Manager Room | DAVIDE POLOTTO: Made Competence Center
Non vuoi leggerlo? Ascoltalo!
Da cinque anni ricopre il ruolo di Business Developer e Relationship Manager presso MADE – Competence Center Industria 4.0, supportando importanti aziende manifatturiere nel percorso di digitalizzazione e formazione qualificata.
MADE è stato fondato dal Politecnico di Milano in partnership con 43 imprese, 4 università e 1 ente pubblico. La sua mission è affiancare le PMI nel processo di Digital Transformation, sviluppando progetti di innovazione finalizzati all’implementazione delle tecnologie abilitanti per l’Industria 4.0 e 5.0 e erogare formazione alle imprese per lo sviluppo delle competenze del personale.
—
Quali sono le principali sfide che le aziende industriali incontrano nell’adozione dell’intelligenza artificiale e delle tecnologie avanzate, soprattutto in considerazione delle normative europee molto restrittive.
Adottare l’AI non è solo una questione tecnologica, ma una trasformazione strategica che richiede visione, competenze e adeguamento normativo. Superare le barriere legate alla regolamentazione e all’incertezza significa investire in formazione, infrastrutture e governance efficace. Solo così l’AI potrà diventare un motore di crescita e competitività sostenibile per l’industria.
In Italia, l’adozione dell’AI nelle imprese presenta un forte divario: il 61% delle grandi aziende ha già implementato almeno una soluzione basata sull’intelligenza artificiale, mentre tra le PMI la percentuale scende all’8%. Un dato preoccupante, considerando che le PMI rappresentano il 99% del tessuto manifatturiero italiano.
Questa indecisione potrebbe derivare dal disorientamento causato dall’overload informativo, con una sovrabbondanza di notizie spesso imprecise, che semplificano (e a volte banalizzano) il modo in cui l’AI può essere applicata nelle aziende.
La vera sfida per le imprese, oggi, è quindi individuare le aree in cui l’AI può generare maggiore valore e definire le modalità di implementazione. Questo richiede un’analisi approfondita dei processi aziendali, tenendo conto dei requisiti infrastrutturali, della disponibilità di dati e capacità di calcolo, dell’impatto sull’organizzazione e della governance del sistema.
La normativa europea, infine, ed in particolare l’Ai Act, pone dei vincoli alle imprese per garantire che l’Intelligenza Artificiale venga sviluppata ed utilizzata in modo sicuro, trasparente, equo e rispettoso dei diritti fondamentali dei lavoratori e dei cittadini.
In particolare, rende obbligatoria la mappatura e la classificazione delle soluzioni in base al livello di rischio e l’implementazione delle misure necessarie a garantirne la conformità come, ad esempio, la redazione della documentazione tecnica e la supervisione umana.
L’impresa è inoltre tenuta a garantire che i dipendenti siano adeguatamente formati e che venga effettuato un monitoraggio continuo al fine di garantire che i sistemi di AI mantengano la conformità nel tempo.
—
Quali sono gli ambiti industriali in cui l’IA sta avendo il maggiore impatto in termini di efficienza e produttività?
L’intelligenza artificiale trova numerose applicazioni in ambito industriale, soprattutto grazie al machine learning, che permette ai sistemi di apprendere autonomamente e abilitare casi d’uso ormai diffusi. Tra i più rilevanti, ne cito quattro particolarmente interessanti: la manutenzione predittiva che sfrutta la capacità dell’AI di creare scenari predittivi e consente agli operatori di intervenire su macchinari ed impianti prima che il guasto si verifichi evitando in questo modo che fermi la macchina e costosi interventi di manutenzione straordinaria. Rimanendo nello shop floor, un altro use case interessante è il riconoscimento dei difetti dei prodotti attraverso la machine vision, ovvero la capacità di un sistema di analizzare immagini e riconoscere errori utilizzando telecamere ed algoritmi di intelligenza artificiale per l’acquisizione delle immagini e la classificazione degli errori.
