Portare IA nelle operations. Al Made 4.0 anatomia del casi industriali Carel, SaidText, Medispa, Sky Italia

Riorganizzare la produzione per adeguarla al lancio di un nuovo prodotto, identificare aree aziendali dalle quali si possono estrarre e analizzare nuovi dati utili per prendere decisioni di business, velocizzare la produzione, gestire la manutenzione e il costante funzionamento di infrastrutture complesse. Sono quattro esigenze specifiche, dalle quali sono partite altrettante aziende per mettere a punto progetti di implementazione dell’intelligenza artificiale nelle operations. E dimostrano come l’aspetto determinante per il successo di un progetto di intelligenza artificiale sia rappresentato dalla chiarezza di obiettivi.

Carel, che produce controlli per i sistemi di riscaldamento (Hvac) o refrigerazione, ha implementato un progetto di IA con il competence center Made 4.0 con l’obiettivo di riorganizzare la produzione di diversi stabilimenti, distribuiti su tre continenti. La molla è stata rappresentata dall’esigenza di lanciare un nuovo prodotto a livello globale. SaidText, una startup che ha sviluppato un’applicazione b2b di intelligenza artificiale, è a sua volta partita da una considerazione molto concreta. Gli operatori seguono costantemente la produzione, sono per così dire in prima linea, ma le loro osservazioni si perdono, non entrano nemmeno a fare parte del patrimonio informativo aziendale. Da qui, l’idea di trasformare in dati le loro conversazioni, attraverso device che consentono di registrare e un software di IA che li elabora e li invia al corretto decisore aziendale. Medispa, impresa del settore biomedicale che realizza checkup digitali per la prevenzione, grazie all’IA e al lavoro dei prompt engineer ha drasticamente ridotto i tempi di produzione del prodotto che realizza. Sky Italia, che non è un’azienda della manifattura ma un operatore televisivo e della banda larga, sta portando avanti un progetto per rendere più gestibile un’infrastruttura complessa (data center, cloud provider, applicazioni) dalla quale arriva un’enorme molte di dati.

Fabrizio Brancher, group head of quality di Carel, Emanuele Padrona, founder e ceo di SaidText, Andrea Prina, founder e ceo di Medispa, Luca Orlando, senior manager, cloud e infrastructure transformation di Sky Italia hanno presentato questi casi d’uso nel corso di un aperitivo tecnologico organizzato a Made 4.0 dedicato all’IA nelle operations. Durante il quale Federica Costa, professor assistant del Politecnico di Milano, ha fornito una panoramica dello stato di adozione dell’intelligenza artificiale e del tipo di scelte di investimento che stanno facendo le aziende.

Le imprese della manifattura utilizzano nelle operation la narrow IA, concentrata su un obiettivo specifico. La Gen AI è più profittevole nel marketing

L’intelligenza artificiale generativa ha determinato una svolta negli investimenti delle imprese, la curva dell’adozione dell’IA dal 2023 si è impennata. Questo che potremmo definire effetto Chat Gpt, non comporta necessariamente che le imprese stiano investendo in intelligenza artificiale generativa, anzi. Nella maggior parte dei casi, nelle aziende si usano applicazioni di narrow AI.  «Significa che sono applicazioni con un obiettivo molto specifico, task altamente specializzati», rileva Federica Costa. «L’utilizzo della IA generativa è più pervasivo nelle funzioni in cui è percepito che questa forma di intelligenza artificiale possa portare il maggior valore all’interno della industry. Per il settore advanced industries, ad esempio, il maggior impiego riguarda il product and service development. Nel settore dei media e delle tlc, vincono le service operation». È sempre la parte che prevede il maggio contatto con il cliente in cui al momento prevale l’IA. Un report del Politecnico di Milano segnala come in termini di aumento dell fatturato l’IA generativa abbia un impatto rilevante soprattutto nel marketing e nelle vendite, mentre per quanto riguarda la riduzione dei costi il settore più coinvolto sono le risorse umane.

