Il ruolo dell'intelligenza artificiale nella trasformazione digitale

I termini intelligenza artificiale (AI) e trasformazione digitale (DX) sono collegati. Anche quando le organizzazioni o i leader di pensiero ne nominano solo uno, è probabile che si riferiscano a entrambi lavorando in tandem. L'intelligenza artificiale, in breve, sta già alimentando e continuerà ad alimentare la prossima fase di iniziative e software di trasformazione digitale, creando opportunità e miglioramenti non possibili in precedenza.

Poiché l'IA ha una miriade di definizioni, a seconda del contesto e dell'uso che se ne fa, dobbiamo prima approfondire il suo significato in relazione al concetto di trasformazione digitale.

Che cos'è l'intelligenza artificiale (IA) nella trasformazione digitale?

Il più delle volte, quando si parla di IA nel contesto dell'ingegneria e della produzione, ci si riferisce in realtà all'intelligenza artificiale ristretta. Non si tratta di macchine che pensano come persone, ma piuttosto di sofisticati algoritmi progettati per un compito predefinito con una serie ben definita di input. L'intelligenza artificiale ristretta progettata per le applicazioni CAD, ad esempio, non avrà mai un "pensiero" al di fuori di quei parametri specifici e precedentemente delineati.

A differenza dell'automazione standard, i processi alimentati dall'intelligenza artificiale possono reagire a nuove informazioni o a cambiamenti inaspettati. Questo è il suo più grande vantaggio. Non limitati da risultati predeterminati, gli algoritmi di IA imparano dai successi e dai fallimenti. Sono in grado di autocorreggersi e di analizzare i dati per individuare i problemi in arrivo prima che si verifichino.

Da un altro punto di vista, l'automazione fornisce un valore ottimale quando viene impiegata in un processo preesistente e ben definito, come le linee di produzione consolidate. L'utente detta sempre i processi di automazione entro i confini di una serie di input dati. L'intelligenza artificiale, invece, viene utilizzata al meglio quando si cerca di superare sfide più complesse o non definite da regole predefinite. Se l'utente fornisce all'IA una serie di input, l'IA analizzerà i dati e suggerirà il corso d'azione ottimale, oppure lo eseguirà automaticamente (a seconda della situazione).

Perché l'intelligenza artificiale è importante per la trasformazione digitale

In PTC crediamo che il potere più grande della tecnologia digitale sia quello di trasformare il mondo fisico, migliorando la produttività, l'innovazione e l'impatto. A tal fine, l'intelligenza artificiale è essenziale per molte applicazioni DX complesse. Senza di essa, la digitalizzazione dei prodotti e dei processi produrrebbe quantità di dati che nessun essere umano sarebbe in grado di analizzare e reagire in tempi accettabili. Di conseguenza, se si solleva il cofano di quasi tutti i prodotti PTC, si troverà l'IA ad alimentare applicazioni critiche, come il generative design in Creo o l'analisi predittiva in Thingworx.

Utilizziamo Vuforia come esempio. Vuforia è una piattaforma di realta aumentata industriale (AR) potente e scalabile - ma cosa la rende tale? A differenza dei programmi AR più semplici basati su GPS o QR/codice a barre, che si basano su dati memorizzati all'esterno dell'oggetto per la funzionalità AR, i prodotti Vuforia utilizzano sempre più la computer vision per identificare effettivamente i componenti hardware che l'utente sta guardando in base alla forma e ad altre caratteristiche visive. A tal fine è necessario accedere a un database ed essere in grado di leggere gli schemi delle forme per identificare con precisione ciò che l'utente sta vedendo. Questo crea un maggiore livello di efficienza per l'utente.

