Intelligenza artificiale e IA generativa: ecco come si stanno muovendo le aziende italiane

Nel 2023 le imprese italiane hanno investito 760 milioni di euro nelle tecnologie per l’intelligenza artificiale, con un balzo del 52% rispetto al 2022 (quando la spesa già era aumentata del 32% rispetto al 2021). Lo ha svelato il recentissimo studio dell’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano. I CIO hanno acquistato principalmente soluzioni di analisi e interpretazione dei testi per la ricerca semantica, soluzioni di classificazione, sintesi e spiegazione di documenti e agenti conversazionali tradizionali. Il 90% degli investimenti fa capo alle grandi imprese: tra queste sei su dieci sono già nella fase di sperimentazione o di implementazione.

La differenza la fa la cultura del dato: senza la valorizzazione delle informazioni non si possono costruire prodotti di IA, intelligenza artificiale generativa e machine learning (ML o apprendimento automatico), un sottoinsieme dell’intelligenza artificiale che, come sottolinea Gartner, richiede una precisa strategia di acquisizione dei dati e di addestramento dei modelli.

Come conferma TheFork, l’adozione diffusa di tecnologie di machine learning, IA e IA generativa, richiede “un cambiamento strategico nella configurazione dell’organizzazione dei dati”, ed è precisamente questo che l’azienda sta attuando. La piattaforma di prenotazione online dei ristoranti già sfrutta l’intelligenza artificiale e l’apprendimento automatico per abbinare utenti e ristoranti, ma adesso ha potenziato la personalizzazione dell’esperienza con la nuova versione dell’app, che incorpora l’intelligenza artificiale generativa.

Un’altra azienda molto attiva nei progetti di IA, analytics e machine learning è Fater, joint venture paritetica fra Angelini Industries e Procter & Gamble, che produce e distribuisce prodotti per l’igiene della casa e della persona, con marchi molto noti in Italia e all’estero, quasi 1 miliardo di fatturato annuo e circa 1.500 dipendenti. Il team guidato dall’ICT Executive Director, Domenico di Francescantonio, ha usato i dati e il machine learning per ottimizzare la gestione dei costi energetici nello stabilimento in provincia di Campobasso.

IA in Italia, le imprese investono

L’IT di Fater include 4 aree principali: l’IT tradizionale (gestione di server, sistemi, ERP, implementazione del cloud, ecc.), l’IT innovativo (soluzioni di Analytics, Business Intelligence, Intelligenza Artificiale, Machine Learning, ecc.), un FabLab per i progetti più avanguardistici e un’area dedicata al Digital marketing. 

Nell’ambito dell’IT innovativo, uno dei progetti più recenti dianalytics con sistemi di ML ha riguardato lo stabilimento di produzione della sede di Campochiaro in Molise, dove i dati e l’intelligenza artificiale hanno permesso di ottimizzare la gestione dei costi energetici. In questo stabilimento, infatti, le linee di produzione sono alimentate con energia elettrica e termica ottenuta in diversi modi, dalla generazione interna all’acquisto da un fornitore. Inoltre, l’elettricità prodotta internamente può essere venduta in rete, se è maggiore di quella necessaria.

“Ciò implica che la domanda elettrica e termica delle linee può essere soddisfatta tramite configurazioni diverse, tutte quante con un costo differente”, spiega Di Francescantonio. “La scelta di una configurazione piuttosto che un’altra dipende, infatti, da una serie di parametri, come il costo di acquisto dell’energia elettrica, il costo del metano, il costo di manutenzione dei motori, eccetera. Al variare di queste grandezze, cambia la configurazione ottimale di utilizzo delle sorgenti di energia”.

In precedenza, la configurazione della centrale veniva aggiornata una volta al mese sulla base dell’esperienza dei tecnici e di stime grossolane delle domande energetiche e dei costi dell’energia futuri. Il risultato non era soddisfacente, visto anche l’attuale variabilità del mercato, ed è qui che si è inserito il machine learning, con l’implementazione di un modello in grado di prevedere fino a sette giorni nel futuro qual è la configurazione migliore da adottare ogni ora per ottimizzare i costi dell’energia.

