La fabbrica che pensa
Come la metafora della Cognitive Factory rischia di occultare l'evaporazione delle responsabilità, la perdita dei saperi taciti e la precarizzazione del lavoro umano
Presidente, Innovation Agency

Da qualche anno, nelle presentazioni delle fiere e nel dibattito pubblico, le fabbriche hanno smesso di "funzionare" e hanno iniziato a "capire". Una macchina "percepisce" lo stato del processo, un sistema "decide" l'intervento correttivo, un impianto "reagisce" all'evento imprevisto. Il cambiamento può sembrare puramente lessicale: un semplice aggiornamento del vocabolario tecnico per stare al passo con le nuove capacità computazionali. Eppure, queste metafore non sono neutre. Veicolano una precisa visione del mondo, e questa visione ha radici lontane.
Se l'operaio davanti al cruscotto digitale monitora una macchina che, secondo il paradigma dominante, capisce il processo meglio di lui, la domanda su chi stia davvero osservando chi in quella stanza non è affatto retorica. C'è un'assunzione che attraversa silenziosamente tutta la letteratura sulla Fabbrica Cognitiva, così radicata da non aver quasi bisogno di essere esplicitata: la cognizione è un processo, e i processi si possono modellizzare, ottimizzare e trasferire. Un sistema industriale cyber-fisico «percepisce, decide e reagisce» usando la stessa grammatica con cui uno psicologo descrive il comportamento adattivo di un essere umano. L'equivalenza appare ovvia.
Il modello cognitivo come descrizione universale dei sistemi intelligenti nasce nel secondo dopoguerra, con la cibernetica e la teoria dell'informazione. Norbert Wiener e Claude Shannon svilupparono un linguaggio formale in grado di trattare in modo unificato il controllo e la comunicazione, sia nei sistemi biologici sia in quelli meccanici (Wiener, 1948; Shannon & Weaver, 1949). Si trattava di un programma scientifico preciso, nato in un contesto preciso e con obiettivi precisi.
L'idea che la cognizione fosse un processo trasferibile non era un dato di fatto, ma una scelta metodologica.
Il concetto di Fabbrica Cognitiva (o Cognitive Factory) emerge come il punto di arrivo di un lungo processo metaforico. Nel corso di diversi decenni questo processo ha progressivamente equiparato la fabbrica, intesa come sistema produttivo integrato, a una mente umana o a un organismo cognitivo.
La definizione oggi consolidata «intelligent cyber-physical manufacturing capable of perception, decision making, and reacting» (El Kalach et al., 2022) cristallizza un'analogia profondamente sedimentata nella cultura tecnica contemporanea. Questa definizione formalizza linguisticamente un modo specifico di concepire la produzione, radicato in decenni di trasposizioni metaforiche.
Questo corpus presuppone già l'equivalenza tra fabbrica e sistema cognitivo.
Negli anni precedenti migliaia di testi hanno introdotto e normalizzato un vocabolario mutuato dalle scienze cognitive e dalla psicologia. Termini quali perception, decision making, reacting, learning, intelligence e cognition sono stati applicati con crescente naturalezza ai processi produttivi, ai sensori, agli algoritmi e alle reti cyber-fisiche.
La definizione canonica formalizza l'analogia. L'attribuzione di «perception» ai sensori evoca i sensi umani. Il «decision making» suggerisce un processo di ragionamento deliberativo. Il «reacting» richiama l'azione adattiva di un essere vivente di fronte all'ambiente.
Questi termini risultano operativamente utili nell'ingegneria per indicare elaborazione dati, ottimizzazione algoritmica e risposta in tempo reale. La loro adozione sistematica trasforma una descrizione tecnica in una narrazione che assimila la fabbrica a un'entità cognitiva.I sistemi produttivi altamente avanzati integrano sensori, intelligenza artificiale, robotica e infrastrutture digitali (Zheng et al., 2018). Il paradigma della Fabbrica Cognitiva nasce da una specifica cornice interpretativa che si è imposta culturalmente.
Attraverso la ripetizione insistita di metafore cognitive, un certo modo di concepire e di nominare la produzione è diventato egemonico, al punto da apparire naturale.La Fabbrica Cognitiva costituisce una categoria culturale. Essa testimonia come il linguaggio tecnico porti sempre con sé le tracce dei percorsi metaforici attraverso i quali una società impara a pensare e a rappresentare le proprie tecnologie.
L'analogia esclude qualcosa di essenziale.
