Content Benefit

Content Strategy | UX Writing | Content Design | Globalization | Communications

La fabbrica non va in pensione

La fabbrica non va in pensione

L’AI generativa nella produzione farmaceutica di Angelini Pharma

L’arrivo dell’AI generativa in fabbrica mi fa pensare a una seconda rivoluzione industriale: i processi manuali si automatizzano e i tempi si accorciano. Ma le catene di montaggio non hanno mai mandato in pensione gli operai specializzati, e anche questa volta chi conosce le macchine resta al suo posto, con un ruolo persino più centrale. Un buon esempio italiano l’ha raccontato Agenda Digitale e l’hanno presentato all’AI & Automation Talk degli Osservatori Digital Innovation del Politecnico di Milano: Angelini Pharma, insieme a Class Reply, ha trasformato decenni di note scritte dagli operatori di linea in indicazioni in tempo reale per far ripartire un impianto fermo.

Trent’anni di appunti sui fermi macchina

Angelini Pharma è un gruppo familiare fondato nel 1919, con oltre 1.500 collaboratori in Italia e una presenza in Europa, Asia e America. Dalle sue linee escono, tra l’altro, la Tachipirina, ospite fisso di quasi ogni cassetto dei medicinali italiano, e diverse terapie per l’epilessia.

Per venti o trent’anni, dopo ogni fermata dell’impianto, il personale ha annotato a computer la causa del guasto e la soluzione adottata. Ne è venuto fuori un patrimonio enorme, però scritto in testo libero, senza categorie, del tutto destrutturato. Raffaele Cardi, Lean Project Manager dell’azienda, riassume così la domanda da cui è partito tutto: “come possiamo valorizzare il know-how consolidato degli operatori per aumentare l’efficienza produttiva?”. La risposta è stata affidare all’AI generativa quel lavoro cognitivo di troubleshooting che ogni tecnico svolge a mente mentre la linea è bloccata.

Come funziona il Cognitive Layer su Microsoft Azure

Il progetto è nato come Minimum Viable Product su una sola linea di produzione. Class Reply, società del Gruppo Reply specializzata nelle tecnologie Microsoft e Databricks, l’ha poi portato a un livello enterprise aggiungendo alla piattaforma esistente un Cognitive Layer: uno strato applicativo che classifica le anomalie e propone il rimedio. Marco Trampaglia, AI Specialist di Class Reply, ha descritto l’architettura:

  • Fonti: allarmi in tempo reale letti direttamente dai macchinari, storico degli allarmi esportato in Excel, segnalazioni inserite a mano;
  • Archivio: Azure Cosmos DB per allarmi e guasti, SharePoint per la Knowledge Base;
  • Elaborazione: Azure Databricks dialoga con Azure OpenAI all’interno di Microsoft Foundry, usando modelli GPT e modelli di text embedding;
  • Interfacce: un’app per gli operatori su schermi touch e iPad, report in Power BI e un pannello amministrativo per chi supervisiona i contenuti.

C’è un requisito chiesto espressamente da Angelini: la Knowledge Base deve poterla gestire e convalidare in autonomia il personale aziendale, senza dipendere dal fornitore. Su una linea nuova la base si popola con lo storico degli allarmi, su quelle già attive si arricchisce ogni giorno con le conferme degli operatori. In entrambi i casi, prima del salvataggio definitivo, un referente interno controlla quello che la GenAI ha elaborato. L’ultima parola, quindi, resta a una persona.

Due clic al posto di minuti di tastiera

Per il personale di linea il cambiamento più forte è stato il rovesciamento della routine. Prima si interveniva sul guasto e solo a fermo concluso si digitava il commento, a posteriori. Ora, davanti a un allarme, la dashboard mostra macchina, prodotto, formato e durata della sosta, mentre l’applicazione propone categorie aggregate, ciascuna con la sua percentuale di confidenza. L’operatore conferma diagnosi e soluzione con due tocchi sullo schermo, e se il caso non è previsto può ancora scrivere una segnalazione libera.

Anche la scelta dell’hardware è arrivata da chi lavora in reparto. Il team di progetto ha chiesto agli operatori cosa avrebbe semplificato la giornata, e la risposta sono stati touch screen e iPad lungo le linee: oggi un’informazione passa in 2 o 3 secondi, quando prima servivano diversi minuti alla tastiera. Da UX writer, questo passaggio è quello che mi piace di più: la tecnologia è stata adottata perché parte dal gesto reale di chi la usa, e la formazione costante ha fatto il resto.

