Post di Philippe Rambach, Chief AI Officer di Schneider Electric – 

Se un anno fa mi fosse stato chiesto quali sono i problemi più grandi che le aziende incontrano quando adottano tecnologie di intelligenza artificiale, probabilmente avrei parlato di qualità e disponibilità dei dati. Una crescente attenzione al dato e alla digitalizzazione sta aiutando man mano ad affrontare il problema; non di meno, Gartner continua a prevedere che circa l’85% dei progetti incentrati sul Machine Learning siano destinati a fallire.

Intelligenza artificiale, tutti ne parlano ma non tutti sanno cos’è davvero

In questo contesto, vedo emergere una sfida ancora più grande per i decisori aziendali che debbano bilanciare innovazione ed efficienza. L’Intelligenza Artificiale è diventata argomento di moda, ne parlano tutti, non tutti capiscono davvero di che si tratta. Ma per comprendere il pieno potenziale dell’AI (e capire quali sono i suoi inevitabili limiti) è necessario lavorare su numerosi progetti e fallire abbastanza volte da poter trarre conclusioni utili dall’esperienza fatta.

In uno scenario economico difficile come quello di oggi, poche aziende hanno le risorse richieste per sperimentare in questo modo; il problema amplificato dal fatto che molte aziende lanciano progetti pilota senza individuare un perimetro preciso di casi d’uso che possano produrre un vero impatto e ritorno sull’investimento (ROI).

Come si può lavorare in modo diverso e fare rendere gli investimenti in AI?

La prima idea che viene in mente è, di solito, cercare soluzioni pronte all’uso. E’ abbastanza ovvio che adottare qualcosa di già disponibile sul mercato può accelerare di per sé il tempo di ritorno dell’investimento. Un buon esempio di questo sono i software chatbot: programmi abilitati dall’AI che usano algoritmi di machine learning e la capacità di processare il linguaggio naturale per simulare conversazioni “umane” con gli utenti. Nella gran parte dei casi, un chatbot può essere facilmente integrato nel sito di un’azienda, in una piattaforma di messaging o nei servizi di customer care facendo risparmiare tempo e denaro.

Quando si tratta di intelligenza artificiale non esistono taglie uniche

D’altro canto, però, molte delle soluzioni già pronte portano con sé un carico pesante in termini di implementazione, quando ad esempio un’azienda opera in regioni diverse, compete su segmenti specifici – per non parlare di quelle che lavorano su specifiche nicchie di mercati specifici – e quindi ha esigenze che solo soluzioni AI personalizzate, possono iniziare a gestire in modo efficace. Ogni azienda ha una sua unicità, in realtà. Ed ecco perché, di fatto, quando si tratta di AI non esistono taglie uniche.

Un caso tipico sono gli ambienti industriali, in cui le soluzioni AI devono essere personalizzate in base a un set di fattori assolutamente unici e particolari.

Per le ragioni sopra esposte, le soluzioni AI create su misura spesso si rivelano più semplici da implementare in sistemi e processi esistenti, minimizzando l’impatto sull’operatività e la necessità di modifiche. Pertanto, per massimizzare il ritorno di un investimento in AI e farlo fruttare pienamente, il migliore approccio può essere sviluppare un progetto affidandosi alla collaborazione con esperti dello specifico dominio in cui si opera.

L’importanza della personalizzazione per aumentare l’efficienza

Immaginiamo di dover ottimizzare una linea di produzione in un’industria manifatturiera di beni di consumo per ottenere maggiore efficienza energetica. Un algoritmo AI personalizzato, alimentato con alta frequenza dai dati provenienti dalla produzione, può catturare variabili correlate a un basso consumo di energia e a un’elevata produttività, e ottimizzare automaticamente la configurazione della macchina. Facendo un passo ulteriore, il piano di produzione previsto per ogni macchina può essere monitorato da un modello che usa il machine learning per individuare anomalie e ottimizzare ulteriormente le impostazioni in base alle specifiche necessità dell’impianto in cui la macchina opera.

Uno scenario di questo tipo evidenzia l’importanza della personalizzazione quando si vogliono adottare soluzioni AI in ambienti industriali complessi o in ambiti quali la gestione dell’energia; tutti i giorni sperimentiamo lavorando con i nostri clienti come, riuscendo a soddisfare le esigenze particolari, l’AI può veramente dispiegare la capacità di aiutare ad aumentare l’efficienza, favorire la decarbonizzazione, e produrre risultato economico.

(ipopba – stock.adobe.com)

Intelligenza artificiale e industria, impatto duraturo e sostenibile

Nel settore manifatturiero, alcuni dei nostri clienti puntano a produrre il prodotto più sostenibile nel loro mercato, altri si focalizzano sul prezzo, altri ancora sulla qualità specifica del loro prodotto. Con l’AI si possono analizzare tutte le variabili per creare la formula migliore che permetta di ottenere il prodotto più sostenibile, efficiente dal punto di vista dei costi e della più alta qualità possibile.

Quanti player industriali lavorano ancora con sistemi di produzione progettati in un’epoca in cui l’energia costava poco e le emissioni di anidride carbonica erano in gran parte un tema ignorato? Oggi abbiamo le tecnologie per affrontare queste nuove sfide sempre meglio. Come abbiamo visto lavorando su progetti di ottimizzazione con tante imprese, si osserva un considerevole margine di miglioramento, pronto da ottenere grazie all’AI e alle analytics, ma solo se si dispone delle competenze di settore specifiche e di capacità di interpretazione dei dati.

L’AI può creare innovazione nel tempo

L’Intelligenza Artificiale è qui per restare e può generare risparmi, ridurre le emissioni di anidride carbonica, creare innovazione nel tempo, per mesi, anni a venire dopo l’implementazione. Questo è certamente il tipo di impatto sostenibile ed efficace che un’azienda che guardi al futuro dovrebbe ricercare oggi, accompagnando la propria esperienza a quella di fornitori esperti che abbiano competenze approfondite di settori verticali e di AI. Più che mai, nel campo dell’Intelligenza Artificiale non possiamo pensare di “fare da soli” se vogliamo cogliere in modo efficiente le opportunità a disposizione, senza disperdere tempo, risorse e denaro.