Dentro un capannone industriale, le telecamere registrano ogni gesto, ogni passaggio di un componente. Fino a ieri, quei filmati restavano confinati in un server di sorveglianza o venivano rivisti solo dopo un fermo macchina. Almetra, una startup con sede a Berlino, ha deciso di cambiarne radicalmente l'uso: puntare l'obiettivo sulle linee di produzione e trasformare ogni fotogramma in dati immediatamente utilizzabili.

Con un round di Serie A da 16,3 milioni di euro appena concluso, la giovane azienda ha già dimostrato il valore del suo approccio in stabilimenti di colossi come Bosch e ABB. L'idea è tanto semplice quanto efficace: le telecamere, spesso già presenti per la videosorveglianza, diventano sensori intelligenti che analizzano il flusso produttivo in tempo reale. Non si tratta di registrare e archiviare, ma di estrarre metriche operative – tempi ciclo, colli di bottiglia, anomalie – e renderle disponibili per decisioni immediate.

Da video a dati: cosa cambia davvero in fabbrica

Il cuore della piattaforma è un sistema di computer vision che trasforma sequenze video in un flusso strutturato di informazioni. A differenza dei tradizionali sistemi di monitoraggio che richiedono configurazioni manuali o hardware dedicato, Almetra sfrutta le telecamere esistenti e processa i dati in loco. Questo elimina la latenza del cloud e mantiene i filmati all'interno del perimetro aziendale – un punto non negoziabile per chi produce componenti critici o custodisce segreti industriali.

L'analisi video in tempo reale richiede capacità di calcolo significativa, ma la startup non ha diffuso dettagli specifici sull'hardware utilizzato. Resta evidente che il deployment on-premise è la scelta obbligata: solo elaborando i dati nell'edge o su server locali si possono garantire tempi di risposta inferiori al secondo e la piena sovranità delle informazioni. È lo stesso principio che guida le aziende quando valutano di portare i Large Language Models dentro i propri data center, anziché affidarsi ad API esterne.

Perché il deployment on-premise qui è un fattore decisivo

Chi esamina soluzioni di AI per la manifattura si scontra sempre con due vincoli: velocità e riservatezza. Il video di una linea di montaggio contiene dettagli su processi, layout e migliorie che rappresentano un vantaggio competitivo. Inviarlo a server esterni, anche con connessioni cifrate, è un rischio che molti direttori di stabilimento non sono disposti a correre. Almetra lo ha capito e ha costruito un'architettura che tiene i dati in fabbrica.

Per chi progetta infrastrutture AI, il caso mostra quanto sia vivo l'interesse per tutto ciò che si può installare e controllare direttamente. Non è solo questione di GDPR o compliance: è la necessità di reagire in tempo reale senza dipendere da una connessione internet a spingere verso soluzioni on-premise. Inoltre, quando si scala su decine di linee, i costi di trasferimento dati verso il cloud possono lievitare, rendendo il TCO di un'infrastruttura locale più competitivo nel lungo periodo.

L'espansione negli Stati Uniti e il contesto più ampio

Dopo essersi consolidata in Europa, Almetra guarda ora al mercato statunitense, dove il reshoring produttivo e gli incentivi governativi stanno spingendo forti investimenti in automazione. La sfida sarà adattare la tecnicia a contesti normativi diversi e a standard di fabbrica eterogenei, ma il principio di elaborazione locale resta un vantaggio trasversale.

In un panorama dove l'AI generativa assorbe gran parte dell'attenzione, realtà come Almetra ricordano che la trasformazione digitale dell'industria passa da applicazioni concrete di computer vision, che producono valore misurato in pezzi lavorati e fermate evitate. Per ogni azienda che valuta tecnicie simili, il trade-off è chiaro: il controllo totale offerto dall'elaborazione on-premise compensa ampiamente gli investimenti iniziali in hardware e manutenzione, specialmente in settori dove un minuto di inattività vale decine di migliaia di euro.

Non è un caso che, mentre Almetra raccoglie capitali per crescere, il dibattito sulle architetture edge e fog computing si faccia sempre più acceso. Chi segue l'evoluzione delle infrastrutture per AI sa che la partita si gioca sempre più vicino alla fonte dei dati.