L’AI nel settore manifatturiero

Come orientarsi tra sfide e opportunità.

Alessandro Di Carlo

Nel settore manifatturiero, l’adozione dell’intelligenza artificiale (AI) si sta affermando rapidamente e rappresenta una svolta capace di ridefinire i contorni della produzione, dell’efficienza e dell’innovazione dei processi. Oltre che un’evoluzione tecnologica, costituisce una vera e propria rivoluzione nel modo in cui concepiamo e realizziamo i prodotti e i servizi. L’AI, con le sue molteplici applicazioni, offre risposte concrete a problematiche storiche del settore, consentendo di trasformare le potenzialità della tecnologia in soluzioni tangibili che impattano in modo significativo sul business e sulla strategia operativa.

Uno dei problemi principali che l’AI si propone di risolvere è l’inefficienza dei processi, siano essi produttivi o relativi al back office tecnico e commerciale. In uno scenario globale, dove si presta la massima attenzione all’impiego delle risorse, la capacità di ottimizzazione raggiungibile con l’AI può fare la differenza, rappresentando un concreto acceleratore di business. L’AI permette di analizzare in tempo reale enormi volumi di dati numerici e testuali, ricavare connessioni logiche e deduzioni identificando aree di inefficienza e suggerendo miglioramenti, riducendo gli errori e aumentando la produttività. L’errore umano, che spesso causa sprechi e ritardi nei processi, viene notevolmente ridotto attraverso l’AI. Grazie a sistemi in grado di apprendere e migliorare continuamente la precisione e la velocità di esecuzione di moltissimi task, l’efficienza diventa la norma, e non l’eccezione.

Il settore manifatturiero, tradizionalmente conservatore rispetto all’adozione di nuove tecnologie, sta vivendo ora un momento di grande svolta. Le aziende che si affidano a partner in grado di guidarle nell’identificazione di potenziali aree di applicazione dell’AI, a partire dallo stato di maturità aziendale, stanno affrontando con successo le sfide di un mercato sempre più competitivo. L’AI non è più un’opzione futuristica, ma un‘opportunità reale e già disponibile, un investimento nel progresso che promette di riscrivere le regole del gioco anche nel settore manifatturiero.

Lo stato dell’arte nel settore manifatturiero machinery

Come in ogni evoluzione tecnologica, l’eccesso d’informazione rischia di confondere e di rendere difficoltosa per i non addetti ai lavori la valutazione delle innumerevoli proposte esistenti sul mercato, rischiando che restino bloccati di fronte alle tante opzioni o, peggio ancora, che scelgano una strada sbagliata rallentando il processo di adozione. L’interpretazione del linguaggio è uno dei compiti più difficili per una macchina. Esistono differenti approcci per comprendere il testo e per analizzarlo - approccio simbolico, Large Language Model (LLM), Generative AI e altri ancora - capaci di offrire, in base all’esigenza e al caso d’uso, risultati soddisfacenti.

Un conto è effettuare sperimentazioni e prototipi con l’AI, ben diverso è utilizzarla nella quotidianità a supporto di attività produttive. Per ottimizzare un processo, metterlo in produzione e renderlo scalabile, un approccio ibrido, che combina tecniche diverse di AI per l’analisi dei testi, può rivelarsi la scelta vincente.

È importante infatti concentrarsi su processo, KPI e obiettivi, lasciando agli esperti AI il compito di scegliere il mix di strumenti corretti per ottenere il risultato atteso. Il management aziendale dovrà considerare soprattutto l’esperienza del partner di AI, le competenze acquisite sul campo, valutando le soluzioni già implementate e adottate da altre aziende, per verificarne benefici e criticità.

Per introdurre l’AI nei processi di business, si dovrà formare un gruppo di lavoro ben predisposto all’iniziativa, collaborativo e interessato, affidando la governance del progetto ad un team leader capace di fare da “trait d’union” tra il team interno e il partner che offre consulenza per l’adozione dell’AI. Questi sono presupposti indispensabili per portare avanti progetti di successo e far emergere chiaramente come l’intelligenza artificiale possa essere utile a supportare attività concrete, evitando perdite di tempo e denaro in sperimentazioni di scarso valore.

