Robotica, AI e sovranità tecnologica: la strategia dell’IIT

In attesa di ascoltarlo dal vivo a EmTech Italy 2026 (in programma il 14 e 15 aprile al Cu.Bo. dell’Università Campus Bio-Medico di Roma), MIT Technology Review Italia ha conversato con Giorgio Metta, direttore scientifico dell’Istituto Italiano di Tecnologia, su ricerca, innovazione e impresa di Andrea Monti – Inizialmente pubblicato su MIT Technology Review Italia

Tutela della Ricerca e Proprietà Intellettuale

In un’era di open source e flussi di dati costanti, come riesce un istituto di ricerca a proteggere il valore del proprio lavoro, specialmente quando si tratta di software e algoritmi?

Il software è uno degli asset principali che trasferiamo. Poiché spesso non ha una protezione formale come i brevetti, utilizziamo una strategia basata sui “repository”: creiamo un’immagine del codice sorgente e consegniamo alla start-up il pacchetto così com’è, con l’accordo che venga mantenuto segreto. Questo è cruciale perché l’IIT mantiene la titolarità giuridica di tutto ciò che realizza: brevetti, software e ogni altro risultato scientifico rimangono in capo all’Istituto. Un discorso diverso riguarda algoritmi e metodi matematici. Per la legge, almeno in Europa, non sono direttamente brevettabili ma potrebbero rientrare nella definizione di know-how e dunque essere protetti dal codice della proprietà industriale. Questa, però, è solo un’interpretazione legale che non offre certezze. Se, però, ci fosse un chiarimento normativo in questo senso tutta la ricerca, anche quella europea, se ne avvantaggerebbe.

Nella robotica, però, la protezione fisica sembra più complessa. È possibile “blindare” la meccanica di un robot?

In realtà, nella robotica la capacità di brevettare il “ferro” è molto limitata. Molte soluzioni meccaniche e strutturali appartengono ormai al dominio pubblico o alla conoscenza comune da decenni. La vera protezione risiede nel segreto industriale: finché i progetti restano segreti, sono protetti di fatto. Naturalmente, è sempre possibile che un concorrente acquisti un robot e faccia reverse engineering, ma in questo caso gli aspetti legali diventano molto complessi da gestire perché non è sempre così facile individuare la differenza fra replica di una funzionalità ma con un processo diverso, e copia “servile” di una soluzione tecnologica.

L’Integrazione tra AI e Robotica

Nella robotica tradizionale, il software di controllo veniva scritto per adattarsi a un hardware predefinito. Lei descrive un ribaltamento di questo paradigma. In che modo l’AI sta ridisegnando la struttura stessa dei robot?

L’integrazione con l’intelligenza artificiale non serve solo a rendere il robot più autonomo nell’esecuzione di compiti complessi. Il vero salto di qualità riguarda l’ottimizzazione delle strutture meccaniche attraverso l’AI. Si definisce un problema fisico, si impongono dei vincoli (come dimensioni, peso o capacità di carico) e si chiede all’AI di progettare la struttura ottimale all’interno di un sistema che già possiede tutte le conoscenze fisiche e meccaniche disponibili.

Questo processo porta a forme che noi umani potremmo non aver mai immaginato?

Esattamente. Si potrebbero ottenere soluzioni totalmente innovative nella forma stessa dei robot. Se ottimizziamo una macchina per lavorare in una fabbrica specifica, con vincoli di altezza o necessità di passare in spazi angusti, il risultato potrebbe non essere affatto antropomorfo. Se l’ambiente prevede scale o ostacoli, l’AI potrebbe generare una struttura quadrupede o una configurazione completamente diversa che si riveli più efficace di quella umana.

Verrebbe da chiedersi, allora, se non sia il caso di cominciare a progettare l’ambiente a misura di robot

Farlo sulla Terra sarebbe estremamente costoso e, alla fin fine, inutile. Un discorso diverso riguarda la colonizzazione dello Spazio, dove in effetti si può partire da zero e costruire delle strutture che, almeno in parte, si adattano meglio alle modalità di funzionamento dei robot.

