L’intelligenza artificiale lascia gli schermi dei pc aziendali e impara ad agire nel mondo fisico: è la prima osservazione offerta da Capgemini Research Institute che emerge dal report Physical AI: Taking Human-robot Collaboration to the Next level. Lo studio indaga il punto di convergenza tra AI generativa, modelli di base e robotica avanzata. La physical AI è infatti evoluzione dell’AI che trasforma macchine e robot in sistemi capaci di percepire, ragionare e agire autonomamente nel mondo reale.
Il lavoro di Capgemini si basa su un’indagine condotta tra gennaio e febbraio 2026 su 1.678 dirigenti di organizzazioni con ricavi annui superiori al miliardo di dollari, distribuiti in sedici paesi tra Nord America, Europa (anche l’Italia) e Asia-Pacifico e in quindici settori industriali. I dati quantitativi sono integrati con interviste a esperti del settore, produttori di robot, startup attive sui foundation model, technology provider, investitori e accademici. Entriamo nei dettagli.
Convergenza tra AI, dati e ingegneria
Per anni la robotica industriale è rimasta vincolata a percorsi pre-programmati, in ambienti strutturati e con tolleranze minime alla variabilità. La physical AI introduce una discontinuità: i robot diventano capaci di percepire contesti complessi, ragionare in tempo reale e adattarsi a situazioni mai viste prima. A determinare questo salto è una convergenza di forze. Sul fronte dell’intelligenza, i foundation model multimodali e le architetture vision-language-action consentono di generalizzare le competenze tra task diversi, mentre i cosiddetti world model dotano i sistemi di un ragionamento predittivo sulle dinamiche fisiche. In parallelo, la simulazione comprime drasticamente i tempi di addestramento, permettendo di iterare su milioni di scenari sintetici prima del deployment reale. E’ in azione ora un circolo virtuoso AI-robot-dati: i sistemi già operativi generano informazioni reali che alimentano nuovi cicli di addestramento. A questo si aggiungono progressi nell’edge computing, nelle batterie, nella riduzione dei costi hardware – il costo di produzione di un robot umanoide è sceso di circa 30 volte nell’ultimo decennio, da 3 milioni a circa 100 mila dollari – e modelli commerciali come il robotics-as-a-service. Significativo anche il quadro economico: nel 2025 i venture capital hanno investito 40,7 miliardi di dollari in robotica, mentre i finanziamenti dedicati ai world model sono passati da 1,4 miliardi nel 2024 a 6,9 miliardi nel 2025.
Dalla sperimentazione all’industria
Il 79% delle organizzazioni è attivo nell’ambito della physical AI, con il 27% che ha avviato implementazioni reali o sta scalando le proprie soluzioni. La percezione del valore è trasversale: il 67% dei dirigenti la considera una tecnologia game-changing per il proprio settore, con punte del 93% nell’high tech, dell’88% nell’automotive, dell’83% nell’aerospazio e difesa, del 69% nella logistica e del 59% in agricoltura. Il dato si conferma su scala geografica: condividono questa visione il 73% dei dirigenti negli Stati Uniti, il 67% nell’area Asia-Pacifico e il 64% in Europa.
Sul piano del valore atteso, le maggiori aspettative riguardano produttività (76%), efficienza dei costi (70%) e qualità di prodotto (65%), seguite da resilienza operativa e sicurezza sul lavoro (entrambe al 57%). Il punto distintivo, tuttavia, è altrove: il 60% dei dirigenti ritiene che la physical AI sbloccherà applicazioni robotiche in ambiti finora considerati impraticabili, dagli ambienti destrutturati ai task ad alto contenuto contestuale. I casi d’uso ad alto impatto trasversale spaziano da operazioni in ambienti pericolosi e micro-logistica al pick-and-place adattivo, fino al field inspection, con applicazioni settoriali come l’assemblaggio dinamico nel manifatturiero e l’eldercare nel comparto pubblico.
Reindustrializzazione, manodopera e priorità strategiche
Tra le forze che spingono l’investimento in physical AI, le pressioni sul lavoro pesano più di quelle finanziarie. Il 74% dei dirigenti indica la carenza di manodopera come driver principale, davanti all’aumento dei costi del lavoro (69%), alla pressione competitiva (63%) e ai requisiti di sicurezza (59%).
I settori che soffrono maggiormente questa scarsità – agricoltura, retail, high tech, logistica, automotive – sono anche quelli che guardano con maggiore interesse alla physical AI come leva di flessibilità. E il 43% dei leader aziendali individua nei processi di reshoring e reindustrializzazione un fattore di accelerazione, leggendo nella physical AI uno strumento per sostenere la produzione domestica su larga scala.