Iniziare con l’approccio Build Up AI

Passare dall’idea di introdurre l’AI in azienda a quella di concretizzarla in uno “use case” specifico spesso non è immediato né intuitivo; inoltre, adottare l’AI in modo che crei valore di business richiede molta più attenzione rispetto alla capacità di sperimentare usando gli innumerevoli tool disponibili sul mercato.

I tool cambiano, emergono continuamente tecnologie più performanti e ciò che oggi è visto come lo strumento migliore, domani sarà molto probabilmente superato da uno nuovo. Proprio per questa ragione occorre che l’azienda adotti la combinazione giusta di metodo, skill tecniche e approccio culturale, per rimanere sulla rotta giusta anche di fronte all’evoluzione degli strumenti.

L’approccio Build Up è una particolare modalità di introduzione dell’AI in azienda basata sulla consulenza. Permette di testare subito applicazioni strategiche e contemporaneamente identificare i gap da colmare per consentire all’AI di essere sempre più pervasiva nei vari processi.

Questo approccio è fondato su analisi obiettiva, esperienza, visione tecnica e operativa del consulente. Solo successivamente entra in gioco il mix di prodotti e tecnologie necessari a raggiungere gli obiettivi. L’approccio Build Up è quindi prima di tutto un’attività consulenziale che si basa su fasi specifiche e ben definite: dall’equipment analysis al progetto pilota passando attraverso le opportunities, puntando al continuo miglioramento attraverso una revisione costante.

Fase 1: AI Equipment Analysis.

Attraverso specifici tool e checklist si analizzano i dati disponibili: quali e quanti dati sono presenti all’interno dell’organizzazione, e come sono accessibili.

Questa fase permette fin da subito di identificare le aree di miglioramento nella raccolta dei dati, evidenziare punti di attenzione sui processi, definire il concetto di qualità del dato in funzione di un processo specifico. Molto spesso si raccolgono tantissimi dati ma senza un chiaro obiettivo. Chi definisce la qualità dei dati in azienda? Quando un dato può effettivamente essere considerato di qualità?

Non è detto che precisione e accuratezza determinino la qualità dei dati. Esistono tante dimensioni differenti da considerare per definire correttamente la qualità in ogni processo da ottimizzare.

In linea di principio, i dati corretti da strutturare dipendono dalle domande per le quali serve una risposta. Molto spesso questo concetto viene tralasciato e si tende a raccogliere tutto il possibile senza un chiaro e definito intento.

L’obiettivo della fase AI Equipment Analysis è una mappatura dei dati disponibili, delle loro caratteristiche e dei gap da colmare.

Fase 2: valutazione delle migliori “AI Opportunities”.

Il secondo passo è quello di identificare quali potrebbero essere le iniziative AI a maggior valore. Tali opportunità potrebbero ad esempio essere desunte dalle fonti dati a disposizione, ma anche dalle inefficienze che sappiamo essere presenti in certi processi. A fronte dell’analisi dei processi e delle relative inefficienze, è compito del consulente evidenziare dove l’AI può intervenire da subito ed essere risolutiva.

L’obiettivo della Fase 2 è quindi identificare l’area o il processo da ottimizzare, valutandone fattibilità e impatto.

Fase 3: progetto pilota e ottimizzazione.

La fase 3 prevede due tipi di attività congiunte. Da un lato si entra nell’operatività, dall’altro si iniziano a colmare le inefficienze nella raccolta dei dati. È di fondamentale importanza affrontare questo step definendo una scadenza di breve periodo, 4-6 mesi al massimo.

Progetto Pilota - Una volta identificata l’area di intervento (ad esempio customer service) si definisce il perimetro di uno specifico “use case” in cui introdurre l’AI. Lo si analizza in dettaglio, si pianificano le attività e si realizza un vero progetto pilota in grado di portare valore immediatamente, evitando inutili “esercizi di stile”.

Ottimizzazione - Azienda e consulente sceglieranno di quale inefficienza occuparsi per affinare il metodo di raccolta dati e colmare via via i gap che permetteranno di proseguire nell’ottimizzazione di tutti i processi che possono beneficiare dell’AI.

