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 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 della Ai generativa? Secondo un’indagine globale di McKinsey strumenti GenAi sono già utilizzati dal 60% delle aziende e il 40% prevede di incrementare gli investimenti. Gli ambiti applicativi? Marketing e vendite, sviluppo di prodotti e servizi, assistenza clienti e supporto di back-office. Siamo solo all’inizio.
I modelli generativi consentiranno di rispondere a input complessi e articolati in modo più naturale di quanto sperimentato sinora. 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. «La tendenza sarà passare da soluzioni generaliste a soluzioni specializzate per mercati verticali e per singoli domini applicativi, per l’ambito progettuale e ingegneristico, nella produzione e nei servizi postvendita», , afferma Giovanni Miragliotta, co-direttore dell’Osservatorio Ai del Politecnico di Milano e del Polimi Artificial Intelligence Research and Innovation Center (Airic), la struttura interdipartimentale del Politecnico che riunisce le principali competenze su intelligenza artificiale e innovazione digitale.
Insomma, 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’Ai generativa valorizzerà e potenzierà ulteriormente la conoscenza che potrà derivare dall’analisi dei dati del patrimonio informativo aziendale. Tuttavia, è ancora presto per definire con precisione chirurgica come verrà applicata la new wave algoritmica nei processi manifatturieri. «Lo scenario è in divenire, dice Miragliotta. Stanno uscendo i primi articoli in campo scientifico che iniziano a indagare gli early uses, dalla pianificazione della supply chain, alla previsione della domanda e all’ottimizzazione delle scorte». Ecco le riflessioni emerse dal confronto con il professore del Politecnico sulle possibili evoluzioni dell’intelligenza generativa, i punti di forza e i vantaggi che potranno scaturire da un sua più intensiva ed estensiva applicazione in ambito manifatturiero.
OpenAi, ChatGpt. Il grande impatto mediatico generato dalla new wave dell’intelligenza artificiale sta incentivando le aziende a confrontarsi sulle opportunità dell’Ai generativa
Gli analisti sono concordi nell’affermare che l’introduzione dell’Ia generativa aprirà nuove prospettive e possibilità, portando a un’evoluzione significativa nelle capacità delle macchine di apprendere, creare e interagire con le persone, introducendo cambiamenti radicali nell’efficienza operativa. «L’intelligenza artificiale diventa lo sparring partner nei processi di innovazione, sviluppo prodotto e nel decision making», osserva Miragliotta.
Non c’è da sorprendersi, l’incertezza è un fattore presente in tutte le organizzazioni e ogni giorno ci si confronta con scelte. Ed è l’Ai lo strumento per navigare in questa incertezza. Cosa succederebbe se aprissimo una filiale in una certa posizione? Come influirebbe sul nostro fatturato? Come gestire eventi imprevisti e imprevedibili che si possono verificare lungo tutta la catena del valore, dalla logistica alla produzione? Ebbene, l’Ai fornirà informazioni accurate per valutare le opzioni e mitigare il rischio. Risultati che nasceranno da un’integrazione tra Ai tradizionale e generativa poiché, come dice Miragliotta, le due diverse famiglie di tecnologie sono complementari e non mutuamente esclusive.
L’avvento dell’Ai generativa democratizza l’accesso alle tecnologie che saranno decisive per la futura trasformazione digitale
«Continueremo a utilizzare l’Ai così come l’abbiamo conosciuta in questi anni, per individuare dei pattern, trovare delle correlazioni, fare delle previsioni, mentre l’AI generativa porterà con sé un contributo creativo», osserva Miragliotta. Come dire, non solo algoritmi di machine learning che incorporano regole in grado di fare ottimizzazione di processo, e nemmeno solo Ia generativa, che peraltro comprende una molteplicità di subordinate tecnologiche. Il risultato finale sarà un valore aggiunto che deriverà dal combinato disposto di entrambe le famiglie tecnologiche, tradizionali e generative.
