C’è un aspetto su cui le imprese devono concentrarsi quando pianificano un investimento in intelligenza artificiale generativa. Ha attinenza con la risposta alla seguente domanda: qual è il futuro dell’intelligenza artificiale? Secondo Manuel Roveri, docente del Politecnico di Milano, «l’IA del futuro sarà adattiva, attenta al valore del dato, anche in relazione agli aspetti legati alla privacy, sostenibile e affidabile». In base a questo paradigma, le imprese devono pensare sin da oggi strategie che siano flessibili rispetto al veloce cambiamento, oltre che rispondere a obiettivi di business più immediati. Come vedremo in base a una serie di use case, quando si parte individuando con precisione un obiettivo di business, i possibili sviluppi vengono spesso identificati nel corso dei progetti, dando vita a nuove applicazioni.
Dal punto di vista tecnologico, l’aspetto a cui prestare maggiore attenzione è la qualità dei dati. L’algoritmo di analisi deve consentire una verticalizzazione affidabile. Fra le criticità nell’utilizzo dell’intelligenza artificiale generativa, c’è il rischio di errori, imprecisioni, o veri e propri abbagli. Sono le cosiddette allucinazioni, che il lavoro sui software per l’utilizzo industriale deve evitare.
Ci sono poi aspetti legati al coinvolgimento del personale, finalizzati sia a una preparazione tecnica sia ai cambiamenti organizzativi. «In produzione, le persone hanno meno resistenza che negli uffici», segnala Luca Camanni, business process & Ict manager di Stucchi, secondo il quale è particolarmente importante un buon commitment del middle management, che abbia quindi una corretta percezione del valore dell’operazione e la trasmetta ai diversi team.
Il coinvolgimento delle persone è una priorità anche in considerazione del modo in cui in base alle previsioni si sta muovendo il mercato. «Le stime che abbiamo ci indicano che il 30% delle attuali attività lavorative, con l’IA a regime saranno sostituite da funzioni automatizzate» segnala Manuel Roveri, docente del Politecnico di Milano, che pone l’accento su un punto: «attività lavorative, non posti di lavoro». Un concetto da sottolineare per promuovere in azienda cambiamenti organizzativi che rendano le persone in grado di utilizzare le nuove tecnologie e le tranquillizzino sul rischio di perdita del posto di lavoro.
Di come il modello generativo di IA sta cambiando ed è destinato a cambiare il mercato, e del modo in cui sta entrando nelle aziende, si è parlato nel corso di un aperitivo tecnologico a Made 4.0 con il sopra citato Manuel Roveri, ordinario in computer engineering al dipartimento di elettronica, informazione e bioingegneria del Politecnico di Milano. Gli esponenti di quattro imprese industriali che stanno implementando progetti di IA generativa hanno esposto use case concreti: Michele Simonetti, business innovation manager di Manni Sipre, Luca Camanni, business process & Ict manager di Stucchi, Massimo Parini, production manager di Marca Group, e Andrea Prina, founder e ceo di Medispa. Gabriele Mangiafico e Vincenzo Laino, rispettivamente digital solution expert e learning and development specialist di Made 4.0 hanno illustrato il servizio “Draive” di AI strategy del competence center, realizzato in collaborazione con M.I.A. Lombardia (Manufacturing Innovation Alliance), e il programma di corsi dedicato a questa specifica tecnologia.
Il mercato dell’IA generativa sta superando la fase del picco delle attese eccessive: l’Hype Cycle di Gartner
Roveri per contestualizzare la fase in cui ci troviamo in materia di adozione dell’IA fa riferimento all’Hype Cycle di Gartner che descrive i diversi step della diffusione di una nuova tecnologia. «Siamo alla fine del picco delle attese eccessive, e andiamo verso il pozzo della disillusione». Quest’ultimo è il momento in cui la selettività aumenta, per arrivare poi alla “salita dell’illuminazione” e infine al “plateau della produttività”.
Fra i trend individuati proprio dall’ultimo report di Gartner sull’Hype Cycle dell’agosto scorso, l’attenzione delle imprese si sta appunto spostando verso casi d’uso. E l’esperienza delle aziende mostra come per svilupparli in modo proficuo ci sia un lavoro che parte dal management, prevede una fase di assessment e progettazione strategica, quindi la ricerca di partner tecnologici e di adeguate competenze, e prosegua poi con la messa in produzione. Man mano che si procede lungo questo schema, emergono non solo criticità da risolvere, ma anche nuove possibili applicazioni e quindi opportunità di business.
