Agenti AI nel building tech: dove si nasconde davvero il margine

Il paradosso che riguarda anche il nostro settore

Quasi nove aziende su dieci, in tutti i settori, hanno adottato l'AI in almeno una funzione di business. Solo una su quindici dichiara di averne ricavato un valore "significativo". Per il building tech — lighting, HVAC, distribuzione elettrica, smart building — il paradosso ha una declinazione specifica: la tecnologia AI è già nei prodotti che vendiamo (controlli, sensori, piattaforme cloud) ma raramente nei processi che usiamo per venderli, supportarli e farli crescere sul canale.

Gli agenti AI — sistemi capaci di pianificare, ragionare ed eseguire attività multi-step in autonomia, non semplici copiloti reattivi — promettono di chiudere quel gap. Tra le aziende industriali che li hanno scalati, due terzi riportano aumenti tangibili di produttività e oltre la metà segnala risparmi di costo. Ma il valore non si distribuisce in modo uniforme. Si concentra su chi ha fatto una scelta precisa nei processi che contano davvero per il margine — preventivazione, governance del canale, after-sales, demand planning — e l'ha fatta in fretta.

Questo articolo è una mappa operativa per quella scelta, applicata al nostro settore.

Dove gli agenti generano valore (e dove sono solo demo)

Tre messaggi devono guidare la decisione.

Primo, il valore non è dove tutti guardano. L'attenzione del settore è quasi monopolizzata dalla diagnostica predittiva sui prodotti — Trane Technologies con BrainBox AI riporta riduzioni di consumi HVAC nell'ordine del 15–25%; Johnson Controls OpenBlue dichiara fino al 30% di risparmio energetico su HVAC e lighting. Sono numeri reali, ma sono numeri che vanno al cliente finale, non al P&L del produttore o del distributore. Per chi vende prodotti e soluzioni building tech, il margine si gioca altrove: nella velocità e qualità della preventivazione, nella governance della rete distributiva, nella riduzione del cost-to-serve post-vendita, nell'allineamento tra forecast e capacità produttiva. È lì che vanno puntati gli agenti AI per generare EBIT, non solo brochureware.

Secondo, l'efficienza pura è una trappola. Le aziende che catturano davvero valore dall'AI — il 6% identificato da McKinsey come high performer — non inseguono il taglio dei costi. Puntano contemporaneamente a crescita e innovazione, e hanno 3,6 volte più probabilità di altri di perseguire una trasformazione enterprise-wide. Tradotto per il nostro settore: chi imposta gli agenti AI come progetto di "automazione del back-office" ottiene risparmi modesti e isolati. Chi li imposta come ridisegno del go-to-market e del modello di canale ottiene il moltiplicatore.

Terzo, il vincolo non è tecnologico, è organizzativo. I dati del settore sono frammentati su sei-otto sistemi: ERP, CRM, configuratori, listini, BIM, ticketing, e-commerce, distributor portal. Chi mette gli agenti sopra silos non integrati ottiene demo. Chi affronta prima la pulizia e l'unificazione dei dati di prodotto e canale ottiene leva.

Cinque famiglie di casi d'uso ad alto ritorno per il building tech

1. Preventivazione, capitolati e gare. È il primo punto di compressione del margine in tutto il settore. Un agente AI può leggere un capitolato d'appalto o una richiesta tecnica, estrarre i requisiti — flussi luminosi, classi IP, certificazioni richieste, classi energetiche, vincoli di compatibilità — e tornare con una configurazione di prodotti, alternative cross-sell e una bozza di offerta in minuti invece che giorni. L'impatto non è solo sul tempo: è sul win-rate, perché su gare in cui il primo a quotare con qualità tecnica conquista il vantaggio, ridurre il time-to-quote da cinque giorni a quattro ore cambia la conversione strutturalmente.

2. Governance del canale e supporto distributore. Sonepar — primo distributore mondiale, €33,6 miliardi di ricavi nel 2025 — ha portato la propria piattaforma omnichannel Spark a generare oltre €11 miliardi di vendite digitali nel 2024 e ha esplicitamente messo al centro l'AI per predire i bisogni del cliente, ottimizzare inventario e logistica, personalizzare le raccomandazioni. Rexel, con il piano Axelerate 2028, ha già il 33% delle vendite in digitale. Chi vende attraverso questi distributori — o attraverso reti più piccole — può usare agenti AI per routing automatico dei lead in base a territorio e specializzazione, allerta su sell-through anomalo, generazione di proposte commerciali distributore-specifiche, monitoraggio della performance contrattuale. È la differenza tra "gestire il canale a sentimento" e "gestire il canale con un sistema nervoso".

