Come programmare il viaggio verso la terra promessa dell’intelligenza artificiale? Quali le potenzialità nell’ambito manifatturiero-industriale? Come evolve il mercato? Quali le soluzioni che possono supportare l’innovazione di settore? Se la tecnologia tradizionale di machine learning si è già affermata in tutta una serie di ambiti applicativi – automazione dei processi, manutenzione predittiva, controllo qualità, supply chain, collaborazione uomo-macchina, efficienza energetica – quale sarà la prossima direzione che verrà impressa dalla disponibilità dell’IA generativa? Ecco quanto emerso dal nostro viaggio nel caleidoscopico mondo dell’intelligenza artificiale attraverso le interviste esclusive ad alcuni tra i più importanti player del mercato nel mondo delle piattaforme e del software (Microsoft, Google, Ibm, Oracle, Sap, Salesforce, Sas), dell’infrastruttura (Hpe, Lenovo), della progettazione (Autodesk), della robotica (Fanuc), delle società di consulenza strategica (Bain & Company) e della system integration (Gruppo Dgs e Impresoft).
Dall’inchiesta emerge un chiaro messaggio: i modelli generativi consentiranno di rispondere a input complessi e articolati in modo più naturale di quanto sperimentato sinora, introducendo un nuovo paradigma uomo-macchina basato su linguaggi conversazionali, testuali o vocali. Automazione del back-office, progettazione, sviluppo prodotto e servizi. L’IA generativa crea efficienza su ciascuno di queste tre livelli di attività. «Accanto a tutto il potenziale del machine e deep learning che, in forme diverse e da decine di anni, lavora al supporto decisionale, alla predizione, all’analisi delle immagini, all’automazione robotica e intralogistica, l’IA generativa valorizzerà e potenzierà ulteriormente la conoscenza che potrà derivare dall’analisi dei dati del patrimonio informativo aziendale», afferma Giovanni Miragliotta, co-direttore dell’Osservatorio AI del Politecnico di Milano e del Polimi Artificial Intelligence Research and Innovation Center. La sua intervista completa viene ripubblicata QUI. Se da una parte è ancora presto per definire con precisione chirurgica come verrà applicata la new wave algoritmica nei processi manifatturieri, non vi sono dubbi su quello che potrà essere l’esito finale: «Modelli linguistici e strumenti di intelligenza artificiale aiuteranno le aziende a velocizzare di circa il 30% le attività lavorative liberando le persone da moltissime attività ripetitive. E ragionando per processi verticali si potrebbe arrivare a scoprire che vi sono attività automatizzabili al 100%», dice Emanuele Veratti, partner e digital practice leader di Bain & Company Italia. La sua intervista completa viene ripubblicata QUI. Insomma, l’IA ha un’altissima probabilità di incidere sulla qualità del lavoro e sulla produttività delle imprese ed è dalla commistione di machine learning e intelligenza generativa che si svilupperanno i principali casi d’uso. «Le interazioni uomo-macchina diventeranno più fluenti e simili a conversazioni reali.
In termini di servitization si può anche immaginare che in futuro gli oem del machinery potranno consegnare agli end user macchine parlanti, che rispondono a domande precise sullo stato del loro funzionamento, che sanno dare indicazioni su possibili fault», dice Marco Taisch, presidente del competence center Made 4.0 e docente di sustainable and digital manufacturing e operations management del Politecnico di Milano. La sua intervista completa viene ripubblicata QUI Pianificazione della produzione, previsioni di vendita, lettura di manuali macchina per attività manutentive. Molte delle responsabilità in carico a capi reparto, direttori di stabilimento e operatori, che comportano l’analisi di una quantità significativa di dati e documenti, possono essere supportate dall’intelligenza generativa. Lo stesso in ambito ingegneristico. «Provate a immaginare quanto tempo viene sprecato nel trovare soluzioni che magari qualche collega aveva già individuato e che sono nascoste nei sistemi di gestione dei dati aziendali, dice Taisch. Con GenAI tutte queste informazioni potranno essere recuperate rendendo più veloce l’intero processo di sviluppo prodotto». Essendo multimodale la Gen Ai può inoltre analizzare sia testi che immagini con algoritmi in grado di estrarre una conoscenza che non sarebbe altrimenti possibile con metodi tradizionali. Da una parte, quindi, soluzioni per interrogare tutta la parte di manualistica, per il troubleshooting orientato alla risoluzione immediata dei problemi, dall’altra le opportunità in ambito ingegneristico, nella progettazione. «Per un costruttore di macchine l’utilizzo dell’Ai generativa consentirà di ottimizzare il time to market, rispondere alle richieste del cliente più velocemente, in modo innovativo e flessibile.
