L’AI sta per entrare nella fase della concretezza e della sua effettiva implementazione in ambito industriale. A patto, però, di superare l’esame del ritorno dell’investimento e dimostrarsi effettivamente utile all’efficienza e alla redditività delle aziende.
Lo racconta Maurizio Galardo, Fellow, Emerging Technologies - Chief Technologist di AVEVA. Con un passato da imprenditore e fondatore di un’azienda poi acquisita e confluita all’interno della stessa AVEVA, Galardo opera nell’area dedicata all’investigazione delle tecnologie emergenti, focalizzata sull’analisi delle potenziali applicazioni concrete delle nuove tecnologie in ambito industriale.
EnergiaMercato ha incontrato Galardo durante l’AVEVA World 2026, tenutosi a Milano lo scorso maggio.
AG. Maurizio, il tuo team lavora alla frontiera dell’innovazione tecnologica. Come valutate il potenziale delle ultime novità nel contesto degli impianti industriali ed energetici?
MG. Non indaghiamo gli ultimi trend tecnologici solo mediante attività di ricerca, ma sul campo. Andiamo effettivamente a selezionare e testare le novità più promettenti per verificare se possono essere applicate in ambito industriale. E lo facciamo con veri e propri POC verticali, basati su KPI tarati sugli effettivi use case dei nostri clienti.
Questa fase di filtraggio tecnologico ci permette di testare rapidamente le ultime novità e valutarne i benefici reali, osservando anche quali aziende stanno lavorando su quelle stesse tecnologie e in quali ambiti.
Se un trend tech supera questo esame, allora diventa competenza di un altro team, quello di delivery, che si occuperà di sviluppare un vero e proprio prodotto per i nostri clienti.
AG. Quali sono, oggi, queste “tech priorities”?
MG. Se in passato abbiamo fatto bene il nostro lavoro, allora le attuali tecnologie di punta per noi sono quelle già indagate in passato. Ragioniamo su un orizzonte temporale futuro, almeno di 3 o 5 anni da oggi, perché questa fase di incubazione ha tempi lunghi.
In generale, oggi vediamo un approccio più maturo all’intelligenza artificiale. Una tecnologia che non è una novità, ma è tornata al centro dell’attenzione da alcuni anni. Dopo una fase di sperimentazione e di curiosità, oggi si sta ragionando sulla sua effettiva adozione in ambito industriale, con l’avvio di un percorso che, credo, durerà almeno un altro paio di anni.
In questo percorso, le aziende valuteranno sostanzialmente due cose: quali effettivi vantaggi può portare l’AI e quali sono i tempi per il ritorno dell’investimento.
Per le aziende italiane, in maggioranza medio-piccole, c’è una complicazione: i costi per accedere a questa tecnologia non sono sempre sostenibili. Anche per questo, vediamo che l’offerta si sta orientando verso modelli SaaS con pricing a canone, o comunque prevedibile, per facilitare le aziende clienti nella stima dei costi da mettere a budget.
AG. Al di là del costo, quali sono gli altri ambiti da indagare per l’effettiva implementazione dell’AI in contesto industriale e per valutarne l’impatto economico?
MG. Un primo punto riguarda la memoria. L’AI non è magia, ma un procedimento computazionale che usa i dati per riconoscere pattern. La capacità dell’AI di riconoscere pattern dipende dalla disponibilità, qualità e contestualizzazione dei dati. E all’AI serve avere una memoria, un contesto informativo affidabile a cui riferirsi nell’utilizzare i dati.
Un secondo punto riguarda gli spazi. Il settore della logistica sta già sperimentando la robotica per portare maggiore efficienza. E questo ha portato a un ripensamento delle architetture: oggi gli spazi di vita e di lavoro sono progettati in funzione delle esigenze umane.
Ma se in quello spazio si muoverà un robot, allora dovrà essere ripensato. In molti casi, le soluzioni quadrupedi potrebbero essere più adatte rispetto ad altre forme robotiche, per ragioni di stabilità e mobilità negli impianti. Se vogliamo utilizzare la robotica per la manutenzione degli impianti, ad esempio, andranno fatte delle modifiche sostanziali rispetto a oggi. E lo vedremo già nei progetti greenfield, nei prossimi anni.
