AI in prima linea: dai dati edge alla produttività smart

I recenti sviluppi nel campo del machine learning – in particolare con l’introduzione di modelli come V-JEPA – segnano un’evoluzione promettente nell’approccio alla formazione dei large language model (LLM). Finora, questi modelli si sono basati principalmente su enormi quantità di dati reperiti online: una risorsa abbondante, ma non priva di limiti, tra cui inesattezze e problematiche legate al copyright. Questa forte dipendenza dai contenuti web ha infatti sollevato numerose controversie legali, soprattutto in merito all’utilizzo di materiale protetto appartenente a creatori ed editori.

Tuttavia, l’introduzione di modelli come V-JEPA, che possono essere addestrati in modo efficace in poche ore, segna un cambiamento importante. Questi modelli sfruttano tecniche avanzate che riducono la dipendenza da enormi set di dati, rendendo l’addestramento più efficiente e accessibile. Questa innovazione apre nuove strade per fonti di dati alternative attualmente sottoutilizzate.

I dati aziendali generati dall’edge

Una di queste risorse non sfruttate è rappresentata dai dati aziendali generati all’edge: informazioni prodotte in tempo reale all’interno dei flussi di lavoro, sui dispositivi e attraverso i sistemi tecnologici industriali. Si tratta di dati generati proprio dall’interazione quotidiana tra operatori, macchine e clienti, e che costituiscono un patrimonio prezioso ma ancora in gran parte inesplorato – soprattutto in ambiti come retail, manifatturiero e logistica.

Le aziende dovrebbero concentrarsi sullo sfruttamento di questi dati utilizzando tecnologie come computer vision, deep learning, AI vocale e machine learning. In questo modo, possono trasformare questi dati grezzi in insight utili e a valore.

Per sfruttare appieno questo potenziale, le organizzazioni dovranno investire nella giusta combinazione di hardware, software e soluzioni di AI. Questo approccio è in linea con il passaggio a modelli più efficienti e meno dipendenti da grandi volumi di dati, ma garantisce anche che le aziende possano sfruttare al meglio questo potenziale ancora inespresso.

Le principali sfide legate alla disponibilità, qualità e provenienza dei dati utilizzati nello sviluppo dell’AI

Lo sviluppo dell’intelligenza artificiale è influenzato da molteplici fattori, tra cui la disponibilità, la qualità e la provenienza dei dati, ciascuno dei quali comporta sfide specifiche. La disponibilità dei dati rappresenta una delle principali criticità: set di dati limitati possono ostacolare il potenziale di modelli di AI, che per apprendere in modo efficace necessitano di grandi volumi informativi. Inoltre, l’accesso ai dati è spesso ostacolato da normative sulla privacy, restrizioni legate alla proprietà intellettuale o barriere geografiche, rendendo più complesso il processo di raccolta e utilizzo delle informazioni.

Anche la qualità dei dati rappresenta un aspetto cruciale. Imprecisioni, distorsioni o errori derivanti da fonti non verificate possono compromettere le performance dei modelli di AI. Inoltre, set di dati incompleti o poco rappresentativi spesso causano la perdita della profondità e della diversità necessarie per un addestramento efficace dei modelli.

Per superare queste sfide, sono in fase di sviluppo nuovi modelli e tecniche che funzionano efficacemente con meno dati, mentre l’impiego di dati sintetici si sta affermando come una soluzione sempre più valida per colmare le lacune in contesti dove i dati reali scarseggiano.

Aziende come la nostra sono all’avanguardia negli sforzi per digitalizzare le attività in prima linea, migliorando sia la disponibilità che la qualità dei dati generati in ambienti reali. Questo approccio aumenta il volume dei dati accessibili e ne garantisce l’attendibilità e la tempestività. Affrontare queste sfide richiede uno sforzo congiunto volto a sviluppare strumenti avanzati per l’integrazione e l’elaborazione dei dati, accompagnati da solide linee guida etiche e da un quadro normativo adeguato, così da garantire uno sviluppo dell’AI realmente responsabile e sostenibile.

Valorizzare i dati non strutturati

Quali tipi di dati ancora inutilizzati offrono il maggior potenziale per l’automazione basata su AI nei settori retail, logistica e manifatturiero? Nei settori retail, logistica e manifatturiero, il vero potenziale dell’automazione guidata dall’AI risiede nella capacità di valorizzare i dati non strutturati e spesso inutilizzati generati da dispositivi mobili ed edge.

Grazie a sensori e fotocamere di ultima generazione, questi dispositivi producono una grande quantità di dati contestuali e passivi, ancora largamente inesplorati. Informazioni come temperatura, umidità, movimento e posizione, raccolte in tempo reale, diventano asset strategici per il monitoraggio continuo e l’ottimizzazione dei processi lungo l’intera supply chain.

