Nell’era dell’informazione, la capacità di una azienda di adattarsi e innovare è direttamente collegata alla sua competenza nel gestire e sfruttare i dati. In questo contesto, la “data modernization” emerge come un processo cruciale per le imprese che mirano a sfruttare le avanzate opportunità offerte dall’intelligenza artificiale (AI), soprattutto nell’ambito dell’AI generativa, una delle più promettenti frontiere tecnologiche.
Ma quali sono i casi d’uso che, già oggi, le aziende possono implementare per sfruttare le potenzialità dell’intelligenza artificiale generativa? E come si inserisce il percorso di data modernization nella progettazione e nell’implementazione di questi casi pratici?
Se ne è parlato nel corso dell’evento “Demo experience – ai generativa nel manifatturiero: valorizzare il patrimonio dati aziendale” che si è svolto il 21 febbraio presso il Competence Center MADE e che ha visto la partecipazione di Avvale, uno dei partner industriali del Competence Center, e la testimonianca di Prometeon Tyre Group.
Indice degli argomenti
L’Importanza della data modernization nell’era dell’AI
La data modernization consente alle aziende di avere solide basi su cui implementare progetti basati sull’intelligenza artificiale generativa e cogliere così appieno le potenzialità di questa tecnologia.
Questo percorso comporta l’adozione di nuove piattaforme tecnologiche e metodologie innovative per la gestione dei dati, consentendo di organizzare il patrimonio informativo aziendale in una forma più accessibile e utilizzabile.
Anche se la modernizzazione dei dati non è strettamente necessaria per accedere alle opportunità dell’AI, ne è un forte acceleratore come evidenziato da un sondaggio condotto su 600 dirigenti IT di aziende globali di diversi settori. In particolare, nel settore manifatturiero si è notata una correlazione tra l’adozione di strategie di data modernization e la capacità di sfruttare efficacemente l’AI, con l’80% delle aziende che hanno intrapreso questo percorso mostrando maggiori progressi rispetto a quelle che non l’hanno fatto.
La modernizzazione dei dati elimina gli ostacoli alla scalabilità delle soluzioni di AI, spesso causati da sistemi proprietari chiusi che limitano l’accesso e l’utilizzo dei dati critici. Evolvendo verso piattaforme che centralizzano e organizzano il patrimonio informativo, le aziende diventano più “data-driven”, potendo attivare un’ampia gamma di use case che vanno dall’analisi predittiva alla prescrittiva, fino al raggiungimento di processi autonomi, con un impatto finanziario esponenzialmente maggiore derivante dagli analytics.
AI generativa, conoscerla per capirne le potenzialità nell’industria
L’intelligenza artificiale generativa (AI generativa) rappresenta una frontiera avanzata nel campo dell’AI, distinguendosi per la sua capacità di apprendere dai dati e utilizzarli per creare contenuti nuovi e inediti, che possono variare da testo ed immagini a musica e codice.
Questo tipo di AI si basa su tre concetti chiave: apprendimento, creazione e democratizzazione dell’uso, il che significa che non è necessario essere esperti di AI per poter interagire con questi modelli.
La sua versatilità trova applicazione in numerosi campi, dalla creazione di immagini e video per il marketing, all’analisi di dati con risposte testuali o grafiche, alla generazione di testo per assistenti virtuali, all’estrazione di informazioni significative da grandi volumi di testo, fino al supporto agli sviluppatori nella generazione di script.
Nell’utilizzo di AI generativa, la questione della privacy dei dati è centrale. L’adozione di architetture cloud, come Azure, consente di gestire modelli di AI generativa nel rispetto delle normative sulla privacy, poiché i dati aziendali sono trattati con le stesse garanzie di sicurezza dei file caricati sul cloud. Questo approccio mitiga i rischi associati alla gestione dei dati sensibili.
Inoltre, i modelli di AI generativa offrono un certo grado di flessibilità. Se le esigenze aziendali cambiano, è possibile “aggiustare” il comportamento del modello limitando il suo campo di risposta o, in alcuni casi, procedendo con un ulteriore addestramento per adattarlo a nuovi contesti o per conferirgli una “personalità” differente. Questa capacità di adattamento rende l’AI generativa uno strumento estremamente potente e versatile per le aziende che cercano di sfruttare al meglio il proprio patrimonio informativo in modi innovativi e creativi.
Avvale, un partner per l’innovazione attraverso l’AI
In questo contesto, Avvale si posiziona come un partner strategico per le aziende che desiderano intraprendere il percorso verso la digitalizzazione e l’adozione dell’AI. Società globale specializzata nella digital transformation, Avvale supporta le imprese sfruttando tecnologie avanzate legate a modelli di business circolare.
