AO_468

76 | MARZO 2026 AUTOMAZIONE OGGI 468 Tavola rotonda AUTOMAZIONE OGGI point’ che bloccano l’efficienza: spesso la so- luzione è proprio un agente AI che supporta l’ingegnere nella navigazione della comples- sità tecnica, riducendo drasticamente i tempi di solution design e minimizzando l’errore umano nella configurazione delle offerte. Bolsi : Riteniamo che l’AI generativa possa diventare uno strumento strategico anche in ambiti complessi come la manutenzione predittiva, la configurazione di impianti e l’assistenza tecnica ai clienti. Il valore emerge soprattutto quando l’AI è integrata con dati strutturati, storici di processo e si- stemi OT/IT, e viene utilizzata come inter- faccia intelligente a supporto del personale specializzato. È lo stesso principio che guida lo sviluppo delle nostre soluzioni di AI per la machine vision: strumenti che semplifi- cano l’applicazione dell’automazione, senza richiedere competenze avanzate, e che af- fiancano il tecnico nel processo decisionale anziché sostituirlo. Poletti : Sì, ritengo che l’AI generativa abbia già un ruolo strategico in tutti e tre questi ambiti, mostrando in diversi casi capacità che superano quelle degli strumenti di ana- lisi tradizionali. Non è destinata a sostituire le competenze specialistiche, bensì a poten- ziarle, supportando persone e sistemi nel prendere decisioni più rapide e consapevoli. Questo aspetto è particolarmente rilevante in contesti industriali come il nostro, dove rapidità, accuratezza e continuità operativa rappresentano fattori critici. Perché questo approccio sia efficace, è fondamentale che l’intelligenza artificiale si basi su dati di ele- vata qualità, solidi e affidabili. Quali sono i rischi più rilevanti nell’adozione dell’AI generativa? Pinzello : I principali rischi riguardano affida- bilità dell’output, così come della sicurezza, compliance e governance. In particolare, i modelli di AI generativa possono produrre hallucinations, ovvero risultati apparente- mente plausibili ma non corretti o non ve- rificati. In ambito industriale, è essenziale evitare che questo tipo di suggerimenti venga tradotto in azioni operative senza adeguata validazione, soprattutto in contesti closed-loop o safety-critical, dove non tutte le forme di AI sono adatte. Un altro aspetto rilevante è la sicurezza dei dati e della pro- prietà intellettuale, insieme alla necessità di garantire tracciabilità e responsabilità delle decisioni supportate dall’AI. Per questo è fondamentale evitare approcci ‘black box’ e assicurare che i risultati siano comprensibili, verificabili e, quando necessario, determini- stici, integrando l’AI all’interno di architet- ture industriali affidabili. Esistono infine rischi di natura organizza- tiva e strategica. Una dipendenza ecces- siva dall’AI può portare all’erosione del know-how se il cambiamento non è ade- guatamente governato, mentre scelte tec- nologiche affrettate, guidate più dall’hype che da un reale valore industriale, possono generare nuova complessità invece di ri- durla. Per questo è essenziale adottare l’AI in modo pragmatico, definendo limiti chiari di utilizzo e selezionando architetture e par- tner sostenibili nel tempo. Schantz : I rischi riguardano la fiducia, la cy- bersecurity e l’affidabilità operativa. I sistemi industriali sono sempre più data-driven e il volume, così come la criticità dei dati, con- tinua a crescere. Garantire che i dati siano protetti, correttamente gestiti e utilizzati in modo responsabile è fondamentale. I sistemi di AI generativa devono operare all’interno di solidi framework di cybersecurity basati su modelli zero-trust, che includano monitorag- gio continuo e controlli di accesso rigorosi. In assenza di queste basi, il rischio di espo- sizione o uso improprio dei dati aumenta in modo significativo. Inoltre, poiché molte applicazioni industriali sono mission-criti- cal, esiste un rischio intrinseco nell’affidarsi a output generati dall’AI che potrebbero es- sere errati, incompleti o mal interpretati. Per questo sono necessari meccanismi robusti di governance, trasparenza e validazione, affinché l’AI supporti il processo decisionale umano senza sostituirlo. L’AI generativa deve essere implementata in modo da costruire fiducia tra gli utenti e allinearsi agli standard consolidati di sicurezza e affidabilità. Gandolfi : Pur riconoscendo il potenziale trasformativo dell’AI generativa, siamo con- sapevoli dei rischi che questa tecnologia comporta. Uno dei principali rischi riguarda la sicurezza funzionale: i sistemi AI, in parti- colare quelli basati su reti neurali complesse, possono prendere decisioni probabilistiche difficili da diagnosticare e valutare secondo gli standard tradizionali di sicurezza. Que- sto rende complessa la certificazione e la gestione dei rischi operativi, soprattutto Stefano Gandolfi, Omron Italia