AI in Produzione — Agenda Interattiva

00:00

Domanda di apertura e contratto d'aula

Attivazione cognitiva · calibrazione aspettative · gestione: Beatrice

15 min

Obiettivo: rompere la passività iniziale e costruire un contratto di fiducia reciproca con il gruppo

💬

Domanda di apertura — 5 min

Proiettare una sola domanda e aprire la chat Zoom/Teams: "Pensate all'ultima volta che avete preso una decisione operativa importante. Quanti giorni vi ha richiesto raccogliere le informazioni necessarie?"

Raccogliere 4–5 risposte via chat o a voce. Non commentare — annotare solo i numeri sulla lavagna virtuale (Miro, Jamboard o whiteboard condivisa).

🗣️

Prompt facilitatore: "Non c'è risposta giusta o sbagliata. Mi interessa capire il vostro contesto reale, non quello teorico." Lasciar spazio ai silenzi — chi esita spesso ha la risposta più interessante.

📊

Dato di contesto — 3 min

Senza giudicare le risposte ricevute, condividere: "In media, un manager manifatturiero europeo impiega 2–3 settimane per aggregare dati da fonti diverse prima di una decisione strategica."
Chiedere: "Le vostre risposte si avvicinano a questa media, o siete sopra o sotto?"

🤝

Presentazione relatori e contratto d'aula — 7 min

Beatrice e Stefano si presentano (3 min in totale, 1.5 min ciascuno). Poi esplicitare il metodo:
"Oggi non vi portiamo risposte preconfezionate. Vi portiamo casi reali — inclusi i fallimenti — e vi chiediamo di confrontarli con la vostra esperienza. Il valore nasce dal dialogo, non dalla slide."

Chiedere a ogni partecipante di digitare in chat la risposta a: "La mia domanda più urgente sull'AI in produzione." — Stefano raccoglie e categorizza le domande in tempo reale. Torneranno nell'ultimo blocco.

Divisione ruoli: Beatrice conduce la discussione principale. Stefano monitora la chat, raccoglie le domande e segnala i contributi più rilevanti tramite messaggio privato a Beatrice.

00:15

Mappatura collaborativa dei problemi

Breakout room a coppie · da esperienze individuali a pattern condivisi · gestione: Stefano

15 min

Obiettivo: costruire una base condivisa di problemi reali prima di proporre qualsiasi soluzione

🟣

Breakout room a coppie — 8 min

Aprire breakout room da 2 persone (coppie assegnate casualmente o per affinità di settore). Ogni persona racconta un episodio operativo critico degli ultimi 3 mesi: qualcosa che è andato storto, una decisione che ha richiesto troppo tempo, un imprevisto che ha bloccato il piano (2 min ciascuno).

Poi la coppia identifica insieme la causa radice più probabile in una parola o frase breve e la scrive in un documento condiviso/chat della stanza: dati mancanti · comunicazione lenta · pianificazione rigida · personale · altro.

🖥️

Setup remoto: Stefano gestisce le breakout room e fa un rapido check-in a metà tempo (min 4) passando nelle stanze. Beatrice prepara la lavagna virtuale per la sintesi. Lasciare il documento condiviso visibile a tutti anche durante le stanze.

📌

Sintesi in plenaria — 7 min

Rientrare in plenaria. Beatrice raccoglie le cause radice dalla chat/documento condiviso e le traccia visivamente sulla lavagna virtuale, raggruppandole per tema.

Chiudere con: "Notate qualcosa di interessante? Questi problemi attraversano settori completamente diversi — tende da sole, rifiuti industriali, farmaceutica, TPL. Il problema non è il settore: è l'architettura informativa."