Coerentemente, due terzi delle organizzazioni (66%) considerano ormai la physical AI una priorità elevata nelle proprie strategie di automazione per i prossimi tre-cinque anni; la percentuale sale all’80% nell’high tech e al 79% nell’industrial manufacturing e nell’automotive. Sul piano geografico, il Giappone è in testa con il 76%, davanti a Corea del Sud (72%), Cina (70%) e Stati Uniti (69%). Nel breve termine la crescita sarà trainata da form factor consolidati: il 60% si attende un’espansione rapida dei robot mobili autonomi, il 56% degli arm industriali e il 51% dei cobot. Quasi la metà dei dirigenti (45%) indica nella maggiore flessibilità un beneficio fondamentale; oltre la metà segnala miglioramenti su sicurezza e riduzione dello sforzo fisico.
“La physical AI segna il passaggio da sistemi che descrivono il mondo a sistemi in grado di agire al suo interno – osserva Francesco Fantazzini, chief technology innovation officer di Capgemini in Italia –. La robotica ha però una lunga storia di promesse troppo ambiziose: progressi iniziali che hanno generato aspettative superiori alle capacità reali della tecnologia”. L’entusiasmo resta, ma la novità è la convergenza tra AI, dati e maturità ingegneristica. “L’opportunità è concreta, a patto di concentrarsi su ciò che funziona su larga scala. Implementare la physical AI in modo responsabile, sicuro e graduale sarà fondamentale per instaurare fiducia, garantendo safety by design, trasparenza e supervisione umana come elementi centrali di una collaborazione sostenibile tra esseri umani e robot”.
Scalare la physical AI, opportunità reale, criticità concrete
Quasi due terzi dei dirigenti (65%) prevedono di portare la physical AI a scala nei prossimi cinque anni, eppure il 76% segnala che proprio il passaggio da pilot a deployment esteso rappresenta una sfida significativa. I principali nodi sono la maturità tecnologica in termini di affidabilità (73%), i costi elevati e l’incertezza sul Roi (63%), le preoccupazioni di sicurezza e l’assenza di standard consolidati (62%), la difficoltà a reperire competenze interne (55%) e i rischi cyber (53%). Solo il 42% dei dirigenti ritiene oggi del tutto chiaro il business case dell’investimento.
Il capitolo umanoidi concentra le tensioni più forti tra entusiasmo industriale e maturità reale. Due dirigenti su tre (67%) credono che gli umanoidi trasformeranno il proprio settore e il 53% dichiara di aver investito o di pianificare investimenti, ma le condizioni per la diffusione su larga scala non sono ancora mature: gli orizzonti medi attesi si collocano intorno ai sette anni e solo il 30% li considera operativi come general-purpose worker entro tre-cinque anni. Le barriere nette: il 72% segnala l’immaturità tecnologica, il 63% i costi iniziali, il 62% la mancanza di chiarezza sul Roi, il 58% le difficoltà di addestramento.
A queste si somma una variabile spesso sottovalutata: l’accettazione sociale. Il 62% dei dirigenti ritiene che la resistenza dell’opinione pubblica costituirà un ostacolo critico, con oscillazioni significative fra paesi: in Francia sale al 68%, in Italia al 66%, scende al 56% in Spagna. Il 45% delle organizzazioni prevede comunque di affiancare umanoidi al personale entro il 2030, con interesse particolarmente marcato in Corea del Sud (60%), Giappone (53%), Cina e Singapore (entrambe al 50%).
Una sfida che va oltre la tecnologia
Per Capgemini Research Institute, scalare la physical AI richiede di ripensare progettazione, sicurezza, governance ed esercizio. Le raccomandazioni agli executive sono cinque: costruire una comprensione realistica delle capacità attuali della tecnologia; partire da casi d’uso ad alto valore e bassa complessità – i task dull, dirty e dangerous –; esplorare forme robotiche diverse senza farsi catturare prematuramente dal fascino dell’umanoide; ridisegnare i flussi di lavoro per la collaborazione uomo-robot, con chiari handover ed escalation; scalare attraverso architetture di piattaforma che permettano il riuso di skill e l’orchestrazione di flotte. La fiducia, conclude il report, non è un obiettivo retorico ma un risultato di ingegneria: è la condizione perché la physical AI compia il salto da innovazione promettente a vantaggio competitivo strutturale.
© RIPRODUZIONE RISERVATA