«L’Ai è un tema che è entrato di prepotenza all’attenzione del grande pubblico, grazie soprattutto al contributo di OpenAi, ma non è un fulmine a ciel sereno, racconta Miragliotta. Di generative design nel campo della manifattura additiva se ne parla da anni. Diciamo che l’avvento dell’Ia generativa ha svegliato un po’ tutti perché ha reso disponibili strumenti pronti all’uso per dialogare con i dati aziendali, democratizzando l’accesso all’intelligenza artificiale». Secondo il professore del Politecnico per comprendere il potenziale dell’intelligenza artificiale si devono analizzare gli ambiti di processo su cui si vuole fare innovazione, confrontandosi con esperti che conoscono lo stato dell’arte della tecnologia, individuando possibilità e opportunità attraverso un dialogo aperto con tutte le funzioni aziendali. «E’ in questo modo che si potranno mettere a fuoco i progetti candidati ad essere immediatamente spendibili. Credo che l’errore sia considerare l’Ai in modo mono-progettuale, dice Miragliotta. Deve invece essere parte del portafoglio d’innovazione d’impresa e non limitata a una singola iniziativa. Lo sviluppo di competenze non si limita ai soli algoritmi ma si estende alla qualità e gestione del dato e alla valorizzazione del patrimonio informativo aziendale».
Interagire con il patrimonio dati aziendale attraverso un linguaggio conversazionale
Gen Ai è caratterizzata da grandi modelli fondazionali o Large Language Model (LLM): hanno una conoscenza generale di linguaggio o di cultura di base e possono essere addestrati su dataset di specifici contesti aziendali. Modelli già pronti o da addestrare, competenti in procedure di montaggio o di controllo qualità, per esempio. «Il grande vantaggio della Gen Ai è la possibilità di interagire in un linguaggio conversazionale, vocale o testuale, mentre con l’Ai tradizionale si lavora su dati strutturati che prevengono per lo più da sensori», spiega Miragliotta. In sintesi, la Gen Ai arricchisce ed estende il potenziale applicativo dell’AI nel manifatturiero. «Tutti si stanno sintonizzando su questa opportunità. Molto spesso i vertici aziendali che sono venuti a contatto con ChatGpt iniziano a chiedere a uffici tecnici e in altre aree dipartimentali quali sono i piani di utilizzo di questa tecnologia. Come utilizzare questi strumenti per migliorare i processi aziendali? Si parte dalla sperimentazione per poi arrivare alla soluzione finale».
I tre livelli di utilizzo: automazione documentale e di back-office, innovazione di prodotto, sviluppo servizi
Riguardo alle tendenze future, secondo Miragliotta si possono ipotizzare tre diversi livelli applicativi. Il primo è quello classico, comune a tutti, di miglioramento della produttività del day by day. Gen AI può per esempio essere utilizzata per facilitare la comunicazione, fare sintesi di documenti, produrre testi, andando ad alleggerire la gestione di attività operative di back-office. Un vantaggio che può essere colto orizzontalmente da tutte i settori di industry e trasversalmente a tutte le funzioni aziendali. Il secondo livello è nell’ambito dell’innovazione di prodotto/servizio, dove entrano in gioco tecnologie come il generative design.. Come racconta Miragliotta, «In un’azienda che produce macchinari sono già in uso piattaforme Internet of Things per fornire ai clienti un servizio di monitoraggio dello stato del macchinario. Ebbene, si potrà innovare quel servizio in un format dialettico, conversare con la knowledge base della macchina, manualistica e quant’altro, consentendo ai clienti di acquisire informazioni e istruzioni. Il terzo ambito è il supporto all’innovazione dei processi e alla gestione della conoscenza».
Gen Ai, lo sparring partner per l’innovazione aziendale e per estrarre una nuova conoscenza dai dati
«GenAi è un ottimo sparring partner, ci aiuta a riflettere su come si fa innovazione, su come si gestiscono i processi all’interno dell’azienda. Sto facendo un nuovo progetto? Sulla base della conoscenza acquisita posso chiedere quali sono gli errori da evitare. E nel caso di un re-layout del sito produttivo mi può suggerire quali sono le logiche più corrette per l’allocazione dei materiali a magazzino. Sparring partner nei processi d’innovazione, appunto, basato su modelli fondazionali che vengono arricchiti con la conoscenza di una specifica azienda». Produttività personale immediata, realizzazione di nuovi prodotti o servizi, supporto all’innovazione e alla gestione della conoscenza. «L’adozione dell’intelligenza artificiale è un processo che va articolato azienda per azienda. Si può pensare di utilizzarla nella gestione acquisti, automatizzando la produzione di preventivi. Nella supply chain potrebbe avere un futuro per individuare le performance dei vari fornitori, in termini di qualità e time to market. Le applicazioni sono davvero numerose. Un esempio è la generazione di contributi creativi nell’ambito della progettazione. Nell’industria automobilistica la GenAi viene ad esempio utilizzata per avere un design iniziale della vettura. Forme che, per quanto lontanissime dal punto di vista funzionale e aerodinamico ottimale, mi possono aiutare con delle intuizioni importanti».
