Il gruppo dichiara difficile l’inserimento della tecnologia nei cantieri e nei processi del cliente. È la frase che si sente nelle fabbriche italiane, detta da chi ha trent’anni di autonomia alle spalle.
Il 30 agosto Caterpillar ha spiegato a TechCrunch come sta trasferendo dentro l’azienda l’esperienza accumulata su tre decenni di macchine autonome. Il punto di partenza resta la miniera: camion da trasporto che viaggiano da soli, perforatrici, pale sotterranee, dozer, un centro di comando software, gestione della flotta, intelligenza del terreno da remoto. Ambienti chiusi e ripetitivi, con percorsi definiti e presenza umana ridotta al minimo per ragioni di sicurezza.
Il salto che l’azienda dichiara oggi porta quella competenza dove le variabili si moltiplicano. «Ora siamo in questo momento entusiasmante in cui possiamo prendere tutto ciò che abbiamo imparato dal mining e portarlo in ambienti molto più dinamici, cantieri, cave, siti di costruzione», ha detto la chief technology officer Jaime Mineart durante un incontro alla conferenza Ai4 di Las Vegas.
La differenza fra i due contesti è sostanziale. Una miniera è un perimetro controllato dal proprietario, con vie di transito stabili, un solo committente e una popolazione di macchine omogenea. Un cantiere edile ospita imprese diverse, mezzi di marche diverse, subappaltatori che entrano ed escono, un progetto che cambia mentre viene eseguito e un terreno che si modifica ogni giorno per effetto del lavoro stesso. La tecnologia di percezione e pianificazione può restare simile; il contorno organizzativo cambia natura.
Al di sopra delle macchine, Caterpillar sta portando l’AI negli strumenti di chi lavora. Il Cat AI Assistant, presentato al CES di gennaio e costruito sulla piattaforma dati Helios, consente al tecnico in campo di richiamare a voce le procedure di riparazione, diagnosticare un guasto e individuare i ricambi prima di aprire la macchina. Mineart dichiara che lo strumento è oggi in uso presso clienti, operatori e tecnici. Sullo stesso piano l’azienda colloca il software che scansiona i siti e genera gemelli digitali della produzione, e l’uso interno di agenti che modernizzano codice legacy, generano e testano software e individuano difetti in anticipo.
La materia prima di tutto questo è un patrimonio informativo accumulato in decenni. Mineart indica circa 1,6 milioni di macchine connesse nel mondo e oltre 16 petabyte di dati strutturati generati da quelle macchine. È il tipo di asset che distingue un produttore industriale da chi arriva sul mercato con un modello generalista e un’interfaccia: la telemetria di una flotta reale, associata a interventi di manutenzione realmente eseguiti e a esiti realmente osservati, descrive il dominio con una granularità che i dati pubblici raggiungono con difficoltà.
Il vantaggio funziona finché resta collegato al dominio. Una diagnosi di guasto su un escavatore vale quanto vale la storia manutentiva di quel modello in quelle condizioni operative, e quella storia appartiene a chi produce e assiste la macchina. Per un’impresa italiana che valuta oggi dove concentrare gli investimenti in AI, la lettura pratica è che l’archivio operativo interno, spesso considerato materiale di servizio, è il pezzo di catena del valore più difficile da replicare per un concorrente.
La parte più interessante dell’intervista riguarda ciò che l’azienda dichiara difficile. «La parte difficile dell’autonomia e dell’AI fisica sta nell’inserire quella tecnologia nel cantiere del cliente e nei flussi di lavoro», ha detto Mineart. Dispiegare una macchina autonoma e trasformare un sito perché usi l’AI restano due esercizi diversi: il secondo chiede di ripensare come le persone lavorano accanto alla tecnologia e quali processi esistenti vanno riscritti.
È una dichiarazione che merita attenzione proprio perché arriva da un fornitore. Il messaggio commerciale più semplice sarebbe il contrario: comprate la macchina e il resto segue. Caterpillar dice l’opposto, e lo dice dopo trent’anni di dispiegamenti riusciti in miniera. Il modello e la macchina sono la parte risolta; l’integrazione nel processo del cliente è quella aperta.
Ne discende una seconda scelta di metodo che l’azienda rende esplicita: per addestrare i sistemi si appoggia agli operatori esperti, mettendo a frutto il sapere istituzionale costruito in decenni di cantiere. Man mano che le macchine diventano autonome, alcuni operatori passano dal controllo di un singolo mezzo alla supervisione di più mezzi da un centro di comando remoto. La figura professionale cambia forma mantenendo la stessa base di competenza, e il mestiere si sposta verso la lettura dell’eccezione.