Per un altro caso d'uso, vediamo come il generative design viene utilizzato nel CAD. Non è un segreto che molti ingegneri di oggi utilizzino programmi CAD 3D (come Creo) come strumenti essenziali per creare e sviluppare progetti di prodotti. Sebbene questo processo sia sicuramente più veloce della creazione di copie cartacee, non è necessariamente ottimizzato. Ad esempio, molti ingegneri ricevono i requisiti di progettazione del sistema prima di iniziare, e in un programma non potenziato dall'intelligenza artificiale dovrebbero costruire il progetto da zero. La progettazione generativa utilizza l'intelligenza artificiale per automatizzare questo processo complesso, generando automaticamente il progetto ottimale con un minimo di input manuale. Si tratta di una potente tecnologia dietro le quinte che rende gli ingegneri più veloci ed efficienti e che porta a progetti innovativi.

Non è sufficiente raccogliere dati dalle iniziative di trasformazione digitale. Senza una componente di AI, la probabilità che le informazioni raccolte nelle varie fasi del ciclo di vita del prodotto vengano utilizzate per migliorare l'efficienza o ridurre i guasti è bassa. Inoltre, le organizzazioni che non stanno perseguendo iniziative di IA nell'ambito di una strategia DX più ampia rischiano di cadere nello status di ritardatari digitali. Uno studio di PwC del 2021 ha rilevato che l'86% degli intervistati ha identificato l'IA come una tecnologia mainstream. Circa il 33% ha già iniziato a implementare casi d'uso limitati dell'IA, mentre un quarto degli intervistati ha adottato processi completamente abilitati e potenziati dall'IA.

Quali sono i vantaggi dell'IA nella trasformazione digitale?

Qualsiasi tecnologia, compresa l'IA, deve essere considerata tenendo conto della redditività dell'organizzazione. Oggi le aziende stanno già cercando di applicare le iniziative di trasformazione digitale in contesti molto controllati, dove i risultati possono essere valutati in base ai profitti. Non basta dire semplicemente "l'uso di questa tecnologia DX migliora questo processo". Le organizzazioni devono misurare per identificare esattamente come e perché i loro investimenti hanno un impatto sui flussi di lavoro. Questa mentalità elimina l'ambiguità e consente ai dirigenti di parlare e agire con maggiore sicurezza riguardo alla direzione aziendale. Tenendo presente questo approccio, abbiamo identificato quattro vantaggi chiave e misurabili dell'IA nelle iniziative di trasforamazione digitale:

1. Processo decisionale più efficace

Le decisioni importanti, contrariamente a molti film e spettacoli, non possono basarsi solo sull'istinto. Anche un leader esperto ha bisogno di accedere a tutti i dati rilevanti per giungere alla conclusione ottimale. Il tempo è sempre un fattore determinante, quindi spesso le decisioni devono essere prese in fretta. L'intelligenza artificiale può aiutare a identificare ed evidenziare le informazioni importanti relative alle prestazioni del prodotto, all'ottimizzazione del flusso di lavoro e ai risultati predittivi. Un programma ben definito può, ad esempio, eseguire milioni di simulazioni per calcolare approssimativamente le prestazioni di un nuovo prodotto nei primi sei mesi del suo ciclo di vita, sulla base dei dati disponibili. Con informazioni di questo tipo in mano, i responsabili delle decisioni possono valutare meglio il lavoro ancora da fare, identificare le potenziali insidie e fare stime e previsioni più accurate del tempo e delle risorse necessarie per andare avanti.

2. Aumento della redditività

L'intelligenza artificiale non sostituisce il giudizio umano, ma può essere uno strumento estremamente efficace quando si tratta di ottimizzare il time to value. I produttori si trovano costantemente di fronte alla necessità di consegnare prodotti funzionanti e conformi a tutte le normative entro tempi prestabiliti (e solitamente ridotti). L'intelligenza artificiale aiuta a ottimizzare le tempistiche dei prodotti in molti modi, sia che si tratti di individuare i problemi prima che si verifichino, sia che si tratti di eseguire simulazioni o di verificare i fatti rispetto ai dati proprietari esistenti. Automatizzando completamente molte attività che richiedono tempo, come queste, il software di IA libera risorse umane da impiegare meglio negli aspetti più cognitivi dello sviluppo del prodotto, riducendo al contempo le risorse necessarie e aumentando così i margini di profitto.

