Nello spazio che custodisce decenni di eccellenza meccanica italiana – lo Showroom Ruote da Sogno di Motor Valley a Reggio Emilia, con la sua collezione di auto e moto d’epoca – Ptc apre l’ottava edizione di Executive Exchange Italy. Una cornice tutt’altro che casuale per un appuntamento che mette al centro la trasformazione digitale dei processi industriali e che vede leader, esperti e aziende d’eccellenza confrontarsi sui temi chiave del momento: intelligenza artificiale, digital thread, gestione intelligente del ciclo di vita del prodotto. Temi pensati per generare il confronto operativo tra chi guida il manufacturing italiano e chi sviluppa le tecnologie destinate a ridisegnarlo.
A dare il benvenuto è Paolo Delnevo, General Manager & Sales Vice President Southern Europe di Ptc, che apre i lavori con un riferimento suggestivo: “Una ventina di anni fa, Taleb scrisse Il Cigno Nero, una metafora di quanto accade oggi. Negli ultimi cinque anni, dal Covid in avanti, possiamo dire che ci sono probabilmente più cigni neri che bianchi nello stagno”.
Delnevo riprende l’immagine del cigno nero di Taleb per descrivere una categoria precisa di eventi che hanno tre caratteristiche: sono fuori dal raggio delle aspettative ordinarie (nessun dato storico li lascia prevedere), hanno un impatto enorme, e dopo che sono accaduti portano a costruire spiegazioni che li fanno sembrare prevedibili — quando in realtà non lo sono. L’eccezione diventa la regola. Una constatazione che oggi vale come premessa imprescindibile per qualunque ragionamento sulla competitività industriale: non basta più reagire all’imprevisto, occorre attrezzarsi per affrontarne di nuovi, diversi e per definizione imprevedibili.
Da qui il filo rosso dell’evento: Turning Complexity into Competitive Advantage. La complessità, che molte aziende continuano a percepire come un freno a mano tirato sulla velocità decisionale, può e deve diventare il motore stesso del cambiamento. Significa abbandonare la logica reattiva per abbracciare un modello in cui dati, processi e tecnologie convergono in un sistema dinamico, capace di anticipare gli scenari e di abilitare scelte informate in tempo reale. È in questa visione che si colloca la proposizione Ptc dell’Intelligent Product Lifecycle, un approccio che lega in modo continuo le fasi di progettazione, produzione e service attorno a una base dati di prodotto coerente, accessibile e contestualizzata.
Il dato, elemento critico perché l’AI generi valore
Si entra così nel vivo dei lavori. Rob Dahdah, Evp, chief revenue officer di Ptc, parte da una constatazione che molti tra il pubblico riconoscono come propria: la promessa dell’AI è enorme, ma il bilancio dei primi due anni di proof of concept è stato spesso deludente: “Quest’anno saranno spesi globalmente 1,6 trilioni di dollari in AI. Solo in Italia, tra build-out di data center e abilitazione AI, parliamo di 12-15 miliardi di dollari entro fine 2026”. Numeri importanti che rischiano però di non produrre risultati senza un ingrediente fondamentale: il dato.
“Il vostro AI ceiling – definisce la frontiera delle capacità reali dall’AI – sarà alto solo quanto sarà buono il vostro dato”, sintetizza Dahdah, introducendo uno dei concetti chiave della giornata. Il limite superiore di ciò che l’intelligenza artificiale può davvero abilitare in azienda dipende dalla qualità, dal contesto e dalla raggiungibilità dei dati. Senza una product data foundation solida, anche il modello più avanzato genera risposte plausibili ma inaffidabili – un problema che nel manifatturiero non è accettabile, “perché serve precisione, non approssimazione”.
È in questo quadro che si inserisce l’Intelligent Product Lifecycle, il framework con cui Ptc propone di integrare il dato in tutto il ciclo di vita: dal design all’industrializzazione, fino al service – e ritorno, perché ciò che si apprende sul campo deve poter rifluire nella progettazione. Tre i livelli di maturità identificati da Dahdah: Advise, in cui l’AI suggerisce e analizza l’impatto di una decisione; Assist, in cui inizia a produrre output operativi (documentazione, comunicazioni, simulazioni di workflow); Automate, lo stadio in cui un comando in linguaggio naturale può tradursi in azioni complete, eseguite in autonomia entro parametri definiti dall’azienda.
A pochi chilometri dalla location, peraltro, ha sede una delle aziende clienti di Ptc che meglio incarnano questa traiettoria: Lamborghini, partner dell’azienda da oltre venticinque anni. “Sono stati pionieri della trasformazione digitale prima ancora che diventasse di moda – osserva Dahdah, sottolineando come la collaborazione si sia evoluta nei decenni adattandosi a tecnologie e contesti competitivi diversissimi, ma sempre attorno alla stessa promessa: un output di altissima qualità, ingegneristicamente sofisticato e bello”. In chiusura, un passaggio sulla strategia di investimento del gruppo. Ptc ha recentemente ceduto una porzione storica del proprio business per concentrare le risorse sulle categorie di prodotto core Cad, Plm, Alm e Slm. Dahdah: “Investiremo ancora milioni di dollari nei prossimi anni per migliorare i prodotti e creare risultati migliori per i nostri clienti”. Tutto in chiave cloud e AI, con un principio guida non negoziabile: l’apertura. Nessun lock-in, “perché gli investimenti dei clienti devono diventare un trampolino e non una gabbia”.
L’era degli agenti AI specializzati
Il testimone passa a Joseph June, general manager Slm & head of AI Innovation di Ptc, che entra nel dettaglio della strategia tecnologica. La strategia con l’AI di Ptc ruota attorno a tre obiettivi distinti ma profondamente intrecciati. Il primo è abilitare i prodotti del portafoglio – Creo, Windchill, Codebeamer, ServiceMax – con capacità AI di qualità: “Gli ingegneri sono creature abitudinarie. Non useranno l’AI se non è semplice da usare. E il modo migliore per renderla usabile è incorporarla esattamente lì, negli strumentiu che già oggi usano per lavorare”.