Nella psicologia cognitiva, percezione, decisione e reazione descrivono processi incarnati, situati e storicamente formati. Un operaio che valuta l'anomalia di un suono nel ciclo produttivo mobilita decenni di esperienza sensoriale, memoria corporea e conoscenza tacita del contesto. Un sistema cyber-fisico, invece, elabora segnali secondo pattern statistici appresi da dati storici. Entrambi i processi meritano una descrizione accurata. La vera domanda è se la stessa descrizione possa servirli entrambi, o se l'uso della medesima terminologia tenda piuttosto a rendere invisibile la differenza fondamentale che li separa.
Questa assunzione genera tensioni reali lungo assi distinti.
Quando un sistema industriale "decide" un intervento correttivo e quell'intervento produce un danno, la catena della responsabilità si complica notevolmente. Se il sistema elabora senza comprendere, nel senso pieno in cui un essere umano comprende, ovvero contestualizzando, valutando e assumendosi l'onere del giudizio, attribuirgli la categoria della "decisione" genera una finzione giuridica prima ancora che tecnologica. La responsabilità si distribuisce tra il produttore del sistema, il responsabile dell'implementazione e il gestore dei dati di addestramento. Il sistema esegue un'inferenza. La responsabilità evapora lungo la filiera tecnica.
A questo si aggiunge una tensione diversa, che riguarda la complementarità tra macchine e lavoratori.
Il paradigma sostiene che la Fabbrica Cognitiva sposti il valore umano verso i task critici, complessi e contestuali. L'affermazione è plausibile. Ma chi stabilisce, di volta in volta, quali task rientrino in quelle categorie?
La definizione di «critico» e «contestuale» non è stabile: tende a coincidere con ciò che il sistema non sa ancora fare. Ogni nuovo ciclo di apprendimento del sistema ridisegna il confine. Il valore umano si sposta sempre un passo avanti rispetto alla frontiera dell'automazione: in teoria viene preservato, ma in pratica diventa strutturalmente precario.
Si aggiunge anche una tensione epistemica, legata al rapporto tra dati affidabili e realtà opaca. Il paradigma presuppone che i processi produttivi siano integralmente trasformabili in dati, cioè traducibili in segnali misurabili su cui addestrare il sistema cognitivo.
Molti processi reali, però – soprattutto nelle filiere artigianali e nelle PMI ad alta variabilità – vivono di saperi taciti: il giudizio sul colore dell'impasto, la pressione calibrata con il palmo della mano, il ritmo che cambia con l'umidità dell'aria. Rendere questi processi misurabili rappresenta una scelta sulla rilevanza della conoscenza, che finisce per escludere i saperi non traducibili in dati.
Rimane aperta la questione dell'autonomia evolutiva. Un sistema che apprende dai dati e modifica progressivamente il proprio comportamento genera un effetto di opacizzazione crescente: il processo decisionale diventa sempre meno leggibile per chi opera all'interno del sistema produttivo.
L'obiettivo dichiarato di sviluppare capacità cognitive avanzate e quello di mantenere il controllo umano sui processi tirano in direzioni che non sempre coincidono.
Le metafore con cui descriviamo le macchine non restano confinate alle macchine. Migrano. E tornano a descrivere noi.
Se una fabbrica «percepisce» e «decide», il lavoro umano che non percepisce e non decide in modo misurabile, che non produce output computabili, non genera log e non si lascia ottimizzare, tende a diventare residuale nella descrizione del processo produttivo.
La grammatica valutativa che accompagna il paradigma cognitivo premia l'efficienza, l'apprendimento e l'adattamento. Si tratta di criteri legittimi. Esistono però altre grammatiche con cui valutare un processo produttivo: la cura, la continuità, la riparabilità, la dignità del gesto lavorativo. Queste grammatiche non scompaiono per effetto del paradigma, ma diventano più difficili da articolare nel linguaggio dominante.
Una narrativa alternativa potrebbe concepire i processi produttivi come sistemi di conoscenza distribuita, in cui dati, algoritmi e operatori umani contribuiscono con forme di intelligenza non commensurabili tra loro. In questa prospettiva, la domanda sulla Fabbrica Cognitiva non riguarda solo l'efficienza, ma interroga il tipo di cognizione richiesto e la sua titolarità.
Lo spostamento di prospettiva orienta la riflessione verso nuove domande. E le domande che poniamo a un sistema produttivo finiscono per plasmarne la progettazione, la formazione e la contrattazione. Anche questa narrativa, però, porta con sé le proprie zone cieche: chi decide quali forme di conoscenza siano incommensurabili e quali invece confrontabili? La distribuzione non è, di per sé, più neutrale della gerarchia.
