Le realtà industriali considerano l’intelligenza artificiale (AI) come un elemento chiave di una crescita redditizia grazie all’aumento dell’efficienza, della flessibilità e della differenziazione che essa apporta; tuttavia l’insufficiente quantità e qualità dei dati e la carenza di competenze nella AI sono tra le sfide che devono essere risolte per consentire la diffusione della AI.
Sono questi i temi principali che scaturiscono da un’indagine condotta da Hewlett Packard Enterprise (HPE) e Industry of Things World, la principale conferenza europea dedicata all’Industrial IoT, su 858 professionisti ed executive in maggioranza europei, operanti nel settore industriale. La ricerca ha rivelato inoltre come l’industria sia intenzionata ad adottare architetture ibride nelle quali la AI viene distribuita uniformemente attraverso il cosiddetto ‘industrial edge’ e i data centre piuttosto che il cloud. Ciò permetterà di ricavare inferenza in tempo reale a livello periferico e correlazione dei dati e deep learning nelle diverse installazioni.
“La AI si pone al centro della quarta rivoluzione industriale, elemento chiave per poter passare dall’automazione all’autonomia, stimolare la crescita e ottenere un vantaggio competitivo”, ha commentato Volkhard Bregulla, Vice President Global Manufacturing, Automotive and IoT di Hewlett Packard Enterprise (nella foto). “La nostra indagine mostra come il settore industriale europeo abbia chiaramente compreso e abbracciato la potenza strategica della AI, ma indica anche che sarà essenziale colmare il gap esistente in termini di competenze e di dati prima di poter metterne a frutto tutte le potenzialità”.
La maggioranza degli intervistati (61%) è già coinvolta a qualche titolo nella AI: l’11% ha già implementato la tecnologia nelle funzioni o nelle attività di base, il 14% prevede di farlo nei prossimi dodici mesi, e il 36% ne sta valutando l’implementazione.
In media, gli interpellati prevedono di accrescere il proprio fatturato dell’11,6% entro il 2030 come conseguenza dell’adozione della AI, incrementando simultaneamente i margini del 10,4%. Si prevede che la AI possa apportare benefici praticamente in tutte le attività presenti lungo la value chain industriale, oltre che generare differenziazione per i prodotti e i servizi delle aziende. Questa aspettativa è motivata anche dalle elevate percentuali di successo dei progetti di AI completati: il 95% degli intervistati che hanno già implementato la AI nelle rispettive aziende afferma di aver raggiunto, migliorato o significativamente superato i propri obiettivi. Di conseguenza, il campione intervistato prevede di investire mediamente lo 0,48% del proprio fatturato a favore della AI nei prossimi 12 mesi, una somma rilevante considerando come nel comparto industriale il budget IT complessivo medio sia pari all’1,95% del fatturato2. In linea con queste prospettive positive, due terzi degli interpellati prevedono che i nuovi posti di lavoro creati dalla AI bilanceranno o addirittura supereranno il numero di quelli resi ridondanti dalla stessa AI.
Tra gli altri dati emersi dalla ricerca: le casistiche di utilizzo della AI dei partecipanti al sondaggio sono distribuiti lungo tutta la value chain: tra le altre ricerca e sviluppo (38%), previsione della domanda (21%), pianificazione della produzione (18%), manutenzione (34%), vendite (28%) e servizi (29%); gli obiettivi chiave dei deployment di AI comprendono, tra gli altri: “incrementare l’efficienza di operazioni, manutenzione e supply chain” (57%), “migliorare la customer experience” (45%), “migliorare prodotti e servizi con l’aggiunta di nuove caratteristiche” (41%), “adattarsi in modo rapido e automatico al cambiamento delle condizioni” (37%), “creare nuovi modelli di business” (34%) e “allineare meglio domanda e offerta migliorando le previsioni e la pianificazione” (32%).
I risultati del sondaggio suggeriscono che le architetture AI ibride diventeranno la norma nei prossimi anni, con il 55% di deployment in data centre/cloud e il 52% nell’edge attesi entro il 2030.
Le sfide che devono essere risolte per scalare ulteriormente l’impiego della AI: il 47% degli interpellati ha votato per “carenza di quantità e qualità dei dati per alimentare i modelli di AI” e il 34% per “carenza di governance dei dati e architetture dati enterprise”. Un altro ostacolo significativo verso l’adozione della AI è la “carenza di competenze e conoscenze nella AI e nell’analytics” (42%).