Le fotocamere integrate in questi dispositivi forniscono dati visivi di grande valore che possono migliorare l’esperienza del cliente nel settore retail attraverso il marketing personalizzato, ottimizzare la disposizione degli spazi dei punti vendita in base al flusso di persone e migliorare la gestione dell’inventario grazie al monitoraggio automatico delle scorte. Nella logistica, i dati visivi supportano il cliente nel controllo qualità e garantiscono l’accuratezza delle spedizioni.

I dati dei dispositivi mobile ed edge

Con la crescente digitalizzazione delle attività, i dispositivi mobile e edge generano dati che sono in grado di offrire informazioni dettagliate sull’efficienza dei processi, sulla produttività e sull’utilizzo delle risorse. Questi dati operativi e contestuali, uniti ai modelli di interazione degli utenti e al contesto ambientale, forniscono una comprensione più completa. Inoltre, possono abilitare funzionalità avanzate come la manutenzione predittiva, identificando le anomalie delle apparecchiature prima che causino interruzioni.

Le aziende possono sfruttare queste informazioni per creare sistemi in grado di rispondere alle condizioni mutevoli. Integrando funzionalità AI avanzate con dispositivi edge; aiutiamo le organizzazioni a acquisire, elaborare e analizzare questi dati, trasformandoli in informazioni utili che guidano l’automazione e il successo aziendale.

L’AI guiderà la crescita entro il 2029

Vediamo un enorme potenziale per l’AI nei confronti dei nostri clienti, e anche i leader del settore condividono questa visione. Secondo un recente studio, il 54% dei produttori in Europa prevede che l’AI guiderà la crescita entro il 2029.

Inoltre, il 60% dei responsabili dei magazzini in Europa intende implementare software basati su AI. Questi ultimi ritengono che l’impatto maggiore delle applicazioni AI su dispositivi mobile sarà legato alla sicurezza dei lavoratori, al controllo qualità e alla gestione dell’inventario.

In più, il 79% degli intervistati crede che le applicazioni di AI migliorino in modo significativo le capacità di prevedere le esigenze, ottimizzare i livelli di stock e massimizzare l’uso degli spazi.

Nel settore retail, il 69% dei consumatori afferma che l’AI migliorerà la loro esperienza, mentre il 75% degli addetti alle vendite ritiene che le tecnologie di AI generativa aumenteranno l’efficienza e la qualità del servizio al cliente, secondo un’indagine globale. Il 73% dei decision-maker prevede di implementare soluzioni di AI per la pianificazione della domanda e il riassortimento entro i prossimi cinque anni, e il 69% dichiara di voler adottare l’AI per ottimizzare l’assortimento dei prezzi nello stesso arco temporale.

Le sfide: mancanza di personale qualificato

Le organizzazioni, in tutti i settori – dalla produzione al retail fino alla logistica – si trovano oggi ad affrontare sfide comuni tra cui la difficoltà nel reperire personale qualificato e la necessità di formarlo rapidamente. Oltre a questo, cresce la domanda di una maggiore visibilità sugli asset aziendali, fondamentale per prendere decisioni informate in tempo reale. Le aziende vogliono anche in modo intelligente quei processi ripetitivi o troppo complessi per essere svolti senza supporto tecnologico, e desiderano ottimizzare la propria forza lavoro rendendola più produttiva, connessa ed efficiente.

Infine, le organizzazioni devono riuscire a costruire e mantenere la fiducia dei clienti, i quali si aspettano prodotti disponibili e di qualità, diverse opzioni di consegna, un servizio rapido e un’esperienza positiva sia online che in negozio. Tutte queste sfide così come le opportunità ruotano intorno ai dati, e l’intelligenza artificiale può offrire un contributo concreto in ogni fase del percorso.

Il ruolo dell’AI Generativa Agentica

Riteniamo che l’AI Generativa Agentica avrà un impatto significativo, grazie alla sua capacità di elaborare dati contestuali in tempo reale provenienti dai dispositivi edge. Attraverso sensori e tecnologie mobili avanzate, l’AI agentica collaborerà con gli operatori in prima linea liberandoli da compiti ripetitivi e routinari, e consentendo loro di concentrarsi su attività a maggior valore aggiunto.

Questo approccio offre inoltre insight utili sui comportamenti dei clienti, sullo stato dell’inventario e sull’efficienza operativa, abilitando decisioni più intelligenti e l’automazione di processi complessi.

Le quattro caratteristiche chiave dell’AI “in prima linea”

Ci sono quattro caratteristiche fondamentali che l’AI applicata alle attività operative di prima linea deve possedere.

