L’adozione dell’AI per l’energia sta assumendo un ruolo sempre più strategico nella gestione delle infrastrutture elettriche, un settore caratterizzato da elevata complessità tecnica, regolatoria e operativa. Durante l’Artificial Intelligence Talk organizzato dall’Osservatorio Artificial Intelligence del Politecnico di Milano, Daniela Battista, Innovation project manager di Enel Grids, ha presentato l’approccio del gruppo e i principali progetti in corso, offrendo uno spaccato su come l’intelligenza artificiale stia contribuendo a ripensare processi e strumenti nel settore elettrico.
Indice degli argomenti:
Enel e la sfida della complessità energetica
Enel è nota al grande pubblico per la vendita di energia, ma, come ha sottolineato Battista, le sue vere «spine dorsali» sono la produzione di energia rinnovabile e la distribuzione elettrica. La società opera in 28 Paesi e affronta ogni giorno la varietà delle normative locali e delle esigenze dei clienti. In questo quadro, l’AI per l’energia diventa un’opportunità per gestire la complessità e migliorare l’efficienza di sistemi diffusi su scala globale.
La manager ha ricordato anche i dati pubblicati da McKinsey nel 2023: il consumo energetico dei data center negli Stati Uniti passerà da 147 terawatt del 2023 a circa 600 terawatt nel 2030, pari al 12% del fabbisogno complessivo del Paese. Secondo Battista, la crescita dell’intelligenza artificiale «metterà a dura prova il sistema elettrico, sia in termini di capacità di ospitare nuova energia, sia in termini di domanda pura di energia da fornire».
L’AI come motore di innovazione nelle reti
Uno dei fronti più rilevanti è il potenziamento delle infrastrutture attraverso applicazioni di intelligenza artificiale che incidono direttamente sul funzionamento della rete. Le aree di lavoro comprendono la manutenzione predittiva, la gestione della domanda e la resilienza a fronte di eventi estremi. Battista ha distinto le iniziative in due categorie: quelle legate a progetti operativi e quelle dedicate a rafforzare la consapevolezza e la formazione interna sull’uso dell’AI.
Edge computing e manutenzione predittiva
Tra le prime applicazioni, un ruolo di rilievo è attribuito all’edge computing, che consente di avvicinare l’elaborazione dei dati al campo, sfruttando nodi già presenti come smart meter e sensori installati sulle cabine secondarie. Questa decentralizzazione, ha spiegato Battista, «ci consente di accelerare il processo di predictive maintenance e di demand response».
In altri termini, significa poter individuare con maggiore tempestività segnali di guasto o inefficienza e agire prima che il problema impatti sulla continuità del servizio.
Multi-agent system e reti più resilienti
Un ulteriore passo avanti riguarda lo sviluppo di sistemi multi-agent, che permettono di ridisegnare il modello di gestione della rete. La manager ha chiarito che l’obiettivo è passare da un controllo centralizzato a una rete «capace di autodiagnosticare un problema, segmentarlo e prevedere una riconfigurazione nel minor tempo possibile». L’adozione di agenti distribuiti consentirebbe di ridurre le interruzioni e di aumentare la resilienza del sistema .
AI e cambiamenti climatici
Il settore elettrico è sempre più esposto a eventi climatici avversi. Secondo Battista, l’AI per l’energia rappresenta uno strumento utile per prevedere l’impatto di fenomeni estremi sulla rete, anticipando guasti e migliorando la capacità di risposta. La previsione non è solo un esercizio tecnico: la continuità dell’approvvigionamento energetico, infatti, dipende dalla possibilità di affrontare ondate di calore, tempeste e condizioni meteo estreme senza compromettere l’erogazione ai clienti.
Generative AI e supporto operativo
Le potenzialità della generative AI non vengono esplorate soltanto negli uffici. Battista ha citato il copiloting come esempio di applicazione a supporto degli operatori sul campo, con soluzioni pensate per semplificare procedure e aumentare la sicurezza. Tra i casi d’uso in sperimentazione rientrano l’uso del deep learning per la gestione della vegetazione lungo le linee elettriche e assistenti vocali capaci di permettere al personale operativo di seguire le procedure senza consultare documenti o utilizzare dispositivi manuali.
Formazione e cultura aziendale
Accanto agli aspetti tecnologici, Enel sta investendo nella formazione interna e nella creazione di consapevolezza. L’azienda partecipa a un consorzio sull’Open AI che riunisce diversi player del settore elettrico, con l’obiettivo di promuovere un utilizzo responsabile delle nuove tecnologie. Battista ha evidenziato che l’AI è percepita da molti come una «minaccia» se non viene veicolata correttamente, motivo per cui sono state avviate iniziative di sensibilizzazione e programmi di training volti a integrare l’AI nelle attività quotidiane dei dipendenti.
Startup e open innovation
Il contatto continuo con startup, spesso AI-native, sta portando l’azienda a ripensare processi consolidati. L’AI per l’energia non viene quindi adottata soltanto come tecnologia di supporto, ma come stimolo per riorganizzare attività e sperimentare nuove modalità operative. In quest’ottica, il gruppo ha sviluppato un modello di Open Innovation che parte dalle esigenze di business e si confronta con centri di ricerca, partner industriali e fornitori di tecnologia.
Alla domanda del moderatore su come Enel decida se sviluppare soluzioni in house o acquistare dall’esterno, Battista ha risposto che «dipende, caso per caso», specificando che l’approccio più frequente è ibrido. L’azienda sperimenta attraverso Experimental Proof of Concept (EPoC) per testare rapidamente le soluzioni innovative, decidendo poi quali componenti mantenere come asset strategici interni e quali acquisire dall’esterno.