Lei parla spesso di “evoluzione congiunta” tra hardware e software. Come funziona tecnicamente questo feedback tra forma e controllo?

È una relazione biunivoca: la forma influenza il controllo e viceversa. Utilizziamo simulatori complessi in cui si ottimizza inizialmente la forma del robot per un determinato compito. Si introduce il controllore (la componente di “pensiero”) e si ottimizza anch’esso sulla base dei risultati. Corpo e cervello si sviluppano insieme finché non emerge la combinazione migliore per raggiungere l’obiettivo prefissato. Questo approccio è molto simile a come avviene l’apprendimento umano degli schemi motori: mentre il corpo cresce, i sistemi di controllo del movimento si adattano e si evolvono di pari passo.

Eppure, nonostante questa potenza di calcolo, molti robot commerciali sembrano ancora limitati, specialmente nella manipolazione. Perché?

C’è una grande differenza tra la ricerca pura e la scalabilità industriale. Mentre la ricerca punta spesso verso un’intelligenza estremamente generale capace di svolgere qualunque compito — un obiettivo affascinante ma difficilissimo — l’industria ha bisogno di affidabilità. Per molte applicazioni industriali, la vera sfida non è l’autonomia completa, ma la ripetibilità perfetta di cicli operativi brevi, magari di soli trenta secondi. L’AI ci permette di progettare questi cicli in modo più flessibile, ma dobbiamo ancora bilanciare la complessità del “corpo” con i costi di produzione e i tassi di errore dei sistemi cognitivi, che sono ancora significativi.

Finanziamenti, startup e mercato

Passiamo a uno degli ostacoli più complessi per la ricerca europea: la “Valley of Death”, ovvero il passaggio dal prototipo alla startup scalabile. Qual è il segreto dietro un’operazione da 70 milioni di euro come quella di Generative Bionics?

Il successo di operazioni di questa portata non risiede solo nella qualità dell’idea scientifica. Presentarsi agli investitori con una “promessa” di laboratorio non basta più. Abbiamo imparato che è necessario costruire una struttura di progetto credibile che integri fin dall’inizio competenze diverse: tecniche, industriali, finanziarie e legali.

Per Generative Bionics, abbiamo affiancato al gruppo scientifico un imprenditore con lunga esperienza industriale e una governance solida. Chi investe decine di milioni vuole la garanzia che i fondi vengano gestiti con rigore manageriale. Inoltre, l’ingresso di un soggetto istituzionale come CDP Venture Capital ha avuto un effetto di “certificazione”: quando un attore simile si impegna per 30-35 milioni, si crea un segnale di fiducia che attrae investitori industriali e partner internazionali come AMD.

Spesso si dice che gli investitori manchino di “pazienza”. Esiste una reale differenza di aspettative tra il settore digitale e quello della robotica?

Esiste una differenza strutturale. Negli ultimi anni, molti investitori si sono abituati ai rendimenti rapidi e spettacolari del settore digitale (app e piattaforme), che possono superare il 30%. La robotica, però, è hardware. Richiede la costruzione di linee di produzione e catene di montaggio; è un modello economico più simile all’automotive che al software puro. I ritorni nella robotica possono essere molto solidi ma sono più lenti. Per questo è vitale attrarre investitori pazienti, disposti ad assumere un rischio maggiore e ad accettare orizzonti temporali più lunghi senza ritorni immediati. In Europa, dove questa pazienza è talvolta limitata, la strategia vincente è prevedere obiettivi intermedi: mentre sviluppi il robot “ideale”, devi risolvere problemi industriali concreti che producano valore tangibile lungo il percorso.

Parlando di “due diligence”, quanto è cruciale la competenza tecnica di chi deve valutare dove allocare i capitali?

