Per anni l’intelligenza artificiale ha lavorato soprattutto sui dati: testi, immagini, codice, previsioni. La physical ai sposta il baricentro. Non si limita a suggerire, classificare o generare. Osserva l’ambiente, interpreta istruzioni, prende decisioni e agisce nel mondo fisico attraverso robot, sistemi mobili, bracci industriali, esoscheletri e macchine autonome. È questo il passaggio che il Capgemini Research Institute descrive come punto di svolta per la robotica industriale e di servizio.
La differenza rispetto alla robotica tradizionale è netta. I robot di prima generazione funzionavano bene in ambienti ordinati e prevedibili: linee di montaggio, percorsi fissi, sequenze ripetute. La nuova ondata combina modelli multimodali, simulazione, sensori più economici, calcolo edge e dati raccolti sul campo. Il risultato è una macchina meno rigida, capace di adattarsi a variazioni, imprevisti e istruzioni in linguaggio naturale. Non è ancora autonomia piena in ogni contesto, ma è un salto concreto rispetto ai sistemi programmati una volta per tutte.
Secondo il report, il 67% dei dirigenti intervistati considera la physical ai un fattore destinato a cambiare il proprio settore e il 64% la vede come una leva critica di competitività.
Il dato conta soprattutto per il profilo del campione: 1.678 dirigenti, tra gennaio e febbraio 2026, in 16 Paesi e 15 industrie, tutti provenienti da organizzazioni con ricavi superiori a 1 miliardo di dollari, salvo alcune eccezioni per difesa e settore pubblico.
Indice degli argomenti:
Perché il tema è economico, prima ancora che tecnologico
Il cuore della questione non è la fascinazione per i robot umanoidi. È il lavoro che manca. Nel sondaggio Capgemini, il 74% dei manager indica la carenza di manodopera come primo motore degli investimenti e il 69% cita l’aumento del costo del lavoro. Dietro questi numeri ci sono dinamiche strutturali: invecchiamento della popolazione, difficoltà di reclutamento, minore disponibilità ad accettare mansioni ripetitive o pesanti, necessità di riportare capacità produttiva vicino ai mercati finali.
Il report lega in modo esplicito la diffusione della physical ai alla reindustrializzazione. Negli Stati Uniti, ricorda Capgemini citando il Bureau of Labor Statistics, ci sono quasi mezzo milione di posti vacanti nel manifatturiero. In Europa, l’European Labour Authority segnala carenze persistenti in professioni tecniche come saldatura, metalmeccanica, riparazioni meccaniche e gestione di macchinari. In questo quadro, i robot non vengono presentati come semplice sostituzione del lavoro umano, ma come risposta a un deficit di capacità produttiva.
Da qui nasce anche un cambio di linguaggio nella business community. L’automazione non è più soltanto riduzione dei costi. Diventa continuità operativa, stabilità della qualità, presidio della sicurezza, possibilità di mantenere o riportare in patria attività industriali che altrimenti resterebbero scoperte. Nel report, il 66% delle organizzazioni indica la physical AI come priorità alta nella strategia di automazione per i prossimi tre-cinque anni.
Dalla linea di montaggio al corridoio d’ospedale
La parte più solida del report è quella che prova a uscire dal lessico della promessa e a misurare dove la physical ai può generare valore. I benefici attesi più citati sono aumento della produttività, indicato dal 76% degli intervistati, efficienza dei costi al 70% e miglioramento della qualità e precisione al 65%. Subito dopo arrivano resilienza operativa e sicurezza.
Non è una lista astratta.
Nella manifattura, la physical ai serve a gestire produzioni più variabili, lotti più piccoli, cambi di linea più frequenti.
Nella logistica, aiuta con ambienti disordinati, articoli irregolari, movimentazione interna, picking e smistamento.
Nei cantieri e nelle miniere, entra dove il rischio umano è alto e l’ambiente cambia di continuo.
In agricoltura, promette di affrontare terreni irregolari, variabilità delle colture e scarsità di manodopera stagionale.
In sanità e assistenza, riguarda mobilità dei pazienti, riabilitazione, supporto agli anziani.
Nell’energia e nelle assicurazioni, può essere impiegata per ispezioni in aree remote o valutazione dei danni dopo eventi estremi.