Nell’industria, invece, l’orientamento è più pragmatico, l’intelligenza artificiale viene implementata per rispondere a una precisa esigenza. E spesso, come detto è la cosiddetta narrow AI. Per il momento, fra l’altro, l’utilizzo si concentra soprattutto sulla manutenzione, con particolare attenzione a quella predittiva e al monitoraggio dei parametri della macchina, e al controllo qualità, con use case che si concentrano maggiormente sulla detection dei problemi che non sull’analisi delle cause per prevenire i difetti. Quest’ultimo, segnala Costa, «è un ambito di ricerca più avanzato». Fanalino di coda, il miglioramento della produzione, e qui ci sono quindi notevoli margini di miglioramento in aree come pianificazione e controllo, riduzione fermi macchina, ottimizzazione dei parametri di processo. Il contesto generale vede le aziende comunque incrementare gli investimenti. Aumentano le aziende che utilizzano l’IA in almeno una funzione, e anche il numero di funzioni in cui viene utilizzata all’interno di una stessa organizzazione. Nel 2023 il 55% delle imprese utilizzava l’IA in almeno una funzione aziendale, ora la percentuale è salita al 78%. Ci sono rispettivamente il 63 e il 45% delle imprese che utilizzano l’IA in almeno due o tre funzioni aziendali. L’IA sta diventando più pervasiva, anche se è ancora limitato al 16% il numero di imprese che la utilizza in almeno cinque funzioni aziendali. Resta anche il tradizionale gap negli investimenti da parte delle piccole e medie imprese, più indietro delle big. Per quanto riguarda l’impatto sul lavoro, la funzione dell’IA come potenziamento del lavoro umano è preponderante rispetto a quella di automatizzazione. Che, però, non è trascurabile e vede percentuali più alte in particolare nel marketing, 27%, customer service, 24%, risorse umane, 19%. La manifattura, quindi la produzione, è al quarto posto con il 17%.

Nei prossimi due anni le imprese incrementeranno gli investimenti in intelligenza artificiale su ricerca e sviluppo, design, e produzione

Attenzione: le stime di una survey del Massachusetts Institute of Technology vedono in aumento, nei prossimi due anni, gli investimenti in ricerca e sviluppo ma anche in produzione. La maggior parte delle imprese vede investimenti in crescita con le seguenti caratteristiche: 32 per cento delle aziende aumenterà di una percentuale compresa fra l’1 e il 10% gli investimenti in IA per design, engineering e ricerca e sviluppo, il 30% prevede analoga progressione nella produzione. Il 29% ha in programma un incremento dall’10 al 25% per ricerca e sviluppo e il 18% di analoga percentuale in produzione.

Le organizzazione che prevedono di incrementare gli investimenti di una percentuale superiore al 50% sono relativamente rare, ma resta invece significativa la presenza di imprese intenzionate a incrementare gli investimenti fra il 26% e il 50%: il 19% delle aziende intende farlo in relazione alla ricerca e sviluppo, il 13% per digitalizzare la produzione.

Carel, un progetto di riorganizzazione produttiva che ha coinvolto stabilimenti dislocati in diverse aree del mondo con l’obiettivo di lanciare un nuovo prodotto

Carel è un’azienda familiare quotata alla Borsa di Milano che da oltre 50 anni produce soluzioni per l’efficientamento energetico di edifici e applicazioni industriali, in particolare componenti e software per sistemi Hvac (riscaldamento, ventilazione, condizionamento), e refrigerazione. «L’intelligenza artificiale per noi parte dal dna del prodotto nel senso che facciamo continuamente progetti di applicazioni di IA sul prodotto». Ma in collaborazione con il Competence Center Made 4.0, l’azienda ha portato avanti un progetto di intelligenza artificiale che ha riguardato l’area produttiva, basato sullo sviluppo di un digital twin. In realtà il lavoro effettuato ha avuto impatto anche sull’innovazione di prodotto:  trattandosi di un’azienda che vende componentistica a produttori di macchinari, utilizza l’intelligenza artificiale ad esempio in ottica di manutenzione predittiva ma non solo. La knowledge sviluppata sull’intelligenza artificiale consente di pensare anche a livello di prodotto a nuovi servizi per il cliente, in ottica di servitization.