È un punto critico. Spesso i fondi di venture capital si affidano ad advisor esterni, ma non sempre il livello di competenza tecnica di questi consulenti è elevatissimo. Una valutazione errata o superficiale può affossare un progetto valido o finanziare tecnologie prive di basi solide. È essenziale che chi valuta sia realmente consapevole di ciò che sta analizzando, specialmente in settori complessi come la robotica medica o la cybersecurity.

C’è poi il problema della scala. Una volta nata la startup, come può sopravvivere se mancano le fabbriche e le reti commerciali?

Il capitale non serve solo a sviluppare la tecnologia, ma a costruire la capacità produttiva. In Europa la filiera esiste: abbiamo aziende che producono motori e ingranaggi d’eccellenza. Tuttavia, mancano spesso le infrastrutture comuni per scalare.

Invece di costringere ogni singola startup a costruirsi la propria fabbrica, il che è irrealistico, potrebbe avere senso riflettere sulla fattibilità di un sistema composto da un numero limitato di factory condivise altamente specializzate. Funzionerebbero come grandi laboratori industriali comuni dove le startup portano i loro progetti e utilizzano infrastrutture produttive condivise, riducendo drasticamente i costi iniziali.

Sia come sia, mancando questa capacità di passare dal proof-of-concept alla produzione di massa, resteremo sempre un passo indietro rispetto a chi, come la Cina, ha già integrato ricerca e produzione su scala globale.

Sviluppo e sovranità in Unione Europea

Spesso si parla di “ritardo europeo” rispetto a Stati Uniti e Cina. Dal suo osservatorio all’IIT, qual è la reale posizione dell’Europa nella corsa alla sovranità tecnologica, in particolare nella robotica e nell’AI?

L’Europa non parte da zero, anzi. Abbiamo eccellenze straordinarie nella meccanica di precisione, nei motori elettrici e in settori dove la qualità del “ferro” è ancora fondamentale. Tuttavia, il problema della sovranità non è solo di competenze, ma di filiera e di scala. Per essere sovrani non basta saper progettare un robot; bisogna poterlo produrre senza dipendere totalmente da componenti critiche — come i semiconduttori avanzati o le terre rare — controllate da pochi attori extra-UE.

Uno dei temi caldi è quello delle infrastrutture di calcolo. Ha senso per l’Europa cercare di costruire i propri “Google Cloud” o dovremmo accettare la dipendenza dai player americani?

È una scelta strategica vitale. Costruire data center da zero richiede investimenti che gli USA hanno già ammortizzato in decenni. Tuttavia, non possiamo limitarci a essere “utilizzatori” passivi. Se non possiedi l’infrastruttura, perdi la curva di apprendimento. Possedere la tecnologia permette di capire come farla evolvere. Senza capacità di calcolo autonoma, non potremo mai sviluppare modelli di AI che rispondano a standard scientifici o industriali specificamente europei.

L’assenza di una effettiva filiera industriale europea sembra uno dei maggiori fattori frenanti lo sviluppo di robotica anche non antropomorfa. L’Europa è pronta a investire in questa trasformazione?

Qui risiede il cuore della sfida industriale. Il mercato europeo è ancora troppo frammentato. Ogni nazione tende a proteggere i propri campioni nazionali, mentre servirebbe una politica industriale comunitaria integrata. Se vogliamo che le aziende europee adottino soluzioni di robotica avanzata (magari non antropomorfa ma iper-efficiente), servono incentivi coordinati a livello UE per abbattere i costi di riconversione degli impianti. Senza una visione continentale, resteremo un insieme di mercati troppo piccoli per competere con le economie di scala cinesi.

Recentemente abbiamo visto robot cinesi (come quelli di Unitree) mostrare prestazioni meccaniche sorprendenti a prezzi contenuti. Come deve rispondere l’Europa?

Non dobbiamo inseguire la Cina sul terreno del basso costo, ma su quello dell’intelligenza di sistema e della manipolazione complessa. La forza europea risiede nel software di controllo e nella capacità di far interagire le macchine in ambienti non strutturati. La nostra risposta deve essere l’integrazione: unire la nostra maestria meccanica storica con un’AI che sia “embedded”, ovvero integrata profondamente nel corpo del robot. Ma per farlo, serve che l’Europa decida di investire in modo massiccio non solo nella ricerca di base, ma nel supporto alle startup durante la fase critica del passaggio alla produzione di massa.

