L’AI agentica è una rapida e logica evoluzione nell’industria manifatturiera, che tuttavia richiede investimenti e strategie. Ne parliamo con Umberto Arcangeli, amministratore delegato Italia e Managing Director EUROMED di Dassault Systèmes, l’impresa globale partita con 20 ingegneri che oggi ha 184 sedi in tutto il mondo e il cui 41% circa degli impiegati e impegnato nella R&S. Al campus di Vélizy, il management precisa che Dassault Systèmes non è una società di software, ma un fornitore di soluzioni basate sulla scienza e trainate dalla tecnologia tese a migliorare l’esperienza umana.
Attraversiamo un momento pieno di incertezze, e anche di importantissime novità dopo l’impatto formidabile dei digital twin. Dassault Systèmes ha da poco introdotto i Virtual Companions, una punta dell’agentic Ai, che sta già cambiando come l’Ai si applica nella manifattura. Nel loro progettare gli investimenti, qual è lapproccio delle grandi imprese o delle medie imprese? Stanno o no cambiando le strategie di investimento nelle tecnologie avanzate?
Premetterei che non si può prescindere dalla accettazione da parte dell’industria manifatturiera della “generative experience”, quindi parlerei di tutte e due. Partirei dal fatto che oggi gli investimenti in tecnologia avanzata non sono procrastinabili: se vogliono sopravvivere sul mercato, le aziende industriali di qualsiasi dimensione devono accelerare questo tipo di investimenti. E se da un lato vediamo che procedono con cautela negli investimenti tradizionali, quelli in cloud e nelle trasformazioni digitali supportate dall’intelligenza artificiale stanno accelerando con un focus notevole. Rispetto al passato, forse un po’ meno nel settore CAD e PLM e molto di più nel settore della produzione. Cioè, grazie anche al contesto in cui viviamo oggi, la necessità di accelerare lo sviluppo e il rilascio di nuovi prodotti sul mercato, di aumentare l’efficienza, di ridurre il numero dei prototipi e di rendere la produzione più disponibile si sposa bene con il concetto di economia generativa. L’economia generativa, che ha l’obiettivo di restituire alla società più di quanto si consuma, dà una forte spinta sia alla ricerca sui materiali, sia alla definizione di nuove modalità di produzione che possano rendere la produzione più flessibile e, come dicevo, di utilizzare materiali anche di origine biologica. Qui si incastra bene uno dei due filoni della nostra tecnologia, quello dei Virtual Companion.
I Virtual Companion sono agenti AI che supportano il personale in tre aree principali. Aura è l’esperto di business: coordina la conoscenza occupandosi dei requisiti, della gestione dei progetti, delle modifiche. Leo è l’esperto di ingegneria il cui supporto va dalla progettazione meccanica attraverso l‘analisi del movimento, all’analisi strutturale e tutti gli altri ambiti tipici dello sviluppo prodotto, fino alla produzione. Marie, infine, è l’esperto scientifico che mette a disposizione competenze su materiali, chimica e formulazioni e che consente quindi di immaginare scenari alternativi che supportano la presa di decisioni.
Le aziende che definirei meno avanzate tecnologicamente, anche se non piccole, le vedo più inclini a investimenti in Leo, l’esperto di ingegneria che mette a disposizione dei progettisti e di altri ruoli all’interno dell’azienda anche degli automatismi. Aura, invece, offre la possibilità di fare ordine nei processi di innovazione, dal design fino alla produzione, mentre vedo Marie più come un supporto alle aziende più avanzate, o in altre parole, che intraprendono un secondo step di digitalizzazione nel processo di sviluppo prodotto. Parliamo di aziende che hanno già affrontato e risolto le problematiche della progettazione e della produzione e che intendono fare un passo ulteriore, anche spinte dalle esigenze cui accennavo prima: sostituire i materiali tradizionali con materiali di origine biologica, consumare di meno, rendere il pianeta più sostenibile. Questi obiettivi non possono prescindere dalla “generative experience”. Oggi le aziende sono consapevoli del loro dover cambiare il modo di produrre. Con l’AI abbiamo a disposizione una tecnologia formidabile per poter analizzare quanto fatto nel passato e riutilizzare questa esperienza per generarne di nuove.
Nelle soluzioni di Dassault Systèmes queste esperienze sono basate su due contenuti principali, oltre ai Virtual Twin che funzionano da spina dorsale: il patrimonio di competenze, knowledge e know-how che abbiamo maturato nel corso di 40 anni, lavorando fianco a fianco con i più grandi clienti di ogni settore di mercato, e la vasta intellectual property dell’azienda. Oggi ogni azienda ha la sua univocità e trae il suo vantaggio competitivo dalla propria intellectual property. In questo senso mi piace fare un esempio che riguarda i materiali compositi. Sul mercato è noto come questi materiali si producano, e queste informazioni sono contenute nella nostra tecnologia, sotto forma di knowledge e know-how.
