Un carro ferroviario può restare fermo perché manca un’informazione, un documento o una decisione. Intorno a quel carro lavorano persone competenti, spesso impegnate a cercare dati, confrontare versioni e sollecitare risposte. L’intelligenza artificiale offre la possibilità di riprogettare questo lavoro, affidando alla macchina intere sequenze esecutive e restituendo alle persone tempo per decidere e creare.

Quando pensiamo all’AI, immaginiamo quasi sempre un chatbot: scriviamo un desiderio e aspettiamo che prenda forma. Gli chiediamo una sintesi, una traduzione, una presentazione. È un accesso utile alla tecnologia, ma lascia quasi intatta l’organizzazione del lavoro. L’uomo continua a scomporre il problema, impartire ogni istruzione, trasferire informazioni da un’applicazione all’altra e ricomporre il risultato.

In questo senso, il nostro approccio resta novecentesco: adottiamo una tecnologia nuova mantenendo la divisione dei compiti precedente. Trattiamo l’AI come una segretaria o un concierge, mentre potremmo cominciare a pensarla come un collega operativo al quale assegnare una missione, con obiettivi e limiti precisi. La responsabilità di quella missione resta in capo alle persone.

L’automobile ha cambiato le possibilità di spostamento; l’aratro ha trasformato il lavoro agricolo. Innovazioni di questa portata modificano anche ciò che una società può immaginare di fare. I loro costi sociali vanno affrontati, insieme alle opportunità. Nel mio libro sull’automazione ho già discusso questi temi. Oggi vorrei spingere il ragionamento verso lo spazio che possiamo restituire al pensiero umano.

Esistono dati che aiutano a dare una misura del cambiamento. Un esperimento con 758 consulenti di Boston Consulting Group, descritto nel working paper di Dell’Acqua e colleghi del 2023, rilevò che, nei compiti compatibili con le capacità di GPT-4, gli utilizzatori dell’AI completavano il 12,2% di attività in più e lavoravano il 25,1% più rapidamente. Su un problema scelto oltre quella capacità, invece, la probabilità di una soluzione corretta diminuiva di 19 punti percentuali. Sono risultati su specifici compiti di consulenza: il beneficio va verificato in ciascun processo operativo. mitsloan.mit.edu

La lezione organizzativa è precisa: servono persone capaci di riconoscere dove affidare l’esecuzione alla macchina e dove esercitare il proprio giudizio. Anche attività complesse possono essere accelerate quando dati, strumenti e controlli sono predisposti correttamente. La complessità apparente di un compito, da sola, dice poco sulla sua automatizzabilità.

Nella logistica, un sistema ben progettato può collegare ordini, disponibilità dei mezzi, documenti di trasporto e informazioni operative. Una spedizione interrotta può richiedere il confronto di contratti, itinerari e finestre dei terminal, insieme al ricalcolo dei costi e all’aggiornamento dei clienti. Un sistema integrato può coordinare questa sequenza e aggiornare le applicazioni aziendali entro le autorizzazioni ricevute. Per farlo, l’AI generativa deve lavorare insieme ad algoritmi di ottimizzazione e controlli tecnici: interpretare una richiesta, calcolare un piano e autorizzare una movimentazione sono funzioni differenti.

Immaginiamo allora di dotare ogni manager di un ambiente di AI costruito intorno alla sua competenza. Al responsabile di flotta si potrebbe assegnare la missione di aumentare la disponibilità dei carri, rispettando vincoli manutentivi, costi e impegni contrattuali. Il sistema cercherebbe le cause delle immobilizzazioni, preparerebbe le alternative e seguirebbe le attività consentite. Il manager interverrebbe sulle eccezioni, sulle priorità e sulle decisioni che richiedono responsabilità.

Cambierebbe così il rapporto con il gestionale centrale. Intorno ad esso potrebbero nascere applicazioni progettate da chi conosce il lavoro, capaci di coordinare un processo completo. Ogni azione dovrebbe essere ricostruibile e ogni risultato verificabile. Il DNA aziendale comincerebbe a cambiare quando il sapere operativo delle persone diventasse parte del funzionamento dei sistemi.

Per il settore ferroviario, l’urgenza è concreta. Secondo Eurostat, nel 2025 le principali imprese ferroviarie dell’Unione europea hanno totalizzato 368,2 miliardi di tonnellate-chilometro nel trasporto merci, in calo dell’1,8% sul 2024: il quarto anno consecutivo di diminuzione. Il dato non attribuisce il calo a una singola causa. Richiama però la necessità di rendere il servizio più competitivo anche attraverso la qualità dei processi. Eurostat. Il passaggio è già iniziato. Nel rapporto semestrale 2026, DB Cargo riferisce di cinque casi d’uso implementati su una piattaforma di AI agentica, due già in produzione. Documenta inoltre lo sviluppo di un sistema che riconosce lo stato di carico dei carri attraverso immagini e AI, e attività preparatorie per applicazioni alle verifiche e alla fatturazione legata ai regolamenti dei carri. Sono avanzamenti concreti, con livelli di maturità differenti. Deutsche Bahn Interim Report 2026