Gli incrementi di produttività possono davvero essere significativi, del 30 o del 40%», ci ha spiegato in questo articolo sul machinery Andrea Isabella, senior partner e responsabile italiano del settore Advanced Manufacturing & Services di Bain & Company. GenAI come tecnologia più importante di sempre? Forse sì, ma una cosa è certa: stiamo per scoprirlo. Come evidenzia l’inchiesta, nel mondo dell’high tech sta avvenendo una trasformazione epocale che permetterà alle imprese di qualsiasi settore industriale di cambiare il modo di lavorare, creando le premesse per un nuovo salto di produttività. Piattaforme per lo sviluppo di soluzioni personalizzate basate sul large language models, applicazioni enterprise e assistenti virtuali, infrastruttura di supercalolo on premise e in cloud, software per l’automazione della progettazione, servizi di system integration, robotica industriale. Ecco l’ecosistema delle tecnologie e servizi abilitanti l’IA generativa.
Piattaforme di sviluppo. Google, Microsoft, Ibm, Oracle, Sas. Gli ecosistemi digitali abilitanti l’Ai generativa basati su modelli linguistici di grandi medie e piccole dimensioni
Le miniere da dove estrarre il nuovo oro dall’IA generativa? Le piattaforme cloud dei grandi hyperscaler, localizzate e distribuite in tutto il mondo. È lì che si trovano le tecnologie abilitanti lo sviluppo di soluzioni di intelligenza artificiale per tutti i settori di industry, manifatturiero incluso. Industrializzare la produzione dell’IA generativa, dunque. In Google gli strumenti per la creazione, gestione e distribuzione di applicazioni, personalizzabili con i dati di contesto aziendali, risiedono in Vertex AI, lo store Big G per i modelli di intelligenza tradizionale e generativa. Per Ibm l’IA è invece sinonimo di watsonx, la piattaforma big blue che mette a disposizione di programmatori, sviluppatori, software e system integrator le materie prime (i modelli fondazionali) e le risorse digitali per creare soluzioni e servizi per i più diversi settori di industry e contesti applicativi. In generale, per i provider delle piattaforme la sfida è portare l’IA generativa nelle aziende e farla diventare uno strumento di business. Parafrasando il gergo manifatturiero, watsonx rende per esempio disponibili linee di progettazione e produzione che permettono di creare i copilot della working class 5.0. Nessuno sta a guardare. Grazie alla partnership con Nvidia, Oracle ha per esempio ha realizzato un servizio di supercalcolo che consente alle aziende l’accesso immediato all’hardware e al software necessari per addestrare modelli avanzati per l’IA generativa.
Protagonista indiscusso del new deal generativo, Microsoft, che con la sua piattaforma ed ecosistema digitale Azure AI offre alle aziende la possibilità di sfruttare modelli ChatGpt di apprendimento automatico prefabbricati, fornendo gli strumenti e l’infrastruttura necessari per formare, testare e implementare i modelli nei vari settori di industry. L’inchiesta evidenzia inoltre che i provider di tecnologia abilitante l’intelligenza generativa si stanno orientando a creare piattaforme non solo per lo sviluppo di soluzioni generative che derivano dall’utilizzo di large language model ma capaci di soddisfare la produzione di small language model, modelli di dimensioni ridotte, specializzati per compiti specifici. Investimenti per aggiornare l’offering software all’intelligenza generativa sono infine trasversali a tutte le high-companies da sempre coinvolte nello sviluppo di soluzioni di analisi dei dati. E’ il caso di Sas, la più grande azienda privata di software analytics a livello mondiale che con la sua roadmap strategica ha l’obiettivo di democratizzare l’accesso alla knowledge base aziendale, integrando progressivamente l’AI generativa nelle soluzioni destinate ai più diversi settori industriali.
