PLAST Giugno 2026 Stampaggio | Page 37

sovraregolamentazione; la responsabilità e la distribuzione di costi e benefici tra le aziende. Solo superando queste tensioni sarà possibile passare dai progetti pilota all’ adozione di soluzioni di IA come prassi industriale consolidata. Tuttavia, l’ IA non è l’ unica leva da considerare. Progettazione orientata al riciclo, semplificazione dei prodotti, infrastrutture robuste di raccolta e riciclaggio e una regolamentazione chiara rimangono pilastri indispensabili.

Alcuni punti critici Sebbene la maggioranza degli intervistati consideri tecnicamente fattibile un maggiore impiego di soluzioni di IA, le raccomandazioni si concentrano sui colli di bottiglia nella standardizzazione e nell’ integrazione in panorami aziendali eterogenei, sui conflitti tra proprietà intellettuale e disponibilità a condividere i dati, sui fattori economici e psicologici( mancanza di business case e percezione del rischio) e sul coordinamento europeo e globale. È necessario inoltre bilanciare protezione dei dati e quadri di responsabilità, nonché indirizzare la competitività e la sovranità europea riducendo le dipendenze strategiche. Vi è il rischio che, senza governance chiara e adeguati modelli di business, proliferino iniziative parallele e concorrenti: molti intervistati vedono quindi la necessità di alleanze strutturate tra industria e ricerca. Per le PMI l’ adozione dell’ IA comporta costi sproporzionati per integrazione, dati e conformità normativa rispetto alle grandi multinazionali, che potrebbero invece guidare la definizione di standard e spazi dati. Un supporto mirato alle PMI è necessario per evitare il divario digitale e garantire flussi circolari di plastica conformi alle normative.

Interventi prioritari Il Fraunhofer CCPE ha identificato tre priorità strategiche entro il 2030. La prima è l’ istituzione di piattaforme dati condivise su cui tutti i partecipanti lungo la catena del valore possano archiviare e scambiare dati su materiali, processi, qualità e ciclo di vita, secondo“ regole del linguaggio dei dati”( ontologie / standard) uniformi e specifiche del settore- base per i passaporti digitali di prodotto e per applicazioni di IA affidabili. La seconda priorità è sviluppare, testare e implementare modelli di IA ibrida, spiegabile e consapevole dell’ incertezza destinati alla progettazione, alla lavorazione, alla raccolta e cernita e al riciclaggio, includendo la validazione dell’ efficienza economica e della sostenibilità. La terza è verificare le soluzioni di IA sul campo attraverso progetti pilota e dimostratori end-to-end( soluzioni di riferimento che mappano un processo completo o una catena del valore) e in living lab, piattaforme di sperimentazione controllate che replicano condizioni operative reali. È infine opportuno considerare sistematicamente l’ impronta ambientale delle soluzioni basate su IA, includendo una valutazione del ciclo di vita( LCA), e sostenere la ricerca su modelli di business, governance e formazione che consentano la condivisione dei dati e lo sviluppo di competenze trasversali, con attenzione agli aspetti socioeconomici e organizzativi che ne condizionano l’ adozione. Il Fraunhofer CCPE si propone come partner di ricerca neutrale per costruire ponti tra ricerca, industria e politica in vista di un’ economia circolare delle plastiche entro il 2030.

Fonti:- Kerps, A.; Hiebel, M.; Weßling, K.; Kopka, J.-P.; Meller, P.: Artificial Intelligence in the Plastics Value Chain by 2030, Fraunhofer Cluster of Excellence Circular Plastics Economy CCPE( Ed.), Oberhausen / Dortmund, March 2026. DOI: 10.24406 / publica-8140- Kerps, A.; Hiebel, M., Weßling, K.; Kopka, J.-P.: Landscape Analysis and Survey: AI in the Plastics Value Chain by 2030, Fraunhofer Cluster of Excellence Circular Plastics Economy CCPE( Ed.), Oberhausen / Dortmund, March 2026. DOI: 10.24406 / publica-8144

WWW. PLASTMAGAZINE. IT STAMPAGGIO 6 ~ 6 | 2026 RIVISTA DELLE MATERIE PLASTICHE 37