Al comparto manufacturing l'Intelligenza Artificiale piace e le applicazioni sono già ben diffuse. Con una nota di merito per le aziende italiane, già molto avanti nell'applicazione delle potenzialità di AI e machine learning. Adesso però è il momento di accelerare, secondo Google Cloud, agevolando grazie al cloud la diffusione delle tecnologie cognitive, seguendo tra l'altro la tendenza che tutte le aziende hanno, manufacturing compreso, di portare sempre più funzioni di computing in periferia.

"Già da qualche tempo si dice - spiega Dominik Wee, Managing Director Global Manufacturing, Industrial and Transportation di Google Cloud - che l'AI è la 'next big thing' per il manufacturing. La maggior parte delle imprese manifatturiere infatti ha già avviato progetti di AI, ma spesso fa fatica ad estenderli a tutta l'azienda e resta bloccata in quello che chiamiamo pilot purgatory". Il purgatorio dei progetti pilota in cui possono finire le aziende ha diverse cause, secondo Google Cloud. Le principali sono però "storiche" e quindi superabili: l'utilizzo di macchinari legacy che non si possono digitalizzare e connettere, la difficoltà a raccogliere ed elaborare i tanti dati di produzione, il fatto che AI e ML sono solo da poco davvero facilmente fruibili.

"Per molto tempo - spiega Wee - il machine learning è stato una specie di arte oscura per le aziende. E non basta mandare un plotone di esperti e consulenti che affronti e risolva uno specifico caso d'uso. Chiuso quel capitolo, l'azienda utente deve affrontare altri problemi e continua a non poterlo fare". Non che le grandi aziende del manufacturing non abbiano affrontato la questione: hanno sviluppato team dedicati ed hanno investito in programmi di upskilling. Ma per il vero boom delle tecnologie AI serve qualcosa d'altro.
La visione di Google Cloud è che per favorire l'adozione di AI e ML - e, soprattutto, fare in modo che permeino tutta una impresa - le tecnologie cognitive devono diventare accessibili e facili da utilizzare. Anche se l'utente finale non è affatto un esperto. Molto è stato fatto in questo senso, anche da Google Cloud, e i risultati si vedono. Secondo una recente indagine di Google Cloud, infatti, globalmente il 64% delle aziende del manufacturing usa l'AI nelle sue operazioni quotidiane. Con una nota di notevole merito per l'Italia, dove la percentuale arriva all'80%, la più alta nelle nazioni esaminate dal cloud provider.

Dove si trova e a cosa serve questa AI ormai consolidata? AI e machine learning sono diffusi soprattutto nelle aziende dell'automotive (76% di tasso di utilizzo), nei loro fornitori (68%) e tra i produttori di macchinari pesanti (67%). Le tecnologie vengono applicate soprattutto in ambito controllo qualità (39% di citazioni), SCM (36%), risk management (36%), assicurazione qualità direttamente sulle linee produttive (35%), gestione dell'inventario (34%).

Non a caso, sono tutti ambiti in cui è facile verificare il ROI delle tecnologie cognitive ed è anche per questo che le aziende non hanno difficoltà ad investirvi. Con la diffusione progressiva dell'AI, cresceranno altri casi d'uso ora meno immediati. Ad esempio il demand forecasting, che i lockdown della pandemia globale hanno portato in primo piano. O l'energy management, ora che qualsiasi impresa è attenta al suo impatto ambientale. E Google qui ha competenze ben sviluppate.
È prevedibile che Google Cloud veda appunto nel cloud la piattaforma abilitante per la diffusione dell'AI. Il punto è che anche le aziende utenti hanno questa opinione. Tanto che le applicazioni dell'AI sono più diffuse proprio nelle nazioni in cui le aziende le manufacturing hanno già una precisa strategia orientata al cloud ibrido (presente nel 51% delle aziende industriali italiane, la percentuale più alta dello studio) e al multicloud (citato dal 13% delle aziende italiane, superate solo dalle tedesche con il 16%).

Il cloud aiuta l'AI nel manufacturing per vari motivi, spiega Dominik Wee. Non è solo una questione di maggiore semplicità di implementazione delle soluzioni rispetto agli approcci tradizionali. Il vantaggio del cloud è che permette di "spalmare" l'AI là dove serve e dove si può fare meglio. "Il cloud ha un ruolo centrale nell'addestramento dei modelli di machine learning, che avviene nei data center. Ma la grande maggioranza dei clienti vuole fare inferenza all'edge, quindi applicare in periferia i modelli dopo averli addestrati. Una architettura cloud permette di coprire tutti gli scenari", sottolinea Wee.

Ad un ambito come il manufacturing, che per diversi aspetti è conservativo ed ha comunque una quota rilevante di proprietà intellettuali da tutelare, Google Cloud offre poi i servizi e le funzioni per garantire sia la privacy sia la sovranità dei dati. Ma la tecnologia non basterebbe, da sola. Google Cloud mette in campo anche un approccio al mercato manufacturing molto mirato: dai team tecnici che sanno trasporre le tecnologie in soluzioni complete ai team di vendita dedicati e ben competenti sui temi del manufacturing. Ed anche partnership con altri vendor di settore, come ad esempio Siemens. Perché anche così si semplifica, e non poco, la vita degli utenti: "le aziende non cercano un altro ennesimo fornitore, siamo noi che dobbiamo integrarci con gli stack tecnologici che già stanno usando".