AO_468

MARZO 2026 AUTOMAZIONE OGGI 468 | 77 Tavola rotonda quando la sicurezza degli operatori è in gioco. Non meno importante è il tema della cybersecurity e della protezione dei dati. L’integrazione di AI generativa nei sistemi produttivi espone a nuove vulnerabilità, sia in termini di accesso non autorizzato, sia di manipolazione delle informazioni. È fonda- mentale implementare solide procedure di autenticazione, crittografia e monitoraggio continuo per proteggere sia i dati aziendali sia quelli dei clienti. Sebastianelli : Nel nostro approccio con- sulenziale identifichiamo spesso un rischio sottovalutato: l’adozione non governata (o shadow AI). Il pericolo non è l’AI in sé, ma l’utilizzo di strumenti pubblici su dati aziendali riservati senza controllo. In am- bito industriale, c’è poi un rischio specifico legato all’affidabilità del dato tecnico. Se addestriamo o colleghiamo un modello ge- nerativo a documentazione obsoleta o non strutturata (i classici silos informativi che mappiamo durante i nostri assessment), l’AI produrrà risposte plausibili ma errate (alluci- nazioni), che in un contesto di manutenzione o configurazione impianti possono costare care. Per questo con iSquared, metodo nato dalla partnership tra Var Group e Perspective AI, insistiamo prima sulla Data Governance e sulla ‘pulizia’ del patrimonio informativo, e solo dopo sull’automazione generativa. Bolsi : I rischi più rilevanti sono legati all’af- fidabilità e alla verificabilità delle risposte generate, alla sicurezza e protezione dei dati industriali e del know-how, alla dipendenza da piattaforme esterne e all’utilizzo non controllato degli strumenti da parte degli utenti. Per questo riteniamo fondamentale adottare un approccio strutturato, con re- gole di governance chiare e casi d’uso ben definiti. In wenglor sensoric group abbiamo già introdotto linee guida interne sull’utilizzo dell’AI, condivise con tutti i dipendenti, per garantire un impiego responsabile, coerente con le esigenze di un contesto industriale e orientato alla sicurezza dei dati. Poletti : L’adozione dell’AI generativa rappre- senta un’opportunità rilevante, ma richiede un approccio consapevole e strutturato, in consi- derazione dei potenziali impatti su sicurezza, qualità e continuità operativa. Un fattore cri- tico è la qualità e l’affidabilità dei dati utilizzati per l’addestramento dei modelli. Informazioni non corrette o incomplete possono generare output plausibili ma errati, con conseguenze operative significative. In un contesto come quello di Yaskawa, decisioni basate su dati imprecisi possono tradursi in errori di configu- razione, fermi impianto o interventi non ne- cessari. Ulteriore area di attenzione riguarda la sicurezza dei dati e la protezione della pro- prietà intellettuale. Un utilizzo non controllato di informazioni sensibili nei sistemi di AI può esporre l’azienda al rischio di diffusione di dati strategici o di know-how proprietario. È inoltre necessario monitorare il rischio di dipendenza tecnologica, evitando che un ec- cessivo affidamento sull’AI riduca la capacità di valutazione critica e decisionale dei team. Infine, l’impatto organizzativo e sulle com- petenze deve essere gestito con attenzione. Senza un adeguato percorso di formazione e integrazione, l’introduzione dell’AI può gene- rare resistenze interne e limitare l’efficacia di strumenti che hanno un potenziale trasfor- mativo significativo. Quali competenze pensate saranno necessarie in futuro per convivere e anche collaborare con questi strumenti? Pinzello : Le competenze del futuro saranno una combinazione di know-how industriale consolidato e nuove capacità legate all’AI e ai dati. L’AI non sostituisce il dominio industriale, ma ne amplifica il valore, rendendo più acces- sibili e scalabili competenze che restano pro- fondamente legate all’esperienza di processo. Conoscenze di processo, controllo, sicurezza e qualità restano quindi fondamentali, ma dovranno essere affiancate dalla capacità di lavorare con grandi volumi di dati, com- prenderne il contesto e interpretare i risultati prodotti dai modelli. Diventerà sempre più importante comprendere limiti e metriche dell’AI, applicare principi di governance (vali- dazione, tracciabilità, responsabilità) e saper definire obiettivi e vincoli entro cui i sistemi intelligenti possono operare. In questo senso, il ruolo delle persone evolverà dalla gestione diretta delle macchine alla supervisione di sistemi sempre più autonomi, con una mag- giore enfasi sul giudizio e sulla decisione. Il cambiamento non riguarderà solo i ruoli tec- nici: molte funzioni in fabbrica saranno chia- mate a interagire con strumenti basati sull’AI. Crescerà quindi il bisogno di figure in grado di combinare conoscenza del processo, capacità di interpretare i dati e utilizzo consapevole degli strumenti di AI, mantenendo disciplina ingegneristica e rigore operativo. Fonte: Shutterstock Paolo Poletti, Yaskawa Italia