ITA Airways riduce il consumo di carburante con l'AI: il caso OptiFlight di SITA

Il contesto: perché il carburante avio è diventato una priorità strategica

Il jet fuel non è mai stato un tema banale per le compagnie aeree, ma nel 2025-2026 è diventato una variabile critica a livello sistemico. Le tensioni nello Stretto di Hormuz, legate agli eventi bellici in Medio Oriente innescati a fine febbraio, hanno rallentato il transito delle navi petroliere in uno dei corridoi energetici più sensibili al mondo. Circa il 20% del carburante avio utilizzato dagli operatori europei transita da quella rotta, in larga parte collegato alle forniture del Qatar.

La risposta istituzionale non si è fatta attendere: la Commissione Europea ha presentato il pacchetto AccelerateEU, che include misure a breve e medio termine per contenere lo shock dei prezzi energetici e gestire potenziali interruzioni nell'approvvigionamento. Il jet fuel è esplicitamente menzionato tra le voci che richiedono una coordinazione tra gli Stati membri per garantire scorte sufficienti.

In questo scenario, la capacità di consumare meno carburante per volo non è solo un obiettivo di sostenibilità ambientale: è una leva competitiva e di resilienza operativa.

Cosa fa SITA OptiFlight e perché è diverso dagli strumenti tradizionali

Gli aerei di linea dispongono da anni di parametri interni per bilanciare il consumo di carburante rispetto al tempo di volo, tra cui il COST INDEX, che consente di impostare una priorità tra risparmio di tempo e risparmio di carburante. Esistono anche i profili di salita, impostazioni più granulari che determinano come il velivolo accelera e guadagna quota dopo il decollo.

Il sistema OptiFlight, sviluppato da SITA — gruppo IT svizzero con sede a Ginevra specializzato nel trasporto aereo — opera su questo stesso terreno, ma con un approccio sostanzialmente diverso: combina gemello digitale e machine learning per costruire un modello comportamentale specifico per ogni singolo aereo della flotta.

I dati di base provengono dai registratori QAR (Quick Access Recorder), che raccolgono i principali parametri tecnici di ogni volo. OptiFlight li utilizza per estrarre oltre 40 variabili, costruendo un profilo operativo reale di ciascun velivolo — non una curva standard valida in teoria, ma un modello calibrato sull'uso concreto e quotidiano di quell'aereo specifico. A questo si aggiunge la capacità di adattare le raccomandazioni alle condizioni meteorologiche di ogni volo, rendendo le indicazioni generate non solo più accurate, ma anche dinamicamente aggiornate.

I risultati di ITA Airways: i numeri dichiarati

ITA Airways ha comunicato di essere sulla buona strada per conseguire oltre 7.100 tonnellate di risparmio di carburante e più di 22.100 tonnellate di CO₂ nel biennio 2025-2026 grazie all'adozione di OptiFlight, ora implementato sull'intera flotta.

Si tratta di un risultato che, se confermato a consuntivo, rappresenta un impatto misurabile sia sul piano economico — il carburante è tipicamente la prima voce di costo per una compagnia aerea — sia su quello ambientale, in linea con gli obiettivi di decarbonizzazione del settore.

Implicazioni per il settore: dall'ottimizzazione individuale alla gestione della flotta

Il caso ITA Airways-SITA offre uno spunto di riflessione più ampio su come l'AI applicata alle operations possa generare valore in settori ad alta intensità energetica. Tre elementi meritano attenzione da parte di chi si occupa di operations, procurement e strategia.

Il punto distintivo di OptiFlight non è l'ottimizzazione in senso generico, ma la capacità di costruire un modello per ogni singolo aereo. Questo approccio — replicabile in altri contesti industriali con asset fisici complessi — sposta il valore dall'algoritmo generico al dato proprietario accumulato nel tempo. I registratori QAR esistono da anni sugli aerei, ma OptiFlight li valorizza in modo sistematico: in molte aziende manifatturiere, logistiche o di trasporto esistono banche dati operative analoghe che non vengono ancora sfruttate per decisioni in tempo reale.

Infine, il risparmio di carburante incide su costi operativi, emissioni dichiarate, compliance ESG e resilienza rispetto alle fluttuazioni di prezzo contemporaneamente. Non si tratta di un beneficio isolato, ma di un impatto trasversale su più KPI aziendali.

Rischi e limiti da considerare

Come per qualsiasi sistema basato su machine learning, la qualità dei risultati dipende dalla qualità e continuità dei dati in input. Un modello calibrato su un determinato aereo potrebbe richiedere aggiornamenti significativi dopo interventi di manutenzione maggiori o variazioni strutturali.

Inoltre, i numeri comunicati da ITA Airways si riferiscono a una proiezione per il biennio 2025-2026, non a un consuntivo già verificato. È corretto trattarli come obiettivi in corso di raggiungimento, non come risultati già consolidati.

Cosa conviene osservare adesso

Il caso ITA Airways-OptiFlight non è isolato. Il settore aereo globale sta accelerando l'adozione di strumenti AI per l'efficienza operativa, spinto da pressioni congiunte su costi energetici, target ESG e competizione internazionale.

Per le aziende che operano in settori ad alta intensità energetica — trasporti, logistica, manifattura pesante — il modello è replicabile: raccogliere dati operativi per asset, costruire modelli predittivi individualizzati, adattare i parametri operativi in modo dinamico. La tecnologia esiste. La domanda strategica è se le organizzazioni sono strutturate per raccogliere i dati giusti e agire sulle indicazioni generate.

Conclusione strategica

Il risparmio di carburante ottenuto da ITA Airways con l'AI non è solo un caso di efficienza energetica: è un esempio di come l'intelligenza artificiale applicata alle operations possa trasformare dati già esistenti — i registratori QAR — in vantaggio competitivo misurabile. In un contesto di approvvigionamento energetico sotto pressione, investire in strumenti di ottimizzazione asset-specifica non è più una scelta avanzata: è una risposta razionale a un rischio operativo reale.