Un terzo punto è il ruolo dell’umano. Un robot è sostanzialmente un insieme di sensori mobili. Questi sono utilissimi per valutare una serie di parametri, ma ci sono aspetti qualitativi che richiederanno l’intervento umano. Immaginiamo, ad esempio, di valutare i primi segni di deterioramento di un componente. La sinergia tra robot e umano sarà poi utilissima ad agire in contesti in cui la nostra sopravvivenza è in pericolo, penso ad ambienti industriali critici o potenzialmente pericolosi.
AG. È l’ennesima conferma della sinergia tra umano e intelligenza artificiale?
MG. L’AI funziona con una rete neurale che ha bisogno di dati, per essere affidabile. Gli operatori umani hanno una esperienza pregressa che permette loro di valutare le diverse situazioni. Riusciremo a trasformare quell’esperienza e quelle competenze in forma di dati, da travasare all’interno dell’AI, ottenendo la medesima affidabilità?
La realtà ci dice che, al momento, nessuna azienda che fornisce modelli di intelligenza artificiale si assume la responsabilità legale dell’output degli stessi. Anzi, molti strumenti general-purpose non sono progettati per essere utilizzati senza controllo in contesti industriali safety-critical. Finché non ci sarà compliance legale, ammesso che mai ci sarà, allora lo human-in-the--loop resterà essenziale per validare e autorizzare gli insight, pur preziosissimi, che arriveranno dall’AI.
I modelli di AI general-purpose non dovrebbero essere utilizzati in autonomia per decisioni industriali critiche senza validazione, supervisione e adeguati guardrail, perché possono generare errori o risposte non affidabili senza riconoscerne necessariamente l’impatto.
Li useremo allora per analizzare l’enorme quantità di dati provenienti dall’impianto per poi sottoporre le loro decisioni all’uomo. Perché non sono realmente intelligenti, ma solo performanti: riconoscono pattern e li evidenziano. Sarà l’uomo a valutarli e a prendere una decisione.
AG. Possiamo fare qualche esempio nell’ambito delle infrastrutture elettriche?
MG. Una prima applicazione ha a che fare con la “reality capture”: utilizzo un robot, o un drone, per monitorare una infrastruttura o una macchina. Il robot rileva dati e scatta fotografie a intervalli regolari. A quel punto ho a disposizione una cronologia di informazioni, che mi permette di studiare le variazioni nel tempo, segnalare eventuali delta e, soprattutto, inviare una notifica quando si individua una anomalia o un principio di deterioramento.
E potrò così inviare una squadra di manutenzione proprio là dove serve, ottimizzandone il lavoro.
Un secondo esempio molto rilevante riguarda il design e la progettazione di impianti e di infrastrutture. Oggi, il designer deve studiare con attenzione il contesto per individuare il modo migliore di collegare dei macchinari, oppure di strutturare un impianto. I modelli di intelligenza artificiale generativa possono farlo in modo estremamente più rapido, analizzando tutti i dati e formulando delle proposte preliminari che verranno valutate e verificate dal designer. Questo velocizzerà moltissimo sia alcune fasi della progettazione di nuovi impianti, sia il revamping di quelli esistenti.
AG. Le aziende italiane hanno compreso i vantaggi economici di progetti come quelli che hai appena raccontato?
MG. Tutti questi casi d’uso hanno un impatto positivo sulla componente economica. Ma le nostre aziende sono giustamente orientate al pragmatismo: prima di investire vogliono avere ben chiaro come l’AI ridurrà i costi o migliorerà i ricavi. Per non parlare delle questioni legali e di compliance. Siamo all’inizio di un percorso, come dicevo prima.
E sicuramente gli incentivi governativi potranno accelerare questa adozione, magari anche grazie a procedure più snelle. Anche perché c’è una questione competitiva: le imprese manifatturiere italiane devono investire in intelligenza artificiale, per tenere il passo con la concorrenza straniera. E se un intero settore restasse arretrato, allora potrebbe diventare preda di acquisizioni dall’estero. In qualche caso, sta già accadendo.
AG. La tecnologia non basta, occorrono anche le competenze per saperla usare al meglio. Sul mercato del lavoro italiano ci sono abbastanza figure professionali con le giuste competenze?