Ma veniamo al progetto. «Dovevamo lanciare un prodotto con l’ambizione di venderlo sul mercato globale, con volumi importanti, e quindi abbiamo fatto un progetto per creare il miglior assetto produttivo che ci consentisse di fabbricarlo su diversi plant in Italia, Croazia, Cina, USA e Brasile». C’era quindi un’esigenza specifica, progettare l’intero ciclo produttivo per supportare il lancio sul mercato di un nuovo prodotto a livello globale, assicurando al contempo qualità ed efficienza. «Abbiamo lavorato su un digital twin. Nel nostro settore abbiamo prodotti a sostituzione abbastanza lunga. Questo nuovo prodotto in particolare integrava dinamiche di gestione diverse dai precedenti. Il tempo a disposizione ci ha consentito di condurre uno studio che, grazie all’impiego del digital twin con una linea correttamente costificata e budgettata, ci ha fornito un’analisi ragionata su cosa fare, come farlo e in quali tempistiche». L’intelligenza artificiale ha lavorato sulla creazione dei modelli di riproduzione dei processi all’interno del digital twin, e ha consentito di adattarli alle esigenze delle diverse linee produttive da realizzare nei diversi stabilimenti. Fino a questo momento, è stata utilizzata una forma di narrow IA. Ma «questo lavoro è stato propedeutico all’utilizzo di modelli più evoluti di IA, che abbiamo applicato non solo alle operation ma a tutta l’organizzazione. Ad esempio, i nostri prodotti di efficientamento energetico hanno essi stessi al loro interno elementi di IA utili a prevedere il funzionamento del macchinario del nostro cliente». Altri benefici del progetto: «è stato utile in termini di metodo sulle tecnologie da adottare e sulla scelta dei fornitori, anche grazie a Made. Questo ci ha permesso di fare ragionamenti su come impostare ulteriori step evolutivi, ad esempio su alcuni parametri di efficienza e qualità».

Sky Italia, un’applicazione cloud native, che usa anche l’intelligenza artificiale, per analizzare il tempo reale i dati che arrivano da infrastruttura e applicazioni

Sky Italia, pay tv e fornitore di banda larga, sta invece utilizzando l’intelligenza artificiale per analizzare i dati che arrivano dall’infrastruttura e dalle applicazioni al servizio delle operation. L’infrastruttura è complessa e ibrida, con i dati sui data center e su diversi cloud provider. «L’IA ci aiuta ad analizzare i dati e correlarli» sintetizza Luca Orlando, senior manager cloud e infrastructure transformation. «Siamo partiti chiedendoci come poter supportare le operation nella loro quotidianità. Ci siamo imbattuti in un lavoro di Gartner sulla AIops, l’intelligenza artificiale nelle operation, che definisce cinque livelli. Ci siamo concentrati sui primi tre livelli, ingestion dei dati, topology discovery, correlazione. Gli altri due non li abbiamo ancora affrontati perchè i tempi non ce lo consentivano». I cinque livelli dello studio di Gartner sono Ingestion, quindi raccolta e indicizzazione dati, topology discovery, quindi costruzione di una mappa ragionata delle risorse IT da cui provengono i dati, correlazione, quindi identificazione dei rapporti causa effetto (ad esempio, in caso di un incidente). Recognition (Riconoscimento/pattern detection), ovvero analisi predittiva, e Remediation, quindi soluzioni dei problemi basate sull’analisi dei dati.

Il progetto di Sky è al livello Trl (technology readiness level) 5, che identifica una tecnologia convalidata in un ambiente industrialmente rilevante, nell’abito di una scala da 1 a 9. L’azienda si è affidata a una startup per realizzare il prototipo di un’applicazione cloud native, con software open source, modelli di IA proprietari, e Open AI per l’interazione uomo macchina. «Acquisiamo i dati, li arricchiamo, li normalizziamo. I dati provengono da infrastruttura, applicativi, e dai feedback dagli utenti. Mappiamo in tempo reale le relazione fra l’infrastruttura, che è ibrida, e le applicazioni e in questo modo intercettiamo eventuali problemi. Poi, con algoritmi di machine learning e IA, identifichiamo le correlazioni e diamo supporto alle operation. Riceviamo i dati in modo telemetrico, quindi capire quali sono gli elementi rilevanti è difficile». Senza intelligenza artificiale, l’operazione non è possibile. Obiettivo: «vogliamo raggiungere un’efficienza operativa aumentata, tempi di soluzione dei problemi ridotti, ottimizzazione dei costi operativi e di manutenzione del sistema».