I risultati: +3% di efficienza sul lotto

I numeri dichiarati sono due. L’efficienza del ciclo di lavoro è salita del 3%, e del 3% si è ridotto anche il tempo necessario a completare un lotto da 1.000 pezzi e a renderlo disponibile per il mercato. Può sembrare un guadagno modesto, ma su linee farmaceutiche che girano tutto l’anno ogni punto percentuale significa scatole che arrivano prima in farmacia e meno ore di impianto inattivo.

Perché gli operatori restano il cuore del sistema

Il dettaglio che conferma meglio la mia tesi l’ha dato Cardi rispondendo al pubblico. Angelini usa macchinari di costruttori diversi, tra cui IMA e Partena, e ci convivono generazioni tecnologiche molto lontane: una macchina IMA recente fornisce dati da PLC e sensori dettagliati e strutturati, mentre una di vent’anni fa si limita ad allarmi generici. Proprio dove la sensoristica era più povera, le annotazioni accumulate dagli operatori nel tempo si sono rivelate la fonte più preziosa per addestrare i modelli.

In altre parole, l’AI ha imparato da chi da anni rimette in moto le linee. Senza quell’esperienza scritta, giorno dopo giorno, il sistema avrebbe avuto ben poco da suggerire. Lo stesso gruppo, tra l’altro, ha appena chiuso il progetto Smart Pharma, sostenuto dal Ministero delle Imprese e del Made in Italy, che negli stabilimenti di Ancona, Casella e Aprilia ha sperimentato manutenzione predittiva e smart glasses in realtà aumentata per assistere gli addetti nei cambi formato e nella formazione. Anche lì, il lavoratore sta al centro e la tecnologia lo affianca.

La seconda rivoluzione industriale, in versione AI

Tra fine Ottocento e inizio Novecento elettricità, acciaio e catena di montaggio hanno scomposto il lavoro in operazioni ripetitive, ma hanno anche creato nuove figure: manutentori, attrezzisti, tecnici della qualità. Oggi le previsioni indicano una dinamica simile. Secondo il Future of Jobs Report 2025 del World Economic Forum, entro il 2030 nasceranno circa 170 milioni di posti e ne spariranno 92 milioni, con un saldo positivo di 78 milioni, mentre il 39% delle competenze attuali verrà trasformato o diventerà obsoleto.

Anche in Italia la spinta è evidente. L’Osservatorio Artificial Intelligence del Politecnico di Milano ha stimato per il 2025 un mercato dell’AI da 1,8 miliardi di euro, in crescita del 50%, con il 71% delle grandi imprese impegnate in almeno un progetto contro appena l’8% delle PMI. In media il 47% dei lavoratori usa già strumenti AI in azienda. Il divario tra grandi e piccole realtà resta il vero nodo, e casi come quello di Angelini mostrano che la differenza la fa la qualità dei dati raccolti negli anni, molto più della dimensione del budget.

Ne ho già parlato a proposito del mismatch di competenze e degli over 50: la vera sfida che l’AI ci pone è restare in sella. E non è un caso che proprio la Gen Z stia riscoprendo i mestieri tecnici, come racconto in Liceo o chiave inglese?. Per un quadro più ampio c’è anche AI e il mercato del lavoro.

Le regole: dalle aree bianche all’Annex 22

Finora l’applicativo lavora sulle linee di confezionamento. Quando arriverà nelle “aree bianche”, gli ambienti a contaminazione controllata dove il farmaco viene prodotto, la normativa diventerà più severa, e Angelini avvierà la convalida formale prevista dalla qualità farmaceutica, con riferimento alla ISO 9001 e alle linee guida GAMP e Annex 11.

Nel frattempo l’Unione europea sta definendo l’Annex 22 delle GMP, il primo quadro dedicato all’AI nella produzione di medicinali. La bozza ammette nelle applicazioni critiche solo modelli statici, esclude quelli che continuano ad apprendere durante l’uso e tiene fuori GenAI e LLM da ogni decisione critica. Lascia però spazio a impieghi di supporto, come riassumere report o cercare procedure, purché una persona qualificata riveda l’output e se ne assuma la responsabilità. Anche il legislatore, insomma, vuole un essere umano accanto alla macchina.

Prima e, sperabilmente, meglio

Il caso Angelini Pharma mi conferma che l’AI generativa in fabbrica funziona quando valorizza chi c’era già: trent’anni di appunti sono diventati un assistente che risponde in pochi secondi, ma a scriverli sono stati gli operatori, e sono ancora loro a confermare ogni diagnosi. Come le catene di montaggio un secolo fa, anche questa rivoluzione toglierà gesti ripetitivi e lascerà più spazio all’esperienza. Si farà tutto prima e, sperabilmente, meglio.

Risorse correlate

Chiara Bonifazi