In Marca Group, che realizza stampi per materiali termoplastici, dai test effettuati dai dipendenti con Chat Gpt nella primavera del 2023 sono nati diversi progetti, fra cui quello che andremo ad approfondire.
Manni Sipre, l’intelligenza artificiale seleziona le mail con le richieste dei clienti e struttura offerte e preventivi che il commerciale deve solo valutare e validare
Ma partiamo dal progetto di Manni Sipre. Multinazionale di prodotti e soluzioni per le costruzioni a secco guidata da Enrico Frizzera, ha sede nel veronese. «La nostra base clienti è di circa 4mila 500 aziende all’anno. Sono molto diverse fra loro, andiamo dalla multinazionale alle piccolissime imprese» segnala il business innovation manager Michele Simonetti. «Riceviamo mediamente 150mila richieste di offerta, e la nostra rete di vendita conta decine di commerciali che devono elaborarle». Oggi il meccanismo funziona così: il commerciale riceve una richiesta di offerta, in genere via mail, recupera i dati che gli servono dai sistemi informativi, e poi risponde al cliente. Il progetto in corso introduce uno strumento di IA per velocizzare le attività di reperimento dati e consentire ai professionisti di concentrarsi sulla formulazione del preventivo.
Ce lo racconta il business innovation manager. «Utilizziamo l’IA generativa per selezionare le mail. Il software deve capire se il messaggio contiene o meno una richiesta di offerta. Dopo averla individuata, attraverso una serie di interazioni con OpenAI passiamo da un’offerta destrutturata a una strutturata, che descrive ad esempio quali materiali vengono richiesti, ne dettaglia le caratteristiche».
La richiesta contenuta nella mail viene confrontata con un database nel quale sono archiviati gli embedding del materiale disponibile. Viene fatto un lavoro di affinamento, anche per evitare allucinazioni. Questa operazione serve per arrivare all’offerta strutturata, formalizzata con una struttura chiara, univoca e sempre uguale. Utilizzando il gestionale Sap vengono raccolti i dati sul cliente, relativamente ad esempio al trasporto, o alle modalità di pagamento. Vengono verificate la disponibilità dei materiali, i prezzi, le possibili alternative da proporre. Dopo che Sap ha raccolto i dati, li riporta nel software di partenza. Il commerciale ha così una visione completa sulla fattibilità dell’intero ordine, che gli viene inviata su un foglio excel. Farà quindi le sue valutazioni per elaborare un pdf con l’offerta per il cliente. Quando poi arriva l’ordine, viene inviato direttamente nel gestionale.
Fra i punti critici affrontati nell’implementazione dello use case, Simonetti segnala «il lavoro per evitare le allucinazioni, affinando le capacità del software di IA di interpretare correttamente le richieste. Il cliente non sempre specifica e dettaglia esattamente le caratteristiche del prodotto che sta cercando».
Il primo beneficio è l’aumento di produttività del commerciale. In vista, oltre al continuo potenziamento per inserire e gestire un sempre maggior numero di dati, c’è anche un potenziamento dell’IA per analizzare non solo testi, ma anche voce, immagini, grafici e disegni.
Il progetto viene portato avanti coinvolgendo sin dall’inizio tutti gli utilizzatori. «Per evitare false aspettative, o idee sbagliate, abbiamo coinvolto i referenti dei vari dipartimenti, spiegato cosa volevamo fare, quali benefici ci aspettavamo. Non è stato un cambiamento calato dall’alto, c’è stata una strategia di condivisone. E stiamo facendo formazione a tutti i livelli, anche sul middle management, per avere sentinelle in azienda che diffondano informazioni e ci facciano arrivare idee».
Stucchi, con un progetto IT di business intelligence, la produzione può basarsi sui dati di vendita
A.A.G. Stucchi invece produce binari elettrificati per l’illuminazione. Sede a Olginate, in provincia di Lecco, è alla seconda generazione di imprenditori e ha da poco festeggiato gli 80 anni. Il progetto di IA è in collaborazione con il Politecnico di Milano. «Siamo partiti con l’obiettivo di dare strumenti decisionali al business per vendere. Poi, nel divenire abbiamo deciso di utilizzare anche i dati di vendita in produzione, per programmare acquisti, supply chain, gestione degli ordini» spiega Luca Camanni, business process & Ict manager. Utilizzando report interni, sono le persone a fare queste analisi, l’IA deve dare loro strumenti che forniscano più dati. Quindi, un progetto IT di revisione dell’impianto di business intelligence.