MG. Il problema delle competenze è molto più ampio e viene, purtroppo, ignorato. Uno studente che oggi si iscrive all’Università rischia di formarsi per un lavoro che non esisterà più al termine del suo percorso di studio.
Le hard skill restano importanti, ma devono essere accompagnate dalla capacità di imparare rapidamente e aggiornarsi continuamente.
Il nostro paese dovrebbe porsi il tema di come trasformare il sistema formativo per avere competenze in linea con il mondo che cambia. I lavori non spariscono realmente, ma si trasformano. La capacità di apprendere è quindi la prima skill necessaria.
Anche chi oggi studia l’intelligenza artificiale deve confrontarsi con un panorama tecnologico che evolve in tempi rapidissimi. Le conoscenze utili oggi potrebbero diventare inutili in appena qualche mese.
AG. Qual è il principale rischio, invece, nell’adozione dell’intelligenza artificiale nell’ambito industriale?
MG. Pensare che sia una tecnologia già pronta e matura. Abbiamo osservato, anche in attività di sperimentazione interna, che la stessa applicazione è stata scritta da due gruppi diversi. Il primo ha programmato in modo tradizionale, il secondo utilizzando il vibecoding (un modo di programmare in cui si descrive all'intelligenza artificiale il risultato da ottenere e lei scrive il codice, mentre l’utente si limita a guidarla e correggere il risultato, NdR).
In termini di sicurezza e qualità, un approccio interamente basato sul vibecoding non raggiungeva gli standard di robustezza richiesti per un utilizzo industriale. Può essere un co-pilota, ma non uno strumento completamente autonomo. E spero che nessuna azienda cada nella tentazione di muoversi più rapidamente sul mercato utilizzando eccessivamente il vibecoding, perché potrebbe esporre delle superfici di attacco pericolose.
AG. Parliamo anche degli hype tecnologici degli scorsi anni e che, in alcuni casi, non sono stati all’altezza delle aspettative. Che ne è stato del metaverso?
MG. Come AVEVA abbiamo approfondito il metaverso industriale, non la versione consumer. E abbiamo riscontrato una distanza importante tra le grandi opportunità offerte dal software da un lato e la mancanza di un hardware adeguato dall’altro.
Ci sono dei progetti molto interessanti in corso nel mondo degli smart glasses e dei dispositivi indossabili, ad esempio la collaborazione tra Luxottica e Meta, ma di fatto oggi l’hardware non ha ancora raggiunto, in molti casi, il livello di maturità, ergonomia e scalabilità necessario per un’adozione industriale ampia.
Quando ci sarà convergenza tra hardware e software, sarà finalmente possibile mettere in campo gli use case già teoricamente possibili lato software, potenziando la capacità decisionale dell’umano con tutto il potenziale dei dati generati dai sensori, compresi quelli in movimento.
Siedo personalmente in un Consorzio di aziende dedicato proprio al metaverso industriale, in cui abbiamo iniziato a ragionare sui futuri casi d’uso di questa tecnologia. Che, però, a oggi non è ancora pronta a una reale implementazione.
AG. Sempre a proposito degli hype passati: che valutazione avete fatto sulla blockchain?
MG. Anche blockchain è stata oggetto di quel processo di esplorazione di cui parlavamo a inizio intervista, con analisi del suo funzionamento tecnico e tecnologico.
Dal punto di vista tecnico, alcune proprietà associate alla blockchain, come tracciabilità e integrità dei dati, possono essere ottenute in molti contesti anche con architetture e database moderni, senza necessariamente introdurre la complessità di una blockchain.
Da una prospettiva tecnologica, invece, ci siamo chiesti che cosa può apportare la blockchain all’interno dei processi industriali in termini di vantaggi, sia oggi sia in un domani.
Come per il metaverso, al momento non vediamo, per la maggior parte dei casi d’uso industriali, un livello di maturità e beneficio tale da giustificarne un’adozione operativa ampia. Ma continueremo a monitorarla nel tempo, rivalutandola per capire se lo diventerà in futuro. Con un approccio che credo sia esattamente quello che le aziende si aspettano da un partner industriale e tecnologico come AVEVA.
