Negli ultimi mesi abbiamo assistito a una vera e propria corsa all’oro attorno all’intelligenza artificiale. Sono comparse piattaforme che promettono di automatizzare le approvazioni, generare specifiche, creare procedure operative e persino validare automaticamente artwork e materiali di packaging.

La proposta è allettante. Se uno strumento è in grado di analizzare documenti, confrontare versioni, individuare errori e prendere decisioni in pochi secondi, sembra logico pensare che possa ridurre i tempi di lancio, abbattere i costi e semplificare la gestione della catena grafica.

L’intelligenza artificiale ha senza dubbio un ruolo rilevante nell’ottimizzazione dei processi. Può aiutare a classificare informazioni, rilevare differenze, suggerire azioni, velocizzare le ricerche e ridurre le attività ripetitive. Anche in MyMediaConnect stiamo esplorando funzionalità assistite dall’IA per casi d’uso specifici e a basso rischio.

Tuttavia, esiste una linea che non dovremmo oltrepassare: l’intelligenza artificiale non può pilotare le decisioni critiche della catena grafica.

Questo è particolarmente importante in settori come l’industria farmaceutica, il consumer health, l’alimentare e il largo consumo. Un errore su una confezione non è semplicemente un problema di design. Può causare il ritiro di un prodotto, un fermo linea, una violazione normativa, un danno economico considerevole o, in alcuni casi, un rischio per la salute.

La questione non è essere a favore o contro l’IA. La questione è decidere quale ruolo debba svolgere, chi mantiene la responsabilità e quali controlli debbano esistere quando una raccomandazione automatica può avere conseguenze operative, normative o sanitarie.

Il caso Purolea: un segnale d’allarme

Nell’aprile 2026 la FDA ha pubblicato una warning letter indirizzata a Purolea Cosmetics Lab, un produttore di prodotti farmaceutici del Michigan. La lettera include una sezione specifica intitolata “Inappropriate Use of Artificial Intelligence in Pharmaceutical Manufacturing”, dedicata all’uso inappropriato dell’IA nelle attività legate alla produzione farmaceutica.

Secondo la FDA, Purolea aveva utilizzato agenti di intelligenza artificiale per contribuire alla creazione di specifiche di prodotto, procedure e registri master di produzione e controllo. L’azienda dichiarava di utilizzare questi strumenti con l’obiettivo di supportare la conformità ai requisiti normativi.

Il problema non è stato utilizzare l’IA come strumento di supporto. Il problema è stato che l’unità qualità dell’azienda non ha esaminato né verificato adeguatamente i documenti generati prima di integrarli nelle operazioni di produzione.

Durante l’ispezione, la FDA ha inoltre constatato che la convalida dei processi non era stata eseguita prima della distribuzione dei prodotti. Quando gli ispettori hanno segnalato questa carenza, l’azienda ha risposto di non essere a conoscenza dell’obbligo perché l’agente di IA che utilizzava non glielo aveva mai indicato.

La risposta della FDA è stata chiara: se un’azienda utilizza l’intelligenza artificiale per contribuire alla creazione di documenti relativi ad attività cGMP, deve esaminare tali documenti per garantire che siano accurati e soddisfino effettivamente i requisiti applicabili. La responsabilità dell’unità qualità non può essere trasferita a un agente di IA.

Questo caso rappresenta un avvertimento importante per qualsiasi organizzazione che stia pensando di automatizzare processi regolamentati. L’IA può generare una risposta convincente, ma non garantisce che tale risposta sia corretta, completa o giuridicamente sufficiente.

Il rischio normativo nella catena grafica

La gestione del packaging condivide molti degli elementi che rendono particolarmente sensibili le attività cGMP: procedure definite, documenti controllati, tracciabilità, responsabilità formali, revisione delle modifiche e approvazione da parte di persone autorizzate.

In questo contesto, un artwork può contenere informazioni critiche:

Nome e descrizione del prodotto.
Composizione, dose o concentrazione.
Avvertenze e controindicazioni.
Istruzioni per l’uso.
Codici, identificativi e dati legali.
Informazioni su lotto e scadenza.
Claims commerciali o sanitari.
Lingue e requisiti specifici di ciascun mercato.
Elementi grafici associati all’identificazione del prodotto.

Una modifica apparentemente minore può avere conseguenze importanti. Una cifra errata, un’unità di misura espressa male, una traduzione inadeguata, un’avvertenza omessa o un codice illeggibile possono compromettere la conformità della confezione.

I possibili impatti includono:

Ritiro o recall del prodotto.
Distruzione o rilavorazione dei materiali stampati.
Fermi di produzione.
Ritardi nei lanci.
Costi logistici e di distribuzione.
Ispezioni o sanzioni.
Perdita di fiducia da parte di consumatori e clienti.
Danno reputazionale per il marchio.
Rischi per pazienti o utilizzatori nei prodotti regolamentati.

Per questo, la promessa di “approvare un artwork automaticamente” va analizzata con molta cautela. La domanda non dovrebbe essere soltanto quanto tempo fa risparmiare lo strumento, ma anche cosa succede se sbaglia, come viene rilevato l’errore, chi lo convalida e quali evidenze restano registrate.

