Usare concretamente l’Intelligenza Artificiale in Fabbrica? Quattro aziende manifatturiere (Maire, Marcegaglia, Prysmian, Vhit), due vendor (Lenovo e Teamsystem) e un professore (Luca Manuelli) ci indicano la strada

Cosa c’è davvero dietro l’hype dell’intelligenza artificiale? Come trasformare le promesse in un valore economico misurabile? Non si tratta solo di adottare una tecnologia all’avanguardia, ma di capire quali strategie implementare per integrare l’IA, algoritmica e generativa, nei processi produttivi. Come navigare tra la complessità delle innovazioni e cogliere benefici tangibili, ottimizzare l’efficienza, ridurre i costi e aprire nuove opportunità di business? Come passare dall’entusiasmo iniziale a una vera e propria rivoluzione industriale basata sui dati e sull’intelligenza delle macchine? 

Ecco il decalogo per realizzare smart factory con la conoscenza aumentata dell’IA. Suggerimenti e le riflessioni che nascono dal Tech Talk di Industria Italiana – Far volare la fabbrica con l’intelligenza artificiale? – evento che ha coinvolto grandi imprese dell’impiantistica (Maire), della siderurgia (Marcegaglia), del manifatturiero (Prysmian), della filiera automotive (Vhit), software vendor (Teamsystem) e fornitori hardware (Lenovo). 

Per Luca Manuelli (special guest dell’evento, ex chief digital officer di Ansaldo Energia e docente di intelligenza artificiale presso Unimarconi), il messaggio è chiaro: «L’intelligenza artificiale, algoritmica e generativa, predittiva e collaborativa, è il driver strategico per migliorare la redditività e generare nuovi ricavi da prodotti e servizi digitali. Fornire insight e suggerire azioni per colmare gap operativi, ridurre inefficienze e migliorare la produttività. L’IA è destinata ad essere la nuova interfaccia man-machine in ambiente OT e IT». 

 

Richiedi prestito online

Procedura celere

 

I dieci comandamenti per un’adozione efficace dell’IA

1) Ci vuole visione! Secondo la ricerca The European House-Ambrosetti sul livello di maturità nell’adozione dell’intelligenza artificiale nelle aziende italiane il 65% delle imprese l’ha già sperimentata. Manca però la visione. Solo il 21% ha avviato un processo strutturato con una governance e una strategia definita che coinvolge tutta l’azienda.

2) Partite da un proof of concept, verificatene l’efficacia e l’efficienza, e poi eventualmente scalate la soluzione a tutta la fabbrica o a più siti produttivi. Insomma, care aziende e imprenditori, create valore partendo da prototipi applicativi. E se non funzionano o non realizzano le aspettative, abbandonateli, evitando di sostenere costi inutili

3) Misurate! I progetti devono avere Kpi chiari e tempi di ritorno sull’investimento brevi, idealmente tra i 6 e i 18 mesi. L’approccio bottom-up con PoC si deve coniugare con una strategia top-down estesa all’intera azienda e non solo alla componente IT

3) Considerate l’IA generativa sia in termini di produttività individuale che aziendale. Iniziate a utilizzarla nelle applicazioni d’impresa per poi integrarla nei processi produttivi e in soluzioni verticali.

4) Non lasciatevi travolgere dall’hype dell’IA generativa. Per il manifatturiero l’IA algoritmica è ancora oggi fondamentale e non deve essere confusa o sottovalutata rispetto all’IA generativa. Il machine learning è la base su cui sviluppare progetti di manutenzione predittiva e di machine vision.

5) Servono dati “AI ready”. L’efficacia dell’IA è strettamente collegata alla qualità dei dati che analizza. Nessun algoritmo, per quanto avanzato, può infatti generare valore concreto se non lavora su una base dati solida. 

6) Software selection, attenzione a non creare silos di dati. Valutate aggiornamenti e replacement in area Plm, Mes, Erp in funzione delle capacità di interoperabilità delle soluzioni. Il potenziale dell’AI nasce dalla condivisione dei dati.

7) Edge-Cloud. Individuate il bilanciamento corretto dell’infrastruttura. L’hardware algoritmico e generativo può essere implementato all’interno del perimetro aziendale. Valutate costi investimento hardware grazie ad opzioni as a service

8) Ricerca & sviluppo. Esplorate le potenzialità dell’Agentic AI, prossima frontiera dell’intelligenza artificiale in cui sempre più funzioni, di produttività individuale ed aziendale, saranno delegate a microagenti software.

9) Investite in attività di upskilling e reskilling. L’IA è change management, implica una trasformazione di processi e organizzazione. Operatori e manager dovranno acquisire competenze nell’analisi dei dati, nella loro interpretazione e nell’utilizzo di dashboard e software specifici per prendere decisioni informate.