Pattern attesi dal contesto del corso: Pianificazione instabile · Imprevisti da fornitori · Dati frammentati e siloed · Carenza e rotazione personale qualificato · Disconnessione operation–commerciale–finance

00:30

Framework: tre livelli di AI operativa

Concettualizzazione · da AI generica ad AI verticale · gestione: Beatrice

20 min

Obiettivo: costruire un vocabolario condiviso e creare la distinzione concettuale chiave dell'intervento

📐

Il modello dei tre livelli — 10 min

Presentare il framework non come "scala di maturità" ma come tre funzioni diverse — non gerarchicamente migliori, ma con scopi distinti:

Livello 1 · AI Generica

Strumenti: ChatGPT, Copilot
Funzione: Assistenza testuale, ricerca, sintesi
Limite: Non conosce il contesto aziendale
Analogia: Un consulente brillante che non è mai entrato in fabbrica

Livello 2 · AI Analitica

Strumenti: BI + modelli ML su dati storici
Funzione: Dashboard, previsioni, anomalie
Limite: Mostra cosa è successo, non suggerisce cosa fare
Analogia: Un termometro sofisticato — misura, non cura

Livello 3 · AI Verticale

Strumenti: Piattaforme settoriali specializzate
Funzione: Integrazione dati + simulazione + suggerimenti operativi
Limite: Richiede dati strutturati e integrazione sistemi
Analogia: Un collega esperto con accesso all'intero gestionale che ragiona insieme a te

🙋

Check di posizionamento — 5 min

Usare il sondaggio integrato in Zoom/Teams (o una risposta rapida in chat): "A che livello si trova attualmente la vostra azienda? Rispondete 1, 2 o 3 in chat."

Poi aprire la discussione: "C'è chi usa il livello 1 pensando di essere al livello 3?" — esplorare la percezione vs. la realtà dell'adozione AI.

✍️

Riflessione veloce — 5 min

Ogni partecipante scrive in chat (silenzio di 60 secondi): "Qual è la principale barriera che impedisce alla mia azienda di passare al livello successivo?"

Stefano raccoglie le risposte e le categorizza in tempo reale. Beatrice ne commenta 3–4 ad alta voce. Le barriere emerse verranno riprese nel blocco 5.

00:50

Analisi per cluster: casi d'uso reali

Breakout room per ruolo · problem mapping + restituzione guidata · gestione: entrambi

30 min

Obiettivo: applicare il framework ai contesti specifici dei partecipanti — far emergere la concretezza prima di presentare soluzioni

🟣

Breakout room per cluster di ruolo — 10 min

Dividere i partecipanti in 3–4 gruppi per affinità di ruolo in stanze separate. Ogni gruppo riceve una scheda digitale (Google Doc o Miro condiviso) con 2–3 problemi operativi specifici presentati senza soluzione. Il gruppo ha 8 minuti per:

① Riconoscere il problema nel proprio contesto (esempi concreti dalla propria azienda)
② Immaginare come un sistema AI lo affronterebbe — senza conoscere la soluzione
③ Identificare quale dato o informazione sarebbe necessaria per farlo funzionare
④ Annotare le principali resistenze che prevedono nell'implementazione

🔵 Stanza A · Operation & Production Manager 🔴 Stanza B · HSE Manager 🟢 Stanza C · Logistica & Supply Chain 🟣 Stanza D · Operatività complessa / TPL

🔵 Scheda Stanza A

P1: La domanda cambia velocemente (meteo, bonus, campagne). Il piano di produzione salta continuamente.

P2: Un fornitore critico ritarda. Scopro il problema solo quando la linea si ferma.

P3: Gli scarti aumentano su una linea, ma non riesco a capire perché.

→ Come interviene l'AI? Quale dato serve? Quali resistenze prevedi?

🔴 Scheda Stanza B

P1: I near miss vengono registrati, ma non producono apprendimento sistemico.

P2: Non riesco a dimostrare alla direzione il valore economico degli investimenti in sicurezza.

P3: Aggiornare le procedure HSE richiede settimane ogni volta che cambia la normativa.

→ Come interviene l'AI? Quale dato serve? Quali resistenze prevedi?