Automatizzare le attività non significa automatizzare le responsabilità

Esiste una differenza fondamentale tra automatizzare un’attività e automatizzare una responsabilità.

Una piattaforma può confrontare due versioni di un documento e segnalare che una parola è cambiata. Può rilevare che un codice si trova in una posizione diversa, che un colore non corrisponde o che un elemento grafico è stato spostato.

Questa è un’attività oggettiva di assistenza.

Ben altra cosa è che il sistema decida se la modifica è accettabile, se è conforme alla normativa, se le informazioni sono corrette o se il materiale può passare in produzione. Questa decisione richiede contesto, autorità e responsabilità.

Un sistema automatico non conosce necessariamente:

Lo storico completo del prodotto.
Le eccezioni approvate in precedenza.
Gli obblighi normativi di ciascun Paese.
Le priorità commerciali del lancio.
La corretta interpretazione di un claim.
L’impatto di una modifica su altri materiali.
Le responsabilità interne definite nel sistema qualità.

L’intelligenza artificiale può aiutare a individuare pattern o a formulare raccomandazioni, ma non dovrebbe diventare il responsabile ultimo della decisione.

In un ambiente regolamentato, c’è un principio che deve valere sempre: l’IA può essere copilota, ma non pilota.

Come dovrebbe essere utilizzata la tecnologia

L’alternativa non è tornare a processi manuali, lenti e basati sulle e-mail. L’alternativa è applicare un’automazione responsabile, progettata fin dall’inizio attorno alla tracciabilità e alla supervisione umana.

Un modello adeguato può combinare:

Confronto automatico delle versioni. Il sistema rileva differenze oggettive tra due artwork: testi, codici, colori, posizioni, dimensioni o elementi grafici.
Presentazione chiara delle modifiche. Gli utenti possono esaminare le differenze in modo visivo e strutturato, senza dover confrontare manualmente interi file.
Flussi di approvazione definiti. Ogni progetto segue una sequenza di revisioni e approvazioni coerente con le responsabilità dell’organizzazione.
Intervento umano obbligatorio. La decisione finale spetta sempre a una persona autorizzata, soprattutto quando il materiale riguarda un prodotto regolamentato.
Registrazione completa dell’attività. Il sistema conserva chi ha esaminato, quali osservazioni ha formulato, quale versione ha approvato e quando è avvenuta ciascuna azione.
Controllo delle versioni. Solo la versione approvata può avanzare alla fase successiva del processo.

Questo approccio può essere efficiente quanto un’automazione totale, ma evita di trasformare uno strumento probabilistico in un’autorità normativa.

In MyMediaConnect abbiamo scelto deliberatamente questo modello. I nostri sistemi di confronto assistito individuano differenze oggettive tra le versioni, mentre la decisione finale e la convalida restano in capo a un utente autorizzato.

Questo non significa utilizzare meno tecnologia. Significa utilizzarla con una progettazione più adeguata al livello di rischio del processo.

Il rischio di sovranità dei dati

Il secondo rischio da analizzare è la sovranità dei dati.

Le aziende farmaceutiche, del consumer health e del largo consumo gestiscono informazioni molto sensibili attraverso i loro processi di packaging. Queste informazioni possono includere:

Formule e specifiche di prodotto.
Dati di dosaggio e composizione.
Design di lanci non ancora annunciati.
Informazioni su mercati e prezzi.
Claims e strategie di posizionamento.
Dati di fornitori e distributori.
Informazioni relative a reclami o consumatori.
Materiali soggetti ad accordi di riservatezza.

Quando una piattaforma integra servizi esterni di intelligenza artificiale, i dati possono circolare tra diversi fornitori, regioni e subappaltatori. Per questo non basta chiedere se il sistema è “nel cloud”. È necessario sapere quale infrastruttura utilizza, dove vengono elaborati i dati, quali fornitori intervengono e cosa succede alle informazioni inviate.

Il CLOUD Act statunitense consente alle autorità degli Stati Uniti di richiedere determinati dati ai fornitori soggetti alla loro giurisdizione, anche quando tali dati sono archiviati al di fuori del territorio statunitense. L’applicabilità concreta dipende da molteplici fattori legali, contrattuali e tecnici, ma il rischio giurisdizionale deve far parte della valutazione di qualsiasi fornitore cloud o di IA.

Per un’azienda europea, queste sono alcune domande essenziali:

Dove vengono archiviati i dati?
Dove vengono elaborati?
Quali fornitori esterni intervengono?
Vengono utilizzate API di modelli di IA di terze parti?
I dati inviati possono essere conservati?
Possono essere utilizzati per addestrare modelli?
Quali sub-responsabili partecipano al trattamento?
Esiste un’opzione di residenza esclusiva nell’Unione Europea?
Quali misure di crittografia e controllo degli accessi vengono applicate?
Cosa succede se un’autorità straniera richiede informazioni?

Le risposte devono essere chiare, documentate e verificabili contrattualmente.

