AI componibile ed efficienza energetica, i trend del 2023 per Ammagamma - Meccanica Plus
Home   >   Mercato   >   AI componibile ed efficienza energetica, i trend del 2023 per Ammagamma

AI componibile ed efficienza energetica, i trend del 2023 per Ammagamma

Pubblicato il 11 gennaio 2023
Ammagamma trend 2023 AI componibile forecasting efficienza

Ammagamma, società che offre soluzioni di AI, indica alcuni trend nella AI per il 2023, che si riferiscono sia alla progressiva adozione della AI in azienda sia al suo sviluppo tecnologico, e tracciano alcune linee guida possibili per migliorare la competitività delle imprese e del sistema Paese.

Il mercato dell’intelligenza artificiale è infatti in continua espansione, la sua accelerazione sta spingendo sempre più in avanti lo sviluppo delle imprese migliorandone le prestazioni e accelerandone il processo di digitalizzazione. Il primo dei trend riguarda l’aumento della complessità della supply chain, con inoltre un aumento dei vincoli di produzione che nel 2023 metteranno ancora sotto pressione i sistemi produttivi. Dall’altra, l’aumento della pressione inflattiva sul consumatore finale potrebbe spingere le imprese ad assorbire almeno in parte questa spinta con politiche di riduzione dei costi di produzione. L’insieme di questi fenomeni potrebbe spingere le imprese, principalmente le medie e le piccole, ad adottare dei sistemi di intelligenza artificiale per ottimizzare la produzione, con due benefici principali: la diminuzione dei costi (l’IA può portare vantaggi nell’ordine del 5-10%) e l’aumento nella puntualità delle consegne (+15-20%) – un fattore sempre più critico, non solo nel retail.

Il secondo trend indicato dalla società afferisce invece l’energia. La sfida energetica metterà infatti seriamente a dura prova il mondo produttivo. Le previsioni per il 2023 stimano un prezzo intorno ai 300 €/MWh per l’energia elettrica e un aumento del 100% per il gas (da 75€/MWh a 138€/MWh). L’intelligenza artificiale, all’interno di uno scenario così sfidante, potrà giocare un ruolo determinante per le aziende. Dall’ottimizzazione della produzione, all’applicazione di controllori predittivi, alla manutenzione predittiva degli impianti: sono innumerevoli le opportunità di risparmio che potranno aiutare le imprese ad affrontare in maniera efficace il nuovo contesto e a raggiungere l’efficienza energetica. Nelle grandi aziende, così come nelle PMI, si parla di risparmi dal 10 al 20% negli edifici, grazie all’ottimizzazione dei cosiddetti BEMS, Builiding energy management systems, e a un aumento indicativamente del 30% di risparmio, attraverso la pianificazione ottimizzata di tutte le fasi produttive.

L’AI sarà un alleato delle aziende anche nelle attività di forecasting. La capacità di prendere decisioni strategiche più solide e affidabili, in un contesto di volatilità e incertezza elevate, sarà una priorità delle aziende a tutti i livelli: dalla pianificazione aziendale al budgeting, alla definizione degli obiettivi, fino alla gestione del magazzino, della supply chain, degli investimenti. Gli strumenti di intelligenza artificiale a supporto del forecasting hanno visto un’accelerazione della domanda continua, nel 2022. Non è ipotizzabile che questa tendenza si inverta, tutt’altro. Gli strumenti più avanzati di forecasting disponibili oggi si sono dimostrati in grado di migliorare le capacità predittive di un’azienda fino al 60%, rispetto agli strumenti di previsione tradizionalmente in uso.

Tra i trend tecnologici, Ammagamma indica quindi la AI componibile, ossia un genere di soluzione di intelligenza artificiale che viene composta a partire da blocchi tecnologici (‘pezzi’ di software) già prodotti, disponibili, testati. Un numero crescente di imprese sta abbracciando questa tendenza, che consente di avere soluzioni più stabili, che hanno bisogno di minore manutenzione e che si adattano con costi e rischi molto contenuti all’infrastruttura informatica già esistente in azienda. Ancora più importante, questo approccio consente di intervenire in tempi rapidi su criticità concrete e immediate, con  una riduzione del 40% dei tempi di rilascio della soluzione: un processo molto più rapido rispetto a un approccio sartoriale ‘from scratch’, ma molto più performante rispetto all’integrazione di software pre-sviluppati con approccio monolitico. La composizione delle funzionalità rende questo approccio estremamente adattivo e performante in un contesto volatile: già ampiamente diffuso in America e nel nord Europa, sta iniziando a convincere un numero crescente di imprese italiane.

La ricerca di una AI affidabile sarà quindi una tendenza molto forte. 
Quando si parla di affidabilità, si parla anche di investimento (e valore) a lungo termine. Le imprese che saranno disposte a investire sull’affidabilità dei propri sistemi di AI, ovvero adottare modelli affidabili e duraturi, avranno l’opportunità di generare un valore reale e continuativo attraverso tali sistemi, nonché di assumere decisioni più efficaci e più sicure nel tempo. L’affidabilità è ormai un requisito imprescindibile dello sviluppo dei modelli di AI: copre tutti gli aspetti relativi a una corretta gestione del dato, verso una completa trasparenza, l’assenza di discriminazioni, l’imparzialità e l’accountability di tutte le figure coinvolte, l’interpretabilità dei risultati dei modelli, una corretta valutazione dei rischi per gli utenti, oltre che la robustezza tecnica e di processo, che può essere implementata attraverso pratiche molto efficaci quali il machine learning development operations. Disporre di modelli di AI affidabili, in azienda, ha un impatto positivo su tutti i processi interni e di decision making, contribuendo ad aumentare le performance complessive dell’azienda e il livello di sicurezza interno ed esterno ad essa, nei confronti dei propri stakeholder.

Infine, la AI data-centrica: Ammagamma sottolinea come si pensi sempre che per poter adottare soluzioni di intelligenza artificiale in azienda servano grandissime moli di dati, i cosiddetti big data, e che su questa ingente quantità il valore stia nel costruire un modello sufficientemente complesso per carpire le logiche sottese ai dati. Questo può essere vero in diversi ambiti, ma se pensiamo al mondo manifatturiero, delle PMI, tali moli non sono disponibili per molti processi. È ancora possibile trarre grande valore dall’intelligenza artificiale, ma il focus si deve spostare molto di più sui dati che sugli algoritmi. Migliori dati significa migliori modelli che a sua volta vuol dire migliori processi. Le aziende che adotteranno modelli data-centrici di AI, valorizzando i propri dati, potranno infatti godere di nuovi importanti benefici rispetto al passato. Tra questi: una miglior accuratezza dei modelli, tempi di implementazione dell’AI drasticamente ridotti, un’applicazione più veloce ed efficiente dei nuovi sistemi, un miglior rendimento dei processi e infine una maggior competitività sul mercato.

Iscriviti alle newsletter »


Contenuti correlati

Scopri le novità scelte per te x

Meccanica plus è un network di Quine.
Edra Edizioni s.r.l.
Direzione, amministrazione, redazione, pubblicità
Viale Enrico Forlanini 21
20134 Milano
Tel. +39 02 881841 | C.F./P IVA 13002100157
www.quine.it
Responsabile della Protezione dei Dati: [email protected]

Copyright 2026 – Tutti i diritti riservati