In conclusione, la sovranità tecnologica europea è un miraggio o un obiettivo raggiungibile?

Metta: È raggiungibile se smettiamo di pensare in termini di singoli Stati. La sovranità oggi si misura nella capacità di proteggere i propri dati, formare i propri talenti (evitando che fuggano verso chi offre infrastrutture migliori) e garantire l’accesso alle risorse fisiche per produrre hardware. L’Europa ha le carte in regola, ma deve accelerare sulla creazione di un mercato unico della tecnologia e su investimenti infrastrutturali condivisi.

Capitale Umano e il Futuro della Ricerca

Spesso, quando si parla di innovazione, l’attenzione cade sui brevetti depositati o sui prototipi fisici. Lei però sostiene che questo non sia l’unico “output” dell’IIT. Qual è il valore reale della ricerca per il sistema Paese?

Se guardiamo solo ai numeri dei brevetti, vediamo solo la punta dell’iceberg. Il vero valore, quello che sostiene l’intero ecosistema, è il capitale umano. Formare un ricercatore, un ingegnere o un biologo di alto livello richiede anni di investimento pubblico e risorse immense. Quando queste persone raggiungono il massimo livello di competenza (post-dottorato o anche oltre), diventano portatori di una conoscenza che non può essere interamente codificata in un documento tecnico o paper scientifici. È una conoscenza “viva”.

C’è spesso il timore che, se un ricercatore lascia l’accademia per andare in un’azienda privata, lo Stato perda il suo investimento. Lei è di un avviso diverso?

La “fuoriuscita” verso l’industria non è una perdita, ma un successo del trasferimento tecnologico. Se le nostre competenze si trasferiscono nelle aziende, queste diventano più competitive e innovative. Il problema non è il passaggio dall’accademia al privato; il problema è la perdita strutturale di talenti a vantaggio dell’estero.

Quando la mobilità diventa un “problema strutturale”?

La circolazione dei talenti è fisiologica e positiva, a condizione che sia possibile farli tornare. Tuttavia, se il sistema nazionale non offre un terreno fertile — fatto di infrastrutture, stipendi competitivi e prospettive di carriera — i nostri migliori ricercatori si trasferiscono stabilmente in paesi come gli Stati Uniti o la Germania. In quel momento, l’Italia sta di fatto “regalando” ad altre economie un investimento decennale in formazione. Se il numero di chi parte supera drasticamente quello di chi resta o di chi viene attratto dall’estero, lo spreco di risorse pubbliche diventa insostenibile.

Come si inverte questa tendenza nel campo della robotica e dell’AI?

Non basta “trattenere”, bisogna “valorizzare”. Dobbiamo creare un ecosistema dove la ricerca di qualità sia integrata con la capacità industriale. Ad esempio, attraverso la creazione di grandi progetti che richiedano competenze d’eccellenza, o facilitando la nascita di start-up (come abbiamo fatto con Generative Bionics) che possano offrire carriere stimolanti anche al di fuori delle mura del laboratorio. La conoscenza rimane nel sistema non solo attraverso i file, ma attraverso le reti di collaborazione che queste persone mantengono con i colleghi rimasti. Ma perché questa rete funzioni, serve una massa critica di talenti che operi sul territorio.

In sintesi, qual è il futuro della ricerca se non riusciamo a proteggere questo capitale umano?

Rischiamo di diventare dei semplici consumatori di tecnologie altrui. Senza persone capaci di sviluppare, mantenere e far evolvere software e hardware complesso, perderemo la cosiddetta “curva di apprendimento”. Non saremo più in grado di identificare i nuovi bisogni del mercato perché non avremo più chi sa come costruire le soluzioni. Il capitale umano è l’unica garanzia di sovranità tecnologica a lungo termine.

Possibly Related Posts: