La Physical AI è chiaramente il prossimo anello della catena dell'entusiasmo collegato ai vari volti dell'intelligenza artificiale. Se l'AI generativa è stata ampiamente sdoganata e le aziende stanno cercando di capire cosa farci davvero, mentre l'AI agentica è un ambito decisamente più spinoso perché la tecnologia bene o male è chiara ma la sua gestione è molto somplessa, l'AI fisica ha alcuni importanti vantaggi di percezione. È facile spiegarla, ha campi di applicazione chiari, estende un concetto - l'automazione robotica - che è ampiamente recepito.

Ovviamente le cose non sono proprio così banali, avverte Capgemini. Dare alle "macchine" la capacità - o meglio, più capacità - di percepire l'ambiente, ragionare e agire in modo autonomo porta, nella robotica, una importante evoluzione: passare dai robot che eseguono compiti fissi e preprogrammati a robot in grado di generalizzare tra compiti diversi, percepire e muoversi in ambienti complessi, prendere decisioni contestuali e adattarsi alle variazioni del mondo reale. Il che apre la strada a nuove soluzioni per problemi che l’automazione tradizionale non era in grado di affrontare.

Per capire meglio come stanno le cose in campo AI "fisica", Capgemini ha realizzato il report Physical AI: Taking human-robot collaboration to the next level. Il report si basa su una survey che ha coinvolto un campione di 1.678 dirigenti (il 7% italiani) appartenenti a 15 settori, integrata da interviste approfondite con esperti dell’ecosistema della Physical AI e della robotica.

La prima conclusione che Capgemini trae dalla sua analisi è che la Physical AI è a un punto critico della sua affermazione. Lo sviluppo di "foundation model" multimodali permette finalmente di realizzare soluzioni in cui i robot sono in grado di adattarsi a situazioni sconosciute senza necessità di riprogrammazione specifica per ogni attività, estendendone l’impiego in ambienti non strutturati: contesti dinamici che i sistemi robotici precedenti non erano in grado di gestire. Parallelamente, i progressi nella simulazione stanno riducendo i cicli di addestramento dei robot, il cui training avviene ora in ambienti virtuali e non più solo in situazioni reali.

L'evoluzione tecnologica dell'AI in sé però non basterebbe a spingere la Physical AI, che suscita interesse anche per altre dinamiche convergenti: una riduzione dei costi dei principali componenti hardware della robotica, la diffusione di nuovi modelli commerciali di robotics-as-a-service (RaaS), l’invecchiamento della forza lavoro, una persistente carenza di manodopera, una maggiore disponibilità di capitali di investimento. Il ponte tra il virtuale dell'AI "pura" e il fisico dell'automazione diventa quindi sempre più semplice da costruire.

Fattore di cambiamento

Il risultato, anche mediatico, è che c'è un fortissimo interesse per questa evoluzione della robotica e dell'automazione. Tanto che ben il 67% del campione analizzato da Capgemini considera l'AI fisica come un "game changer" per il proprio mercato e come un importante elemento di competitività. In che modo? Ci si aspettano soprattutto benefici in termini di produttività, efficienza, flessibilità operativa, sicurezza sul lavoro.

Quasi quattro dirigenti su dieci ritengono poi che la Physical AI porti nuove fonti di ricavo e il 60% ritiene che renderà possibile l’impiego della robotica in ambiti finora impossibili o impraticabili. I casi d’uso ad alto impatto spaziano dalle operazioni pericolose alla micro-logistica, dal pick-and-place alle ispezioni sul campo, insieme ad applicazioni specifiche di settore (Manufacturing, Sanità, Assicurazioni sono i più citati). Non stupisce quindi che la Physical AI sia di fatto già entrata nella gran parte (79%) grandi imprese. Il 27% ha avviato le prime implementazioni o le sta estendendo, e il 65% prevede di raggiungere la piena operatività della AI fisica entro cinque anni.

Nel breve termine, i robot/cobot della Physical AI non saranno granché diversi da quelli attuali: avranno fattori di forma consolidati e già testati per applicazioni specifiche. Con la maturazione dei foundation model e l’espansione della AI fisica in diversi settori, è probabile che emergano categorie completamente nuove di robot, progettate per ambienti eterogenei, compiti complessi e nuove modalità di collaborazione con l’uomo. I robot umanoidi, così iconici, restano una prospettiva di più lungo periodo: oggi la tecnologia non è matura, ci sono questioni chiave di sicurezza, la sostenibilità economica è dubbia.

Attenzione, però: non sarà tutto rose e fiori per la Physical AI. Estenderne progressivamente l'uso non è solo una questione di tecnologia ma anche di sicurezza, cybersecurity, conformità normativa e preparazione operativa. Portare la Physical AI su larga scala implica ripensare il modo in cui i sistemi vengono progettati, protetti, governati e gestiti. I sistemi di AI fisica attuali non soddisfano ancora le (elevate) soglie di affidabilità richieste nei contesti industriali e in altri ambienti critici.

Inoltre, con l’aumento dell’autonomia dei robot, cresce l’esposizione ai rischi di cybersecurity. Il che rende necessari controlli in grado di prevenire accessi non autorizzati ai sistemi di automazione. Non aiuta in questo senso che, come spesso accade, le normative siano indietro rispetto alla realtà della nuova robotica AI, lasciando irrisolte questioni chiave legate alla responsabilità operativa e ai livelli accettabili di rischio per le imprese.

Come muoversi

Come sempre, Capgemini conclude il suo report presentando quelli che considera i passi chiave per agevolare l'adozione della tecnologia analizzata, ossia - stavolta - della Physical AI. Il primo è, prevedibilmente, capire lo scenario in cui ci si muove. Ossia sviluppare una visione realistica di ciò che la Physical AI può e non può fare oggi: il valore che può generare, le capacità che abilita, i suoi attuali limiti tecnici, le sfide dell’interazione uomo-robot, i vincoli ingegneristici e normativi. Bisogna anche valutare in che misura le infrastrutture dati esistenti possano supportare l’adozione della Physical AI, e quali eventuali lacune vadano colmate.

Secondo Capgemini, poi, la Physical AI va approcciata con casi d’uso (relativamente) semplici: applicazioni chiaramente vantaggiose, facilmente implementabili e con un ritorno sull’investimento tangibile per i team operativi. Da queste soluzioni ci si muove con analisi e potenziamenti ciclici, anche esplorando nuovi tipi di robot AI. Parallelamente, bisogna ripensare i flussi di lavoro per la collaborazione tra persone, agenti AI e robot, definendo chiaramente passaggi di consegna, modelli di supervisione, protocolli di sicurezza, percorsi di escalation. E qui le esigenze di chi lavorerà a fianco dei robot siano integrate nei progetti fin dall’inizio.

Una vera crescita della Physical AI in azienda richiede comunque un approccio che Capgemini definisce "a piattaforma". Serve cioè una base tecnologica (e di conoscenze convertite in modelli di AI) comune adottabile per diversi compiti, siti e tipologie di robot, oltre a diversi livelli di orchestrazione per coordinare agenti AI e flotte robotiche. Qui gli elementi architetturali e operativi fondamentali - flussi di dati, policy di sicurezza e cybersecurity, meccanismi di orchestrazione - dovrebbero essere definiti e standardizzati fin dai primi progetti, per facilitare la loro estensione a man mano tutta l'impresa.

In contemporanea, è critico affrontare fin dall’inizio tutti i temi riguardanti la sicurezza sul lavoro. Vanno stabiliti limiti e principi operativi chiari che rendano la Physical AI sicura e prevedibile: definire dove i robot possono operare, quali attività restano esclusivamente umane, quali sono le soglie di rischio accettabili, come funzionerà concretamente la supervisione human-on-the-loop.

Infine, dato che il mondo della Physical AI è appena agli albori ed evolve rapidamente, le aziende utenti devono mantenere uno stretto e continuo collegamento con tutto l’ecosistema della AI fisica e della robotica: fornitori di robotica, integratori, centri di ricerca, organismi di standardizzazione, autorità normative. Questo consente di conoscere il prima possibile i progressi in campo AI, e di conseguenza di prendere sempre decisioni informate.