I dipendenti Pirelli e l’AI
Alberto Scurati
Polo R&D Director*
L’intelligenza artificiale ha rivoluzionato le vite di tutti, tanto nel quotidiano quanto a livello aziendale. In che modo dunque l’IA ha trasformato il suo lavoro all’interno dei team di Pirelli?
Con il team abbiamo lavorato da subito con un preciso obiettivo: comprendere le potenziali applicazioni dell’intelligenza artificiale nel campo tecnico dei materiali, del prodotto e della fabbrica. Tutto ciò ci ha permesso di studiare l’evoluzione, più che la rivoluzione che questa tecnologia può portare nel mondo lavorativo, comprendendone sì le potenzialità ma anche i limiti. I vantaggi e la velocità che si acquisiscono utilizzando i modelli di data science sono infatti estremamente significativi con un’immediata estensione del know-how e la possibilità di avvantaggiarsi sia a livello ingegneristico che di shop-floor. È però fondamentale capire come impostare lo sviluppo, la strutturazione e l’ingegnerizzazione dei dati che sono la base per avere modelli efficaci e adatti al machine learning e all’artificial intelligence.
Il machine learning sviluppa e utilizza gli algoritmi per analizzare dati strutturati, impara da questi e su questo apprendimento prende decisioni sempre più precise per ridurre la percentuale di errore massimizzando l’efficienza. È davvero così, la macchina impara e l’uomo no?
Entrambi impariamo, anzi l’uomo impara più velocemente proprio grazie all’ausilio che queste tecnologie possono offrire nella quantificazione di fenomeni complessi a multi-variabili, dove invece un approccio tradizionale sarebbe estremamente lungo e difficile da perseguire, se non impossibile. Diventa però molto più problematico quando i dati sono esigui e si esce dal campo lineare. L’intelletto umano ha infatti capacità decisamente superiori nel connettere informazioni riguardanti schemi ed esperienze diverse: usa consapevolmente queste tecnologie con una chiara roadmap degli obiettivi da seguire.
IA : macchina = uomo : x. Qual è l’incognita e/o valore aggiunto che possiamo ritrovare nel lavoro portato avanti e sviluppato dentro e fuori la fabbrica?
È un’analogia molto utile in quanto permette di dare una chiave di lettura semplice. Il valore aggiunto è la continua evoluzione della macchina che avviene con tempi infinitamente più rapidi rispetto alle evoluzioni dei macchinari tradizionali. L’incognita sta invece nella validazione e nell’attenzione da porre sui modelli e sull’ambiente circostante, come ad esempio gli aspetti che riguardano la collaborazione tra business platform e il gruppo di data science. Il rischio da evitare è l’estremizzazione in entrambe le direzioni che si potrebbe esemplificare in una negazione del valore dei dati da un lato e in un’aspettativa quasi magica dei modelli numerici.
L’IA sta dando la possibilità di condividere di più il sapere, di rendere il know-how più largo e globale. Quanto sente tutto questo in un’azienda internazionale come Pirelli?
Indubbiamente è uno degli enormi valori aggiunti che queste tecnologie permettono. Non tanto nella condivisione del know-how, aspetto molto curato all’interno di Pirelli, ma nella possibilità di farlo con quantificazioni precise e adeguatamente aggiornate. Diventa più semplice documentare, misurare e predire condizioni che in altri luoghi o in altri momenti, all’interno dell’azienda, si sono già verificati. La percezione di questo è sicuramente forte e significativa, in particolare in un ambiente di fabbrica dove ci sono diversi dati provenienti da tante macchine di processo. Avere la possibilità di lavorare con modelli strutturati che colleghino anche in modo orizzontale la catena di processo, costituisce una fonte di know-how estremamente significativa e dalla quale è possibile disegnare in modo ordinato e quantitativo miglioramenti ed efficientamenti.
Intelligenza artificiale ed essere umano vengono raccontati spesso in antitesi, e se parlassimo di integrazione, in Pirelli?
Pirelli rappresenta un’eccellenza nell’integrazione e per questo motivo è rapida ed efficace nello sviluppo di questi strumenti. In un’azienda dove il core business non sono prodotti di IA / ML, l’integrazione è la conditio sine qua non per affiancare le scienze e le tecnologie core con quelle di data science. È necessario imparare una seconda lingua, quella del digital e dei dati, attraverso tutte le funzioni aziendali, in modo che diventi un approccio conforme e compatibile con le basi del data science. L’integrazione passa attraverso la conoscenza e questo vale anche per la trasformazione digitale che stiamo oramai vivendo da qualche anno.
* Polo Industriale Pirelli – Settimo Torinese – Italy