3. After-sales, supporto tecnico e field service. È l'area in cui il taglio costi è più documentato e immediato. Un caso pubblico illustra il principio: una torre uffici a Tokyo ha usato l'AI per intercettare in anticipo vibrazioni anomale di ventilatori e problemi di compressori, evitando 40.000 dollari di riparazioni d'emergenza. Honeywell riporta una riduzione del 60% nei tempi di rilevamento e risoluzione guasti tramite Forge. Deloitte stima che la manutenzione predittiva riduca i costi di manutenzione del 25-30% ed elimini il 70-75% dei fermi non programmati. Il principio si applica anche ai produttori: un agente che fa triage dei ticket di supporto tecnico, identifica difetti seriali, indirizza il tecnico giusto e suggerisce il ricambio corretto può ridurre il cost-to-serve post-vendita del 20-30%, recuperando margine altrimenti eroso da call center e trasferte.

4. Specifica tecnica e supporto al progettista. Schneider Electric ha integrato AI direttamente nel suo SpaceLogic Touchscreen Room Controller, con una riduzione dei reclami occupanti fino al 23%. Ma più rilevante per chi vende: un agente che assiste lo studio di progettazione nella selezione prodotto — calcoli illuminotecnici, dimensionamento HVAC, verifiche di compliance, ricerca di alternative su prodotti fuori produzione o lead time critici — sposta l'azienda dal ruolo di fornitore al ruolo di partner della specifica. È il punto di leva più sottovalutato del settore: chi controlla la specifica controlla la conversione, perché il prodotto specificato vince la gara prima ancora che il distributore quoti.

5. Demand planning e gestione lead time. Signify, con la sua linea SmartBright All-In, ha esplicitamente progettato prodotti che riducono gli SKU a magazzino del distributore. È un'innovazione di prodotto, ma il pattern strategico è identico al lato AI: agenti che integrano segnali di pipeline progetti, sell-through canale, lead time di componenti elettronici critici e capacità produttiva, e che riallocano dinamicamente la priorità di produzione. In un settore dove i lead time su componenti possono determinare la chiusura o meno di una commessa, questo si traduce direttamente in win-rate e in cash conversion.

Il framework decisionale: tre orizzonti

Orizzonte 1 — Efficienza dei processi esistenti (0–6 mesi). Inserire agenti dentro flussi già mappati, con KPI misurabili: tempo medio di preventivazione, win-rate per fascia di valore, cost-to-serve post-vendita, accuratezza forecast a tre mesi. Obiettivo: validare il ROI e costruire la curva di apprendimento. Investimento contenuto, ritorno rapido, narrativa interna importante.

Orizzonte 2 — Ridisegno dei flussi (6–18 mesi). Riprogettare i processi assumendo che l'agente sia un nodo del workflow. Esempio concreto: invece di automatizzare la lettura del capitolato, ridisegnare l'intero ciclo specification-to-order con agenti che orchestrano lettura tecnica, configurazione, pricing dinamico, generazione offerta, follow-up commerciale ed escalation umana solo dove serve. È qui che si entra nel territorio degli high performer.

Orizzonte 3 — Nuovi modelli di servizio (12–36 mesi). Offerte abilitate dall'agentic AI che oggi non sarebbero economicamente sostenibili. Net Zero Buildings as a Service — il modello che Johnson Controls ha lanciato — è esattamente questo: il cliente paga il risparmio energetico generato invece del CapEx. Per un produttore o distributore di medie dimensioni l'equivalente è offrire al cliente finale un servizio di ottimizzazione continua a sottoscrizione, sostenibile economicamente solo grazie all'autonomia dell'agente. Qui si gioca il vantaggio competitivo di lungo periodo.

L'errore tipico è restare incollati all'Orizzonte 1, scambiando una collezione di pilot riusciti per una strategia. Le aziende del settore che catturano valore stanno tutte spingendo verso Orizzonte 2 e 3.