Naturalmente ci sono delle aziende che eccellono in questo settore e ciò che le contraddistingue rispetto alle altre è il potersi basare su un patrimonio di informazioni acquisito e comune, la propria intellectual property.
Ecco come il concetto di utilizzare i Virtual Twin potenziati dall’AI porta le aziende a distinguersi dalle “pari grado” che operano nel mercato e che sono loro competitor. É su questo paradigma che s’innesta la nostra decisione di lanciare – e torno al concetto di prima – soluzioni AI native.
Non vogliamo costruire castelli d’intelligenza artificiale su applicazioni esistenti. Cerchiamo invece di guidare i nostri clienti ad affrontare in maniera oculata le sfide che hanno di fronte agendo in maniera trasformativa nei settori che loro ritengono strategici.
Ho sottolineato prima che il settore della produzione sta ricevendo notevoli investimenti. Basti pensare a ciò che succede in giro per il mondo e conseguentemente, com’è successo qualche anno fa, agli shortage di materie prime. Penso alla carenza di titanio quando è iniziata la guerra in Ucraina. Ha costretto le aziende a reinventare non solo dove comprarlo, ma più che altro dove produrlo, portando i grandi produttori ad accorgersi che non avevano più in casa né le competenze né a volte le attrezzature, perché avevano delegato questa operatività ad altri fornitori.
L’annuncio della collaborazione strategica con NVIDIA risponde alla necessità di alimentare i Virtual Twin con modelli e librerie di Physical AI. Grazie all’accordo con NVIDIA, riusciamo a coprire diversi scenari applicativi, la ricerca sui materiali, la simulazione di fenomeni fisici, in particolare nel mondo della produzione.
Come Dassault Systèmes, con i nostri Virtual Twin siamo in grado di virtualizzare un sistema di produzione completo, che NVIDIA complementa con le librerie Omniverse Physical AI. Il risultato è la virtualizzazione di un sistema di produzione globale che il cliente può usare per testare scenari alternativi quando si trova di fronte, per esempio, alla necessità di aumentare la produzione nelle fabbriche che ha sparse per il mondo.
Con queste tecnologie i clienti di Dassault Systèmes possono costituire velocemente una fabbrica gemella virtuale e simulare a priori quali saranno i risultati o i cambiamenti che dovranno operare. Al momento di rilocare la produzione, per esempio in un altro stato, saranno in grado di accelerare la messa in opera e di ridurre in maniera significativa i potenziali rischi derivanti dal cambiamento.
Vedete casi di industrie determinate a investire nelle tecnologie avanzate perché vogliono inserirsi in settori ora più trainanti quali l’aerospace, la difesa o anche le telecom se si pensa al ruolo dei satelliti nella space economy?
Sì, lo vediamo. Posso citare un’industria nemmeno tanto giovane sul mercato, Bercella SpA di Varano de’ Melegari, fondata poco più di 30 anni fa nella Motor Valley, vicino ai grandi nomi come Dallara o Maserati. Sono sempre stati leader nella produzione di componenti in materiale composito. Oltre a essere un player di riferimento nel mondo delle corse automobilistiche, del settore racing, negli anni hanno sviluppato una grande competenza nel settore aerospaziale. Da anni partecipano anche a missioni internazionali: recentemente sono stati scelti con un ruolo di riferimento nel progetto Iride, quello della costellazione di satelliti finanziato dal PNRR. È il caso di un’azienda che è passata dal mondo automotive a quello aerospace. Sono pochi gli attori italiani in grado di assumere un ruolo rilevante in questo tipo di settore che è stato spesso dominio solo delle grandi società straniere multinazionali.
Pensando ai distretti della vasta base di pmi dell’Italia, gli investimenti nelle tecnologie avanzate dipendono dalle dimensioni dell’impresa? E osservate casi di imprese manifatturiere medio-grandi che fanno importanti passi nella digitalizzazione anche perché la sollecitano i loro clienti?
Nella mia esperienza, la discriminante oggi non è la dimensione aziendale ma la necessità. Quello che spinge le aziende ad adottare tecnologie avanzate, specialmente le piccole-medie aziende, è la necessità di cambiare il proprio modello di business o il mercato di riferimento, e la necessità di innovare più velocemente per mantenere un vantaggio competitivo. Cito ad esempio un articolo dal Sole 24 Ore del 14 febbraio dove si definiva Bergamo la nuova frontiera dell’Aerospace. Ho frequentato il mercato bergamasco per anni e le eccellenze erano la gomma, la meccanica di precisione e l’automotive. In questo articolo si citano alcune aziende che hanno effettuato il cambio di paradigma dal mercato automotive – nel quale erano assoluti protagonisti – al mercato aerospace per necessità. Due casi sono particolarmente interessanti. La Persico di Nembro, che ha sempre operato nel mondo dell’automotive – con una piccola parte del loro business nella vela, nella produzione di scafi, tra cui per Luna Rossa – ora ha vinto una commessa per fornire presse per la realizzazione di pale di elicotteri. L’altra è la TAV Vacuum Furnaces di Caravaggio che produce forni per il trattamento termico e che ha come clienti i grandi produttori di motori. In questi due casi, è stata la necessità, o l’istinto di sopravvivenza, a portarli a cambiare mercato di riferimento, e quando si cambia mercato di riferimento gli investimenti in tecnologia avanzata sono necessari perché gli strumenti possono essere simili ma non uguali.
Quanto all’adozione dell’Ai, e ora della AI agentica, ormai quasi tutte le imprese devono integrarla con le risorse applicative digitali storiche di vario tipo nelle quali hanno già investito e che sono operative. L’integrazion può essere complessa e dispendiosa . Come l’affrontano le aziende con cui parlate e che tempi si danno per vedere il ROI? Lei ha ricordato che si non si devono costruire castelli di AI.
Proprio per evitare ciò, identifichiamo insieme al cliente le loro aree di intervento strategiche e operiamo a partire da uno use case che la azienda vuole risolvere. Da un lato, ci avvaliamo della nostra conoscenza del loro particolare mercato e, dall’altro, analizziamo la loro specifica realtà aziendale e individuiamo le figure da coinvolgere. Lo use case che costruiamo fa vedere al cliente il beneficio derivante dall’adozione delle tecnologie.
La nostra filosofia è che non si fanno le rivoluzioni e che non si riesce a fare tutto in tempi brevissimi. Le trasformazioni digitali non hanno un ritorno dell’investimento domani o dopodomani, ma richiedono un periodo di tempo medio-lungo e vanno scelte con attenzione. Le aree di intervento così individuate possono anche portare a dei quick-win, ma ci deve essere una strategia di intervento a medio-lungo termine, specialmente se si tratta di aziende che hanno una dimensione non enorme e che quindi non possono permettersi di iniziare progetti troppo grandi che non vedano mai una fine.
Considerando quanto detto prima, chi sono i vostri interlocutori nel processo decisionale di adozione e d’investimento? I CEO, i CIO, i Chief Data Officer, Chief Financial Officers… Quali sono le figure chiave che capiscono la complessità, i benefici e l’aspetto finanziario?
Non c’è una risposta univoca. Nel passato nell’acquisizione di tecnologie legate al CAD e al PLM le figure di riferimento erano i CIO e i CTO con il coinvolgimento più o meno importante del CEO secondo la dimensione dell’azienda – più l’azienda è piccola o familiare, più il CEO tende a essere coinvolto – o dall’entità dell’investimento – più è cospicuo, più finisce sul tavolo del CEO. In generale, anche oggi per le tecnologie accennate prima sono coinvolte le stesse figure decisionali, e si deve tenere presente che anche il CAD e il PLM hanno subito una bella iniezione di AI.
Ci sono tuttavia dei settori nei quali le figure di riferimento e quindi i decision maker, sono completamente diversi. Ho parlato prima di quando si ripensano i processi di produzione: per fare ciò, magari coinvolgendo la catena di fornitura, il decision maker è per forza il COO o una figura equivalente supportata dalle funzioni del finance, se sono coinvolte le forniture. Il Chief Digital Officer che lei ha citato prima, io lo vedo molto vicino alla ricerca e sviluppo: egli diventa quindi il decision maker quando si tratta di proporre soluzioni tecnologiche avanzate riguardanti l’innovazione di prodotto e simile.
Considerando il grande salto che state facendo con gli agenti di AI, forse è utile tornare ai dati. Sono raccolti dai sensori, dall’IIoT… ma se devono essere utilizzati da sistemi sofisticati come l’Omniverse o i semiconduttori di NVIDIA, e se servono per addestrare o alimentare applicazioni di AI, qual è la sfida per filtrarli, armonizzarli, validarli?
Noi da anni proponiamo sul mercato soluzioni di manufacturing excellence, vale a dire, soluzioni MES. I clienti che le hanno implementate possiedono quindi una storicità dei loro dati di produzione dal valore inestimabile. Per definizione i dati raccolti dall’IoT e dai sensori che vanno al MES sono già dati ripuliti. Quindi nell’ambiente di produzione, quando andiamo a implementare un Virtual Twin di un sistema di produzione abbiamo già dei dati puliti per poterlo alimentare e per realizzare delle simulazioni. Questo è un grande vantaggio.