Il machine learning per l’efficienza energetica

Per questa gestione più efficiente, Fater usa, per l’esattezza, due modelli di intelligenza artificiale con ML: il primo è un modello di forecast del consumo di energia elettrica e termica delle linee, il secondo è un modello di ottimizzazione che trova la configurazione ottimale di produzione e/o acquisto e/o immissione sul mercato di energia che minimizza i costi.

“Per prevedere il consumo di energia elettrica e termica delle linee di produzione”, spiega Di Francescantonio, “il modello di IA trasforma i quantitativi di materiale prodotto dalle linee in consumo energetico. Avendo a disposizione la pianificazione oraria dei quantitativi di materiale prodotti dalle linee fino ad un orizzonte temporale di sette giorni, siamo in grado di stimare l’energia elettrica e termica che queste linee consumeranno ora per ora”.

La previsione dei consumi energetici viene poi inserita all’interno di un modello di ottimizzazione che, in base al costo del metano, al prezzo di acquisto e vendita di energia elettrica, al costo di manutenzione dei motori, alla disponibilità dei motori e alla temperatura esterna, determina qual è la configurazione migliore da adottare per minimizzare i costi di produzione di energia. Queste informazioni vengono successivamente trasferite al sistema di gestione degli impianti (motori, centrale termica, chiller, eccetera) in modo che, automaticamente, venga seguita la configurazione ottimale.

L’IA generativa per personalizzare la customer experience

Anche nel caso di TheFork, l’IA e il ML si uniscono per potenziare il prodotto finale. Ma qui interviene anche l’IA generativa.

Grazie all’IA, spiega il team di TheFork, “Abbiamo una nuova home page incentrata sull’utente con le ‘scelte migliori per te’ e le selezioni di ristoranti più popolari dalla guida TheFork; possiamo estrarre dei dati dalle recensioni degli utenti e creare dei riepiloghi delle ‘menzioni principali dei commensali’; e abbiamo introdotto il riconoscimento e la contestualizzazione delle immagini in base alla ricerca attuale dei nostri utenti. Aggiornando il nostro prodotto con Gen AI e ML, possiamo fare sempre più passi avanti nella ricerca dell’abbinamento perfetto tra clienti e ristoranti”, spiega TheFork.

Che cosa vuol dire, in concreto, la Gen AI sulla piattaforma online? La funzionalità che TheFork sta rilasciando, illustra ancora il team tecnico, “ci consente di identificare, dalle recensioni, i 4 tratti positivi più ricorrenti di un ristorante e di mostrarli ai commensali dalle recensioni nella parte superiore della scheda del ristorante. Per esempio, se commenti positivi sulla ‘vista eccezionale’ compaiono frequentemente nelle recensioni recenti, verranno evidenziati nella parte superiore della scheda insieme al numero di volte in cui questa caratteristica viene menzionata nelle recensioni. Questo aiuta i nostri utenti a individuare subito i tratti distintivi di un ristorante e il ristorante a ‘mostrare’ ciò che meglio lo contraddistingue e non solo le recensioni in ordine cronologico”.

L’azienda già forniva alle persone in cerca di un ristorante degli estratti contestualizzati delle recensioni basati sulla ricerca degli utenti, utilizzando il Natural Language Processing (NLP, l’elaborazione del linguaggio naturale) ma, grazie all’IA generativa, ora può andare “molto più in profondità interpretando le recensioni e assicurandoci che i clienti trovino il ristorante perfetto per loro”, afferma il team di TheFork. “Effettuiamo anche il riconoscimento delle immagini basato su modelli di ML per contestualizzare l’ordine delle immagini in base alla ricerca”, prosegue il team. “Se stai cercando pizzerie a Milano, mostreremo ‘immagini pizza’ ogni volta che ne avremo. Questi sono solo alcuni esempi delle tante implementazioni che realizzeremo”.