Attraverso un approccio modulare, Avvale guida i clienti nella valutazione della loro maturità digitale, offrendo visibilità sui trend di mercato e sulle evoluzioni tecnologiche. Il design architetturale e organizzativo proposto da Avvale per la gestione del ciclo di vita dei dati, insieme alla pianificazione dettagliata di costi e benefici, fornisce alle aziende una roadmap chiara per una trasformazione digitale efficace e sostenibile.
La metodologia di Avvale, che include fasi di assessment, envision, design e planning, assicura che le aziende possano non solo accedere alle opportunità dell’AI ma anche massimizzarne il ritorno sull’investimento, muovendosi in un territorio inesplorato con sicurezza ed efficacia.
Da azienda process-driven a data-driven: il percorso di data modernization di Prometeon
Ed è proprio quanto accaduto con Prometeon, azienda specializzata nella produzione di pneumatici per macchinari industriali e nata come spin-off industriale di Pirelli.
L’azienda, infatti, ha affrontato il complesso percorso della data modernization per ottimizzare l’utilizzo dei dati aziendali e sfruttare le opportunità offerte dall’intelligenza artificiale, specialmente nell’ambito dell’AI generativa.
“La sfida principale per Prometeon derivava dalla gestione di un’infrastruttura complessa e eterogenea, con dati di produzione, finanziari, di acquisto, della supply chain e di vendita sparsi in vari sistemi OT (Operational Technology) e IT (Information Technology), spesso organizzati in silos e con linguaggi e formati non interoperabili. Questa frammentazione rappresentava un ostacolo significativo alla trasformazione digitale e all’adozione di soluzioni tecnologiche avanzate”, spiega Luigi Rizzo, Data Platform & AI Manager di Prometeon.
L’obiettivo di Prometeon era chiaro: superare la complessità dei sistemi esistenti e la mancanza di una cultura del dato per diventare un’azienda process-driven, in grado di sfruttare appieno i dati a supporto delle decisioni di business e dell’innovazione.
La collaborazione con Avvale ha rappresentato un passo decisivo in questa direzione. Insieme, hanno avviato un processo di modernizzazione dei dati focalizzato sulla costruzione di una data platform globale che fungesse da hub centrale per la gestione di tutti i dati aziendali.
Questa piattaforma avrebbe non solo facilitato l’accesso e l’uso dei dati ma avrebbe anche permesso l’adozione di un framework di data governance che coinvolgesse direttamente il business nella gestione del dato, dalla raccolta alla produzione di reportistica e all’utilizzo di applicazioni di AI.
Il processo di data democratization intrapreso da Prometeon ha permesso di rendere l’informazione accessibile e sfruttabile trasversalmente all’interno dell’organizzazione, eliminando la dipendenza esclusiva dall’IT per il data management e coinvolgendo attivamente tutte le funzioni aziendali.
Tra i casi d’uso di AI che Prometeon ha iniziato a sviluppare grazie a questa trasformazione ci sono:
- un algoritmo di AI adattivo per la gestione degli acquisti e dei prezzi, che considera variabili multiple e può generare previsioni accurate, risparmiando tempo prezioso
- un motore di ricerca generativo per la documentazione contrattuale dei fornitori globali, capace di fornire risposte e valutazioni basate sui criteri definiti dall’azienda, garantendo così il rispetto delle regole di compliance
- un algoritmo di riconoscimento immagini per identificare immediatamente eventuali difetti di produzione direttamente dal processo produttivo, permettendo azioni di remedy rapide ed efficienti.
Il percorso intrapreso, iniziato anni fa con una fase di assessment e proseguito con la costruzione di solide fondamenta digitali, ha permesso all’azienda di superare le sfide legate alla complessità dei propri sistemi e alla mancanza di una cultura del dato, posizionandola come leader nella trasformazione digitale nel suo settore.
I vantaggi dell’AI generativa per le aziende: alcuni casi d’uso
Come si è visto da questa testimonianza, l’intelligenza artificiale generativa (AI generativa) apre straordinarie possibilità nel trattamento e nell’analisi dei dati, rendendo processi complessi più efficienti e accessibili. Attraverso tre casi d’uso specifici, possiamo comprendere meglio la portata e le potenzialità di questa tecnologia rivoluzionaria.
Interfaccia Grafica per la Consultazione di Base Documentale
Un’applicazione innovativa dell’AI generativa si manifesta nella possibilità di interrogare una base documentale aziendale tramite un’interfaccia grafica intuitiva, simile a una chat. Questo sistema permette agli utenti di fare domande specifiche e ricevere risposte immediate basate sul contenuto dei documenti, come i product sheet che includono informazioni dettagliate sui prodotti e sui processi aziendali.
La scalabilità di questo sistema è notevole, consentendo applicazioni sia interne, per la consultazione del patrimonio informativo aziendale, sia esterne, migliorando l’interazione con i clienti. Un meccanismo di double-check garantisce l’affidabilità delle risposte, offrendo la possibilità di verificare le fonti delle informazioni fornite dal sistema e di richiedere la riformulazione delle risposte per maggiore chiarezza.