🟢 Scheda Stanza C

P1: Le materie prime critiche hanno lead time di settimane/mesi. Un errore di previsione è molto costoso.

P2: Non riesco a comunicare ai clienti un lead time realistico perché non conosco esattamente lo stato dei semilavorati.

→ Come interviene l'AI? Quale dato serve? Quali resistenze prevedi?

🟣 Scheda Stanza D

P1: Un operatore chiama malato 30 minuti prima del turno. Devo trovare un sostituto rispettando normativa, km, ore.

P2: Una richiesta urgente arriva fuori orario. Non ho modo di capire rapidamente costo e fattibilità dell'intervento.

→ Come interviene l'AI? Quale dato serve? Quali resistenze prevedi?

🖥️

Setup remoto: Beatrice e Stefano si dividono le stanze — ciascuno visita 2 gruppi nel corso dei 20 minuti. Possono restare osservatori silenziosi o entrare se il gruppo è bloccato. A 2 minuti dalla fine mandare un messaggio in ogni stanza: "Preparate 2 minuti di restituzione: problema scelto, soluzione immaginata, dato chiave, una resistenza."

🎤

Restituzione in plenaria — 20 min

Ogni gruppo ha 4 minuti di presentazione + 1 minuto di commento da Beatrice o Stefano. Struttura guidata:

① Il problema che vi ha colpito di più nel vostro contesto
② La soluzione AI che avete immaginato (come funziona, secondo voi)
③ Il dato critico che manca o è difficile da raccogliere
④ La resistenza principale che avete identificato

Il facilitatore non corregge — confronta con approcci reali usando il linguaggio "uno dei modi in cui questo è stato affrontato..." per non chiudere il dibattito. Annotare le resistenze emerse: torneranno nel blocco 5.

Nota facilitatori: L'obiettivo non è che i gruppi trovino la soluzione "corretta". L'obiettivo è che ragionino sulla struttura del problema e sulla necessità dei dati. La risposta più interessante è spesso "non ce l'abbiamo, quel dato" — è un insight reale sul gap tra potenziale e realtà. Dedicare il tempo di restituzione anche a chi ha trovato più difficoltà: le resistenze emerse sono il materiale più prezioso per il blocco successivo.

01:20

Esempi pratici di AI verticale

Architettura, risultati misurabili e limiti reali · gestione: Stefano

28 min

Obiettivo: ancorare i concetti dell'architettura AI ai problemi specifici di ogni cluster — con dati reali, approcci e ostacoli concreti

🏗️

L'architettura spiegata in modo non tecnico — 5 min

Presentare i tre strati fondamentali di un sistema AI verticale per la manifattura:

1. Data Lake / Piattaforma dati unificata — Il livello fondamentale: tutti i dati aziendali (ERP, MES, CRM, IoT, fogli Excel, dati qualità) vengono raccolti, puliti e connessi in un unico repository relazionale. Non è un database classico — preserva le relazioni tra le informazioni (la commessa è collegata al fornitore, al turno, alla macchina, alla qualità).

2. Agenti AI verticali — Modelli specializzati per dominio: un agente che capisce di pianificazione, uno di qualità, uno di manutenzione, uno di logistica. Ogni agente "ragiona" sui dati del data lake e produce output specifici: previsioni, anomalie, priorità, suggerimenti.

3. Orchestratore — Il livello di interfaccia: coordina gli agenti, risponde a domande in linguaggio naturale, genera report, simula scenari what-if e mostra l'impatto delle decisioni prima che vengano prese.

Analogia utile: il data lake è il magazzino dove tutto è finalmente ordinato e collegato. Gli agenti sono i tecnici specializzati che lo leggono. L'orchestratore è il collega che parla con tutti loro e riporta le risposte in modo comprensibile.

📈

Quattro casi reali — uno per ogni cluster — 18 min

Per ogni caso: contesto → problema → come l'AI interviene → risultato misurabile → ostacolo reale incontrato. I casi seguono esattamente i temi affrontati nelle breakout room.