Applicazioni enterprise con copilot. Sap, Salesforce, Microsoft. Gli assistenti virtuali diventano parte integrante dell’offerta mainstream del software d’impresa
Accelerare l’adozione della GenAI attraverso una vera e propria trasformazione nel modo in cui si utilizzano le applicazioni. Per Sap la strategia è l’intelligenza artificiale integrata (embedded AI) in tutte le business application. Sarà come accendere un interruttore, dicono in Sap: l’utente non si renderà nemmeno conto di utilizzare l’intelligenza artificiale. La trasformazione digitale sostenuta dall’intelligenza artificiale permetterà di operare con maggiore efficienza e produttività semplicemente ponendo domande o indicando al sistema cosa fare. I sistemi comprenderanno il significato delle richieste degli utenti e agiranno di conseguenza, automatizzando processi per cui era prevista una specifica conoscenza e professionalità. Sulla stessa lunghezza d’onda di Sap si sta muovendo Salesforce che mette a disposizione delle aziende Einstein 1, il copilota per interagire con tutte le applicazioni cloud Crm (sales, service, marketing, commerce) attraverso un’unica interfaccia conversazionale. Tre le componenti tecnologiche abilitanti il copilota di Sap: Data Cloud, il data lake della knowledge base aziendale che integra anche dati e metadati provenienti da fonti esterne con cui interagiscono le applicazioni Salesforce; il large language model e l’interfaccia conversazionale.
Un copilota, quello di Salesforce, che è stato pensato per essere personalizzato in una logica open system, con la possibilità di utilizzare large e small language models (Bring Your Own Model) e incorporare dati da sorgenti diverse (Bring You Own Data Lake). E in ambiente Microsoft l’IA generativa di ChatGpt può essere utilizzata nella versione Copilot associata alle applicazioni di produttività individuale oppure essere adattata per dare vita a progetti custom, con assistenti virtuali verticalizzati per singoli processi aziendali. In tema di intelligenza generativa riferibile all’ambiente Microsoft il Copilot è stato sviluppato per essere uno strumento di produttività individuale mentre l’AI inglobata in Azure è quella dedicata allo sviluppo di soluzioni che vanno a indirizzare nuove modalità di processo. Da una parte, quindi, l’utilizzo personale, uso il Copilot per sintetizzare i contenuti salienti delle mail che ricevo giornalmente, per redigere un documento, per fare il transcritp di una riunione, e inviare il riassunto a una platea più ampia. Dall’altra, l’assistente verticale di processo che interfaccia basi dati informative delle differenti aree o dipartimenti aziendali.
Bain & Company, l’IA generativa come tecnologia abilitante la nuova produttività del manifatturiero
Secondo Bain & Company modelli linguistici e strumenti di intelligenza artificiale potrebbero aiutare le aziende a velocizzare di circa il 30% le attività lavorative. Le prime adozioni e sperimentazioni stanno interessando tutti i settori di industry. «Con l’AI generativa si riescono a rivedere processi liberando i white collar da moltissime attività ripetitive. E ragionando per processi verticali si può arrivare a scoprire che vi sono attività automatizzabili al 100%. L’IA è un vero game changer: inciderà sulla qualità del lavoro e sulla produttività delle imprese. Siamo però nella fase di start-up: nonostante sia nei piani delle aziende l’IA generativa non è ancora stata adottata su larga scala e non fa parte, se non per eccezioni, della vita quotidiana delle aziende. Ma è solo l’inizio. La velocità di propagazione sta avvenendo in modo molto più rapido rispetto a quanto avvenuto in passato con altre tecnologie», afferma Emanuele Veratti, partner e digital practice leader di Bain & Company Italia. Nel manifatturiero l’attenzione è sul knowledge sharing, sulla possibilità di utilizzare l’intelligenza generativa per avere risposte immediate in termini di istruzioni operative, favorendo l’utilizzo di interfacce vocali che eliminino la necessita di avere un’interazione testuale, modalità che semplifica attività che devono essere eseguite in ambienti di fabbrica. «La GenAI avrà sicuramente un impatto sulle soluzioni di manutenzione predittiva, una delle aree su cui si sono concentrati gli investimenti Industry 4.0, dice Veratti. La capacità dei modelli multimodali di lavorare sulle immagini potrebbe dare un contributo significativo nel modo in cui si eseguono interventi a bordo macchina e negli impianti».