Generazione di Riassunti Personalizzati
Un altro esempio significativo dell’impiego dell’AI generativa è la capacità di creare riassunti dettagliati di documenti senza che il sistema abbia necessariamente avuto accesso preventivo ai testi.
Gli utenti possono specificare le caratteristiche desiderate per il riassunto, come la lunghezza o la focalizzazione su determinati aspetti, e il sistema genererà un riassunto che evidenzia le parti più importanti del documento.
Questo strumento si rivela particolarmente utile per la gestione e l’analisi rapida di grandi volumi di informazioni, consentendo di estrarre facilmente il valore e le informazioni essenziali contenute nei documenti aziendali.
Interpretazione di Immagini
La flessibilità dell’AI generativa si estende anche al trattamento delle immagini. In questo caso d’uso, il sistema è in grado di analizzare e interpretare immagini, fornendo descrizioni dettagliate e spiegando il processo di analisi seguito.
Questa capacità permette agli utenti di effettuare un controllo rapido e semplice delle informazioni estratte, garantendo l’accuratezza dei dati raccolti. Questa tecnologia trova applicazione in una varietà di settori, dalla manutenzione predittiva nell’industria manifatturiera all’analisi di immagini mediche.
In sintesi, l’AI generativa offre strumenti potenti e versatili per l’analisi e l’interpretazione di dati testuali e visivi, rendendo queste tecnologie accessibili anche a chi non possiede competenze tecniche avanzate.
La capacità di personalizzare le interrogazioni e le analisi in base alle esigenze specifiche dell’azienda o dell’utente apre nuove frontiere nell’ottimizzazione dei processi aziendali, nella gestione delle informazioni e nell’interazione con i clienti, consentendo una verticalizzazione sul proprio business e un’integrazione semplice con i sistemi aziendali esistenti.
Il ruolo del Competence Center MADE nel supportare l’innovazione delle aziende
L’intelligenza artificiale è uno dei temi su cui si sta muovendo anche il Competence Center MADE. Tra le attività che supporterà il Competence Center vi sarà la possibilità per le aziende che vogliono mettere sul mercato soluzioni di AI di fare attività di testing e sperimentazione nel Competence Center. Un’attività che rientra nell’ambito del progetto europeo AI Matters, che partirà a breve.
Occorre ricordare che oltre all’AI il Competence Center supporta le imprese nei percorsi di trasformazione digitale incentrati sulle tecnologie di Industria 4.0. E lo fa sia con dei servizi erogati con prezzi agevolati per le imprese che supportando progetti di ricerca industriale e sviluppo sperimentale ad alto livello di technology readiness.
In qualità di soggetto attuatore del PNRR, MADE ha ricevuto dal Mimit una dotazione di 14 milioni di euro che il Competence Center utilizzerà per:
- erogare servizi di consulenza e formazione a condizioni agevolate (per cui ha a disposizione 1,5 milioni di euro). Si tratta di servizi che partendo da un audit tecnico (incentrato su tematiche quali processi, cyber security, sostenibilità e circolarità del modello di business), passa per la formazione su consulenza e proprietà intellettuale e accesso ai finanziamenti
- dare supporto alle imprese nella realizzazione di progetti di ricerca industriale e sviluppo sperimentale, per cui il Competence Center può contare su 12,5 milioni di euro
Per quanto riguarda il supporto a progetti di ricerca e sviluppo sperimentale, il Competence Center ha aperto recentemente il suo secondo bando, mettendo a disposizione ingenti risorse e agevolazioni per le imprese di qualsiasi dimensione.
Nello specifico, il bando prevede un contributo massimo di 400.000 euro a progetto (un’azienda può presentare anche più progetti), con possibilità di richiedere supporto al Centro di Competenza anche nella fase di presentazione delle domande. Una volta presentati i progetti, una commissione esterna procederà alla loro valutazione e fornirà un riscontro all’impresa in soli cinque giorni.
I progetti che verranno selezionati per il finanziamento dovranno concludersi entro massimo 12 mesi.
Le spese agevolabili comprendono: per una quota del 70% il costo dei servizi erogati dal Competence Center MADE o da uno dei suoi partner, mentre il restante 30% è dedicato a sostenere le spese delle aziende in termini di hardware e software di primo acquisto, per la durata del progetto, oppure spese di personale che segue il progetto, rendicontato a costo reale.
Per quanto concerne le agevolazioni, sulle attività legate alla ricerca industriale e lo studio di fattibilità è previsto uno sconto del 70% per le piccole imprese, del 60% per le medie imprese e del 50% per le grandi aziende.
Infine, sulle attività di sviluppo sperimentale le percentuali di agevolazione sono del 45% per le piccole imprese, del 35% per le imprese di medie dimensioni e del 25% per le grandi aziende.
I contributi verranno erogati a chiusura del progetto, successivamente alla rendicontazione, con possibilità di accedere a un SAL intermedio.