In MyMediaConnect diamo priorità alla minimizzazione dell’esposizione dei dati sensibili e alla trasparenza su quali informazioni vengono condivise, con chi e per quale finalità. Per le decisioni critiche della catena grafica non dipendiamo da API di IA di fornitori statunitensi.

Il rischio economico e la dipendenza tecnologica

La terza dimensione è economica.

Molte piattaforme di IA si basano su modelli di terze parti i cui prezzi, limiti di utilizzo e condizioni commerciali possono cambiare. Il costo può dipendere dal numero di utenti, dai documenti analizzati, dalle pagine elaborate, dalle parole generate, dalle chiamate all’API o dai tokens consumati.

Ciò rende difficile la previsione di budget, soprattutto quando una funzionalità è profondamente integrata in un processo operativo.

Un fornitore può modificare:

Il prezzo per utente.
Il costo per volume di utilizzo.
I limiti inclusi in ciascun piano.
Le condizioni di archiviazione.
La disponibilità di un modello.
I tempi di risposta.
Le condizioni di addestramento o riutilizzo dei dati.
L’accesso a una specifica API.

Se una piattaforma di gestione del packaging utilizza un servizio esterno per una funzione critica, qualsiasi variazione di prezzo, interruzione o dismissione del modello può ripercuotersi sul cliente.

Per questo, i responsabili finanziari e operativi dovrebbero chiedere:

Quale percentuale del costo della piattaforma dipende da servizi di IA di terze parti?
Il prezzo include l’utilizzo o viene fatturato a consumo?
Ci sono limiti di volume?
Cosa succede se il fornitore esterno aumenta le sue tariffe?
Esiste un fornitore alternativo?
La funzionalità può essere mantenuta senza IA?
Quale piano di continuità esiste se il modello non è più disponibile?
Il cliente riceverà un preavviso in caso di modifiche rilevanti?

L’intelligenza artificiale può ridurre determinati costi, ma può anche introdurre un nuovo livello di dipendenza e volatilità. Il risparmio iniziale non dovrebbe essere valutato senza considerare il costo totale di proprietà e il rischio di continuità.

In MyMediaConnect le funzioni critiche non dipendono da API esterne di IA. Utilizziamo tecnologia proprietaria o sistemi controllati, con un modello di costi più prevedibile. Stiamo esplorando funzionalità assistite dall’IA per attività a basso rischio, sempre con un approccio ibrido che garantisca che il nucleo della piattaforma non resti subordinato a un fornitore esterno.

Tre domande prima di scegliere una piattaforma con IA

Prima di introdurre una soluzione di intelligenza artificiale nella gestione della catena grafica, qualsiasi CMO, responsabile qualità, direttore delle operations o CFO dovrebbe porsi tre domande.

1. Chi si assume la responsabilità se l’IA sbaglia?

La responsabilità non può scomparire perché la decisione è stata automatizzata. Deve essere chiaramente definito chi esamina, chi approva e chi risponde in caso di problema.

2. Dove si trovano e dove circolano i dati?

Il fornitore deve spiegare l’architettura, le regioni di archiviazione, i servizi esterni e le misure contrattuali e tecniche applicabili.

3. Cosa succede se cambiano i costi o il servizio scompare?

Ogni funzione critica ha bisogno di un piano alternativo. Una piattaforma deve poter mantenere il processo essenziale anche se un modello esterno diventa più costoso, smette di funzionare o viene ritirato.

Queste domande non intendono frenare l’innovazione. Intendono garantire che l’innovazione venga introdotta secondo criteri di qualità, sicurezza e sostenibilità operativa.

L’IA come copilota

L’intelligenza artificiale avrà un ruolo crescente nella gestione dei processi. Può aiutare a scoprire anomalie, sintetizzare informazioni, velocizzare i confronti e ridurre il lavoro amministrativo.

Ma nella catena grafica, soprattutto nei settori regolamentati, l’efficienza non può essere ottenuta a scapito del controllo.

La tecnologia deve facilitare il lavoro dei team, non sostituire la responsabilità delle persone autorizzate. Deve offrire velocità senza sacrificare la tracciabilità, automazione senza creare una scatola nera e capacità di analisi senza trasformare una raccomandazione in un’approvazione automatica.

La lezione del caso Purolea è chiara: la FDA non ha messo in discussione soltanto l’esistenza di uno strumento di IA, ma l’assenza di una revisione umana adeguata e il ricorso a una risposta automatica per determinare gli obblighi normativi.

In MyMediaConnect sosteniamo un approccio pragmatico: utilizzare la tecnologia dove apporta un valore misurabile, mantenere checkpoint umani nelle decisioni critiche e progettare ogni processo affinché sia verificabile.

Perché un errore in un artwork non è semplicemente un bug. Nel pharma, nel consumer health e nell’alimentare può trasformarsi in un rischio per l’azienda, per il marchio e per le persone.

L’IA può accelerare la catena grafica. Ma non deve pilotarla.

Fonti

FDA — Warning Letter: Purolea Cosmetics Lab (aprile 2026)

Gestione della catena grafica: perché l’IA non può pilotare e quali rischi nascosti comporta nel pharma e nel FMCG