• La prima esigenza è garantire un’esperienza utente rapida capace di supportare richieste, recupero di informazioni e decisioni sui flussi di lavoro in tempo reale. Gli operatori hanno bisogno di velocità e precisione nel luogo in cui si trovano. Questo significa: niente più attese di dieci minuti per trovare un PC o un collega più esperto, niente rallentamenti dovuti a risposte che tardano ad arrivare da altri reparti, niente interruzioni causate da sistemi informatici lenti o da corse inutili in magazzino. L’esperienza utente – sia per l’operatore che per il cliente – deve essere semplice, precisa e veloce.
• La seconda caratteristica fondamentale è la capacità di ricevere e interpretare dati in modo scalabile. Questo vuol dire che una soluzione di AI deve essere in grado di accettare input in diversi formati – testo scritto, comandi vocali, immagini e fotografie – interpretarli correttamente e restituire un output accurato e pertinente, in una forma facile da comprendere per l’utente. E tutto ciò deve avvenire su scala, adattandosi a ogni operatore, processo e sede operativa, anche gestendo più richieste simultanee e aggiornamenti durante l’intero turno di lavoro.
• La terza è legata al miglioramento operativo e all’effetto rete. L’uso dell’AI in prima linea deve migliorare il modo in cui un’attività viene svolta, non solo a livello individuale, ma anche creando valore per l’intera forza lavoro, per l’organizzazione nel suo complesso, e per ambienti fisici in cui opera come negozi, magazzini o impianti produttivi. Questo è possibile facilitando la connessione tra persone e macchine, permettendo il flusso continuo di dati e analisi. Le soluzioni basate su cloud permettono di integrare AI e dati operativi per condividere analisi predittive e prescrittive, aggiornamenti dei dati e rilascio di nuovi modelli o funzionalità su tutta la flotta di dispositivi e computer in prima linea.
• Infine, l’AI deve collaborare con altri strumenti. Questo significa che non deve essere un sistema isolato, ma deve potenziare gli operatori integrandosi con altri strumenti aziendali, tra cui strumenti di comunicazione interna, sistemi di pianificazione e assegnazione dei compiti, database dei programmi fedeltà, software per la gestione dell’inventario, casse self-service, nastri trasportatori automatizzati, e piattaforme per il customer service.

Come sarà il futuro dell’“AI in prima linea”?

Secondo me, il futuro dell’intelligenza artificiale in prima linea sarà multimodale. Questo significa che gli agenti AI saranno in grado di ricevere, comprendere e restituire informazioni in una varietà di formati, proprio come gli esseri umani utilizzano vista, udito, tatto, gusto e olfatto per decifrare e interagire con il mondo che li circonda.

Gli strumenti di intelligenza artificiale multimodale diventeranno sempre più precisi, completi e intuitivi. Offriranno nuove prospettive integrando, ad esempio, suono, tatto o arricchendo le immagini con livelli visivi aggiuntivi. L’AI sarà in grado di analizzare i flussi di lavoro in tempo reale e suggerire la prossima azione migliore tramite testo o audio, accompagnando anche gli operatori meno esperti con istruzioni visive chiare e guidate.

Un agente basato sull’intelligenza artificiale sarà in grado di identificare le migliori attività da svolgere e suggerire come eseguirle, tenendo conto dei turni di lavoro, del livello di competenza e del tempo disponibile. Comunicherà con l’operatore nel modo a lui più naturale, attraverso messaggi testuali, avvisi vocali oppure diagrammi e guide fotografiche. Inoltre, gli agenti AI multimodali saranno in grado di coordinare altri agenti, agire in modo autonomo, fornire raccomandazioni e metterle in pratica, tenendo informato l’operatore durante tutto il flusso di lavoro.

L’investimento in AI tradotto in un “ritorno sulle persone” e l’ottimizzazione della forza lavoro

Recentemente ho ascoltato un podcast con l’amministratore delegato di una delle più grandi aziende tecnologiche al mondo. Ha affermato che i veri vincitori nell’era dell’AI non saranno le aziende tecnologiche che la sviluppano, ma le organizzazioni capaci di sfruttare l’AI per generare impatto reale: far crescere il PIL, rafforzare l’economia, migliorare la società e innalzare il tenore di vita.

In questo scenario, il capitale umano resta una risorsa di valore inestimabile per la creatività, la produttività, la ricerca, la risoluzione di problemi complessi e il coinvolgimento di dipendenti e clienti, ambiti in cui la conoscenza implicita acquisita attraverso l’esperienza personale, la memoria e l’intuizione è fondamentale. Tuttavia, l’AI offre oggi strumenti potenti per amplificare le capacità umane.

In un contesto segnato dalla carenza di lavoratori disponibili e da costi crescenti per le organizzazioni, diventa essenziale trovare nuove soluzioni per rendere la forza lavoro più efficiente ed efficace. L’automazione intelligente e l’analisi dei dati rappresentano leve fondamentali per raggiungere questo obiettivo, liberando tempo e risorse da dedicare a ciò che davvero fa la differenza.

È una situazione vantaggiosa per entrambe le parti: gli operatori trovano maggiore soddisfazione nel proprio lavoro liberandosi da compiti ripetitivi e poco stimolanti, mentre l’azienda beneficia di una maggiore produttività e di un incremento dei profitti.