🔵 Stanza A · Operation & Production

Pianificazione dinamica e qualità di linea

Contesto: Produttore con alta variabilità della domanda e componenti critici a lungo lead time.

Problema: Il piano di produzione veniva aggiornato manualmente ogni lunedì mattina — a metà settimana era già obsoleto. Gli scarti su una linea aumentavano senza causa apparente.

Come interviene l'AI: Il data lake aggrega ordini, previsioni CRM, stato magazzino e dati di linea. Un agente di pianificazione genera previsioni rolling su 8 settimane. Un secondo agente correla turno, temperatura macchina, velocità e lotto materia prima — identificando pattern di scarto invisibili all'occhio umano.

Risultati: +10% OTIF · –20% livelli di stock · –25% scarti sulla linea critica

Difficoltà reale: i dati storici erano in tre Excel con formati diversi. L'integrazione ha richiesto 3 settimane prima di poter addestrare gli agenti.

🔴 Stanza B · HSE Manager

Prevenzione proattiva e gestione normativa

Contesto: Azienda manifatturiera con obbligo di reporting HSE trimestrale e alto volume di near miss non strutturati.

Problema: I near miss venivano registrati ma non producevano apprendimento sistematico — ogni incidente "sorprendeva" comunque. Aggiornare le procedure al cambio normativo richiedeva settimane di lavoro manuale.

Come interviene l'AI: Un agente analizza il corpus storico di near miss, incident report e dati di turno identificando cluster ricorrenti per area, orario e tipologia di attività. Un secondo agente monitora le fonti normative ufficiali e segnala le procedure che richiedono aggiornamento, generando una bozza di modifica da revisionare.

Risultati: –40% incidenti nelle aree ad alto rischio identificate · aggiornamento normativo da 3 settimane a 3 giorni

Difficoltà reale: la resistenza principale era culturale — gli operatori percepivano il sistema come uno strumento di sorveglianza, non di tutela.

🟢 Stanza C · Logistica & Supply Chain

Visibilità della catena e lead time cliente

Contesto: Azienda con materie prime critiche a 8–12 settimane di lead time e clienti che richiedono conferma data entro 24 ore dall'ordine.

Problema: Nessuna visibilità reale sullo stato dei semilavorati lungo la catena. Il commerciale prometteva date basate su stime — la produzione smentiva due settimane dopo.

Come interviene l'AI: Il data lake integra ERP, stato WIP, dati fornitori e tracking spedizioni. L'orchestratore risponde in linguaggio naturale a domande come "quando posso confermare la commessa X?" calcolando la data in base allo stato reale dei semilavorati e alla capacità disponibile.

Risultati: +15% affidabilità delle date confermate al cliente · –30% richieste di aggiornamento stato ordine

Difficoltà reale: i fornitori non avevano API — l'integrazione si è basata su email parsing e aggiornamenti manuali strutturati.

🟣 Stanza D · Operatività complessa / TPL

Gestione turni e richieste urgenti fuori orario

Contesto: Operatore di trasporto pubblico locale con gestione turni su 200+ operatori, normativa contrattuale complessa e picchi di richieste urgenti.

Problema: Un operatore chiama malato 30 minuti prima del turno. Il responsabile deve trovare un sostituto rispettando km percorsi, ore settimanali, qualifiche e contratto — in meno di 10 minuti. Le richieste urgenti fuori orario arrivano senza dati di costo e fattibilità.

Come interviene l'AI: Un agente operativo accede al data lake del personale (disponibilità, km, ore, qualifiche, stato contrattuale) e propone una rosa di 3 sostituti conformi ordinati per priorità. Un secondo agente stima in tempo reale il costo e la fattibilità di un intervento urgente.

Risultati: Tempo medio di sostituzione: da 22 min a 4 min · –90% errori normativi nella sostituzione

Difficoltà reale: i dati del personale erano in un sistema legacy degli anni '90 non documentato. La mappatura ha richiesto un'analisi etno-informatica sul campo.