Tra i casi d’uso più rilevanti, il report segnala operazioni in ambienti pericolosi, ispezioni sul campo, micro-logistica e pick-and-place adattivo. Nei settori specifici emergono il montaggio dinamico in fabbrica, l’assistenza sanitaria e agli anziani nel settore pubblico, la valutazione dei danni per le assicurazioni, la mappatura nei cantieri, la cura di precisione delle colture in agricoltura.
Per la manifattura, l’82% dei dirigenti considera ad alto impatto l’assemblaggio dinamico; nella supply chain, micro-logistica e pick-and-place arrivano entrambe al 74%.
La corsa è già partita, ma non in modo uniforme
Il report fotografa un mercato più avanti di quanto suggerisca il dibattito pubblico. Il 79% delle organizzazioni dichiara di avere già avviato iniziative sulla physical ai: il 31% è in fase esplorativa, il 20% sta facendo piloti o proof of concept, il 27% è già in deployment limitato o in scala. Ancora più rilevante è l’orizzonte temporale: il 65% si aspetta di arrivare alla scala entro cinque anni.
I comparti più avanti sono quelli con una base robotica già presente: high tech, manifattura industriale, automotive, magazzini e logistica. Qui il passaggio non è dalla manualità pura alla macchina intelligente, ma da automazioni rigide a sistemi più flessibili. In altri settori, come life sciences, aerospazio e costruzioni, il livello di interesse è alto ma il deployment procede più lentamente per ragioni regolatorie e di sicurezza.
Anche comparti finora poco associati alla robotica, come servizi pubblici, media e assicurazioni, stanno però entrando nella fase di sperimentazione.
È un punto importante: la physical AI non si diffonde come tecnologia uniforme. Segue le convenienze economiche, la maturità operativa e il grado di tolleranza al rischio. Dove i compiti sono ripetitivi ma non del tutto strutturati, il valore emerge prima. Dove entrano in gioco contatto ravvicinato con persone, responsabilità mediche o elevata criticità normativa, il ritmo è più prudente.
Il vero motore: modelli di base, simulazione e dati
Sul piano tecnico, Capgemini individua tre forze convergenti. La prima è l’arrivo di foundation model per la robotica, capaci di combinare visione, linguaggio e azione. La seconda è il miglioramento della simulazione, che consente di addestrare robot più rapidamente e a costi minori. La terza è il cosiddetto flywheel tra AI, robot e dati: i robot operano nel mondo, raccolgono dati, i modelli migliorano, i nuovi robot diventano più efficaci. A questo si aggiungono hardware meno costosi, batterie migliori, connettività più robusta e modelli commerciali come il robotics-as-a-service.
Questo spiega perché la physical ai venga descritta come un’infrastruttura condivisa di intelligenza, non come una somma di macchine isolate. Se il sapere operativo smette di essere legato al singolo robot e si sposta in modelli, dati e piattaforme, l’automazione scala più rapidamente.
Un compito imparato in un sito può essere riusato in un altro con costi marginali più bassi. Per le imprese è una differenza profonda: non si compra solo un macchinario, si costruisce una base di competenze digitali incarnate.
Il nodo che rallenta tutto: affidabilità
Il report non nasconde i limiti. È forse il passaggio più credibile dell’intero documento. La barriera principale è la readiness tecnologica. Il 73% degli intervistati la indica come ostacolo critico. Il 71% dice che la mancanza di affidabilità frena un deployment sicuro; il 62% segnala la destrezza insufficiente dei robot; il 56% parla di scarsità di dati di addestramento.
Il problema dell’affidabilità è semplice da formulare e difficile da risolvere. Un robot può funzionare bene in demo, in simulazione o in contesti controllati, ma fallire quando incontra variazioni minime: una confezione deformata, un riflesso di luce, un oggetto posato male, un passaggio stretto, una persona che interrompe il percorso. In applicazioni critiche basta una percentuale molto bassa di errore per rendere il sistema inaccettabile.
Da qui discende la seconda grande questione: la sicurezza non può dipendere soltanto dall’AI. Capgemini sostiene che servano meccanismi deterministici, separati dal livello probabilistico dei modelli, capaci di imporre limiti verificabili al comportamento delle macchine. In parallelo cresce il tema cyber: più autonomia significa più superficie di attacco, più necessità di impedire accessi non autorizzati e manipolazioni del comportamento robotico.
