AO469

APRILE 2026 AUTOMAZIONE OGGI 469 | 45 SPECIALE 1. Le basi dati vettoriali . Consentono di sfruttare contenuti non strutturati, come report di test, specifiche o documentazio- ne di qualità. È grazie a esse che gli agenti possono eseguire analisi mirate o genera- re riepiloghi. 2. Il livello semantico . Anch’esso svolge un ruolo centrale: traduce le interroga- zioni in linguaggio naturale in query strutturate. Ad esempio, se l’utente pone la domanda: “Quali sono le richieste di modifica in corso relative al componente X?”, il sistema comprenderà esattamente l’esigenza e interrogherà le basi dati più appropriate. La domanda viene converti- ta in query strutturate, con l’associazione degli oggetti e una logica di filtraggio, semplificando così in modo significativo l’interazione con strutture di dati che pos- sono essere anche molto complesse. 3. Le API . Essenziali per collegare gli agen- ti ai software esistenti, non servono solo per accedere ai dati, ma anche ad avviare azioni concrete, come l’inizio di un pro- cesso di validazione o la sincronizzazione delle informazioni con altri strumenti. AI Agentica: esempi di applicazione nello sviluppo automobilistico L’AI agentica esprime il suo massimo valore nel contesto del PLM, dove la complessità dei dati, la disponibilità delle varianti e la fre- quenza delle modifiche sono particolarmen- te elevate. Il suo contributo è significativo per la tracciabilità digitale: gli agenti individuano le modifiche apportate ai requisiti, ai progetti o ai modelli di sistema, ne analizzano gli im- patti e suggeriscono gli adeguamenti neces- sari. Qualora un elemento progettuale deb- ba essere aggiornato nel PLM, l’agente può occuparsene autonomamente, sulla base del modello dati sottostante. L’ingegnere man- tiene tuttavia sempre il controllo finale sul processo di validazione. L’AI agentica, inoltre, consente alle aziende di trarre un indiscutibi- le vantaggio nelle attività di progettazione di linee di prodotto (Product Line Engineering - PLE). Gli agenti creano modelli di sistema a partire da descrizioni in linguaggio natura- le, standardizzano i componenti e adattano dinamicamente le configurazioni in caso di modifiche. Questo riduce il lavoro manuale di modellazione e garantisce una maggio- re coerenza tra le diverse linee di prodotto. Un terzo esempio riguarda la gestione delle varianti. I veicoli attuali offrono una moltitu- dine di opzioni di configurazione: gli agenti simulano la fattibilità tecnica, valutano i costi e individuano i vincoli normativi. I risultati, presentati attraverso dashboard interattive, forniscono una base decisionale condivisa per i teamdi sviluppo, vendita e produzione. Le chiavi per un’integrazione efficace dell’AI Nonostante il suo elevato potenziale, l’AI a- gentica è ancora poco diffusa nelle aziende. Secondo Gartner, entro il 2028 circa il 33% delle applicazioni aziendali professionali inte- grerà funzionalità di AI agentica: oggi questa percentuale è inferiore all’1%. Per affrontare con successo questa transizione è indispen- sabile adottare un approccio graduale e strutturato. Per garantire il successo dell’AI, è innanzitutto necessario costruire un digital thread, ovvero un flusso di dati affidabile e continuo lungo l’intero ciclo di vita del pro- dotto. Tuttavia, la preparazione delle persone è altrettanto cruciale, poiché l’introduzione degli agenti AI modifica i metodi di lavoro e le responsabilità individuali. l coinvolgimento iniziale dei team, i program- mi di formazione mirati e una comunicazione chiara sul ruolo dell’AI a supporto dei pro- cessi rappresentano fattori chiave di succes- so. Inoltre, i sistemi devono essere scalabili. L’integrazione deve basarsi su piattaforme flessibili, in grado di adattarsi agli ambienti IT esistenti e di evolvere in linea con le esigenze future dell’azienda. Il PLM intelligente, pilastro di un nuovo approccio allo sviluppo L’AI agentica sta trasformando in profondità il ruolo del PLM nel settore automobilistico. Lontano dall’essere una semplice piattafor- ma di gestione documentale, il PLM diventa un motore dinamico in grado di individuare le relazioni tra i dati, preparare il contesto de- cisionale e gestire in modo intelligente i flussi informativi. L’essere umano rimane tuttavia al centro del processo, facendo dell’agente AI un vero e proprio co-pilota intelligente nello svi- luppo: un autentico ‘agente del cambiamento’. Alleggerendo il carico delle attività operative, l’AI consente ai team di orientarsi verso attività a maggiore valore strategico e creativo. PTC - www.ptc.com/it L’AI agentica consente alle aziende di trarre un indiscutibile vantaggio nelle attività di progettazione di linee di prodotto Foto: PTC Integrati con i sistemi esistenti, gli agenti software sono capaci di apprendere e non si limitano ad automatizzare le attività, ma le interpretano in base al contesto Foto: Shutterstock