🔎

Discussione critica: cosa non funziona — 5 min

Riprendere le resistenze emerse nelle breakout room (annotate nel blocco precedente) e confrontarle con le difficoltà reali dei casi appena presentati.

Chiedere: "Qualcuna delle barriere che avete identificato nelle stanze corrisponde a quelle che abbiamo incontrato nei casi reali?"

Non difendere la tecnologia — riconoscere i limiti concreti: qualità dei dati di partenza, resistenza culturale del personale, costi e tempi di integrazione, rischio di sovra-automatizzare decisioni che richiedono giudizio umano.

🤔

Prompt facilitatore: "Se doveste implementare qualcosa di simile nella vostra azienda, qual è il primo ostacolo che incontrereste? Non quello tecnologico — quello umano o organizzativo." Questa domanda sposta il frame dalla tecnologia alla governance del cambiamento.

01:48

Piano d'azione individuale

Dal "capito" al "farò" · riflessione e condivisione · gestione: Beatrice

8 min

Obiettivo: trasformare l'apprendimento in intenzione di azione — concreta, realistica, a bassa resistenza

✍️

Scrittura individuale silenzio — 5 min

Ogni partecipante compila individualmente (in chat privata o su un foglio personale) i propri tre passi. I passi non hanno scadenze temporali — ognuno calibra i propri tempi in base al proprio contesto.

1

Mappare la situazione attuale

Identificare quali dati operativi avete già e dove sono — ERP, MES, Excel, fogli condivisi. Non è necessario averli in ordine: serve sapere cosa c'è. Segnare i gap più evidenti: cosa manca e perché. Questo è il punto di partenza reale, non quello ideale.

2

Identificare un problema con impatto misurabile

Scegliere un processo ricorrente che genera inefficienza misurabile: tempo sprecato, errori frequenti, ritardi che si ripetono, decisioni prese con informazioni incomplete. Definire la metrica di "successo" prima di qualsiasi soluzione — questo rende il progetto valutabile e difendibile internamente.

3

Progettare il percorso organizzativo

Pensare a chi coinvolgere (IT, Finance, HR, operatori), quale budget o sponsor sarebbe necessario, quali resistenze interne anticipare e come affrontarle. Spesso il vero lavoro non è tecnologico — è costruire la fiducia organizzativa perché i dati vengano condivisi e usati.

🎙️

Condivisione volontaria — 3 min

Invitare 2–3 persone a condividere il loro Passo 1 in chat o a voce — non per giudicarlo, ma per creare ispirazione reciproca.
Chiedere: "C'è qualcuno che ha identificato un problema simile? Potreste confrontarvi dopo?" — favorire la creazione di micro-reti tra partecipanti del corso.

01:56

Chiusura: domande e contatti

Completare il cerchio · domande iniziali · disponibilità · gestione: entrambi

4 min

Obiettivo: chiudere il cerchio con le domande di apertura e lasciare un canale aperto per il dialogo

🔄

Ritorno alle domande iniziali — 3 min

Stefano proietta le domande raccolte all'inizio (o le legge dalla lista). Beatrice risponde brevemente alle 3–4 più rappresentative.

Per le domande a cui non si riesce a rispondere con certezza: "Non ho una risposta definitiva a questa — ma è esattamente il tipo di domanda che andrebbe esplorata con dati reali, nel vostro contesto specifico."

📬

Disponibilità e contatti — 1 min

Beatrice e Stefano sono disponibili per approfondimenti, domande o confronti in qualsiasi momento — anche dopo la conclusione del corso. Condividere i contatti in chat:

Incoraggiare il contatto diretto per domande specifiche sul proprio contesto, senza formalità: "Se mentre lavorate su uno dei vostri passi trovate un dubbio o volete un confronto, scriveteci direttamente."

L'intelligenza artificiale come strumento operativo