetture interoperabili.
La manutenzione deve passare dall’essere reattiva all’essere predittiva, sviluppando la capacità di interpretare i dati provenienti da sensori e piattaforme predittive basate su AI e una conoscenza della robotica sufficiente a gestire in autonomia il troubleshooting, senza dipendere dal supporto esterno.
Gli operatori di produzione diventano gestori di processi complessi, chiamati a utilizzare interfacce uomo-macchina evolute e a comprendere le logiche di collaborazione con i robot.
La qualità, infine, passa dal controllo ex post al monitoraggio intelligente, basato sull’analisi dei dati di processo e sui sistemi di visione in linea.
Per guidare questa transizione il documento propone una roadmap in quattro fasi. Nella fase di assessment si mappano competenze e processi impattati e si individuano i gap su safety, cybersecurity e AI.
Nella fase pilota il cambiamento viene validato su un caso d’uso circoscritto, misurando KPI tecnici e organizzativi come la riduzione del downtime e il tempo medio di intervento.
Nella fase di scaling il modello validato viene esteso ad altri reparti o linee, standardizzando le architetture e formando i ruoli chiave.
Nella fase di governance continua, infine, si mantengono nel tempo sicurezza ed efficacia attraverso audit periodici, gestione strutturata delle modifiche e revisione di incidenti e near miss.
Per i decisori aziendali l’indicazione che arriva dal documento è di investire con decisione sulle tecnologie già consolidate, come i robot, le soluzioni miste uomo-robot, gli AMR e gli AGV, che permettono già oggi di valutare con una precisione ragionevole i costi e i tempi di ritorno dell’investimento. Per gli umanoidi, invece, servirà ancora tempo: manca un quadro normativo condiviso che definisca con chiarezza gli aspetti di sicurezza delle persone chiamate a condividere con loro ambienti e funzioni operative.