Qui la questione tocca il terreno regolatorio europeo. Quando la supervisione umana diventa il presidio su decisioni prese dalla macchina, la sua qualità va documentata e resa verificabile: è la sostanza della sanzione olandese da 825 milioni di euro a Uber sulle decisioni automatizzate, ricostruita nel deep del 25 agosto di questa sala stampa. Un centro di comando che sorveglia più macchine è supervisione reale finché l’operatore dispone di tempo, informazione e autorità per intervenire.
Il passaggio genera un problema di scala che Caterpillar quantifica: formare 118.000 dipendenti. Secondo TechCrunch il gruppo prevede di spendere 100 milioni di dollari nei prossimi cinque anni per portare la forza lavoro su AI, autonomia e robotica, mentre al CES di gennaio aveva annunciato ulteriori 25 milioni in cinque anni per un premio globale dedicato alle competenze del lavoro digitale e autonomo.
La cifra dice qualcosa sul rapporto fra i due lati dell’investimento. Un gruppo che ha messo 30 miliardi di dollari in ricerca e sviluppo in vent’anni, e che dichiara di voler moltiplicare per 2,5 la spesa in digitale e tecnologia entro il 2030, assegna alla formazione una voce dedicata e la comunica agli investitori insieme al resto. La logica è che il ritorno della tecnologia si materializza attraverso le persone che la usano ogni giorno, e che il tasso di adozione interno è la variabile che decide quanto di quel ritorno si realizza davvero. È il principio dell’elevazione del capitale umano che Synthos Logic formalizza nel proprio metodo, e vale la trasparenza: chi scrive è l’azienda che pubblica questa sala stampa.
Il contesto finanziario aiuta a capire il tempismo. Nel secondo trimestre 2026 Caterpillar ha registrato ricavi record per 20,5 miliardi di dollari, sostenuti dalla domanda di gruppi elettrogeni per data center: la divisione power generation è cresciuta del 72 % arrivando a 3,10 miliardi, e l’amministratore delegato Joe Creed ha descritto una domanda di cloud e infrastruttura per l’AI generativa che mantiene il proprio ritmo.
Il gruppo si trova quindi in una posizione doppia rispetto al ciclo: vende l’energia che alimenta i data center e adotta al proprio interno la tecnologia che quei data center servono. La prima gamba finanzia la seconda. Per il mercato europeo il segnale è che la spesa industriale in AI, in questa fase, è alimentata dal ciclo infrastrutturale prima ancora che dai risparmi operativi attesi, e che chi arriva più tardi troverà una curva dei costi diversa da quella odierna.
Il tessuto manifatturiero italiano condivide con Caterpillar tre condizioni: macchine di lunga vita, personale con sapere pratico difficile da codificare, e clienti che comprano disponibilità della macchina più che la macchina stessa. Le differenze riguardano la scala e la maturità del dato, ed è lì che si gioca la distanza.
Tre conseguenze pratiche. La prima riguarda la connettività della flotta installata: il valore dei modelli predittivi dipende dalla base di macchine che trasmettono, e allargare quella base è un investimento infrastrutturale che precede qualsiasi progetto di AI. La seconda riguarda la contrattualistica di servizio: se la diagnosi diventa assistita, il livello di servizio promesso al cliente cambia forma e va riscritto, insieme alle responsabilità in caso di indicazione errata. La terza riguarda il percorso professionale degli operatori: il passaggio da un mezzo a più mezzi supervisionati modifica inquadramento, turni e formazione, materia che in Italia passa dalla contrattazione prima ancora che dall’ufficio tecnico.
Per chi guida oggi un’impresa industriale, tre verifiche restano alla portata dei prossimi mesi. La prima: quanta parte della flotta installata trasmette già dati utilizzabili, e quanto costa portarla al livello successivo. La seconda: quali processi di manutenzione e di cantiere reggerebbero l’inserimento di un assistente vocale in campo, e quali andrebbero riscritti prima. La terza: quante persone servirebbe formare per rendere quel cambiamento operativo, e su quale orizzonte, con una cifra a bilancio accanto a quella della tecnologia.
Caterpillar dichiara di avere già la macchina che si guida da sola e il dato per farla ragionare. Sceglie di dire pubblicamente che la parte aperta riguarda il cantiere e le persone che ci lavorano. Se questa è la lezione di chi ha trent’anni di vantaggio sul campo, la domanda che resta al mercato europeo è quanto della propria spesa in AI stia andando alla parte dichiarata difficile.
Autore
Pablo Liuzzi
Founder, Synthos Logic