Inoltre, chi in azienda si occupa della pianificazione della produzione può oggi contare su tools basati su algoritmi dedicati alla previsione del comportamento delle variabili che impattano sulla distribuzione delle risorse. Per fare degli esempi, la previsione della domanda consentirà di distribuire la produzione con maggior efficienza minimizzando gi effetti della sua variabilità mentre la previsione dei consumi energetici consentirà di allocare le risorse produttive nelle fasce di minor costo.
Infine, l’AI generativa grazie alla sua capacità di analizzare testi ed immagini, di creare sintesi e traduzioni, consente all’impresa una gestione documentale snella ed efficiente dando la possibilità di recuperare informazioni interrogando la knowledge base usando il linguaggio naturale.
Come si può garantire un’integrazione efficace tra i sistemi esistenti e le nuove tecnologie digitali senza interrompere le operazioni aziendali?
La condizione necessaria per realizzare qualunque implementazione di AI in azienda è la disponibilità di dati di qualità, adeguati alle esigenze delle applicazioni. L’intelligenza artificiale, infatti, si basa sull’analisi di grandi quantità di dati per generare modelli predittivi, automatizzare processi e supportare le decisioni. Tuttavia, perché questi modelli siano efficaci, è fondamentale che i dati siano affidabili, strutturati e accessibili.
Questo significa che l’azienda deve dotarsi di un’infrastruttura adeguata per la raccolta, l’archiviazione e la gestione dei dati, assicurandone l’integrità, la coerenza e la sicurezza superando eventuali silos informativi tra i diversi reparti e favorendo un flusso di dati integrato e centralizzato.
Parallelamente, è cruciale diffondere una cultura del dato in azienda, affinché tutte le funzioni aziendali comprendano il valore strategico dell’informazione e contribuiscano alla sua corretta gestione.
Connesso alla tematica dei dati, un’area di criticità è rappresentato dalle preoccupazioni sulla sicurezza e sulla conformità normativa poiché le aziende sono esposte a nuove minacce informatiche e necessitano di adeguarsi ai requisiti normativi stringenti, come il GDPR per la gestione dei dati o l’AI Act per l’uso dell’intelligenza artificiale. Per mitigare questi rischi, è fondamentale adottare strategie di cybersecurity, che partendo dall’analisi della postura dell’azienda rispetto a cyber rischi, delineano un quadro delle vulnerabilità di sistema per poi passare alle remediation, ovvero a sistemi di protezione end-to-end.
Un altro fattore critico nella digitalizzazione di impresa è la resistenza al cambiamento, spesso dovuto alla cultura aziendale e alla difficoltà di comprendere i benefici concreti delle nuove tecnologie. Per superare questo ostacolo, è essenziale adottare un approccio graduale, partendo da progetti pilota che dimostrino il valore delle soluzioni digitali e coinvolgendo attivamente il personale attraverso programmi di formazione e change management.
Un ulteriore difficoltà è rappresentata dalla mancanza di competenze specialistiche poiché le tecnologie come l’intelligenza artificiale, l’IoT industriale e data analytics richiedono figure professionali con competenze multidisciplinari.
Dal punto di vista tecnologico, una delle criticità più frequenti è l’integrazione tra nuovi sistemi digitali e infrastrutture esistenti dal momento che molti stabilimenti manifatturieri operano con macchinari legacy che non sono nativamente connessi, rendendo complessa l’implementazione di soluzioni IoT o di automazione avanzata. In questi casi, è necessaria l’adozione di interfacce di comunicazione standardizzate e l’implementazione di piattaforme di interoperabilità.
—
Quali competenze devono sviluppare le imprese per sfruttare al meglio l’IA e la trasformazione digitale?
Per sfruttare al meglio l’intelligenza artificiale e la trasformazione digitale, le imprese devono innanzitutto diffondere una cultura del dato a tutti i livelli organizzativi. Ciò significa riconoscere il dato come un asset strategico, garantendone qualità, accessibilità e utilizzo efficace per migliorare i processi decisionali e operativi. Senza una gestione strutturata e una visione data-driven, anche le migliori tecnologie rischiano di non generare valore concreto. Per questo motivo, è fondamentale sviluppare competenze su tre livelli principali: tecnico, gestionale e culturale.
