L‘intelligenza artificiale sta vivendo un momento di grande attenzione, con applicazioni che promettono importanti vantaggi non solo per i professionisti, ma anche per le imprese di qualsiasi settore, comprese quelle manifatturiere. Questa tecnologia, già oggi, ha dimostrato la sua efficacia in diversi casi applicativi che possono essere implementati in azienda per migliorare l’efficienza e la competitività.
Tuttavia, la sfida principale, soprattutto per le piccole e medie imprese (PMI), è capire come approcciare gli investimenti su questa tecnologia per sfruttarne appieno il potenziale. Proprio questo è stato il tema centrale della Demo Experience “Intelligenza artificiale: da dove cominciare? Strumenti e casi di successo per l’adozione in azienda” organizzata MADE – Competence Center Industria 4.0 in collaborazione con Avvale, NTT DATA e il Politecnico di Milano.
L’evento è stato un’occasione per sfatare i miti legati all’Intelligenza Artificiale, a partire dalla sua definizione: Jessica Leoni, Assistant Professor del Politecnico di Milano, ha inquadrato il concetto di AI, focalizzando l’attenzione su come vengono allenati i modelli e su quanto davvero l’intelligenza artificiale possa essere considerata intelligente.
Passando dalla teoria alla pratica, grazie ai progetti sviluppati da NTT DATA Italia e Avvale insieme ad alcune aziende manifatturiere, l’evento ha mostrato come questa tecnologia possa essere impiegata concretamente in applicazioni a vantaggio della competitività delle aziende.
Indice degli argomenti
L’intelligenza artificiale per la digitalizzazione e tracciabilità nel settore aerospaziale
Claudia Lunini, Technology Strategist di NTT Data Italia, ha illustrato due progetti innovativi che mettono in luce come l’Intelligenza Artificiale possa rispondere a necessità e sfide concrete nel settore manifatturiero.
Il primo, il Progetto Chaplin, è stato sviluppato per un importante cliente nel settore aerospaziale e della difesa. Le esigenze erano chiare: introdurre una gestione paperless negli stabilimenti di produzione dei velivoli, strutturare e centralizzare le informazioni testuali non strutturate dei cicli di lavoro in dati tabellari, e aumentare la tracciabilità attraverso una struttura standard dei dati.
La soluzione proposta ha permesso di realizzare un sistema basato sull’IA capace di analizzare dati testuali non strutturati, storicizzare le elaborazioni e migliorare continuamente le performance grazie all’apprendimento automatico. Questo ha portato a una digitalizzazione completa del processo di lavorazione, aumentando notevolmente l’efficienza e la tracciabilità.
La soluzione è dotata di un’applicazione web che consente di interagire con il sistema per analizzare e strutturare i cicli di lavoro, garantendo la tracciabilità dei dati tramite la storicizzazione delle elaborazioni, dei file di input e degli output. Inoltre, permette di modificare ed arricchire le basi di conoscenza per un continuo miglioramento delle performance.
L’AI è capace di analizzare testi espressi in linguaggio naturale, identificando pattern e correlazioni fra parole, permettendo di classificare i testi e le parole in essi contenute, estraendo le informazioni più rilevanti.
Questo processo è abilitato grazie al trasferimento di conoscenza da parte degli esperti di dominio attraverso un processo di “etichettatura” dei dati, che rappresentano la base da cui gli algoritmi di AI apprendono i comportamenti corretti.
Gli scenari di applicazione di questo progetto non si limitano naturalmente al solo caso applicativo mostrato, ma includono tutti quei processi produttivi in cui è necessario recuperare e strutturare la conoscenza presente in azienda all’interno di documenti destrutturati e in quei contesti in cui è necessaria l’estrazione automatica di informazioni da dati testuali.
L’AI per la sicurezza degli operatori in ambienti di lavoro avanzati
Il secondo progetto, AI Prism, affronta una sfida diversa ma altrettanto critica: la sicurezza degli operatori umani in ambienti di lavoro avanzati dove coesistono macchine e robot.
L’introduzione di automazione ha comportato nuovi rischi, e la necessità era quella di creare una piattaforma che potesse mitigare tali rischi.
AI Prism utilizza la visione artificiale per monitorare gli spazi di lavoro, rilevando situazioni di pericolo e attivando dispositivi di allarme. Casi d’uso includono il monitoraggio di cobot per evitare collisioni con lavoratori e la rilevazione di carrelli elevatori in movimento che potrebbero colpire persone o altri veicoli. L’uso della Computer Vision e dell’Edge Computing permette un’interazione sicura tra macchine e operatori, garantendo che le persone non si trovino sulle traiettorie pericolose.
Ad esempio, il sistema verifica che i lavoratori non attraversino l’area in cui agisce il cobot e che le persone non si trovino sulle traiettorie dei carrelli elevatori. Dispositivi di allarme si attivano quando una situazione di rischio viene identificata, garantendo così un intervento tempestivo per prevenire incidenti.
Gli scenari di applicazione includono l’identificazione di carrelli elevatori che si trovano in prossimità di altri mezzi o lavoratori in aree specifiche, con segnalazioni audio o visive in caso di pericolo, e la rilevazione di lavoratori che potrebbero interferire con grandi macchinari.
Un assistente virtuale per l’analisi macroeconomica
Roberto Verdelli, Advanced Analytics Practice Manager di Avvale ha presentato un progetto innovativo che sfrutta l’intelligenza artificiale per supportare gli utenti di business nelle analisi macroeconomiche. Spesso, questi utenti devono cercare informazioni di loro interesse all’interno di documenti complessi e verbosi, un processo che risulta estremamente dispendioso in termini di tempo e limita la profondità e l’efficacia delle analisi.