10) Il futuro del lavoro. La vera questione per white e blucollar, per dirigenti e imprenditori non è tanto chi perderà il lavoro e chi lo manterrà, ma tra chi verrà aumentato nelle sue capacità grazie all’utilizzo dell’intelligenza artificiale e chi invece, non sapendo utilizzare questa tecnologia, sarà confinato a un ruolo sempre più marginale 

Alberto Cantalù (business owner di Teamsystem Manufacturing) – La strategia di Teamsystem, supportata da investimenti dell’ordine di 250 milioni, si concentra sull’integrazione dell’intelligenza artificiale nelle applicazioni d’impresa. L’obiettivo è democratizzare l’utilizzo dell’AI in aziende di ogni dimensione, incluse le piccole e medie imprese  

Il futuro dell’IA nel manifatturiero? «Si passerà da una semplice analisi del passato a una capacità predittiva avanzata. L’IA, che oggi aiuta a interpretare i dati, sarà sempre più in grado di anticipare criticità, prevedere ritardi e suggerire azioni correttive prima che i problemi si presentino, toccando ambiti come la manutenzione predittiva, la pianificazione dinamica e la previsione della domanda. In secondo luogo, si assisterà a una maggiore personalizzazione delle attività», dice Cantalù. Insomma, L’IA non offrirà più soluzioni standard, ma veri e propri assistenti su misura che apprendono dal comportamento, dai dati e dagli obiettivi specifici di ogni impresa, adattandosi al contesto aziendale. Tecnologie che trasformeranno l’interazione uomo-macchina, che diventerà sempre più naturale e accessibile a tutti. Secondo Cantalù, l’IA sarà a breve una presenza quasi scontata, permettendo alle aziende di parlare con i software tramite il linguaggio quotidiano per richiedere analisi, generare documenti e prendere decisioni supportate dai dati, democratizzando l’innovazione per aziende di ogni dimensione. «Le Pmi spesso percepiscono l’IA come costosa e complessa, riservata solo alle grandi realtà», dice Cantalù. Per ribaltare questa percezione, l’approccio di Teamsytem è rendere l’IA utile, semplice e invisibile o embedded. Questo significa integrare l’IA direttamente nei flussi di lavoro dei software che i clienti già utilizzano, eliminando la necessità di configurazioni complesse o l’apprendimento di nuovi strumenti. «L’utente si troverà immerso in un ambiente dove suggerimenti, insight e automatismi accompagnano il lavoro quotidiano». Ad esempio, l’IA potrà fornire automaticamente analisi sui fermi macchina o gli scarti di produzione, identificare criticità con fornitori o nella pianificazione, e suggerire clienti più redditizi, senza che l’utente debba ricercare attivamente queste informazioni. «Se prima il gestionale era principalmente uno strumento di raccolta dati e rendicontazione, oggi, grazie all’IA, non si limita più a questo, ma supporta attivamente le decisioni», dice Cantalù.

Corrado La Forgia (general manager di Vhit) – L‘intelligenza artificiale algoritmica e generativa per la produttività e competitività della filiera automotive. Computer vision per una produzione zero scarti e large language model per la manutenzione assistita

Azienda lombarda specializzata nella produzione di componentistica per il mercato automotive, riconosciuta come un caso di eccellenza nell’applicazione delle tecnologie digitali, Vhit sta sfruttando l’intelligenza artificiale come strumento per aumentare la produttività e, di conseguenza, la competitività. Ma attenzione a non lasciarsi travolgere dall’hyper dell’IA generativa. «Per il manifatturiero l’IA algoritmica è ancora oggi fondamentale e non deve essere confusa o sottovalutata rispetto all’IA generativa», dice La Forgia. Per Vhit l’IA generativa rappresenta, infatti, una tecnologia complementare a quella di machine learning. «Mentre l’IA algoritmica si basa su statistiche inferenziali per trasformare dati in informazioni, la generativa lavora sui linguaggi e le probabilità delle parole. Quest’ultima è cruciale per elaborare documenti di grandi dimensioni, riassumere manuali di migliaia di pagine o evidenziare requisiti chiave da testi complessi». 

Nello specifico, la strategia di Vhit si fonda sulla connessione delle macchine e sull’utilizzo dei dati per trasformarli in informazioni utili a migliorare prodotti e processi. L’intelligenza artificiale, in questo contesto, è uno strumento sempre più raffinato che permette di elaborare l’enorme mole di dati generati, fornendo informazioni quasi in sincrono con gli eventi per ottimizzare le prestazioni degli impianti. La Forgia fornisce due esempi concreti dell’applicazione dell’IA nelle linee di produzione di Vhit, quantificandone i benefici in termini di produttività e risparmio. 

