Dal miglioramento del 60% delle capacità predittive aziendali al taglio dei costi di produzione fino al 10% tra i vantaggi al top dell’adozione dei sistemi di Intelligenza artificiale da parte delle aziende italiane. Emerge da un’analisi di Ammagamma secondo cui il 2023 registrerà un aumento della diffusione delle soluzioni di AI in 5 settori strategici: produzione e supply chain, efficienza energetica, forecasting, affidabilità, data economy.
Digitale in accelerazione
Il mercato dell’intelligenza artificiale, si legge nella lnota, è in continua espansione: “la sua accelerazione sta spingendo sempre più in avanti lo sviluppo delle imprese migliorandone le prestazioni e accelerandone il processo di digitalizzazione”.
I trend selezionati da Ammagamma potrebbero avere un impatto profondo su molti settori e si riferiscono sia alla progressiva adozione dell’IA in azienda, sia al suo sviluppo tecnologico, e tracciano alcune linee guida possibili per migliorare la competitività delle imprese e del sistema Paese.
Ottimizzazione della produzione e della supply chain
Le immagini dei container bloccati nel Canale di Suez, si legge nel report, sono la rappresentazione più immediata di uno dei punti di attenzione maggiori delle imprese italiane per il 2023. Da una parte, aumenti dei vincoli di produzione e complessità della gestione della supply chain metteranno ancora sotto pressione i sistemi produttivi.
Dall’altra, l’aumento della pressione inflattiva sul consumatore finale potrebbe spingere le imprese ad assorbire almeno in parte questa spinta con politiche di riduzione dei costi di produzione. L’insieme di questi fenomeni potrebbe spingere le imprese, principalmente le medie e le piccole, ad adottare dei sistemi di intelligenza artificiale per ottimizzare la produzione, con due benefici principali: la diminuzione dei costi (l’IA può portare vantaggi nell’ordine del 5-10%) e l’aumento nella puntualità delle consegne (+15-20%) – un fattore sempre più critico, non solo nel retail.
Efficienza energetica
La sfida energetica metterà seriamente a dura prova il mondo produttivo. Le previsioni per il 2023 stimano un prezzo intorno ai 300€/MWh per l’energia elettrica e un aumento del 100% per il gas (da 75€/MWh a 138€/MWh).
L’intelligenza artificiale, all’interno di uno scenario così sfidante, potrà giocare un ruolo determinante per le aziende. Dall’ottimizzazione della produzione, all’applicazione di controllori predittivi, alla manutenzione predittiva degli impianti: sono innumerevoli le opportunità di risparmio che potranno aiutare le imprese ad affrontare in maniera efficace il nuovo contesto e a raggiungere l’efficienza energetica.
Nelle grandi aziende, così come nelle Pmi, si parla di risparmi dal 10 al 20% negli edifici, grazie all’ottimizzazione dei Builiding energy management systems, e a un aumento indicativamente del 30% di risparmio, attraverso la pianificazione ottimizzata di tutte le fasi produttive.
Le funzioni di forecasting
La capacità di prendere decisioni strategiche più solide e affidabili, in un contesto di volatilità e incertezza elevate, sarà una priorità delle aziende a tutti i livelli: dalla pianificazione aziendale al budgeting, alla definizione degli obiettivi, fino alla gestione del magazzino, della supply chain, degli investimenti.
Gli strumenti di intelligenza artificiale a supporto del forecasting hanno visto un’accelerazione della domanda continua, nel 2022. Non è ipotizzabile che questa tendenza si inverta, tutt’altro. Gli strumenti più avanzati di forecasting disponibili oggi si sono dimostrati in grado di migliorare le capacità predittive di un’azienda fino al 60%, rispetto agli strumenti di previsione tradizionalmente in uso.
Si afferma la IA “componibile”
Funziona come i mattoncini delle costruzioni: la soluzione di intelligenza artificiale viene composta a partire da blocchi tecnologici (“pezzi” di software) già prodotti, disponibili, testati.
Un numero crescente di imprese sta abbracciando questa tendenza, che consente di avere soluzioni più stabili, che hanno bisogno di minore manutenzione e che si adattano con costi e rischi molto contenuti all’infrastruttura informatica già esistente in azienda.
Ancora più importante, questo approccio consente di intervenire in tempi rapidi su criticità concrete e immediate, con una riduzione del 40% dei tempi di rilascio della soluzione: un processo molto più rapido rispetto a un approccio sartoriale “from scratch”, ma molto più performante rispetto all’integrazione di software pre-sviluppati con approccio monolitico.
La composizione delle funzionalità rende questo approccio estremamente adattivo e performante in un contesto volatile: già ampiamente diffuso in America e nel nord Europa, sta iniziando a convincere un numero crescente di imprese italiane.
IA alla sfida affidabilità
Le imprese che saranno disposte a investire sull’affidabilità dei propri sistemi di IA, ovvero adottare modelli affidabili e duraturi, avranno l’opportunità di generare un valore reale e continuativo, attraverso tali sistemi, nonché di assumere decisioni più efficaci e più sicure nel tempo.
L’affidabilità è un requisito imprescindibile dello sviluppo dei modelli di IA: copre tutti gli aspetti relativi a una corretta gestione del dato, verso una completa trasparenza, l’assenza di discriminazioni, l’imparzialità e l’accountability di tutte le figure coinvolte, l’interpretabilità dei risultati dei modelli, una corretta valutazione dei rischi per gli utenti, oltre che la robustezza tecnica e di processo, che può essere implementata attraverso pratiche molto efficaci quali il Machine Learning development operations.
Disporre di modelli di IA affidabili, in azienda, ha un impatto positivo su tutti i processi interni e di decision making, contribuendo ad aumentare le performance complessive dell’azienda e il livello di sicurezza interno ed esterno ad essa, nei confronti dei propri stakeholder.
Il focus si sposta sui dati
Si pensa sempre che per poter adottare soluzioni di intelligenza artificiale in azienda servano grandissime moli di dati, i cosiddetti big data, e che su questa ingente quantità il valore stia nel costruire un modello sufficientemente complesso per carpire le logiche sottese ai dati. Questo può essere vero in diversi ambiti, ma se pensiamo al mondo manifatturiero delle Pmi, tali moli non sono disponibili per molti processi.
È ancora possibile trarre grande valore dall’intelligenza artificiale, ma il focus si deve spostare molto di più sui dati che sugli algoritmi. Migliori dati significa migliori modelli che a sua volta vuol dire migliori processi.
Le aziende che adotteranno modelli data-centrici di IA, valorizzando i propri dati, potranno infatti godere di nuovi importanti benefici rispetto al passato. Tra questi: una miglior accuratezza dei modelli, tempi di implementazione dell’IA drasticamente ridotti, un’applicazione più veloce ed efficiente dei nuovi sistemi, un miglior rendimento dei processi e infine una maggior competitività sul mercato.