Il secondo obiettivo è rendere le suite AI-ready: Ptc svilupperà i propri agenti, ma sa benissimo che ogni cliente vorrà costruirne di propri, con la propria proprietà intellettuale. “L’AI allora diventa un nuovo layer di interazione – al pari di quanto sono state, nelle epoche precedenti, le schede perforate, tastiera e mouse” – e l’ecosistema deve essere aperto agli agenti di terze parti, non chiuso. Il terzo obiettivo, infine, è il più ambizioso: abilitare l’AI cross-product, quella che permette di rispondere alle domande davvero difficili, “le stesse che oggi richiedono di mettere insieme dati che vivono in sistemi separati e che troppo spesso restano scollegati”.
Per realizzare questa visione, Ptc sta costruendo una piattaforma AI “esterna” ai singoli prodotti ma su cui questi possono poggiare per esporre agenti, accedere a modelli e attingere a un layer dati condiviso. Già nel 2025 sono state rilasciate diverse capacità AI nei vari prodotti “nel 2026 rilasceremo più del doppio delle feature AI rispetto al 2025”, anticipa June.
Pochi giorni fa Ptc ha infatti annunciato il rilascio di Windchill AI Assistant, il plugin che porta l’intelligenza artificiale generativa nella piattaforma di product lifecycle management Windchill attraverso un’interfaccia conversazionale in linguaggio naturale. L’esigenza che intercetta è ben nota a chi lavora con grandi volumi di documentazione tecnica: “ingegneri e tecnici di produzione passano una parte significativa del loro tempo a cercare informazioni specifiche tra revisioni, test e specifiche stratificate negli anni”. Con il nuovo Assistant diventa possibile porre domande in linguaggio naturale e ottenere risposte contestuali o sintesi informative basate sui contenuti già presenti in Windchill, con tracciabilità completa delle fonti e nel pieno rispetto dei diritti di accesso. “Per molti clienti la difficoltà non risiede nella mancanza dei dati di prodotto, ma nella possibilità di recuperare e riutilizzare efficacemente il patrimonio di conoscenze acquisite nel tempo”, aveva già sottolineato in occasione del lancio John Haller, general manager di Windchill in Ptc. La roadmap ora prevede l’introduzione di nuovi agenti AI per la gestione di parti e modifiche e funzionalità di analisi documentale via via più evolute, all’interno di un portafoglio AI che già oggi comprende Creo AI, Codebeamer AI, ServiceMax AI, Onshape AI e Arena AI.
Anche Creo, ricorda June, “avrà a breve i suoi agenti dedicati”: Creo Advisor, per chiedere informazioni e ricevere risposte contestuali sul progetto in corso, e Creo Assistant, per delegare l’esecuzione di operazioni che oggi richiedono passaggi manuali. La filosofia di fondo è chiara: gli agenti Ptc saranno first-party, integrati nei workflow e nei dati delle proprie applicazioni, ma resteranno aperti all’orchestrazione con agenti di terze parti via interfaccia, workflow automatici o protocolli Mcp.
Arriva un’interessante definizione tecnica di cosa debba essere un agente con “cinque attributi non negoziabili”. Un agente è specializzato, non generalista. “Si guida con il linguaggio naturale, accettando linee guida che ne modificano il comportamento”. Migliora nel tempo “grazie a meccanismi di apprendimento”. Sa gestire sia compiti deterministici – “quelli che devono dare lo stesso risultato un milione di volte su un milione” – sia compiti probabilistici, “quando conta la capacità di adattarsi”. E infine è progettato per lavorare in ecosistema, “orchestrato con altri agenti propri, del cliente o di terzi”. Questo, tuttavia, non basta a generare il vero valore atteso. La frontiera dell’AI nell’industria, sostiene June, “non sta nei singoli agenti che ottimizzano un workflow alla volta, ma nella capacità di connettere i punti attraverso dati che vivono in sistemi diversi”. L’esempio ripreso e che rende l’idea è quello della produzione di una semplice staffa: “Come è possibile riprogettare questo componente per renderlo del 20% più leggero ma del 10% più resistente?” Una domanda apparentemente semplice, che richiede però di leggere insieme geometria Cad (Creo), proprietà dei materiali e vincoli manifatturieri (Windchill), dati di field failure dal service (ServiceMax) e ragionare in modo trasversale su tutte queste dimensioni.
Da qui l’idea di andare oltre il concetto di data layer per parlare di intelligence layer: una stratificazione che combina database transazionali, grafi delle relazioni, dati vettoriali e non strutturati – specifiche, note tecniche, documentazione storica – e un layer semantico che permetta di dialogare con tutto il patrimonio di informazioni in linguaggio naturale, declinato per industria, azienda e contesto. Sopra a questa architettura si muovono modelli AI orchestrati tra loro. Una soluzione enterprise seria deve sapere quando usare il modello frontier che ragiona in profondità e quando accontentarsi di un modello più rapido per tradurre una domanda in una query. Il consiglio operativo che June lascia in chiusura è disarmante per concretezza: per identificare il primo agente da sviluppare, “basta camminare per i corridoi dell’azienda e individuare la persona che dieci volte al giorno risponde alla stessa domanda”. È da lì che conviene partire, verificando se esiste il dato necessario e se è possibile renderlo accessibile a un agente: “Le grandi opportunità dell’AI passano dalla preparazione dei dati. È esattamente lì che Ptc sta investendo”.
© RIPRODUZIONE RISERVATA
