I dati da analizzare sono in costante aumento e le macchine di produzione diventano sempre più smart nell’interpretarli. Decisioni e strategie vengono adottate in autonomia da sistemi di intelligenza artificiale che prevedono l’andamento della produzione e analizzano lo stato di tutte le componenti hardware grazie a sensori connessi. Ma l’impatto dell’AI nell’industria è reale? Possiamo misurarlo?
I risultati di uno studio McKinsey & Co.
McKinsey & Company con il supporto del MIMO (MIT Machine Intelligence for Manufacturing and Operations) hanno sviluppato uno studio che rivela il vero impatto della Machine intelligence sull’industria. L’analisi è tra le più estese del settore: è stata condotta intervistando manager di 100 società in pieno sviluppo, analizzando fino a che punto le tecniche di Machine learning hanno contribuito al loro successo (e continuano a farlo). Sono stati utilizzati 21 differenti indicatori di performance, appositamente selezionati per massimizzare il risultato dell’analisi. I risultati sono stati pubblicati sulla Harvard Business Review e sono stati accolti positivamente dai ricercatori della comunità scientifica del settore.
L’obiettivo dello studio (e del MIMO) è di dimostrare, in modo chiaro e inequivocabile, quanto sia efficace l’uso dell’intelligenza artificiale in tutti i settori manifatturieri; un impatto che, ad oggi, spesso viene considerato marginale o poco concreto, ma che invece ha il potenziale per continuare ad accelerare lo sviluppo tecnologico e le performance delle industrie moderne. Si tratta, dunque, di un’indagine per stimolare l’implementazione dell’AI e migliorare la comprensione delle sue possibili applicazioni.
L’analisi effettuata
Creare processi che utilizzino l’AI all’interno dei procedimenti di lavorazione industriale non è una procedura banale: richiede un’attenta pianificazione e un’attuazione progressiva. Lo studio classifica gli intervistati in quattro categorie principali, secondo il loro grado di sviluppo nell’acquisizione di tecnologie smart: i leader, i pianificatori, gli esecutori e le realtà emergenti.
I leader fanno un uso esteso dell’AI in diversi processi produttivi dell’industria: grazie a investimenti mirati sono riusciti a integrare la Machine Intelligence in maniera estesa e, di conseguenza, sono tra coloro che ricavano i benefici maggiori da questa tecnologia. Le industrie in questa categoria sono circa il 15% del campione, e hanno ottenuto miglioramenti significativi per 20 dei 21 indicatori presi in considerazione.
I pianificatori, invece, hanno già acquisito l’expertise per implementare soluzioni AI-Powered, ma sono ancora in una fase di sviluppo e investimento. Trovare soluzioni efficaci e integrarle nei processi già attivi senza creare attriti richiede una vision lungimirante, e il percorso non è privo di ostacoli. Gli attori di questa categoria, che rappresentano circa il 25% del campione, sono quindi sulla buona strada verso un’applicazione di successo dell’intelligenza artificiale, ma non sfruttano ancora tutti i vantaggi di questa tecnologia.
Il 33% circa del campione è composto da esecutori, ovvero dalle realtà industriali che applicano soltanto soluzioni orientate al risultato immediato. Questo approccio porta con sé sia vantaggi che svantaggi. Di certo gli esecutori non esplorano tutte le possibilità che l’AI mette a disposizione, e non valutano tutti gli scenari applicativi possibili. In compenso, però, massimizzano i vantaggi ottenuti dalla tecnologia che applicano. In altre parole, usano una quantità inferiore di soluzioni di Machine Intelligence ma, secondo gli indicatori usati per la ricerca, sfruttano quelle già sviluppate al massimo del loro potenziale. In molti casi le imprese di questa categoria si appoggiano a partner altamente specializzati per prototipare e sviluppare sistemi di intelligenza artificiale adatti alle loro specifiche esigenze.
L’ultima categoria analizzata nello studio sono le realtà emergenti, che riescono a ottenere solo una piccola porzione di benefici dall’applicazione dell’AI. In alcuni casi manca una strategia e una visione d’insieme, che consenta di capire dove investire per trovare applicazioni tecnologiche in grado di migliorare i processi.
