Grazie ai dati – e all’uso che se ne fa – si possono ottenere molteplici benefici. Questo perché favoriscono l’innovazione delle aziende, ne migliorano la redditività, le rendono più sostenibili e più flessibili nell’affrontare le sfide di mercato. Però non è semplice: il concetto di big data generati dall’Internet of Things implica sia una grande quantità di dati raccolti, sia una estrema eterogeneità (ossia la provenienza da sistemi, protocolli e standard diversi, che spesso rendono difficile la loro catalogazione per il successivo utilizzo). L’intelligenza artificiale sta contribuendo in maniera significativa in tal senso: i dati provenienti da sensori, singole macchine o interi stabilimenti arricchiscono il bacino di informazioni (data lake) collocati sui server locali o nel cloud, in attesa di essere elaborati. Opportunamente utilizzati, consentono alle aziende di comprendere meglio ciò che accade nei propri reparti e di valutare con ragionevole certezza ciò che avverrà nell’immediato futuro per anticipare potenziali eventi negativi, affrontarli in modo proattivo o addirittura evitare che si verifichino.
Un potenziale non semplice da sfruttare
Come accennato, trarre il massimo dai dati può rivelarsi una sfida complessa da portare a termine con successo: spesso sono sparsi tra aree geografiche diverse, su sistemi con standard differenti e non di rado sono difficili da raccogliere e inviare su server remoti.
Secondo i dati Istat, solo il 6,2% delle imprese italiane ha dichiarato di utilizzare sistemi basati su IA, valore che scende al 5,3% per le piccole aziende e cresce al 24,3% per quelle più grandi. Per cominciare è quindi opportuno restringere il campo a una specifica branca dell’IA: il machine learning, che si concentra sull’esecuzione di compiti ben precisi per i quali un computer è stato opportunamente addestrato. In altre parole, fa meno cose, ma le fa meglio. Lo stesso Pnrr (Piano nazionale di ripresa e resilienza) prevede finanziamenti di oltre 13 miliardi di euro per l’ammodernamento delle imprese attraverso l’acquisizione di tecnologie per la comunicazione intra-fabbrica, l’intelligenza artificiale e l’adozione di software per l’apprendimento automatico.
Sostenibili e redditizi: perché no!?
Un altro tema al centro dell’interesse di aziende di ogni genere e dimensione è quello della sostenibilità. È possibile unire i vantaggi dell’IA alle necessità ambientali? Anche in questo caso, la risposta è “sì”. Uno studio del parlamento europeo indica come, attraverso l’uso dell’IA, sia possibile ridurre le emissioni globali di gas serra entro il 2030 di una percentuale compresa tra l’1,5 e il 4%. È bene inoltre ricordare che, se in passato la sostenibilità poteva richiedere scelte economicamente difficili da giustificare e non sempre convenienti, allontanando alcune realtà dall’adottare un approccio più green, oggi non è più così. Sappiamo non solo che la sostenibilità è necessaria, ma che diventa conveniente già nel medio periodo. La questione, quindi, non è più se valga la pena adottare pratiche di progettazione e produzione sostenibili, ma come farlo al meglio.
Realizzare prodotti migliori, che richiedano meno materie prime e meno energia per funzionare, ottimizzando i consumi degli stabilimenti nei quali vengono assemblati: ecco dove IA e sostenibilità trovano il proprio punto di contatto, e la chiave sono ancora una volta i dati. Gli investimenti necessari per avanzare in questa direzione vengono ripagati velocemente, riducendo gli sprechi e migliorando l’efficienza energetica e produttiva degli impianti. Il machine learning può identificare anomalie nei processi, segnalare picchi di consumo, indicare il surriscaldamento di un macchinario prima che si trasformi in un vero e proprio guasto. Talvolta piccole azioni possono portare a grandi vantaggi: si stima che un’ora di fermo impianto possa costare fino a 116.000 euro!
Un passo alla volta, nella giusta direzione
Abbiamo visto come questo percorso possa offrire grandi soddisfazioni, ma sia anche ricco di insidie. Per questo è bene procedere per step, identificare le aree dalle potenzialità più interessanti, partendo da attività circoscritte ma rimanendo concentrati su una visione più ampia. Così facendo è possibile compiere dei passi in avanti senza compromettere processi consolidati. Una volta ottenuti i primi successi, diventerà più facile indirizzare i successivi investimenti. Il machine learning è una soluzione molto concreta per le aziende che vogliono trasformare i propri dati in un vantaggio competitivo. Mantenendo una visione aperta, supportati dagli strumenti giusti e guidati da una strategia ben definita, si possono vincere anche le sfide più ambiziose.