Secondo Marco Taisch, presidente di Made4.0, l’IA generative ha un grande valore aggiunto per le aziende manifatturiere . Permette di analizzare rapidamente documenti lunghi e complessi, restituendo velocemente risposte a problemi complessi. Riduce gli errori umani e darà un’ulteriore spinta alla servitizzazione.
«Il progetto ha tre obiettivi: prima di tutto fare predizioni utilizzando la velocità di correlazione dei dati dell’IA. Oggi il controllo di gestione non ha gli strumenti per fare un’analisi approfondita, e capire per esempio che un prodotto è correlato con uno che ha aumentato le vendite e quindi ha margini di crescita. In secondo luogo, verificare se esistono serie temporali di altra natura rispetto alla nostra produzione con un comportamento simile, e utilizzare anche questi dati in chiave previsionale. Il terzo obiettivo è l’introduzione del linguaggio naturale per l’interrogazione del dato. Questo è fondamentale perché ad oggi il dato viene analizzato da persone con dimestichezza di utilizzo di Excel, o dal controllo di gestione che ha un’impostazione più matematica. Ma se devo mettere informazioni a disposizione dell’intera fabbrica, per approvvigionamenti, acquisti, magazzino, poter interrogare un dato complesso in linguaggio naturale semplifica il lavoro. E crea la cultura del dato in azienda, senza dover fornire skill troppo tecnici».
I dati estrapolati da Sap vengono portati su Databricks, quindi su un’infrastruttura Azure, e viene utilizzato Power BI per l’interrogazione del dato. L’algoritmo è stato messo a punto, ed è stata avviata la fase di estrazione dei dati. «I primi dati veri li avremo fra 4 o 5 mesi. L’intero progetto ha un ciclo di vita di tre anni» segnala l’ict manager.
Il beneficio maggiore è avere previsioni con un grado di incertezza noto. Obiettivo, far diventare la fabbrica sempre più data driven, specialmente nella parte della supply chain. «Stiamo anche lavorando per introdurre in azienda persone che validino i dati». Stucchi, come Manni Sipre, insiste particolarmente sull’importanza di aver un buon commitment coinvolgendo adeguatamente tutte le persone coinvolte, e sul ruolo importante del middle management.
Marca Group, i dati di produzione non arrivano solo dalle macchine e dai processi, ma anche dagli operatori che parlano con il software di IA
Anche Marca Group implementa una soluzione per la fabbrica 4.0. Sede a Nerviano, in Lombardia, stabilimenti in Italia e in Romania, produce stampi per termoplastici. Lo use case è articolato, perché c’è una parte sulla raccolta dati dalle macchine e dalle schede tecniche in produzione e un’altra invece che trasforma in dati la conoscenza degli operatori.
«In produzione il nostro problema era raccogliere dati per anticipare guasti o prodotti non idonei» racconta il production manager Massimo Parini. «Abbiamo implementato la raccolta dati su tutti i macchinari, raccolto la documentazione tecnica, realizzato un portale per la formazione continua». Questo, prima di introdurre l’IA generativa. «Nel febbraio del 2023 abbiamo dato a tutti i dipendenti la possibilità di testare ChatGpt. Alla fine di queste prove sono nati diversi nuovi progetti, fra cui quello relativo alle schede tecniche sui materiali».
Sono stato addestrati dei bot con le schede tecniche dei materiali, lavorando molto sulla semantica per avere database vettoriali. Il sistema risponde a domande sui singoli materiali riportandone tutte le caratteristiche. Fornisce valutazioni: per esempio può indicare se un materiale è più flessibile, o più duro, o ha particolarità che lo differenziano da altri. Sono informazioni fruibili non solo dal personale tecnico, ma da tutta l’azienda. Infine, c’è anche un report sui mercati di riferimento.
I bot sono chat su Whatsapp. L’ufficio acquisti può avere elementi per valutare le diverse opzioni dei fornitori. E anche il commerciale ha più informazione per acquistare nuovi materiali.