Medispa, l’intelligenza artificiale ha drasticamente ridotto i tempi di produzione dei software di checkup. In vista, nuovi sviluppi nella ricerca

Medispa è un’azienda che opera nel settore della prevenzione della salute, producendo ed effettuando check up diagnostici. «Creiamo esperienze fisiche, digitali e gamificate, potenziate dall’IA -, sottolinea il founder e Ceo, Andrea Prina -. Abbiamo una piattaforma con circa 80 tipi di checkup, che vendiamo alle farmacie, alle aziende per lo screening dei dipendenti, e alla pubblica amministrazione». Medispa esegue oltre 600mila checkup all’anno, che le aziende utilizzando anche nel bilancio Esg. «Siamo nel 7% di piccole aziende che utilizzano l’IA in piu di tre settori interni. Un esempio del modo in cui la digitalizzazione consente alle piccole imprese di competere con le grandi».

«Abbiamo iniziato a valutare l’utilizzo dell’intelligenza artificiale durante il Covid, effettuando uno screening per capire come si distribuiva il virus in Lombardia. Ci siamo resi conto che ci mancano strumenti adeguati. Per dare un’idea: prima di utilizzare l’IA, per definire un check up impiegavamo da sei a nove mesi, ora ci mettiamo una settimana. Tutto il resto del tempo lo possiamo quindi dedicare a fare più screening, e a concentrarci su due elementi che abbiamo individuato come fondamentali nelle nostre operation: la formulazione delle domande all’IA, e il controllo delle risposte». E’ stato grazie all’attività di due prompt engineer, la figura professionale che allena l’IA, che Medispa ha ridotto drasticamente il tempo di elaborazione dei checkup. «Nel frattempo stiamo studiando ulteriori applicazioni di IA nella ricerca. Usiamo la voce e l’iride degli occhi come strumenti predittivi su determinate patologie».

SaidText, una piattaforma che raccoglie la voce degli operatori in produzione e trasforma le comunicazioni in dati di business

SaidText è una startup che fa parte del programma di accelerazione di impresa di Cdp, Cassa depositi e prestiti. «Abbiamo sviluppato una piattaforma software che raccoglie le informazioni in azienda, le cataloga, e le propone ai decision maker» spiega il Ceo e founder Emanuele Pedrona. E’ l’intelligenza artificiale che processa i dati. Ma l’elemento centrale è rappresentato dal fatto che i dati provengono non dalle macchine, ma dagli esseri umani. In particolare, dagli operatori che lavorano in produzione e che registrano messaggi vocali relativi a eventi o problemi che si verificano. «Ci definiamo un sistema di human business intelligence. Ci siamo specializzati nel manufacturing perchè la nostra soluzione ha senso in ambienti molto grandi e nei quali lavorano persone che  hanno le mani impegnate, e non hanno tempo di inserire report testuali. Noi attraverso i messaggi vocali intercettiamo il dato e lo diamo all’intelligenza artificiale, tramite un pannello». In pratica, SaidText è un copilota operativo, che in tempo quasi reale sa cosa succede in ambienti anche distanti fra loro.

E’ l’operatore che decide quando registrare un messaggio, attivando un device specifico. «Il vero valore del processo spesso si nasconde in queste informazioni, anche brevi messaggi che le persone si scambiano mentre lavorano, ma che vengono perse. Con il nostro tool, possono invece entrare nel sistema aziendale. E’ una sorta di diario operativo di quello che succede area per area. Gli algoritmi di intelligenza artificiale riescono a estrarre da questi dialoghi le informazioni importanti». Gli ambiti di maggior utilizzo possono essere la produzione, la logistica, la manutenzione, il customer care, ma anche il commerciale. Gli agenti spesso guidano e per impostare gli ordinativi devono fermarsi e inserire i dati a mano con un tablet. Abbiamo rilevato che con questi dati a disposizione si aumenta l’efficienza dei singoli processi del 30-40 per cento in una piccola azienda. Il ritorno è molto migliore se l’azienda ha dimensioni maggiori».

Le attività del competence center Made sull’Intelligenza artificiale nelle operation: i corsi, e i servizi Draive e AI4Knowledge

Made sull’intelligenza artificiale nelle operations propone un corso in tre moduli di otto ore. Il prossimo appuntamento è il 25 giugno, quando verranno approfonditi i temi relativi all’intelligenza artificiale e all‘IA generativa a supporto delle attività operative. Il servizio Draive prevede poi un percorso specifico per impostare gli investimenti in intelligenza artificiale anche in chiave di ottimizzazione dei processi. E infine AI4Knowledge, per l’utilizzo di intelligenza artificiale generativa per gestire e utilizzare i dati aziendali.