Il blueprint operativo: 90 giorni, 6 mesi, 12 mesi

Primi 90 giorni — Stabilire il terreno

Selezionare due use case con dati strutturati e sponsor di funzione forti. Per il building tech, le scelte più sicure sono preventivazione (dati su CRM/ERP) e triage ticket post-vendita (dati su sistema di ticketing). Costituire un team agile di 4–6 persone con un product owner di business — direttore commerciale o direttore service, non solo IT. Definire upfront le metriche: time-to-quote, win-rate, FCR (first contact resolution) sul service. Mettere a punto governance minima: human-in-the-loop sulle offerte sopra una certa soglia, audit trail completo, ownership delle eccezioni.

Da 90 giorni a 6 mesi — Ridisegnare il flusso

Una volta validato il pilot, fermarsi prima di scalare. La domanda non è "come deployamo l'agente più velocemente" ma "come cambia il processo di vendita, o di service, se assumiamo l'agente come dato di partenza". Riallocare il tempo di sales engineer e tecnici di supporto verso attività ad alto valore — relazione con specifier, sviluppo key account, formazione canale. Costruire una capability interna minima — un AI product owner, un data engineer, un responsabile governance — per ridurre la dipendenza da consulenti esterni.

Da 6 a 12 mesi — Scalare la piattaforma

Standardizzare un'infrastruttura agentica unica per tutto il commerciale e il service. Estendere a use case di Orizzonte 2: gestione integrata progetto-distributore-installatore, demand planning collegato alla pipeline progetti, predizione del churn distributore. Iniziare a misurare l'impatto a livello di EBIT per business unit, non solo per progetto. È lo spostamento dalla "somma dei pilot" alla "linea di business trasformata".

Tre rischi specifici del building tech

Rischio frammentazione dati. Il settore ha dati di prodotto distribuiti tra ERP, configuratori, datasheet PDF, BIM, listini distributore, CRM. Un agente che interroga sei sistemi senza un layer di prodotto unificato produce risposte inconsistenti, e una sola risposta sbagliata su un capitolato basta a perdere la gara. Chi salta la fase di Product Information Management brucia il caso economico.

Rischio compliance e responsabilità tecnica. Lighting, HVAC e distribuzione elettrica sono settori safety-critical e fortemente normati (CEI, EN, IEC, regolamenti antincendio, EPBD). Un agente che propone configurazioni o suggerisce sostituzioni senza tracciabilità delle norme applicate è un rischio reputazionale e legale sproporzionato rispetto al risparmio. Il principio "human-in-the-loop dove conta, autonomo dove è sicuro" non è opzionale — e va codificato fin dal pilot.

Rischio rifiuto del canale. Quando un agente automatizza preventivazione, configurazione o supporto tecnico, sta entrando in attività che alcuni attori del canale considerano core del proprio valore aggiunto. Senza una strategia esplicita di abilitazione del canale — non sostituzione, ma upgrade — la scalata si ferma alla resistenza degli agenti commerciali, dei partner installatori o degli specifier interni alla rete.

La domanda da portare in consiglio

Per chi guida un'azienda di lighting, HVAC, distribuzione elettrica o building tech, la domanda non è più "stiamo usando l'AI?". È: quale percentuale del nostro EBIT è ragionevolmente attribuibile a iniziative AI tra dodici mesi, e in quali processi commerciali e di service la stiamo cercando?

Se la risposta è "qualche risparmio sul back-office" o "abbiamo un pilot sulla manutenzione predittiva di un cliente importante", la traiettoria è chiara — ed è la stessa del 94% di aziende che oggi dichiara di non vedere valore significativo dai propri investimenti.

Se invece la risposta include preventivazione, governance del canale, after-sales e demand planning fondamentalmente ripensati nei prossimi sei-dodici mesi, con KPI di EBIT espliciti e un team strutturato a guidarli, l'azienda si sta posizionando nel piccolo gruppo che catturerà la quota sproporzionata di valore — e nei prossimi cicli di gara, di rifornimento e di rinnovo contrattuale, si farà sentire.

Gli agenti AI nel building tech non sono una soluzione tecnologica. Sono una scelta di management. E come tutte le scelte di management che contano, premiano chi decide presto e bene — e penalizzano chi aspetta che il mercato si stabilizzi.