Hpe e Lenovo. L’infrastruttura di supercalcolo edge to cloud. Il futuro dell’intelligenza generativa è ibrido ed è sempre più legato alla collaborazione con Nvidia, il leader mondiale della tecnologia gpu based
Un’infrastruttura hardware e software per addestrare e implementare specifici modelli linguistici. Potenza computazionale, storage, networking. Come dire, la tanto auspicata produttività algoritmica si potrà realizzare solo a patto di avere un accesso indifferenziato al supercalcolo. As a service, on demand, on premise, all’edge e in cloud. Ciascuno ha un suo proprio modello di business. Per Hpe, ad esempio, il modello è ibrido. L’infrastruttura di calcolo della storica multinazionale americana è infatti adattabile, esportabile e riproducibile all’interno di una molteplicità di scenari architetturali. Un modello che rientra nella logica inaugurata anni fa con il modello GreenLake, che abilita a un’infrastruttura componibile per l’IT as a service a portata di grande, media e piccola azienda. Lo stesso vale per Lenovo: potenza computazionale AI-based a tutti i livelli infrastrutturali, dal pc, all’edge al cloud. Parola d’ordine per i big player dell’Ict? Democratizzare l’accesso all’intelligenza artificiale, tradizionale e generativa, e renderla fruibile trasversalmente a tutto lo stack tecnologico della new wave informatica, ibrida per definizione, on e off premise. All’utente la possibilità di selezionare l’architettura in base all’utilizzo e performance all’edge e al cloud: da una parte l’infrastruttura per fare training di large language models di grandi dimensioni, dall’altra i sistemi per ospitare modelli operativi inferenziali lì dove i dati vengono creati. Fondamentale per Lenovo e Hpe la partnership con Nvidia, la società che oggi fornisce i prefabbricati gpu based per il calcolo generativo utilizzati da tutti i giganti dell’Ict.
Design generativo, automated modeling e automated drawing. L’intelligenza artificiale embedded nelle piattaforme di progettazione di Autodesk
Oltre sei anni fa Autodesk è stata tra le prime aziende a introdurre la tecnologia di progettazione generativa. Permette di identificare la soluzione di design più performante in base a parametri e vincoli specifici, trova la soluzione più efficiente e performante in base a criteri predefiniti, di peso, resistenza o altro; una volta inseriti i dati di input genera automaticamente delle geometrie ed evidenzia il miglior price performance in funzione dei volumi di produzione e dei materiali da utilizzare. Accanto al design generativo, le funzioni di automated modeling ovvero la modellazione automatizzata, che può essere utilizzata sin dalle fasi iniziali del processo di progettazione, consentendo di individuare nuove possibilità nell’approccio a uno specifico problema di design. Come affermano gli esperti di Autodesk, «In pochi minuti, la modellazione automatizzata fornisce numerose alternative di design modificabili, genera modelli 3D basati su regole e parametri predefiniti, offrendo un alto livello di controllo e precisione». A seguire, sempre nell’ambito di strumenti di automazione, l’add-in CloudNC Cam Assist Automation che traduce modelli 3D di componenti a 3 assi in strategie di lavorazione in pochi secondi. Come dice Samuele Gallazzi, sales account manager di Autodesk, «si comporta come un copilota, contribuendo ad automatizzare i compiti ripetitivi di programmazione Cam». Insomma, con l’introduzione di nuove soluzioni Ai generativa, attività che prima potevano richiedere ore o giorni sono ora disponibili quasi istantaneamente. Infine, la soluzione di automated drawings. «La creazione di documentazione tecnica, spesso un compito procedurale che non aggiunge valore, occupa una parte significativa del tempo di un progettista, racconta Gallazzi. Ecco, quindi, la soluzione di automated drawings per generare automaticamente disegni 2D e 3D da modelli 3D Cad e aiutare i progettisti a lavorare in modo più efficiente, accelerando il processo di sviluppo prodotto».