Fattori determinanti per il successo
La standardizzazione dei processi è uno dei fattori chiave che determina il successo dell’applicazione dell’AI nell’industria. Le aziende della classe leader sono favorite in questo, perché sono adeguatamente strutturate per costruire processi robusti e procedure unificate che massimizzano i vantaggi dell’utilizzo del Machine learning in ambito operativo. D’altro canto, modificare i processi richiede una flessibilità che gli attori più grandi faticano ad avere. Ottimizzare produzione, manutenzione e logistica con un approccio predittivo richiede un management coraggioso che guarda al futuro e investe in esso.
Un altro fattore determinante sono le partnership con il mondo accademico e con imprese innovative altamente specializzate. La consulenza di figure esterne accelera il processo di acquisizione e integrazione dell’AI, amplificandone l’impatto positivo. Con questo approccio i benefici economici e pratici derivanti dagli investimenti arrivano più in fretta. Le partnership consentono anche di formare velocemente il personale, in modo da orizzontalizzare le competenze delle risorse interne sul tema intelligenza artificiale. La ricerca ha evidenziato che l’utilizzo di strumenti facili da usare e l’estesa formazione dei team, fa registrare miglioramenti negli indicatori di performance.
I dati sono la chiave di volta per lo sviluppo di sistemi di apprendimento automatico. Le AI hanno bisogno di grandi quantità di informazioni durante la fase di addestramento per poter dare risultati affidabili. Le aziende che ottengono le migliori performance con la Machine Intelligence sono quelle che aderiscono alla cultura della condivisione del dato. I leader nell’applicazione di tecnologie AI-Powered all’industria acquisiscono quanti più dati possibili dai processi interni, dai clienti e dai fornitori. Secondo la ricerca, l’89% di essi condivide a sua volta i propri dati con gli altri attori coinvolti nel processo. Le strategie data-driven sono quelle che meglio si prestano all’automazione dei processi tramite Machine learning e sono anche quelle che registrano i maggiori benefici nell’ottimizzazione delle risorse.
Esempi applicativi di successi di AI nell’industria
La ricerca di McKinsey & Company e MIMO presenta diversi case study utili a inquadrare l’applicazione funzionale della Machine Intelligence in contesti complessi.
Amgen è una delle più gradi compagnie biofarmaceutiche al mondo, e ha iniziato a utilizzare la Computer vision in maniera estensiva per massimizzare l’efficienza dei sistemi d’ispezione. I risultati ottenuti sono notevoli: l’efficacia nell’identificazione di particelle esterne è stata incrementata del 70%, riducendo al contempo l’esigenza di ispezioni manuali, che risultano lunghe e costose.
Un ottimo esempio di sinergia vincente è quella sviluppata da Augury con i clienti Colgate-Palmolive e Pepsico/Frito-lay. La condivisione dei dati e dell’expertise ha permesso di sviluppare un sistema di diagnostica preventiva e predittiva su alcune linee di produzione. Come risultato, l’analisi dell’AI ha consentito di prevenire un fermo di produzione che sarebbe durato ben otto giorni.
In alcuni ambiti applicativi verticali l’AI può ridurre in modo considerevole l’effort umano necessario in alcuni processi industriali. Come riportato dalla ricerca in oggetto, Analog Device, ad esempio, ha sviluppato un sistema di controllo qualità AI-driven che si è dimostrato molto efficiente, riducendo del 95% i dati di processo che necessitano di una revisione da parte di un ingegnere specializzato. Questo obiettivo è stato raggiunto addestrando una serie di reti neurali per identificare cicli di produzione che potrebbero avere dei difetti.
Anche McDonald fa un largo uso della Machine Intelligence per ottimizzare molti dei processi utilizzati nei ristoranti della catena. Le AI utilizzate sono in grado di prevedere, ad esempio, l’affluenza dei clienti e valutare le migliori procedure da adottare per ottimizzare i tempi del servizio.
L’AI nell’industria del Made in Italy
Nel panorama italiano ci sono molte eccellenze che forniscono prodotti e servizi d’intelligenza artificiale per l’industria. Molte di queste eccellenti soluzioni hanno come principale mercato l’estero. Se da un lato ci sono diverse grandi realtà che fanno un uso eccellente della Machine Intelligence, c’è anche da dire che l’Italia è il paese dei piccoli imprenditori e delle PMI dai fatturati modesti. Spesso in queste imprese l’innovazione tecnologica e l’ottimizzazione dei processi non sono il focus principale per gli investimenti. Lo studio di McKinsey & Company e MIMO dimostra, però, che anche queste realtà industriali possono sfruttare i benefici dell’adozione di tecnologie AI-Powered grazie a investimenti mirati, attenzione al dato e sinergie vincenti.