L’obiettivo dell’iniziativa è sperimentare le funzionalità di Azure OpenAI e dell’IA generativa per creare un sistema interrogabile con domande in linguaggio naturale. Questo sistema sarà in grado di generare risposte a partire da una Knowledge Base (KB) documentale predisposta ad-hoc.
Le caratteristiche del sistema includono la capacità di estrarre informazioni da documenti con layout differenti ed eterogenei, strutturare queste informazioni in una o più KB separate tra loro, e interrogare queste KB in linguaggio naturale. Le risposte sono elaborate esclusivamente sulla base del contenuto delle KB e possono includere risposte a domande puntuali, riassunti e sintesi di tematiche più ampie, una distinzione cronologica degli eventi e l’elaborazione temporale delle risposte. Il sistema supporta inoltre la traduzione delle risposte in varie lingue, diversi stili di scrittura su richiesta e la formattazione delle risposte (elenchi puntati, tabelle).
Le possibili verticalizzazioni del progetto includono funzionalità conversazionali avanzate, ricerca avanzata e filtri, gestione del time decay delle informazioni, riassunto di interi documenti, un front-end integrato, e il reinforcement learning, che consente ai Power Users di dare feedback al sistema per migliorarne le performance nel tempo. Inoltre, il sistema sperimenterà l’utilizzo congiunto di informazioni contenute nei documenti e in tabelle, come i database, e la possibilità di espandere la ricerca di informazioni alla rete internet tramite web crawling.
Questo progetto rappresenta un passo significativo verso l’automazione e l’efficienza nelle analisi macroeconomiche, dimostrando come l’intelligenza artificiale possa trasformare processi complessi e time-consuming in attività più rapide e precise, migliorando così la qualità e la tempestività delle decisioni aziendali.
L’intelligenza artificiale per l’estrazione di informazioni nelle attività di gara
Un secondo caso presentato da Avvale vede l’intelligenza artificiale impiegata allo scopo di semplificare le verifiche amministrative nelle attività di gara. In questo ambito le verifiche documentali sono estremamente dispendiose in termini di tempo a causa della grande quantità di materiali da esaminare e dell’eterogeneità dei provider coinvolti.
L’obiettivo dell’iniziativa è automatizzare queste verifiche utilizzando tecniche di intelligenza artificiale, mettendo a disposizione degli operatori uno strumento che semplifichi significativamente il loro lavoro quotidiano. Il sistema utilizza servizi di OCR (Optical Character Recognition) e machine learning per estrarre il testo contenuto in paragrafi, campi singoli e tabelle dai documenti caricati automaticamente. Le informazioni estratte vengono poi utilizzate per eseguire le verifiche amministrative.
L’approccio prevede diverse fasi: l’estrazione del testo dai documenti, l’interpretazione del testo estratto tramite modelli di linguaggio di grandi dimensioni (come ChatGPT) per comprenderne il significato e individuare le informazioni di interesse, e la verifica automatica delle informazioni. Il risultato dell’elaborazione viene reso disponibile agli utenti, che possono facilmente verificarlo, modificarlo e integrarlo se necessario.
Implementare l’AI nelle PMI Manifatturiere con il supporto di MADE 4.0
Come abbiamo visto, questi casi concreti mostrano come sia già possibile oggi sfruttare l’AI per un vantaggio competitivo, efficientando i processi e supportando la forza lavoro nelle attività. Ma come dovrebbe comportarsi una PMI manifatturiera che voglia avviare un progetto in questo ambito, senza disporre delle competenze e delle conoscenze adeguate?
“Una nostra indagine ha sottolineato che una buona fetta di PMI vorrebbe implementare l’AI, ma non sa da dove partire”, spiega Davide Polotto, Business Development di MADE 4.0.
Anche su questo fronte, dunque, si sta creando una situazione polarizzata, dove tra le grandi imprese si diffondono casi d’uso che vedono l’AI impiegata nell’ottimizzazione dei processi a vantaggio di una maggiore competitività aziendale, mentre le PMI rischiano di accumulare un severo ritardo.
Il Competence Center MADE 4.0 offre a queste imprese un supporto concreto per affrontare questo percorso che può presentare qualche complessità: per aiutare le aziende a mettere a terra, con successo, progetti basati sull’intelligenza artificiale, MADE 4.0 ha ideato il servizio AI Strategy.
L’AI Strategy di MADE 4.0 si articola in quattro fasi principali:
1. Valutazione Iniziale. In questa fase, si analizzano i processi aziendali e il grado di maturità digitale dell’impresa. Viene effettuata una mappatura ad ampio raggio per comprendere come funzionano i processi attuali.
2. Identificazione e mappatura dei processi. Si identificano e mappano i processi in modo più preciso, valutando la loro collocazione nell’ambito della competitività aziendale. Si confrontano i processi con quelli di aziende simili, specialmente in riferimento all’adozione dell’AI.
3. Identificazione degli use case. In questa fase, vengono identificati 5-6 use case specifici per l’azienda. Questi use case vengono approfonditi per individuare le migliori strategie di implementazione. I risultati vengono poi condivisi in un workshop con l’azienda, per discutere ulteriormente e valutare l’opportunità di implementazione.
4. Implementazione. La fase finale prevede l’implementazione degli use case selezionati. MADE 4.0 offre supporto durante questa fase, ma l’azienda avrà a disposizione tutti gli elementi necessari per procedere autonomamente o con altre risorse.
La fruizione di questo servizio può essere agevolata grazie ai fondi messi a disposizione da MIA Lombardia, un consorzio di 12 entità, tra cui MADE 4.0, che supporta le imprese per la realizzazione di progetti di innovazione. Questo consorzio permette alle aziende di accedere a servizi di consulenza tecnologica a prezzi agevolati, con sconti in fattura che possono rendere tali servizi quasi gratuiti per le PMI.