3. Analisi migliorate

Le serie di dati possono essere enormi e complesse, provenienti da diverse fonti e località geografiche. In passato, per elaborare, processare e analizzare questi dati occorreva molto tempo e personale. Sebbene l'uomo debba assolutamente rimanere una parte fondamentale dell'analisi finale, l'IA può semplificare rapidamente ogni aspetto di questo processo, fornendo risultati in una frazione di tempo. Per i grandi produttori con numerosi asset sparsi in tutto il mondo, l'IA è probabilmente essenziale per fornire approfondimenti praticabili in modo tempestivo.

4. Visione olistica del cliente

Il mondo digitale si basa sui dati, e i dati e la loro provenienza sono in continua evoluzione. In passato, strumenti come i cookie venivano utilizzati per aiutare le aziende a comprendere il comportamento dei consumatori. Ora, però, le preoccupazioni per la privacy e altri fattori hanno portato a un forte declino nell'uso dei cookie, per cui le aziende avranno bisogno di nuovi strumenti per capire meglio il comportamento dei loro clienti. Il software potenziato dall'intelligenza artificiale può essere, e probabilmente lo sarà, la prossima iterazione, aiutando i responsabili delle decisioni a vedere i loro clienti in modo probabilmente migliore e più completo di quanto i cookie siano stati in grado di fare.

Come l'intelligenza artificiale guida le iniziative di trasformazione digitale

Alla luce di questi vantaggi, non è sorprendente capire perché l'IA sta già guidando e continuerà a guidare le iniziative di trasformazione digitale in un'ampia gamma di settori. Per illustrare meglio la situazione, analizziamo due modi specifici in cui l'IA fa la differenza: l'automazione e l'analisi dei dati.

Automazione

L'automazione è sempre stata valida quanto il programma che la controlla. Certo, una macchina può automatizzare alcuni processi di assemblaggio, ma il lavoro si interrompe all'improvviso se non sa di essere collegata a una linea di assemblaggio più grande o di sapere quale processo viene dopo. Il software guida l'automazione da tempo e i programmi di intelligenza artificiale come l'apprendimento automatico ottimizzano l'automazione da anni, e ci aspettiamo che questa tendenza continui. L'automazione è un aspetto cruciale del DX, perché con l'automazione spesso arriva la visibilità. Una volta che un'azienda ha automatizzato un processo, lo comprende appieno, può vedere il tempo medio di completamento, il tempo medio di inattività e altri dettagli cruciali.

Ora, applicate un'applicazione AI ben progettata, come l'apprendimento automatico, per comprendere meglio questi dati, capire dove sono i colli di bottiglia, perché/quando si verificano più frequentemente i tempi di inattività, e non solo per un sistema automatizzato ma per l'intero ecosistema. Queste informazioni provengono sì dal software, ma anche dai sensori IoT, dai dispositivi di edge computing, dai rapporti di assistenza e da molti altri aspetti già spesso dipendenti dalla tecnologia DX. Implementando i giusti strumenti di intelligenza artificiale nelle implementazioni DX esistenti, le organizzazioni possono ottenere vantaggi ancora maggiori.

Analisi dei dati

Come già detto, l'intelligenza artificiale e l'analisi dei dati si completano a vicenda. Le informazioni importanti provengono da molte fonti, anche prima che il prodotto venga lanciato nel mondo reale. Con l'aiuto dell'IA, le aziende possono iniziare a sfruttare appieno la potenza del digital thread, un ciclo chiuso e connesso di dati che provengono da un prodotto in ogni fase del suo ciclo di vita, dall'inizio della progettazione alla fine del servizio. Questa pletora di informazioni offre livelli di comprensione del prodotto e opportunità di ottimizzazione del PLM senza precedenti.

