Le imprese italiane del settore dei beni di consumo confezionati (Consumer Packaged Goods – CPG) vedono nell’intelligenza artificiale industriale una leva per recuperare efficienza, ma la maggior parte è ancora lontana da un impiego esteso nei processi produttivi. In un’indagine commissionata da Schneider Electric e condotta da Censuswide su 200 decisori di aziende italiane del settore, il 38,5% colloca l’AI in progetti pilota e un altro 34,5% la usa in una o due aree operative. Solo il 15% dichiara applicazioni diffuse su più siti o processi e il 3% la descrive come centrale per le decisioni produttive e operative.
Inefficienze e perdite economiche
La distanza tra sperimentazione e uso operativo pesa perché le stesse aziende stimano che i ricavi manifatturieri persi per inefficienze possano salire dal 15,6% di oggi al 29,2% nel 2030. I numeri arrivano dal report "2026 Industrial AI in CPG Study – Italy Insights", basato su interviste realizzate tra il 26 febbraio e il 24 marzo 2026. Il campione comprende 100 imprese food & beverage e 100 del comparto life sciences.
Il campione indica una pressione economica crescente, ma non attribuisce tutta la perdita all’AI o a una singola causa. I manager stimano che nel 2030 le inefficienze assorbiranno il 29,2% dei ricavi manifatturieri, contro il 15,6% attuale; per food & beverage la stima passa dal 17,7% al 29,4%, mentre per life sciences dal 13,5% al 29,1%.
Composizione dei costi
La composizione del costo aiuta a capire perché l’automazione intelligente interessi la produzione. Nel quadro italiano del report, l’energia pesa per il 15,4% della composizione dei costi di prodotto, le materie prime per il 15,3% e il lavoro per il 13,6%; seguono costi regolatori e di compliance al 12,7%, ritardi e inefficienze manifatturiere al 12,5% e fermi o guasti al 10,8%.
Ostacoli all'adozione dell'AI
Energia, fermi e scarti sono variabili che i sistemi di fabbrica possono monitorare attraverso sensori e dati di processo. Un modello può aiutare a individuare deviazioni dai parametri, anticipare guasti o suggerire correzioni, ma il risultato dipende da dati aggiornati e collegati ai macchinari.
Per questo la disponibilità di un algoritmo non basta: il sistema deve leggere contesto operativo, ricette, qualità e vincoli di sicurezza senza interrompere la produzione.
Livelli di adozione
La distribuzione dei livelli di adozione mostra un percorso ancora in costruzione. Il 38,5% delle aziende si ferma a progetti pilota e prove di concetto; il 34,5% ha introdotto AI in una o due aree operative. Un ulteriore 15% la utilizza in più siti o processi, mentre il 9% dichiara di non avere iniziative in corso. Solo il 3% la considera già uno strumento per le decisioni produttive e operative.
Barriere alla scalabilità
Nel sondaggio, il 46,5% indica la carenza di competenze AI o data science come principale ostacolo alla scalabilità; il 34,5% cita i sistemi legacy e l’infrastruttura, mentre il 28,5% segnala la mancanza di dati operativi contestualizzati. Seguono la resistenza della forza lavoro (21%) e quella del management (14%).
La rilevazione segnala inoltre che il 10% cita preoccupazioni di cybersecurity o compliance e il 7,5% i costi elevati di implementazione.
Ritorno sull'investimento e integrazione
Le imprese che hanno già adottato AI stimano un ritorno medio sull’investimento del 15% oggi e si aspettano che salga al 33,6% nel 2027 e al 54,9% nel 2030. Il report precisa che la domanda è stata posta ai rispondenti con applicazioni AI già in uso (n=105).
Per trasformare la previsione in un caso economico, un produttore deve associare ogni progetto a una metrica operativa: ore di fermo evitate, scarti ridotti, energia per unità prodotta, tempo di cambio ricetta o interventi di manutenzione. Deve poi misurare una base di partenza e i costi di integrazione, formazione e gestione.
Modifica di ricette e ingredienti
Il report cita anche la capacità di modificare ricette e ingredienti: l’88% dei produttori afferma che i propri sistemi supportano queste variazioni, ma nel 62,5% dei casi serve ancora approvazione o configurazione manuale. Solo il 25,5% dichiara un processo completamente automatizzato e integrato.
Esempi pratici
Per mostrare come l’integrazione possa tradursi in attività concrete, il report presenta due esperienze del comparto caffè. A Settimo Torinese, Lavazza ha modernizzato una linea di confezionamento realizzata negli anni Sessanta, collegando controllori, azionamenti e software di fabbrica per coordinare la produzione e mantenere flessibilità nei cambi di mercato.
Per Zicaffè, azienda siciliana, il documento descrive un’architettura che integra dati di processo, ricette e parametri di qualità per ottimizzare la produzione e ridurre gli scarti.