AO469

44 | APRILE 2026 AUTOMAZIONE OGGI 469 SPECIALE AUTOMAZIONE OGGI Dal PLM tradizionale al PLM intelligente: il ruolo dell’AI agentica nel settore automotive O ggi è possibile aumentare la pro- duttività del 30% e accelerare il time-to-market dei prodotti sen- za assumere nuovi specialisti né esternalizzare i processi, grazie agli agenti software basati sull’intelligenza arti- ficiale. Questi sistemi automatizzano le attività ripetitive, analizzano le informazioni in base al contesto e ottimizzano i processi decisionali. Per quanto riguarda le attività di sviluppo software, McKinsey (2023) ha rilevato incre- menti di efficienza a doppia cifra grazie all’u- tilizzo di strumenti come GitHub Copilot. An- che Microsoft (2023) ha evidenziato come i sistemi di diagnostica assistiti dall’AI riducono in modo significativo i tempi di risoluzione dei problemi di manutenzione. In uno stu- dio del 2024, McKinsey ha inoltre rimarcato i benefici degli agenti intelligenti in ambito lo- gistico, nell’ottimizzare le scorte, gestire le ca- tene di approvvigionamento e ridurre i tempi di esecuzione. Al di là di questo, è soprattutto nell’industria automobilistica, un settore in cui il software riveste ormai un ruolo centra- le nei veicoli, che gli agenti AI aprono nuove prospettive. L’AI agentica consente agli utenti di interagire con i sistemi in linguaggio na- turale, sintetizzano enormi volumi di dati ed eseguono analisi complesse con una rapidità senza precedenti. Questi agenti non operano in modo isolato, ma in rete: la loro intercon- nessione permette di elaborare dati estrapo- lati da più fonti, avviare processi e comuni- care con molte tipologie di software. Questa capacità si dimostra cruciale per riuscire a ge- stire in modo appropriato la crescente com- plessità dei sistemi di sviluppo dei veicoli, che oggi possono arrivare a includere fino a 150 milioni di linee di codice. Il PLM in piena trasformazione La gestione del ciclo di vita del prodotto (PLM) è da sempre un pilastro dell’industria automobilistica per la gestione dei dati CAD, delle distinte base, delle varianti e dei proces- si di validazione. Tuttavia, l’attuale contesto impone un’evoluzione di questo approccio. I veicoli sono oggi divenuti vere e proprie piat- taforme software. Il loro sviluppo è soggetto a una pressione normativa crescente e le case automobilistiche devono adattarsi sempre più rapidamente alle evoluzioni del mercato. Di fatto, i sistemi PLM tradizionali faticano a tenere il passo, tanto più in presenza di team di sviluppo che si trovano dislocati in più sedi a livello globale. È in questo scenario che e- merge il potenziale dell’AI agentica. Integrati con i sistemi esistenti, gli agenti software so- Carla Valeri no capaci di apprendere e non si limitano ad automatizzare le attività, ma le interpretano in base al contesto. Ad esempio, nel caso di una richiesta di modifica, come la sostituzio- ne di un componente, gli agenti possono in- dividuare le relazioni tra le varianti, verificarle e proporre soluzioni pertinenti e adeguata- mente documentate. L’integrazione dell’AI libera gli ingegneri dalle attività ripetitive, consentendo loro di concentrarsi su attività di sviluppo a maggiore valore strategico. Le basi dell’AI agentica nel PLM Affinché gli agenti AI possano interagire in modo efficace con la complessità dei sistemi PLM, è necessaria un’architettura tecnologica adeguata, fondata su tre elementi chiave: Un co-pilota digitale