Ma i dati provenienti da un numero così elevato di fonti devono essere aggregati il più rapidamente possibile e l'intelligenza artificiale è in grado di compilare le informazioni più velocemente di qualsiasi essere umano. Può anche non capire cosa sta guardando, ma l'IA è in grado di far emergere tutte le informazioni rilevanti per prendere la decisione giusta. Per un rapido esempio, si veda questo video di Open AI su come i dati possono essere rapidamente compilati in un grafico leggibile:

Come l'intelligenza artificiale lavora con il cloud per favorire la trasformazione digitale

I lettori abituali o gli attuali clienti di PTC potrebbero aver notato un cambiamento nella nostra messaggistica, in quanto promuoviamo la natura sempre più cloud-based del nostro software. L'intelligenza artificiale è una delle ragioni di questo cambiamento. L'intelligenza artificiale ha bisogno di potenza di elaborazione e la maggior parte delle organizzazioni non dispone di spazio in sede per ampie sale server. I prodotti Software as a Service (SaaS) come Onshape e Arena fanno un uso speciale dell'IA, poiché più grande è il database, più l'IA diventa capace ed efficiente.

Le soluzioni SaaS, che collocano la maggior parte dell'elaborazione informatica nel cloud, offrono i vantaggi dell'IA senza troppi oneri. L'IA è fondamentale per rendere le aziende più agili e più reattive, o addirittura predittive, nella risoluzione dei problemi. Una soluzione tradizionalmente automatizzata non ha bisogno del cloud come l'IA, ma non utilizza nemmeno la stessa quantità di potenza di calcolo per analizzare i dati in modo da ottenere un vantaggio competitivo. Per ulteriori informazioni sull'impatto di questa tecnologia, vedere il video di LiveWorx 2021:

Casi d'uso reali dell'intelligenza artificiale e della trasformazione digitale

I responsabili delle decisioni comprendono il valore della tecnologia, ma tendono a non essere convinti della sua praticità. L'IA non è una soluzione da "un paio d'anni" e nemmeno da "un paio di mesi", ma è già utilizzabile ora e molte organizzazioni la stanno già usando per aumentare le loro offerte e migliorare i flussi di lavoro interni. Ecco tre rapidi esempi di utilizzo dell'IA nell'ambito di iniziative di trasformazione digitale per migliorare l'efficienza operativa:

1. Servizio clienti

I chatbot non sono una novità e rimangono la forma più comune di servizio clienti AI a cui molti pensano. I chatbot possono essere efficaci, ma spesso sono estremamente limitati e si limitano ad abbinare una domanda del cliente a una delle tante risposte preimpostate. Queste preimpostazioni sono spesso costituite dalle domande e risposte più comuni, quindi possono risolvere una grande quantità di domande dei clienti, ma non tutte. I modelli linguistici di grandi dimensioni, come ChatGPT, sono invece più avanzati.

Questi nuovi modelli non si basano su alcuna preimpostazione. Invece, il valore di un modello linguistico di grandi dimensioni è spesso legato alle informazioni da cui è tratto. ChatGPT, pur essendo impressionante, non è in grado di distinguere la verità dalla finzione, quindi la sua affidabilità è direttamente legata alla provenienza del suo modello. Un modello linguistico di grandi dimensioni che attinge dall'intero Internet potrebbe non essere utile, in quanto potrebbero essere presenti informazioni contrastanti e false che diluiscono le risposte effettive. Detto questo, questa nuova forma di IA generativa può essere utilizzata per creare modelli linguistici molto più specifici. Ad esempio, PTC potrebbe creare un programma simile a ChatGPT che attinga informazioni solo da PTC e dai siti Web correlati. Ciò significa che il programma analizza solo le informazioni provenienti da fonti approvate e le sue conoscenze hanno molte più probabilità di essere accurate.

Questa nuova ondata di chatbot sarà in grado di reagire al cliente e di rispondergli direttamente. Non si tratta ancora di un sistema perfetto, ma è un passo avanti significativo rispetto ai precedenti modelli di chatbot basati su impostazioni predefinite.