Adottare il paradigma cognitivo come descrizione neutra dell'evoluzione industriale tende a rendere invisibile il fatto che si tratta di una scelta tra modelli possibili, con implicazioni diverse per chi lavora, per chi progetta e per chi governa i processi. Riconoscerla come scelta significa renderla oggetto di deliberazione.
Forse la domanda più onesta da porsi riguarda proprio il linguaggio. Nel momento in cui diciamo che una fabbrica percepisce, decide e reagisce, stiamo davvero descrivendo un sistema tecnico, oppure stiamo ridisegnando, senza dichiararlo, il confine di ciò che contiamo come pensiero? E se quel confine si sposta, chi lo sposta e con quale scopo?
La fabbrica che pensa è un'immagine potente. Come tutte le immagini potenti, vale la pena chiedersi cosa lascia nell'ombra.
Riferimenti
El Kalach, F., Yousif, I., Wuest, T. et al. Cognitive manufacturing: definition and current trends. J Intell Manuf 36, 3695–3715 (2025). https://doi.org/10.1007/s10845-024-02429-9
Shannon, C. E., & Weaver, W. (1949). The Mathematical Theory of Communication. University of Illinois Press
Wiener, N. (1948). Cybernetics: Or Control and Communication in the Animal and the Machine. MIT Press.
Zheng, P., Wang, H., Sang, Z., Zhong, R. Y., Liu, Y., Liu, C., Mubarok, K., Yu, S., & Xu, X. (2018). Smart manufacturing systems for Industry 4.0: Conceptual framework, scenarios, and future perspectives. Frontiers of Mechanical Engineering, 13(2), 137–150. DOI: 10.1007/s11465-018-0499-5
Letture consigliate
Le letture consigliate non sono da intendere come una bibliografia di supporto, bensì come accessi a prospettive eterogenee, talora in tensione reciproca e con il testo. L'invito al lettore è quello di attraversarle criticamente per costruire un proprio quadro interpretativo.
Acemoglu, D., & Restrepo, P. (2019). Automation and New Tasks: How Technology Displaces and Reinstates Labor. Journal of Economic Perspectives, 33, 3–30. DOI: 10.1257/jep.33.2.3
Contributo economico che distingue tra effetti di sostituzione e di reintegrazione del lavoro umano nei processi di automazione. Offre un quadro analitico per valutare quando e in quali condizioni l'introduzione di nuove tecnologie genera nuove forme di occupazione anziché ridurle.
Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W. W. Norton & Company.
Analisi dell'impatto delle tecnologie digitali avanzate sul lavoro e sulla produttività. Il testo esamina come l'automazione e l'intelligenza artificiale stiano ridisegnando la struttura economica delle società industriali, con particolare attenzione alle implicazioni per l'occupazione e la distribuzione del valore.
Davenport, T. H., & Kirby, J. (2016). Only Humans Need Apply: Winners and Losers in the Age of Smart Machines. HarperCollins.
Esplorazione delle dinamiche di complementarità tra intelligenza artificiale e lavoro umano. Il volume argomenta che il vantaggio competitivo nel contesto dell'automazione avanzata risiede nella capacità di ridefinire i confini tra ciò che le macchine eseguono e ciò che gli esseri umani giudicano, decidono e interpretano.
ElMaraghy, H., & ElMaraghy, W. (2022). Adaptive cognitive manufacturing system (ACMS), a new paradigm. International Journal of Production Research, 60(24), 7436–7449. https://doi.org/10.1080/00207543.2022.2078248
Proposta di un paradigma manifatturiero adattivo e cognitivo che integra capacità di apprendimento autonomo e risposta dinamica alle variazioni del contesto produttivo. Il lavoro contribuisce alla definizione operativa delle capacità cognitive nei sistemi industriali avanzati.
Schwab, K. (2017). The Fourth Industrial Revolution. Crown.
Sintesi del paradigma Industry 4.0 elaborata dal fondatore del World Economic Forum. Il testo delinea le caratteristiche sistemiche della quarta rivoluzione industriale, interconnessione, automazione, big data, e le implicazioni per governi, imprese e società.
Zheng, P., Wang, H., Sang, Z., Zhong, R. Y., Liu, Y., Liu, C., Mubarok, K., Yu, S., & Xu, X. (2018). Smart manufacturing systems for Industry 4.0: Conceptual framework, scenarios, and future perspectives. Frontiers of Mechanical Engineering, 13(2), 137–150. DOI: 10.1007/s11465-018-0499-5
Articolo di riferimento per la definizione architettonica dei sistemi di manifattura intelligente. Propone un framework concettuale per l'integrazione di sistemi cyber-fisici, IoT e analisi dei dati nei processi produttivi, con una discussione prospettica sulle direzioni evolutive del paradigma.