Resta una questione politica, oltre che industriale. Uno strumento accessibile attraverso una chat può apparire democratico mentre la capacità di costruirci sopra applicazioni resta concentrata in poche organizzazioni. La distribuzione del potere dipende anche dall’accesso ai dati, alle competenze e alle infrastrutture, e dalla possibilità di modificare gli strumenti con cui si lavora. I pionieri possono usare questo vantaggio per accentrare ulteriormente il controllo, oppure distribuire capacità progettuale. In un'azienda del settore ferroviario significa coinvolgere anche chi opera nei piazzali, nelle officine e nei terminal. Significa conservare la disponibilità dei propri dati e costruire applicazioni portabili tra modelli e fornitori, riducendo la dipendenza dalle scelte di design di una singola piattaforma.

Anche il costo energetico deve entrare in questa visione. L’International Energy Agency stima che tutti i data center del mondo abbiano consumato 485 TWh di elettricità nel 2025, con una crescita del 17% in un anno. La sua proiezione centrale del 2026 arriva a circa 950 TWh nel 2030. Si tratta dell’intero settore dei data center, del quale l’AI è una componente, e il valore futuro è una previsione. IEA

La maggiore capacità di esecuzione può alimentare sovrapproduzione, ulteriori consumi e attività prive di utilità. Restituire centralità all’uomo significa dargli gli strumenti per scegliere a quali scopi destinare quella capacità. In logistica, il beneficio ambientale andrà misurato considerando anche il costo digitale, insieme alla riduzione dei viaggi a vuoto, delle attese e degli sprechi. Il tempo recuperato dovrebbe trovare una destinazione esplicita: progettare nuovi servizi, sviluppare competenze, comprendere meglio i clienti. Se ogni ora liberata viene subito riempita con altra amministrazione, perdiamo una parte decisiva dell’opportunità. La produttività può essere un risultato della trasformazione; il suo valore più ambizioso è rendere praticabile il pensiero di frontiera.

Da questa prospettiva, nella logistica ferroviaria si aprono davvero molte possibilità di integrazione tra uomo e macchina.

Dare a ogni spedizione una missione operativa. Un agente potrebbe seguire un trasporto dalla prenotazione alla consegna, riconoscendo in anticipo quando un ritardo compromette la finestra di scarico. Con i sistemi dei partner collegati, preparerebbe alternative e coordinerebbe le attività autorizzate. La persona sceglierebbe quali compromessi accettare tra costo e servizio. Il cliente riceverebbe un impegno aggiornato sulla base di opzioni realmente disponibili.

Trasformare l’esperienza dei ferroviari in patrimonio condiviso. Anche per la sicurezza di sistema. Un capoposto o un tecnico potrebbe descrivere all’AI un problema ricorrente e contribuire a costruire una soluzione. Il sistema tradurrebbe l’esperienza in una procedura proposta o in un’applicazione, da provare sui dati storici e validare sul campo. Chi conosce il lavoro parteciperebbe al disegno dello strumento, con un riconoscimento esplicito del proprio contributo.

Mettere in relazione capacità oggi separate. Imprese ferroviarie, detentori di carri e terminal potrebbero condividere disponibilità selezionate attraverso interfacce comuni, mantenendo il controllo sulle informazioni. Gli agenti cercherebbero combinazioni per costruire carichi di ritorno e utilizzare finestre operative libere. Le persone concorderebbero condizioni e impegni. Anche operatori piccoli potrebbero accedere a una capacità di coordinamento oggi difficile da sostenere individualmente.

Aprire un laboratorio permanente di nuovi servizi. Manager, tecnici e commerciali potrebbero esplorare con l’AI flussi oggi poco serviti dalla ferrovia, confrontando frequenze, terminal, tipi di carro e soluzioni di carico. Un gemello digitale, cioè un modello del servizio alimentato da dati operativi, aiuterebbe a provare gli scenari prima di investire. Le verifiche ingegneristiche resterebbero affidate agli specialisti. Il tempo liberato dall’esecuzione diventerebbe così tempo dedicato a creare mercato.

Superare la logica della responsabilità limitata in favore di una responsabilità di sistema. La tendenza che ho già più volte descritto di trovare un responsabile per ogni evento che si svolge nel contesto di una cooperazione è una malattia di questo settore che porta a gravosi sacrifici. L'AI deve portarci dove non siamo arrivati fino ad oggi, ovvero a concepire la tecnologia come uno strumento di crescita condiviso lungo la catena del trasporto, includendo la coerenza di ogni dettaglio tecnico affinché il trasporto sia sicuro ed efficiente.

Il mercato riconoscerà valore a chi saprà tradurre questa integrazione in trasporti affidabili e in possibilità che prima non riusciva a offrire. Il progresso sarà visibile quando un manager potrà dedicare la propria giornata a costruire una nuova soluzione logistica, mentre la macchina lavora perché quella soluzione diventi un servizio concreto, efficiente e sicuro.