L’altro aspetto importante è che Dassault Systèmes ha innestato gli agenti di AI e i Virtual Twin sulla sua piattaforma 3DEXPERIENCE che nasce oltre 10 anni fa con lo scopo di agire da single source of truth. In altre parole, il dato immesso nella nostra piattaforma è un dato pulito, affidabile e soprattutto univoco. Questi dati unici e univoci su cui poggia la nostra piattaforma di collaborazione sono fondamentali per l’intelligenza artificiale, che può fare delle elaborazioni molto velocemente, ma alimentata con dati sbagliati può, come si dice, allucinare. Tutta la parte collaborazione, gestione dati e comunicazione tra i vari enti aziendali avviene sulla nostra infrastruttura, la piattaforma 3DEXPERIENCE, una realtà consolidata.
Quanto si pone la necessità di educare a questi nuovi percorsi i potenziali o i già customer che affrontano una maggiore complessità dei propri prodotti e la necessità di scalare i sistemi che hanno già, ora anche per l’AI agentica?
Non parlerei tanto di necessità quanto di opportunità. La scarsità di certe materie prime e simili sono situazioni che affrontano ogni giorno. Oggi i clienti si accorgono che il mondo è in divenire e sono consapevoli che devono cambiare, per esempio, i processi di produzione per renderli più efficienti, più agili e più flessibili. Considerando ciò, il nostro compito è aiutarli a calare queste trasformazioni nella loro realtà. Nella realtà locale ci si scontra con la carenza di capitale umano. Per affrontare il problema, noi cerchiamo di promuovere la collaborazione oltre che con le università – sicuramente un pilastro strategico in questo processo di formazione – anche con i distretti industriali. Ne cito uno: abbiamo in essere una collaborazione mirata alla formazione con il distretto tecnologico aerospaziale della Campania, il DAC. È gestito dal professor Carrino, che ha deciso di aprire un centro di eccellenza per il model based system engineering dando accesso anche alle aziende della zona. Grazie alla lungimiranza di questa istituzione, è possibile promuovere la formazione del personale che occorre alle pmi per poi favorirne il redeployment e avere del personale formato. Un prodotto complesso non può essere progettato, sviluppato o prodotto con le stesse tecnologie di prima, ma sì con tecnologie derivate dal mondo Aerospace, una su tutte il model based system engineering. Sappiamo che, se da un lato, l’AI semplifica e automatizza le operazioni ripetitive, dall’altro le complica perché il processo decisionale resta comunque umano e chi prende le decisioni ha bisogno di una competenza significativamente superiore a quella che aveva prima. Non si tratta quindi tanto di convincere l’azienda – perché è già consapevole – ma di un processo di scelta delle aree in cui intervenire, e poi di formazione delle persone che utilizzeranno le tecnologie.
Per le vostre caratteristiche avete un ottimo punto di osservazione sulla realtà europea per quanto attiene le tecnologie avanzate orientate verso i prodotti di cui lei parlava all’inizio, cioè, i compositi, i biomateriali, i materiali che in sintesi rendono i processi più sostenibili. E come vede l’Italia procedere?
Ho come mia responsabilità la regione mediterranea e ho una buona visione sui Paesi europei. In determinati settori oggi in Italia abbiamo delle eccellenze. Citavamo il comparto dei compositi, nel quale le aziende italiane sono sicuramente a livello di eccellenza mondiale. Le abbiamo nell’elettronica grazie ad aziende diventate fornitrici anche di prodotti di respiro mondiale. Storicamente le abbiamo avute nel settore automotive e nella componentistica. Queste aziende non sono solo presenti in Italia. Conosco aziende all’avanguardia tecnologica anche nei Balcani e in Turchia, perché lì sono stati fatti investimenti significativi sul lato accademico. Forse è poco noto che la Turchia laurea un numero di ingegneri molto superiore a quello di paesi occidentali più industriali quali l’Italia. Abbiamo eccellenze nel settore food, nel packaging. Da sempre le macchine utensili italiane sono esportate in tutto il mondo. Non si tratta di una casistica limitata: il fenomeno riguarda trasversalmente più settori. Sono isole di eccellenza che partono dalla piccola e media impresa, che spesso è molto più flessibile e in grado di adattarsi alle contingenze del mercato rispetto a quella molto grande che è più difficile da fare girare, come si dice dei transatlantici. Tuttavia, è la collaborazione nel network che collega la grande impresa e le pmi a fare scattare il fattore di successo, perché entrambi beneficiano da questa da questa collaborazione.