A livello B2C le tecnologie implementate sono algoritmi di machine learning per trovare i ristoranti perfetti per clienti; a livello B2B l’intelligenza artificiale e l’apprendimento automatico vengono utilizzati per prevedere le prenotazioni future in un singolo ristorante e proporre azioni per attirare più commensali e avere più successo e profitti.

IA: i 3 fattori per l’implementazione

Prima del lancio della nuova app con l’IA, nel corso del 2023 i team di TheFork hanno trascorso 6 mesi in una modalità di ricerca e sviluppo e proof of concept sfruttando il ML e la Gen AI per testare e iterare le nuove funzionalità.

“Nel 2024, faremo un ulteriore passo avanti creando un team dedicato incaricato di dotare TheFork di una solida base di dati e di una solida cultura, portando a innovazioni di mercato ancora più dirompenti”, afferma l’azienda. “L’obiettivo finale è liberare il potere dei dati e diventare un consulente personale dei clienti e un alleato fidato dei ristoranti”.

La cultura del dato è primo fattore chiave per portare l’IA in azienda: “Creare una solida base dati da cui estrarre la conoscenza è fondamentale”, afferma Stefano Poliani, presidente di Digital Innovation Hub (DIH) Lombardia. “Senza la base dati non si possono implementare le nuove tecnologie di analisi, business intelligence e intelligenza artificiale. Oggi, le aziende che non affrontano percorsi di digitalizzazione abilitanti – si tratta soprattutto di piccole imprese – lo fanno soprattutto per carenza di cultura e competenze sul dato”, evidenzia Poliani. I Digital Innovation Hub, parte del sistema di Confindustria e previsti dalla Comunicazione della Commissione europea “Digitising European Industry”, hanno esattamente il compito di rafforzare il livello di conoscenza sulle tecnologie digitali, soprattutto nell’ambito di Industria 4.0.

TheFork sottolinea che, per supportare il cambiamento portato dall’IA, tutti i manager stanno creando un ambiente per istituire strumenti, pratiche e strutture organizzative che “consentono l’innovazione ad alta velocità sui prodotti con particolare attenzione ai dati”. Ciò implica – ed è questo il secondo fattore chiave – una stretta collaborazione tra i team dati e quelli di prodotto e di ingegneria.

Il terzo elemento cruciale sono le competenze. AI, ML e Gen AI sono tecnologie complesse da gestire e continuano ad evolvere rapidamente. Sia TheFork che Fater non possono, perciò, fare a meno dei professionisti dei dati.Un secondo fattore fondamentale è, infatti, il coordinamento tra team intorno a una strategia che unisca business, IT, business e prodotto

“Disponiamo di team che includono data scientist e data engineer, focalizzati sul supportare l’intera azienda per cogliere tutte le opportunità in modo efficiente e coerente”, afferma TheFork.

Anche Fater ha investito in misura significativa su digitalizzazione, dati e competenze. Sia il progetto per l’ottimizzazione dei costi dell’energia nella sede molisana che altre iniziative poggiano “non solo sugli algoritmi di ML, ma sul lavoro di analisi dei data scientist interni al dipartimento IT”, sottolinea Di Francescantonio.

Oltre alla cultura del dato, all’allineamento strategico e alle competenze, lo studio del Politecnico di Milano mette in luce ulteriori tre aspetti da considerare nei progetti IA: disporre di sistemi di gestione e analisi dei dati robusti, affinché i risultati dei sistemi di intelligenza artificiale siano corretti; garantire che le decisioni prese siano spiegabili alle persone (explainability); e certificare che i sistemi di IA rispettino le regolamentazioni europee e riescano a mitigare i rischi potenziali di etica e cybersicurezza, tutti temi, peraltro, contenuti nell’AI Act europeo.