1) Controlli ottici con IA Algoritmica – Nelle fasi del processo che richiedono un controllo qualità al 100%, Vhit ha sostituito l’ispezione umana e le telecamere a livello di grigio con l’intelligenza artificiale algoritmica, basata su reti neurali. Questo ha permesso di scomposizione e ricomposizione delle immagini, migliorando il grado di apprendimento della macchina e riducendo a quasi zero i “falsi scarti” (pezzi erroneamente ritenuti difettosi) dal 2% a quasi zero. Su milioni di pezzi all’anno, questo si traduce in un risparmio significativo di valore non aggiunto e un’ottimizzazione del personale. 2) Manutenzione Assistita da Large Language Model – È stato implementato un sistema di IA alimentato con tre anni di interventi di manutenzione degli impianti. Questo permette agli operatori, specialmente durante il turno di notte o in assenza di assistenza specializzata, di interrogare il sistema in caso di errore. L’IA propone quindi soluzioni basate sullo storico, consentendo agli operatori di riavviare l’impianto in pochi minuti, evitando lunghe attese e interruzioni della produzione. 

Giovanni Cauteruccio (cio di Prysmian) –  Soluzioni per promuovere la produttività individuale e per potenziare e ottimizzare la capacità di fabbrica dei 104 stabilimenti presenti nelle più diverse aree geografiche

Quale il presente e futuro dell’IA per il leader mondiale nella produzione di cavi industriali per l’energia e le telecomunicazioni? «Siamo molto coinvolti negli sviluppi legati all’intelligenza artificiale generativa che Sap integra nelle sue soluzioni, in particolare ai vantaggi che può portare in termini di usability, con la possibilità di interrogare il copilot Joule su ogni istanza di business», afferma Cauteruccio. Tema prioritario è diffondere la nuova cultura digitale dell’IA in tutta l’azienda, con l’obiettivo di procedere a una sua integrazione a livello di piattaforme applicative e a livello di fabbrica con lo sviluppo di soluzioni verticali. Da una parte, quindi, Prysmian collabora con Sap, Salesforce, Servicenow, aziende che stanno investendo miliardi in IA, per creare efficienza con i loro copilot. Dall’altra, essendo un’azienda manifatturiera, vi sono invece aree che non possono essere sono soddisfatte dai semplici copilot. Si guarda, quindi, all’IA come abilitatore della produttività individuale e all’IA come abilitatore di soluzioni verticali che mirano alla produttività aziendale. «Queste ultime sono quelle da cui è possibile ipotizzare un reale ritorno di investimento, mentre quelle legate alla produttività individuale riguardano la semplificazione del modo di lavorare», dice Cauteruccio.

Per quanto riguarda le soluzioni verticali sono stati selezionati 26 use case e di questi ne sono stati già avviati 5: Price for Win, Demand Forecasting, Contract Lifecycle Management, Virtual Expert e Smart Factory, quest’ultimo dedicato ad ottimizzare i processi produttivi nelle fabbriche, per aumentare la produttività e migliorare l’efficienza operativa attraverso l’analisi dei dati raccolti.

Michele Mariella (cio di Maire) – Gli agenti AI sono oggi in grado di interrogare i dati di progetto e fornire aggiornamenti sullo stato della documentazione e delle attività, contribuendo a un aumento di produttività superiore all’80%. Oltre 100 TB di dati tokenizzati, sono già pronti per lo sviluppo dell’IA nella progettazione e produzione.

Per il gigante dell’impiantistica, il presente e futuro si gioca sulla capacità di essere un’AI-Driven Enterprise. Migliorare l’efficienza nei processi produttivi, dalla progettazione alla costruzione, dare vita a impianti industriali sostenibili con supply chain predittive, digital twin di processo e di prodotto, GenAi. Le principali applicazioni dell’intelligenza artificiale includono l’utilizzo di copilot per accedere a file, redigere verbali di riunioni (riducendo i tempi da settimane a ore), riassumere e confrontare documenti di ingegneria e procurement. Agenti di IA interrogano i dati di progetto e forniscono aggiornamenti sullo stato e delle attività, facilitando la comunicazione e la gestione delle informazioni. Potenzialità e performance che saranno ulteriormente estese. L’obiettivo è utilizzare la GenAi per automatizzare processi e recuperare le informazioni che servono quando servono. «Quando si generano centinaia di migliaia di documenti all’anno, la capacità di andare a raccogliere l’informazione che serve, quando serve, farla arrivare sul tavolo di chi decide in modo più veloce possibile, è essenziale». Investimenti che guardano anche alle prospettive future dell’Agentic AI. Maire intende infatti sviluppare un processo di orchestrazione degli agenti di IA attraverso un modello che permetta di interagire utilizzando il linguaggio naturale. «Invece di avere singoli agenti di IA che operano in modo isolato, un sistema di orchestrazione li coordina e li fa collaborare per raggiungere obiettivi complessi», dice Mariella. «È un modello che stiamo sperimentando nell’ambito della cyber security, dove l’orchestrator è in grado di attivare esperti e gestire le informazioni in modo più efficiente, migliorando la risposta alle minacce». 

