Ogni modello di AI applicato all’industria, sia esso di apprendimento automatico o generativo, è addestrato su un set di dati: esperti e data scientist dovranno convalidarne e perfezionarne i modelli
È innegabile che il ricorso all’intelligenza artificiale nelle imprese apporterà, sia nel breve che nel lungo termine, vantaggi in diversi ambiti applicativi – dalla produzione industriale alla gestione dei sistemi energetici – e impatterà sulla riduzione dei costi operativi e di manutenzione. In questo senso, ad esempio, energia e sostenibilità sono due aree in cui l’AI può dare rilevanti risultati fin d’ora, sia dal lato della domanda, sia dal lato dell’offerta. Oggi possiamo creare algoritmi con cui efficientare i processi ad alta intensità energetica nei più diversi contesti industriali, ma anche negli edifici e nelle infrastrutture, oltre che ottimizzare i processi operativi e le prestazioni. Allo stesso tempo, possiamo usare l’IA per ottimizzare la capacità di erogare energia in modo continuativo ed efficiente in reti complesse che comprendono microgrid, nuovi tipi di carichi come le stazioni di ricarica dei veicoli elettrici, le fonti rinnovabili, i data center o utilizzare l’AI semplicemente come acceleratore alla progettazione e all’operatività dei sistemi e/o degli asset. Questo doppio potenziale è ciò che fa affermare con forza a Schneider Electric che il ricorso all’AI può prima di tutto spianare la strada a uno sviluppo più sostenibile, come può dimostrare anche l’esperienza di Schneider nella riduzione delle emissioni. Non è un caso che l’AI Hub, dedicato a sviluppare l’uso dell’AI nelle soluzioni Schneider, sia nato prima del lancio del primo GPT, nel 2021. E l’AI è così importante che per assicurarsi che abbia un ruolo trasversale e strategico in Schneider hanno un team dedicato guidato da Philippe Rambach, chief AI officer.
L’AI generativa e le sue applicazioni in ambito industriale
Sappiamo tutti che l’intelligenza artificiale esiste da più di 50 anni, ma ChatGPT ha dimostrato in modo strabiliante e irreversibile come l’AI generativa abbia totalmente cambiato l’interazione dell’uomo con i sistemi informatici e non solo. I Large Language Model (LLM) sono creati e addestrati con algoritmi di deep learning e reti neurali e stanno rivoluzionando l’interazione anche con macchine e sistemi industriali. La Boston Consulting Group afferma che l’AI generativa porterà sicuramente una maggiore capacità di collaborazione tra persone e macchine e un conseguente aumento della produttività. Usare i LLM è un potente fattore di semplificazione e accelerazione che libera spazio e tempo – da dedicare ad attività ad alto valore, semplificando ulteriormente il modo di interagire con i dispositivi, sfruttando interfacce che utilizzeranno il linguaggio naturale consentendo agli operatori di interagire con i sistemi d’automazione industriale. All’ultima Hannover Messe, Schneider Electric ha presentato un assistente virtuale che permette la generazione automatica del codice PLC, supportato da Copilot di Microsoft, e stimiamo che l’uso della GenAI in questo e in altri contesti d’automazione specificamente addestrati possa ridurre del 20% lo sforzo richiesto a un OEM per realizzare un’applicazione PLC supportandolo nella programmazione: vantaggio che si traduce in un risparmio potenziale sui costi tra i 40.000 e gli 800.000 euro all’anno. In base a quanto detto, la parola chiave è ‘specificamente addestrati’. La personalizzazione per casi d’uso e compiti specifici è ciò che consente fin d’ora di ottenere vantaggi non solo per generare codice ma anche per la documentazione, gli script di test, il refactoring. In Schneider stanno testando queste e altre funzionalità sul sistema di automazione aperta EcoStruxure Machine Expert e hanno notato risultati promettenti. Ovviamente, il controllo umano rimane, ma si fa meno gravoso, e il co-pilot è un assistente che semplifica le azioni più standard e ripetitive. Un’altra area di utilizzo per i LLM sono le interfacce in linguaggio naturale verso i sistemi di automazione industriale, che consentono di dialogare senza usare linguaggi specializzati. Altra area che stanno testando in Schneider è la creazione di assistenti virtuali che supportano il servizio al cliente, ad esempio come supporto al troubleshooting. Poter contare su questa ‘expertise’ e sulla semplificazione del linguaggio naturale, infine, può aiutare anche a gestire il cambiamento generazionale che sta avvenendo oggi nel mondo industriale, aiutando a ‘trasferire’ competenze e capacità al personale più giovane o meno esperto, riducendo la curva di apprendimento e fornendo a tutti i medesimi strumenti e conoscenze.
Qualità dei dati e responsabilità
Ogni modello di AI applicato all’industria, sia esso di apprendimento automatico o generativo, è addestrato su un set di dati. È importante che siano sempre i data scientist e gli esperti del dominio industriale specifico a convalidare e perfezionare questi modelli, così da evitare potenziali distorsioni. I Large Language Model applicati in ambito industriale richiedono, quindi, una maggiore attenzione e gestione, perché possono impattare su molteplici aspetti: sicurezza, privacy e cybersecurity. Questa è un’importante differenziazione rispetto ad altri ambiti più ‘consumer’. Tale considerazione è un esempio lampante di come con l’AI le ragioni tecnologiche e quelle etiche debbano andare a braccetto. L’attenzione a un uso responsabile dei Large Language Model riguarda l’ambito industriale esattamente come qualsiasi altro ambito e il loro impiego deve fondarsi anche su pilastri solidi di sicurezza, fisica e cibernetica, a tutela delle informazioni e delle persone.
Una sana prudenza, guardando sempre al futuro
L’AI generativa è una tecnologia giovane, che si sta sviluppando con una rapidità tale da rendere difficile prevederne gli impatti, in positivo ma anche in negativo, prima che essi si siano già dispiegati. Introdurla in contesti complessi come l’industria è un’opportunità da non perdere, ma è fondamentale in questa fase mantenere un controllo saldo sui processi e applicarli affinché vi sia un miglioramento continuo della qualità e interpretabilità delle risposte prodotte dall’utilizzo dei LLM, in modo da poterli integrare con fiducia all’interno dei processi decisionali. Ad oggi la verifica da parte dell’uomo è un passaggio ineludibile, che non deve però spingere a mettere da parte lo studio delle opportunità dell’AI generativa. Siamo in un momento difficile quanto entusiasmante, foriero di innovazione, efficienza operativa ed energetica, riduzione del nostro impatto ambientale e molte altre opportunità. Mettendo a fattor comune partnership tecnologiche e competenze di dominio, si potrà creare un percorso prudente, ma solido, da offrire agli utilizzatori e strategico per portare le industrie nell’era dell’AI.
Schneider Electric – www.se.com/it/it