Gli imperativi business per sfruttare al meglio il valore dell’intelligenza artificiale…
Allineamento strategico – Allineare l’uso dell’intelligenza artificiale generativa con la strategia complessiva dell’azienda. Identificare aree in cui l’Ia generativa può aggiungere un valore significativo, come l’automazione di compiti ripetitivi, il potenziamento della creatività o la personalizzazione delle esperienze dei clienti.
Cambiamento culturale – Integrare con successo l’intelligenza artificiale generativa spesso richiede un cambiamento culturale all’interno delle organizzazioni. I leader dovrebbero favorire una cultura di innovazione, sperimentazione e apprendimento continuo per abbracciare e adattarsi ai progressi tecnologici.
Sviluppo delle competenze – Potenziare e riqualificare la forza lavoro è essenziale. I dipendenti devono acquisire competenze legate al lavoro con tecnologie di intelligenza artificiale generativa, e le organizzazioni dovrebbero investire in programmi di formazione per colmare il divario di competenze.
Collaborazione e team cross-funzionali – L’Ia generativa spesso funziona meglio quando implementata in collaborazione con team cross-functional. Riunire individui con competenze diverse, inclusa l’esperienza di settore, la scienza dei dati e l’esperienza utente, può portare a soluzioni più olistiche ed efficaci.
…E gli ambiti applicativi in cui si sta affermando nel settore manifatturiero
1. Automazione e ottimizzazione dei processi – L’introduzione di sistemi basati su sull’intelligenza artificaile ha consentito una significativa automazione dei processi di produzione. Robot autonomi, equipaggiati con capacità di apprendimento automatico, sono in grado di eseguire compiti complessi e ripetitivi con una precisione e una velocità sorprendenti. Ciò ha portato a una riduzione dei tempi di produzione e a un aumento della qualità del prodotto.
2. Manutenzione predittiva – Un aspetto cruciale dell’Ia nel settore manifatturiero è la capacità di implementare sistemi di manutenzione predittiva. Utilizzando algoritmi avanzati, le macchine possono monitorare costantemente le proprie condizioni e prevedere quando è necessaria la manutenzione. Ciò non solo riduce i tempi di fermo macchina, ma ottimizza anche la gestione delle risorse e prolunga la durata utile delle attrezzature.
3. Ottimizzazione della catena di approvvigionamento: – L’Ia offre strumenti sofisticati per l’ottimizzazione della catena di approvvigionamento. Analizzando grandi volumi di dati, i modelli predittivi possono prevedere la domanda, ottimizzare gli stock di magazzino e migliorare la pianificazione della produzione. Questo riduce gli sprechi e ottimizza l’efficienza complessiva della catena di approvvigionamento.
4. Collaborazione uomo-macchina – Un’altra evoluzione significativa è la crescente collaborazione tra lavoratori umani e macchine intelligenti. Gli operatori possono interagire con robot collaborativi dotati di intelligenza artificiale, migliorando la flessibilità e la sicurezza nelle operazioni industriali. Questa sinergia tra intelligenza umana e artificiale porta a una maggiore produttività e sicurezza sul luogo di lavoro.
5. Ottimizzazione dell’energia e sostenibilità – L’Ia è stata impiegata con successo per ottimizzare l’uso dell’energia nelle strutture industriali. Attraverso l’analisi dei dati di consumo energetico, è possibile identificare aree di spreco e implementare soluzioni per ridurre l’impronta ambientale. Questo allineamento con le pratiche sostenibili è diventato un obiettivo cruciale per molte aziende manifatturiere.
6. Qualità e controllo del processo – L’Ia ha rivoluzionato il controllo della qualità nei processi produttivi. Sistemi di visione artificiale e algoritmi di apprendimento automatico sono impiegati per rilevare difetti o anomalie in tempo reale. Ciò migliora la precisione del controllo di qualità, riduce i rifiuti e assicura prodotti conformi agli standard più elevati.
