Post di Jacopo Piana, Fondatore e CEO di Quick Algorithm – 

Come accaduto per molteplici invenzioni applicate in ambito industriale e civile, anche l’Intelligenza Artificiale sta cambiando il nostro modo di lavorare e la nostra società. Ciò che rende l’Intelligenza Artificiale potenzialmente rivoluzionaria in vari contesti è la sua capacità di risolvere problemi semplici e complessi su una scala mai vista prima in modo automatizzato.

In particolare, l’analisi dati supportata dall’IA, e quindi dal Machine Learning, sta diventando sempre più cruciale per le imprese: raccogliere, analizzare ed estrarre informazioni strategiche dai dati è fondamentale per riuscire ad essere competitivi sul mercato. In ambito industriale, le applicazioni possono ad esempio andare dalla manutenzione predittiva, all’energy monitoring, fino al tuning delle macchine.

Non a caso, secondo l’Osservatorio Big Data Analytics del PoliMi, la spesa delle aziende italiane in infrastrutture, software e servizi per la gestione e analisi dei dati è cresciuta nel 2023 del 18% (sul 2022) raggiungendo il valore di 2,85 miliardi di euro, per l’83% del totale imputabile a grandi imprese e per il 17% a microimprese e Pmi.

I benefici per le aziende dell’analisi dati

Utilizzare l’analisi dati basata su IA porta ad avere risparmi notevoli: le aziende di processo che non monitorano i consumi e lo stato di funzionamento delle macchine arrivano a sprecare anche il 30% di energia e a perdere il 10% di fatturato a causa di fermi imprevisti di produzione. L’IA permette di analizzare dati che altrimenti si accumulano senza beneficio nei database aziendali. Il beneficio di una migliore e maggiore analisi dei dati ripaga in prodotti migliori, sprechi minori a beneficio della sostenibilità economica e ambientale, riducendo anche il rischio di incidenti sul lavoro.

L’Italia ha già un grado di efficienza manifatturiera ed industriale abbastanza elevato, tuttavia c’è un grande potenziale in ambito tecnologico ancora poco sfruttato. Il Paese vanta un tessuto industriale tra i più importanti in Europa, ma con ampi margini di miglioramento in termini di applicazioni di analisi dei dati e IA: tuttavia, la maggior parte delle aziende fatica ancora a vedere i benefici che potrebbero derivare dal saper gestire una grande mole di dati.

Analisi dati, terreno di competizione cruciale

Invece, oggi, investire sull’analisi dati è diventato un terreno di competizione fondamentale che consente alle aziende di essere più efficienti, tagliare sprechi, migliorare i processi, aumentare i margini. Investire in questo ambito costituisce una decisione strategica fondamentale per le aziende: quelle che trascurano questa opportunità rischiano di subire un rapido declino e perdere terreno anche nei confronti di aziende più “innovative”, che invece attraverso l’analisi dati possono erodere margini competitivi e conquistare spazi e quote di mercato.

Perché è difficile per le aziende raccogliere e analizzare i dati

È difficile immaginare, oggi, un’azienda che non lavori con i dati. Eppure molte aziende, pur riconoscendo la necessità di integrare nuove tecnologie per l’analisi dati, si trovano in difficoltà non avendo figure professionali con le competenze necessarie per utilizzarle e gestirle.

Non si tratta solo della mancanza dei “Data Scientist”: serve un insieme di figure professionali che sappia come gestire la filiera del dato che va raccolto, trasmesso, processato, pulito e reso leggibile, per poterlo utilizzare in maniera coerente ed efficace.

Immagine di John Schnobrich per Unsplash

Se grazie agli investimenti in industria 4.0 la mole di dati raccolti è aumentata, il loro utilizzo è spesso stagnante, proprio perché non ci sono competenze sufficienti per analizzarli. Quello che manca maggiormente nelle aziende industriali sono le professionalità in grado di capire cosa fare con i dati raccolti provenienti dai macchinari.

Cosa possono fare le aziende per colmare il gap

Per colmare il gap tecnologico, le aziende e le Pmi italiane dovrebbero adottare un mix di approccio off-the-shelf (cioè soluzioni già disponibili e standardizzate) e sperimentale per testare le potenzialità di questi strumenti. Meglio privilegiare la sperimentazione di soluzioni esistenti piuttosto che posticipare la scelta a quando si avranno budget maggiori o nel momento esatto in cui si riuscirà a sviluppare la soluzione perfetta.

Lato risorse umane è senz’altro importante cominciare a integrare nel proprio organico aziendale nuovi profili e figure specializzate in grado di lavorare con soluzioni tecnologiche innovative, insieme a percorsi di formazione per chi dovrà utilizzare queste tecnologie.

In parallelo, è necessario esternalizzare e affidarsi a fornitori esterni – specializzati nell’analisi dati – capaci di valorizzare l’economia di scala per allenare al meglio gli algoritmi e ottenere risultati migliori con minor sforzo.

Soluzioni “chiavi in mano”

Sul mercato esistono soluzioni e tool verticali che consentono alle aziende di monitorare la salute dei macchinari e ottenere i benefici dei dati senza la necessità di avere competenze specialistiche. Si tratta di soluzioni facilmente installabili, che si occupano di tutta la filiera del dato, e che puntano a democratizzare l’uso di questa tecnologia. Ad esempio, nell’ambito della manutenzione predittiva e dell’efficientamento energetico con queste nuove tecnologie i dati vengono raccolti da sensori intelligenti e da database esistenti, per poi essere analizzati automaticamente e dare suggerimenti e allerte in tempo reale.

Con queste soluzioni “chiavi in mano” che si stanno affacciando al mercato nell’ambito dell’IA applicata qualsiasi azienda potrà adottare un approccio Data-Driven, basando le decisioni strategiche su informazioni oggettive anziché su valutazioni soggettive. Come per la transizione dal motore a vapore a quello elettrico, l’adozione di soluzioni di analisi dei dati basate sull’intelligenza artificiale sarà obbligato e le aziende più innovative avranno più chance di diventare più competitive e di crescere più velocemente.

Better done than perfect

L’introduzione dell’Intelligenza Artificiale nelle aziende non si discosta da quanto avvenuto con il computer, il motore elettrico e altre “rivoluzioni”. Quello che è importante ribadire è che le aziende devono privilegiare la sperimentazione di soluzioni esistenti invece di posticipare ad un domani in cui svilupperanno “in-house” la soluzione ideale, poiché il rischio è quello di arrivare tardi. Questa sperimentazione va condotta insieme ad esperti, ed aziende del settore che possano portare soluzioni applicative concrete a beneficio di un processo di implementazione più veloce e anche efficace.

Quando le tecnologie sono così innovative la sperimentazione vince sulla pianificazione, questo perché i benefici che si ottengono dal vincere la resistenza iniziale sono molto più alti di quelli che si ottengono dopo aver pensato di aver definito il progetto perfetto.