Le risorse tecniche, come Data Scientist, Data Engineer e specialisti IT e OT, sono essenziali per supportare lo sviluppo della digitalizzazione e la diffusione dell’AI in azienda dal punto di vista tecnico; i manager, invece, sono responsabili di tradurre i dati in decisioni strategiche, definire KPI (Key Performance Indicators, in italiano Indicatore Chiave di Prestazione) chiari per misurare l’efficacia delle soluzioni digitali implementate e gestire i progetti di innovazione con un approccio scalabile e progressivo.
Infine, la trasformazione digitale non deve e non può limitarsi a un fattore tecnico specialistico, ma deve essere pervasiva in tutta l’organizzazione, promuovendo un cambiamento culturale che coinvolga ogni livello dell’azienda.
—
Quali sono gli errori più comuni che le aziende commettono quando cercano di implementare soluzioni basate sull’IA e come evitarli?
In questo frangente c’è il rischio che le PMI implementino o tentino di implementare soluzioni di intelligenza artificiale senza una vera strategia chiara e rivolta a risolvere problematiche ben individuate e che si muovano più spinti dalla moda dell’AI piuttosto che da una reale esigenza. Bisogna inoltre considerare che l’intelligenza artificiale, per poter operare al meglio, ha bisogno di una base dati di qualità che le permetta di ottimizzare il processo per il quale è stata implementata. Una azienda prima di pensare all’AI deve aver sviluppato l’infrastruttura digitale (digital backbone) necessaria per permetterle di operare. C’è inoltre un tema di competenze interne all’azienda, nel senso che una volta sviluppata la soluzione basata su AI, deve essere mantenuta e continuamente ottimizzata. Non è uno strumento plug and play che entra subito a regime nel pieno delle sue potenzialità. MADE Competence Center ha messo a punto uno strumento per supportare le PMI in questa fase e trarre il massimo dall’AI nella maniera più ottimale e sicura: è il servizio DRAIVE (Data-Driven Roadmap for AI Vision and Excellence).
—
Il ruolo di MADE nel contesto dell’innovazione digitale internazionale e programmi per il futuro.
MADE Competence Center supporta le imprese nell’intero processo di trasformazione digitale, affiancandole nell’individuazione e nell’implementazione delle soluzioni tecnologiche più adeguate.
Il primo passo della collaborazione tra MADE e un’impresa è l’analisi della realtà aziendale, attraverso strumenti come Strategia I4.0, che aiuta a definire una roadmap digitale, AI Strategy, pensata per le aziende che vogliono approcciare l’intelligenza artificiale ma non sanno da dove iniziare, e il Cyber Security Assessment, utile per individuare i rischi a cui sono esposte le reti IT e OT. Questi strumenti permettono di mappare lo stato attuale dell’azienda, evidenziando criticità e opportunità di miglioramento.
Il passo successivo, una volta condivisi i risultati dell’analisi, è la prioritizzazione delle attività, che si concretizza in una roadmap per la trasformazione digitale. Disporre di una roadmap chiara è fondamentale, perché consente di affrontare il percorso di innovazione in modo strutturato, graduale e sostenibile. Un piano ben definito permette di ottimizzare le risorse, ridurre i rischi legati all’adozione di nuove tecnologie e massimizzare il ritorno sugli investimenti (ROI).
Il supporto di MADE prosegue nelle tre fasi di progettazione, sperimentazione e implementazione dei progetti. Gli interventi di innovazione vengono prima definiti nei dettagli tecnici e operativi, poi testati per valutarne l’efficacia e la compatibilità con i processi esistenti e, infine, implementati su scala aziendale, garantendo un’adozione progressiva e sostenibile delle nuove tecnologie. Parallelamente, MADE affianca le imprese anche nella formazione del personale, un elemento fondamentale per garantire il successo della trasformazione digitale. Attraverso percorsi formativi mirati o corsi a catalogo, MADE aiuta le aziende a sviluppare le competenze necessarie per gestire e sfruttare al meglio le nuove tecnologie considerando la formazione una parte integrante del piano di innovazione ed assicurando che le soluzioni implementate siano efficacemente adottate e portino valore concreto all’organizzazione.
Giuliana Gagliardi
DiPLANET.Tech
