Intelligenza Artificiale, se a decidere in fabbrica è l’algoritmo

La trasformazione digitale sta portando innumerevoli cambiamenti ed evoluzioni dei modelli di lavoro anche in fabbrica. Grazie ai dati e all’Intelligenza Artificiale (AI), infatti, è oggi possibile adottare strategie più consapevoli e basate su predizioni o sistemi di supporto alle decisioni: dalla pianificazione della Supply chain alla gestione automatizzata del magazzino, dall’Energy management alla manutenzione, dai controlli di qualità ai sistemi di supporto alla creatività sono molteplici, e di grande impatto sul business, le possibili applicazioni dell’AI. Queste tecnologie – che di fatto simulano l’intelligenza umana – si basano su processi di Machine learning (Ml) e permettono ai software di ‘imparare’ per migliorare lo svolgimento delle attività; inoltre, il Deep learning abilita, attraverso le reti neurali artificiali, l’apprendimento automatico delle macchine, facilitando la gestione di conoscenze, di informazioni e di risorse anche in presenza di dati eterogenei. Per indagare la consapevolezza e il livello di maturità delle aziende su queste tematiche, Sistemi&Impresa ha elaborato un questionario in collaborazione con Emanuele Frontoni, Professore Ordinario di Ingegneria Informatica all’Università di Macerata e Co-Director del Vision, Robotics & Artificial Intelligence Lab dell’Università Politecnica delle Marche.

L’AI a supporto delle decisioni è ancora per pochi

La maggior parte delle Piccole e medie imprese italiane (PMI) del Manifatturiero non ha ancora introdotto tecnologie di AI a supporto delle decisioni. Solo il 31% dichiara di usare tali approcci nelle Operations e un numero ridotto (8%) lo fa per rispondere a esigenze di management. “Purtroppo, ancora oggi l’analisi dei dati e il ricorso all’AI nelle strategie aziendali è bassa o molto bassa, nonostante tutti dichiarino di volersi impegnare nella direzione di un più ampio supporto alle decisioni attraverso le tecnologie. L’adozione, la fiducia e la consapevolezza verso soluzioni più evolute dell’AI, come il Deep learning e l’uso di reti neurali, è ancora limitato a un numero esiguo di imprese”, commenta Frontoni. Guardando ai settori di futura applicazione, inoltre, è significativo che l’ultimo degli interessi emersi dall’inchiesta, per quanto riguarda le applicazioni di AI, sia la previsione delle vendite. Una mancanza di maturità sul tema che, secondo il docente, sarebbe auspicabile colmare con uno sforzo da parte di tutti, facendo tesoro degli esempi che provengono dalla struttura intermedia dei Digital innovation hub europei, dei Competence center e dei centri di ricerca. “Le buone pratiche di chi è stato capace di adottare soluzioni di AI moderne in tanti settori aziendali serviranno da testimonianza per accrescere la consapevolezza”, è il parere di Frontoni. Un tema importante, secondo il docente, è poi quello della velocità: “Occorrerà recuperare rapidamente il gap e agire nella direzione di una utile e ampia introduzione dell’AI nella vita aziendale in poco tempo, per essere competitivi e capaci di muoversi in maniera flessibile nelle decisioni di questo mondo complesso e in continua variazione”. A tal proposito sono utilissime azioni di stimolo come l’ultimo bando del Ministero dello Sviluppo Economico a supporto delle attività per lo sviluppo delle tecnologie e delle applicazioni di AI; servirà anche integrare nei Programmi operativi regionali e del Fondo europeo di sviluppo regionale (Por Fesr) tante azioni che contemplino questi ambiti.