2. Produzione

L'industria manifatturiera, nel suo senso più ampio, ha molti segmenti e molte aree in cui l'IA può essere applicata, quindi per brevità ci concentreremo sulla produzione intelligente. La produzione intelligente, come suggerisce il nome, è l'applicazione di tecnologie intelligenti e connesse (tra cui l'IA) agli aspetti della produzione tradizionale. Ad esempio, la previsione dei guasti: Capire quando e dove i macchinari si romperanno per attrezzare e preparare meglio i tecnici. Senza la previsione dei guasti, le aziende sono puramente reattive ai tempi di inattività, una posizione che spesso allunga il periodo di inattività e aggrava i costi associati a ogni singolo guasto.

Anche se gli esseri umani sono certamente in grado di calcolare le previsioni di guasto, si tratta di un processo intensivo. L'intelligenza artificiale, nella produzione intelligente, può leggere e analizzare istantaneamente i dati e offrire agli operatori umani forti indicatori di quando e dove si verificheranno i guasti alle macchine. Ciò consente alle aziende di essere più strategiche e proattive nelle operazioni di manutenzione e di aumentare notevolmente i tassi di riparazione al primo colpo. Naturalmente, l'IA va ben oltre questo ruolo nella produzione intelligente e, per saperne di più, vi invitiamo a dare un'occhiata a questo webinar di PTC sull'IA nel settore della produzione:

3. Assistenza sanitaria

La manutenzione preventiva consente di risparmiare dollari nel settore manifatturiero. L'analisi sanitaria avanzata, alimentata dall'intelligenza artificiale, può salvare vite umane e migliorare l'assistenza sanitaria preventiva, risolvendo i problemi prima che diventino pericolosi per la vita. L'intelligenza artificiale può essere utilizzata per analizzare milioni di radiografie in pochi secondi, aiutando a identificare problemi che potrebbero sfuggire anche a tecnici esperti. Lo stesso vale per le TAC, le ecografie ed essenzialmente ogni altro dato. Tutti questi dati possono essere analizzati rispetto a un insieme di risultati molto più ampio, aiutando i medici a individuare modelli e a formulare strategie di trattamento con livelli di informazione più elevati.

Qual è il futuro dell'intelligenza artificiale nella trasformazione digitale?

Gli effetti dell'intelligenza artificiale nelle attività di trasformazione digitale si fanno sentire già oggi in diversi punti di accesso. Gli ingegneri che progettano file CAD con l'IA generativa possono vedere gli aggiornamenti automatici dei parametri di progettazione, il che apre nuove possibilità di progettazione, tra cui alternative valide che non erano state prese in considerazione in precedenza ma che, se utilizzate, possono essere più leggere, ridurre il costo dei materiali e risparmiare sulla costruzione e l'implementazione dei pezzi.

Il dirigente che cerca di migliorare l'efficienza della sua organizzazione multisede ha accesso alle analisi offerte dalle piattaforme di IA, piuttosto che a un eccesso di dati. Con questi dati, può eseguire meglio una strategia aziendale di IA. I miglioramenti includono una maggiore visibilità delle iniziative aziendali (a livello aziendale o dipartimentale), che può accelerare i processi di approvazione e produzione di nuovi prodotti e soluzioni, riducendo così il time to market senza bypassare i passaggi chiave.

In futuro, PTC prevede che un numero sempre maggiore di aziende adotterà l'IA nelle proprie iniziative DX per mantenere un vantaggio competitivo. L'intelligenza artificiale è parte integrante di alcuni dei nostri prodotti più interessanti e continuerà ad alimentare le soluzioni PTC per gli anni a venire. Non si tratta di sostituire le persone con software informatici. Si tratta di analizzare e agire in modo efficiente sui dati basati sul cloud, fornendo alle persone gli strumenti necessari per avere successo oggi e domani.

Costruire modelli predittivi migliori

Abilitare la manutenzione predittiva con l'intelligenza artificiale industriale

Scopri di più