Umanoidi: molta convinzione, ritorni più lenti
Nel dibattito pubblico il simbolo della physical AI è il robot umanoide. Anche qui il report mantiene un doppio registro: aspettative alte, tempi lunghi. Due dirigenti su tre ritengono che gli umanoidi avranno un impatto trasformativo sul proprio settore. Più della metà delle organizzazioni dichiara di investire o pianificare investimenti. Il 45% prevede di impiegarli accanto ai lavoratori entro il 2030.
Ma quando si passa dalle intenzioni alla scala, il quadro cambia. Il 78% si aspetta che gli umanoidi vengano adottati su larga scala, però non a breve. Il tempo medio stimato è di circa sette anni e solo il 30% pensa che possano diventare lavoratori generalisti validi entro tre-cinque anni.
Le ragioni sono:
- immaturità tecnologica al 72%,
- costi elevati al 63%,
- ritorno sull’investimento incerto al 62%,
- difficoltà di training al 58%,
- problemi di sicurezza al 54%.
C’è poi un altro freno, meno tecnico e più sociale. Il 62% dei dirigenti ritiene che l’accettazione pubblica sarà un ostacolo critico agli umanoidi. È un dato che apre una linea di faglia diversa da quella industriale: non basta che la macchina funzioni, deve anche essere considerata legittima, sicura e utile in ambienti umani.
Per questo, almeno nel breve periodo, il report vede la crescita concentrarsi su forme robotiche già note: amr, bracci industriali, cobot. Sono piattaforme più mature, più facili da integrare e meno cariche di aspettative simboliche. Il valore immediato, in altre parole, non passerà per il robot simile all’uomo, ma per macchine specializzate rese più intelligenti.
Il passaggio decisivo è organizzativo
C’è un punto che interessa direttamente manager, imprese e investitori: la physical AI non si adotta come si compra un software. Richiede infrastruttura, manutenzione, governance dei dati, integrazione tra IT e OT, competenze interne, protocolli di sicurezza, gestione di flotte, aggiornamenti over-the-air, diagnosi edge, procedure di intervento umano. Capgemini insiste su questo aspetto: per scalare servono fondazioni operative, non soltanto algoritmi migliori.
Il report propone cinque mosse:
- capire che cosa la physical ai può fare oggi,
- partire da casi d’uso che costruiscano fiducia,
- sperimentare più form factor senza fissarsi sugli umanoidi,
- riprogettare i flussi di lavoro per la collaborazione uomo-robot,
- costruire una piattaforma scalabile invece di moltiplicare piloti isolati.
Dietro questa sequenza c’è una tesi manageriale precisa: il rischio maggiore non è arrivare tardi alla tecnologia, ma confondere la demo con il deployment.
Chi guadagna davvero da questa transizione
Il beneficio più evidente va alle imprese che operano in settori labour-intensive e con forte volatilità operativa. Ma l’effetto potrebbe allargarsi a tutta la catena industriale: produttori di sensori, attuatori, batterie, piattaforme di simulazione, software di orchestrazione, integratori, operatori di rete privata 5G, specialisti cyber. La physical ai non è un singolo mercato: è una filiera.
Anche il lavoro cambia composizione. Il report parla di upskilling, nuovi ruoli tecnici e trasferimento di mansioni dagli operatori ai sistemi autonomi. Non c’è una stima quantitativa sull’impatto occupazionale netto, e questo è uno dei limiti del documento. Ma il quadro che emerge è che nelle economie avanzate, dove il problema è spesso la scarsità di personale più che l’eccesso, la physical AI viene letta soprattutto come tecnologia di supporto alla capacità produttiva.
La partita si gioca adesso, ma non si vince con gli annunci
La conclusione del report è sobria: il valore immediato può essere estratto già oggi attraverso piattaforme mature come robot mobili autonomi e bracci industriali intelligenti, mentre gli umanoidi restano una scommessa di più lungo periodo. È una distinzione utile in una fase in cui il mercato tende a concentrare l’attenzione sul form factor più spettacolare, non su quello economicamente più conveniente.
Il punto decisivo è questo: la physical AI non è ancora una rivoluzione compiuta, ma ha smesso di essere un’ipotesi da laboratorio. Ha già trovato un perimetro industriale, una domanda economica e una grammatica manageriale. Quello che manca non è la prova che qualcosa funzioni. Manca la capacità di portare queste tecnologie fuori dai piloti e dentro processi standard, sicuri, finanziariamente sostenibili.
È qui che la physical AI smette di essere una voce del lessico tecnologico e diventa materia da conti economici, investimenti industriali e politica del lavoro.
