FN126

28 febbraio 2026 FIELDBUS & NETWORKS I benefici dell’AI nella gestione dei dati Le applicazioni di intelligenza artificiale stanno rivoluzionando il modo di gestire i dati nell’automazione industriale: quali sono secondo il suo punto di vista i principali benefici? Claudio Stamile , manager of Artificial Intelligence R&D & Market Solutions di Fastweb+Vodafone ( www.fastwebvodafone.it ) : “L’AI sta trasformando le macchine da mere esecutrici a partner cognitivi. Il beneficio principale è il passag- gio da un approccio reattivo a uno proattivo e poi predittivo, con un impatto su ef- ficienza, qualità e flessibilità. Si prenda per esempio la manutenzione: grazie all’AI non ci si limita più a intervenire dopo un guasto o a scadenze fisse. Analizzando in tempo reale i dati provenienti dai sensori di vibrazione, temperatura o consumo, gli algoritmi possono prevedere con precisione quando un componente si gua- sterà, permettendo di pianificare la manutenzione, evitando costosi fermi impianto. Ugualmente, nel campo del controllo qualità, oggi è possibile creare modelli di AI che si auto-addestrano. Una rete neurale, per esempio, può apprendere le caratte- ristiche di un prodotto sulla linea produttiva e, attraverso la visione artificiale, im- parare a riconoscere pezzi difettosi con una precisione e una velocità irraggiungibili per l’occhio umano, riducendo gli sprechi e garantendo standard qualitativi supe- riori. Infine, la vera svolta è rappresentata dall’interazione uomo-macchina: per la prima volta, grazie all’AI generativa, il dialogo in linguaggio naturale tra operatore e impianto è realtà. Un tecnico può ‘chiedere’ a una macchina di spiegare le cause di un’anomalia, o configurare un algoritmo semplicemente descrivendo a parole le re- gole da seguire, senza scrivere una riga di codice. Questo semplifica la gestione degli impianti e democratizza l’accesso a tecnologie avanzate, potenziando le com- petenze delle persone in campo”. Giovanni Mandelli , product solution ma- nager Control, Scada and Visualization di Mitsubishi Electric , Factory Automation ( https://it.mitsubishielectric.com/fa ) : “Le linee di produzione generano una quantità enorme di dati, che spesso però non viene utilizzata. Il vantaggio principale dell’AI è la velocità: riesce a leggere, gestire e correlare dati che altrimenti non verreb- bero utilizzati, perché richiederebbero un impiego di risorse elevato. E soprattutto lo fa in tempo reale. Questo consente di avere una visibilità totale delle informa- zioni: fino a ieri, i dati della qualità erano scollegati da quelli della manutenzione o del consumo energetico. Oggi, grazie ad algoritmi ormai consolidati, possiamo vedere come una piccola variazione di temperatura (manutenzione) stia cau- sando micro-difetti (qualità) e aumen- tando i consumi. Inoltre, l’AI permetterà la creazione di digital twin ‘reali’, cioè si- mulatori di scenari di produzione su dati sintetici che consentono di ottimizzare l’intero processo produttivo garantendo l’adattamento al cambiamento delle condizioni di lavoro”. Le criticità da affrontare nella gestione dati In un modello in costante trasformazione, quali sono le maggiori criticità da affrontare nella gestione dei dati con l’intelligenza artificiale? Francesco Tieghi , responsabile mar- keting e comunicazione di ServiTecno ( www.servitecno.it ) : “La criticità princi- pale è la governance: non basta disporre di grandi quantità di dati, è necessario comprenderne la provenienza, la qualità e, soprattutto, il livello di affidabilità richiesto dal settore. In ambiti regola- mentati, l’AI introduce elementi non deterministici che rendono complessa la convalida. Qualsiasi tecnologia che possa prendere decisioni autonome su processi certificati o soggetti a GMP, come nel farmaceutico, è vista con so- spetto e spesso esplicitamente esclusa. C’è poi un tema culturale: passare da sistemi deterministici e prevedibili a lo- giche probabilistiche richiede un nuovo modo di valutare il rischio operativo”. Fabio Pascali , regional vice presi- dent Italy, Greece, Cyprus di Cloudera ( www.cloudera.com ) : “Dalla nostra indagine ‘The Evolution of AI’ (Fonte www.cloudera.com/resources.html ) , emerge chiaramente come le maggiori criticità risiedano nella preparazione, nella sicurezza e nella governance del dato che alimenta gli algoritmi. La prima sfida è la frammentazione: lo studio rivela che solo il 9% delle organizzazioni rende tutti i propri dati disponibili per l’AI; questi sono distribuiti ovunque, dal cloud privato a quello pubblico, e in gran parte non strutturati. La criticità è creare una ‘data fabric’ unificata che superi questi silos. La sfida della sicurezza è strettamente collegata: la privacy dei dati è la principale barriera all’adozione dell’AI agentica per il 53% delle aziende, e quasi la metà dei leader IT teme la fuga di dati durante il training dei modelli. In un contesto legale stringente, come quello europeo, applicare policy di sicurezza in modo coerente su ambienti ibridi diventa un imperativo. Infine, vi è la complessità degli strumenti, che richiede competenze speciali- stiche ancora rare sul mercato”. Intelligenza artificiale e machine learning L’analisi di grandi volumi di dati permette di rendere più efficiente il processo di auto-apprendimento delle macchine: qual è l’impatto dell’AI sul machine learning? Marco Marella , general manager di FasThink ( www.fasthink.com ) : “Occorre tenere presente che AI e ML non sono concetti distinti: l’ML è parte dell’AI, ma oggi l’AI sta trasformando rapidamente anche come l’ML viene impiegato nei processi produttivi. Per capirsi, l’AI non è solo ‘fruitore’ dell’ML, ma anche un Claudio Stamile Giovanni Mandelli Francesco Tieghi Fabio Pascali