Obiettivo - Entro i primi 4-6 mesi, l’azienda avrà integrato un processo ottimizzato dall’intelligenza artificiale nel proprio flusso di lavoro quotidiano. Si avranno fin da subito gli strumenti per tracciare i primi indicatori chiave di performance (KPI) e tutto il necessario per raccogliere i feedback degli end-users. Oltre a questo, saranno state già implementate migliorie nella raccolta dei dati, posizionando l’azienda in una situazione ideale per identificare nuove aree di ottimizzazione sulle quali intervenire.

Fase 4: revisione e miglioramento.

La fase di revisione permette all’azienda di valutare l’efficacia della soluzione tecnologica implementata. Durante questo periodo, è possibile analizzare le prestazioni del modello di intelligenza artificiale, valutare i feedback forniti dagli operatori e l’interazione degli utenti con il nuovo sistema, misurandone il livello di soddisfazione e l’impatto sulle attività quotidiane.

I vantaggi dell’approccio Build Up

Nel panorama aziendale contemporaneo, l’integrazione dell’intelligenza artificiale rappresenta una frontiera decisiva per il mantenimento della competitività e l’innovazione. Tuttavia, per sostenere efficacemente questa trasformazione, è essenziale adottare un approccio strategico e strutturato. L’Approccio Build Up si distingue per la sua capacità di allineare meticolosamente l’uso dell’AI con gli obiettivi aziendali strategici, promuovendo una cultura di innovazione continua e adattamento “agile”. Attraverso una progressiva acquisizione di competenze, una gestione oculata delle risorse finanziarie, e lo sviluppo di una comprensione approfondita dell’AI a tutti i livelli dell’organizzazione, le aziende possono massimizzare il ritorno sull’investimento in tecnologia e minimizzare i rischi associati al cambiamento tecnologico. Di seguito, esploriamo in dettaglio come l’approccio Build Up si traduce in benefici concreti per le aziende che scelgono di adottarlo, migliorando non solo l’efficienza operativa ma anche la capacità di rispondere proattivamente alle sfide del mercato.

Data Strategy Vision. Per ottimizzare i processi è fondamentale definire una strategia di gestione dei dati ben delineata. Mentre la maggior parte delle aziende dispone di una chiara strategia di business, spesso manca una corrispondente data strategy, che è invece essenziale per sostenere la strategia di business, assicurando che la raccolta dei dati sia mirata e consapevole. La qualità del dato, quindi, non si misura solo in termini di precisione, ma anche di rilevanza e di utilizzo efficace nel contesto aziendale, per supportare decisioni più informate e azioni strategiche.

Apprendimento graduale. L’adozione dell’AI richiede un impegno costante nell’upskilling del personale. La formazione continua permette di rimanere aggiornati sulle ultime tecnologie e pratiche migliori. Questo non solo aumenta la capacità di lavorare efficacemente con le nuove tecnologie, ma aiuta anche a ridurre la resistenza al cambiamento, creando un ambiente lavorativo più dinamico e innovativo. La formazione dovrebbe essere vista come un investimento continuo nella forza lavoro, in grado di migliorare la capacità dell’organizzazione di adattarsi e reagire alle nuove sfide.

Allocazione di budget distribuita. La corretta allocazione del budget è cruciale per il successo dell’integrazione dell’AI. Gli investimenti dovrebbero essere distribuiti strategicamente per coprire non solo le tecnologie e le infrastrutture, ma anche la formazione dei dipendenti e la consulenza esterna. La pianificazione finanziaria deve essere flessibile per adattarsi alle esigenze in evoluzione del progetto e alle scoperte emergenti durante la fase di implementazione. Una gestione efficace del budget assicura che le risorse siano utilizzate nel modo più efficace per promuovere l’innovazione e mantenere la competitività.

Diffusione trasversale della conoscenza dell’AI in azienda. Una profonda comprensione dell’AI all’interno dell’azienda è vitale. Questo non riguarda solo il team IT o i tecnici, ma tutti i livelli dell’organizzazione. La consapevolezza di come l’AI possa influenzare e migliorare i vari aspetti dell’azienda può stimolare nuove idee e applicazioni innovative. Questa comprensione condivisa facilita una maggiore collaborazione e accettazione delle soluzioni basate sull’AI, integrando tali tecnologie nelle “abitudini” quotidiane dell’attività aziendale.

Alessandro Di Carlo, Expert.ai (Modena, Italy)