Intelligenza artificiale generativa per il mondo manifatturiero. I percorsi di system integration di Impresoft e Dgs-Porini
Per Impresoft, software house e system integrator per il mondo manifatturiero, il modello produttivo tradizionale, impostato sull’automazione delle linee di produzione, risulta superato. «Occorre realizzare una “fabbrica intelligente”, acquisire dati, analizzarli e correlarli con le variabili coinvolte per garantire risposte accurate ed utili in tempo reale. Se correttamente implementato, questo approccio alla produzione consentirà alle aziende di ottimizzare i costi produttivi e di migliorare la qualità della produzione», afferma Alessandro Geraldi, group ceo di Impresoft. IA tradizionale e IA generativa. Impresoft ritiene che le tecnologie debbano essere utilizzate innanzitutto per potenziare le capacità delle persone e non tanto e solo per sostituire il lavoro umano. «Per funzionare bene, l’IA generativa deve essere addestrata sulla knowledge base aziendale, dice Geraldi. Le due più grandi sfide per le organizzazioni sono proprio queste: identificare i processi dove utilizzare l’IA avere accesso ai dati. Un copilota non serve a nulla se non viene legato alla knowledge base aziendale» dice Geraldi. In Porini, system integrator e centro di competenza Microsoft di Dgs (software vendor controllato dal fondo d’investimento H.I.G Capital) si è già iniziata la sperimentazione e mappati i possibili casi d’uso dell’intelligenza generativa, per processo e per settore. «Le soluzioni nascono da un confronto diretto con i clienti, dice Tommaso Pozzi, ceo di Porini. Si sperimenta, nessuno sa fino a che punto ci si può spingere. Si mette alla prova l’efficienza di un modello interagendo con una base dati specifica e se ne verificano le potenzialità. E una volta dimostrata l’efficienza si passa a una vera e propria logica di implementazione». Tra le soluzioni già sviluppate da Dgs-Porini: Intelligent Document Advisor, l’assistente virtuale per estrarre informazioni rilevanti e fornire una risposta in linguaggio naturale a domande relative a una specifica base documentale; Hr Buddy per semplificare le procedure amministrative per il personale; Recruitment Assistant, per facilitare la ricerca di personale scansionando in rapidità curriculum vitae; Natural Language to Sql, per interagire con i dati in modo intuitivo (le domande poste in linguaggio naturale vengono convertite in query Sql, automatizzando il processo di interrogazione).
Fanuc: robot che vedono e sentono e poi comunicano in linguaggio naturale. L’IA generativa che trasforma la fabbrica
Algoritmi per migliorare la performance di un robot o di una macchina utensile, per la manutenzione predittiva, per il controllo di qualità e l’efficienza energetica. E anche algoritmi servo-tuning per la “ease of use”, per far eseguire in autonomia il settaggio dei parametri, ottimizzando le performance degli assi macchina. L’intelligenza artificiale può ormai essere integrata in tutta l’offerta Fanuc, nella robotica, nel mondo del controllo numerico e nelle macchine utensili, un installato globale che ha ormai raggiunto più di un milione di robot, oltre 5 milioni sistemi Cnc e 300.000 centri di lavoro RoboDrill. Quale il futuro dell’intelligenza artificiale? «La via maestra è quella del machine e deep learning, dell’IA tradizionale. Per quanto riguarda la new wave dell’Ai generativa la roadmap ne prevede invece l’uso per funzioni diagnostiche, per il service, per risolvere problemi che derivano da un allarme, con algoritmi che forniranno agli operatori informazioni contestualizzate alla specifica lavorazione», afferma Marco Bianchi, technical manager ed esperto di intelligenza artificiale di Fanuc Italia. Nei piani futuri anche la possibilità di rendere disponibile un’operatività vocale: servirà a semplificare l’utilizzo di robot senza che vi sia bisogno di avere in fabbrica e in officina personale con competenze ultra-qualificate. Insomma, in linea teorica, se oggi disponiamo di robot industriali e collaborativi che vedono e sentono (vibrazioni, temperature o altro) un domani potremmo avere macchine che comunicano in linguaggio naturale.