Riccardo D’Agostini (cio di Marcegaglia) – Strumenti di gestione dei big data che incorporano elementi di intelligenza generativa, capaci di elaborare dati in tempi rapidissimi per identificare criticità produttive, prevenire difetti di produzione e rendere resiliente la fabbrica ad attacchi cyber

Il gruppo industriale leader nel settore siderurgico sta implementando l’intelligenza artificiale con un approccio duplice e strategico, puntando sia alla produttività individuale che all’ottimizzazione dei processi industriali, focalizzandosi in particolare su applicazioni verticali e sull’efficienza operativa. Come spiega D’Agostini, «Il processo di introduzione dell’IA generativa si articola su due stream paralleli. Il primo si concentra sulla sensibilizzazione e la creazione di una cultura aziendale tecnologica, con l’obiettivo di facilitare la comprensione e l’utilizzo di strumenti di IA orientati alla produttività personale. Il secondo stream di iniziative è invece più specifico e si rivolge al core business manifatturiero. Manutenzione predittiva, innanzitutto, e analisi di grandi quantità di dati di campo con l’obiettivo è migliorare le fasi produttive, identificare elementi predittivi per agire sulla qualità del prodotto finale e ottimizzare i processi», racconta D’Agostini. Anche la cybersecurity è un’area cruciale in cui Marcegaglia sta sfruttando l’IA. 

L’azienda ha stabilizzato le proprie difese secondo le best practice IT, introducendo un Security Operation Center per il “Threat Analysis” e la protezione del traffico perimetrale. Si sta inoltre esplorando l’utilizzo di strumenti di cybersecurity specifici per il mondo OT (Operational Technology) e le reti manifatturiere. Questi strumenti basati sull’AI sono in grado di predeterminare situazioni di rischio per la rete, come un sistema di accesso selettivo che valuta la ricorrenza geografica del richiedente per concedere o negare l’accesso a un macchinario. Questo è particolarmente utile per le fabbriche che operano 24 ore su 24 e richiedono interventi esterni anche in orari non standard. Fondamentale è la promozione della cultura aziendale e la formazione. 

Alessandro De Bartolo (managing director di Lenovo Italia) – La scelta dell’hardware manifatturiero è un fattore determinante per il successo dei progetti di IA. Come semplificare gli investimenti infrastrutturali con contratti as a service

«La specificità del settore manifatturiero impone sfide uniche che richiedono un approccio mirato», afferma De Bartolo, secondo il quale, l’elemento vincente per il manifatturiero è la capacità di distribuire la potenza di calcolo, elaborando i dati il più vicino possibile alle linee di produzione, in un approccio edge computing. Consapevole delle sfide, soprattutto per le piccole e medie imprese italiane, l’azienda si impegna dunque a facilitare l’implementazione di progetti di IA, proponendo modalità di consumo as-a-service dell’infrastruttura. Per Lenovo è fondamentale definire chiaramente il problema da risolvere e lo use case infrastrutturale più adatto. «Con l’aumento dell’utilizzo dell’IA, che contiene elementi critici come dati e algoritmi, la scelta tra implementare il progetto on premise o tramite servizi cloud pubblici diventa infatti ancora più rilevante», dice De Bartolo. 3 gli use case principali individuati da Lenovo per il manifatturiero. 

1) Miglioramento della qualità dei prodotti: l’IA può aumentare la capacità di ispezione visiva della produzione, riducendo i difetti e, di conseguenza, i costi di produzione e aumentando la competitività dell’azienda. 

2) Aumento dell’efficienza della gestione delle linee di produzione: l’IA viene utilizzata per la manutenzione predittiva, riflettendosi positivamente sui costi di esercizio e sulla competitività aziendale. 

3) Riduzione del tempo di risoluzione delle problematiche: l’IA generativa può migliorare i tempi di risposta a eventuali problemi, contribuendo anch’essa a ridurre i costi operativi e a incrementare la competitività. «Questo permette di flessibilizzare al massimo il costo, trasformando il costo capex in un costo di servizio flessibile in funzione dell’uso. Questa soluzione di noleggio della capacità, con l’infrastruttura mantenuta “in casa”, consente alle aziende di beneficiare della sicurezza e della protezione dei dati senza dover affrontare un investimento iniziale oneroso», afferma De Bartolo.