Questa parte del progetto è conclusa, il passo successivo è una app che descrive l’esperienza di chi lavora in produzione. «Vogliamo codificare la conoscenza degli operatori, che spesso non è scritta ma fa parte del modo di operare, pensiamo a un accorgimento per regolare la macchina. I lavoratori interagiscono con la app anche semplicemente parlando. Devono poi archiviare le informazioni schiacciando un pulsante. Il sistema elabora i dati, li associa ai prodotti, al macchinario, al processo, e li inserisce in un database aziendale. «Questo serve sia per aiutare gli operatori, che per migliorare i manuali tecnici. Abbiamo dati molti più accurati di quelli che otteniamo solo analizzando i manuali».
Medispa, l’intelligenza artificiale al servizio della diagnostica industrializza il processo per generare check up
Infine Medispa, che sviluppa software per la diagnostica e dispositivi wearable sempre in campo medicale. «Siamo una fabbrica di check up» sintetizza il founder e ceo Andrea Prina, che spiega così l’obiettivo del progetto di IA generativa implementato: «dobbiamo generare sempre più check up validati e predittivi, e usiamo l’IA per ingegnerizzare il processo e renderlo più efficace». L’azienda fattura 10 milioni, ha 50 dipendenti fra Milano, Cagliari e Madrid, e 400 operatori sul territorio. «L’anno scorso avevamo circa 40 tipologie di checkup, ne facevamo 600mila all’anno realizzati direttamente da noi e circa 1 milione sulle nostre piattaforme. Con una app utilizzata da oltre 300mila dipendenti di aziende. L’IA velocizza il nostro processo per generare i check up».
Per industrializzare il processo di realizzazione dei checkup Medispa ha collaborato con il Cefriel. «Abbiamo selezionato le fonti, le abbiamo validate, poi siamo passati alla realizzazione del questionario, e lo abbiamo trasformato in codice. Infine, è stato realizzato un corso di formazione. Il risultato è un QR code, che si inquadra per fare il check up. Risultato: il processo è stato velocizzato, viene generato un numero molto maggiore di check up, e vengono valorizzate le competenze interne in termini di validazioni.
Anche in questo caso, in corso d’opera il progetto è stato potenziato. «I dati dei nostri check up coprono le s del bilancio esg dei clienti. Abbiamo pensato a uno strumento per certificare questo aspetto, e dimostrare quanto si può migliorare la performance in termini predittivi. Analizziamo un’azienda non conosciuta e la confrontiamo con un gemello, il nostro cliente, fornendo poi un report esg. Valuta le caratteristiche esg delle aziende indica come possono migliorarle».
Questa seconda applicazione verrà rilasciata in febbraio. E ce ne sono altre in vista, anticipa il founder: «per ora il checkup è testuale, stiamo lavorando su strumenti multimediali, per farne di nuovi che possano partire anche da riconoscimento vocale, link degli occhi».
Con riferimento alla curva di Gartner, segnala: «abbiamo superato la fase dell’incredibile aspettativa e anche quella della delusione. Ora sappiamo che ci serviranno competenze diverse da quelle che abbiamo oggi. Per questo, abbiamo finanziato un dottorato con il PoliMI e partecipato a un progetto sempre con l’ateneo e altre università europee per la laurea in emotional AI.
Made 4.0, il servizio Draive per la strategia sull’IA e il calendario dei corsi sull’intelligenza artificiale generativa in azienda
Il centro di trasferimento tecnologico Made 4.0 nel frattempo ha messo a punto il nuovo calendario di corsi dedicati all’IA generativa. Il 18 ottobre un modulo dedicato all’intelligenza artificiale generativa nel business, che prevede anche tre sessioni formative verticali su text generation (28 ottobre), image generation (4 novembre), e produttività individuale (11 novembre). Il 25 novembre invece un corso focalizzato sull’impatto per il top management, e infine il 3 dicembre un’introduzione all’intelligenza artificiale, disponibile anche on demand. I corsi dei competence center, lo ricordiamo, rientrano nelle agevolazioni Pnrr che consentono uno sconto in fattura del 100% per le micro e piccole imprese, dell’80% per le medie imprese e del 50% per le big.
Made 4.0 propone anche un servizio di AI Strategy per aiutare le aziende a elaborare use case. Si chiama Draive, e prevede percorsi per definire gli obiettivi di business, identificare gli strumenti tecnologici, implementare progetti, fare attività a supporto della creazione di valore, definire modelli organizzativi e manageriali, e fornisce elementi di governance anche relativi a tematiche come cybersecurity, privacy, trasparenza dei dati.
