Le imprese e la sfida dell’AI
L’intelligenza artificiale sta cambiando il modo di fare impresa, ma quanto è davvero pronta l’industria italiana? Mentre le grandi aziende accelerano, molte PMI rischiano di trasformare un ritardo temporale in uno svantaggio competitivo strutturale. Da qui nasce AI.DEA | Forum di Varignana, appuntamento annuale promosso da Confindustria e Nomisma su conoscenza, dati e AI per l’impresa italiana. Due tavole rotonde (il 16 e il 17 ottobre scorsi), una sul lato umano e strategico e una su quello tecnologico, arrivano alla stessa conclusione: l’AI non è una scelta, conta come la si adotta.
Imprenditori a confronto: moderata da Andrea Cabrini, con Sergio Dompé (presidente esecutivo Dompé Farmaceutici), Chiara Nasi (amministratore delegato CIRFOOD) e Andrea Pontremoli (amministratore delegato Gruppo Dallara).
Chiara Nasi ha portato l’esperienza della ristorazione collettiva (1.200 cucine, circa 100 milioni di pasti l’anno, 13.000 dipendenti): meglio strategy first che AI first, perché i processi vanno ripensati prima di applicare la tecnologia. L’AI negli approvvigionamenti, attiva da otto anni, ha ridotto le eccedenze di oltre il 15%; la computer vision sui vassoi misura cosa si sceglie e cosa si spreca, anche in euro. Il progetto di robot per i vassoi ospedalieri è invece in stand-by: le persone si adattano e decidono in autonomia, il robot no. Sul piano organizzativo CIRFOOD è partita da cultura (migliaia di ore di formazione), regole e strumenti, con un gruppo interfunzionale (Innovation e Strategy, HR, legale, IT) che valuta costi e benefici. Dopo un anno, una misurazione dell’impatto sociale con il Politecnico di Milano ha mostrato benefici percepiti dalle persone coinvolte: l’AI si introduce con gli strumenti, ma il cambiamento si fa con le persone.
Per Sergio Dompé l’AI «non è una scelta, è un obbligo»: contano la qualità del dato e delle domande, e l’errore residuo va letto accanto al guadagno di efficienza. Ha richiamato il ritardo europeo nelle scienze della vita: in quindici anni la quota europea di farmaci innovativi è scesa dal 30 al 19%, mentre quella cinese è salita dal 16-17% al 30%. Il vantaggio italiano è il costo della ricerca, la metà di quello europeo e un quinto di quello americano.
Andrea Pontremoli ha provocato: l’AI, accomodante per natura, erode la fiducia tra le persone, mentre per innovare servono relazioni vere. Presidente della Motor Valley, ha citato la mappatura fatta con Nomisma: sei brand per circa 13 miliardi di fatturato, 15.072 fornitori di primo livello per 133 miliardi e, con l’intera filiera, quasi 40.000 aziende per 393 miliardi. La forza dell’Italia, che pesa lo 0,7% della popolazione mondiale, sono alto valore aggiunto e nicchie, non i volumi: 34.000 vetture di marchi come Ferrari generano un terzo del fatturato di 1,6 milioni di immatricolazioni. Con i concorrenti, anche cinesi, vale la regola «o vinci o impari»: si studia chi fa bene e si investe sulla propria differenza. Le tecnologie trasformative sono due, AI e quantum computing, ma la risposta resta la strategia.
Cabrini ha ricordato un tema spesso trascurato: la «bolletta dei token» comincia a pesare. Nei messaggi finali Dompé ha invitato a coltivare la passione, mentre Nasi ha riassunto: Human first nei valori, strategy first nelle scelte, AI first quando le scelte devono diventare risultato.
La sovranità dei dati e i nuovi castrum: moderata da Patty Torchia, con Flavio Bonomi (Digital Transformation Executive, Technology Visionary e Solutions Architect) e Davide Raitano (Corporate Chief Information Officer CRIF).
Bonomi ha descritto dalla Silicon Valley una trasformazione velocissima e ancora poco percepita in Italia: dai grandi modelli privati ospitati in enormi data center si va verso modelli più piccoli e distribuiti, con i modelli cinesi in forte avanzata, e verso macchine capaci di far girare modelli di frontiera in azienda. La decentralizzazione dell’AI si lega a quella del dato: portare il modello vicino al dato, non viceversa. Per Raitano la domanda dell’imprenditore è come applicare l’AI a processi e dati (parametri delle macchine, disegni tecnici, condizioni ai clienti) senza cedere sovranità e riservatezza: è una questione di fiducia, prima ancora che tecnica.
Nessuna contrapposizione al cloud, ma un continuum dall’edge al cloud. I vantaggi di modelli e agenti vicino alle macchine sono quattro: latenza, continuità operativa, privatezza dei dati e dei modelli, costo. Raitano ha aggiunto la prevedibilità della spesa e un esempio: il costo dei token di un code assistant usato in modo massivo può superare in meno di un anno lo stipendio dello sviluppatore, e per certi casi finanziari la differenza tra un modello di frontiera e alternative più contenute va da poche migliaia di euro a milioni.
Sugli agenti i due relatori sono prudenti. Un agente riceve incarichi complessi e, se non controllato, può agire in modo poco chiaro; non ha ancora un’identità certificata, quindi non è pronto per l’esecuzione nei processi critici. Oggi è un collaboratore: raccoglie e organizza le informazioni, l’essere umano decide. L’esempio è la manutenzione: un agente con accesso a dati macchina e manuali suggerisce subito all’operatore dove intervenire, riducendo i fermi. Per le PMI con dati disordinati, Raitano ha escluso che servano dati perfetti: si parte da una linea di prodotto o da un caso di qualità, misurando i risultati prima di estendere. Bonomi ha citato la startup AnyLog, che rende i dati locali un unico database virtuale senza spostarli nel cloud. Servono però controllo degli accessi, identità di agente e dato, e una governance che, ha detto Raitano, non frena l’innovazione ma la rende applicabile ai processi.
Su digital twin e physical AI, Bonomi li ha definiti rispettivamente l’immagine digitale di una macchina o di un processo, che permette di simulare il futuro, e l’uso di dati, modelli e agenti per agire sul sistema fisico: partita in cui l’Europa ha molto da giocare. Raitano ha ricordato che conta la fedeltà al mondo reale, non la grafica, come nei simulatori di Formula Uno.
Il vademecum per i prossimi 12-24 mesi: individuare uno-tre problemi reali e misurabili, coinvolgere subito chi conosce il processo, definire in anticipo la governance del dato e misurare prima di estendere (Raitano); non investire senza un primo use case, ma costruire progressivamente infrastruttura e dati per sostenerne molti (Bonomi).
©Futuro Europa® Riproduzione autorizzata citando la fonte. Eventuali immagini utilizzate sono tratte da Internet e valutate di pubblico dominio: per segnalarne l’eventuale uso improprio scrivere alla Redazione