Automazione, come cambia l’industria con AI e cybersecurity

Quando e perché automatizzare

Se finora abbiamo insistito su “cosa automatizzare?”, la domanda “quando automatizzare?” trova risposte semplici e al contempo non banali.

La regola aurea non cambia: si automatizza quando il business case è positivo, ovvero quando i benefici superano i costi. Ma per comprendere i benefici occorre (ed è bene insistere su questo punto) implementare una attenta e multifunzionale analisi delle perdite.

Ad esempio, come calcolare i benefici relativi all’automazione di un processo che comporti gravose movimentazioni manuali dei carichi? Quanto vale la gestione attuale e futura di piani di sorveglianza sanitaria piuttosto che di spostamenti di manodopera per sopravvenute limitazioni fisiche? Quanto pesa il rischio del riconoscimento di danni causati da infortuni o malattie professionali? E il valore reputazionale sul mercato? E l’attrattività in fase di selezione del personale, di conseguenza la sostenibilità futura di quel processo?

Questi driver di costo trascendono l’aspetto della mera efficienza, eppure sono altrettanto concreti e stimabili e vanno dunque presi in considerazione per finalizzare correttamente l’analisi di investimento.

La visione incarnata e supportata dall’Industria 5.0 stimola non tanto a spostare il punto di osservazione (l’obiettivo di ogni impresa consiste nella crescita del margine), ma ad arricchirlo con l’attenzione a ciò che rappresenta per qualsivoglia azienda l’asset di gran lunga più importante: le persone che la compongono. Ricordiamoci sempre che senza persone, non esiste impianto che generi valore.

La sfida futura non sarà quella apocalittica del come far convivere uomini e macchine, bensì come progettare macchine per gli uomini: sicure, ergonomiche, utili, usabili, manutenibili, riciclabili. In una parola: sostenibili.

Ecco, l’Industry 5.0 è in ultima analisi un tema di sostenibilità, proprio perché la sostenibilità non significa altro che benessere, progresso e sviluppo umano.

AI, gli impatti sull’automazione

Il panorama tecnologico industriale si sta sempre più caratterizzando per le applicazioni o scenari futuribili legati all’ intelligenza artificiale: ci si potrebbe ancora oggi chiedere cosa sia realmente e se sia davvero una novità, cerchiamo di analizzare il tema per avere un quadro semplice e chiaro soprattutto orientato alle prospettive future.

Ai fini della trasformazione digitale, comunemente si intende che il dato è un costo mentre l’informazione è un valore: considerando l’IA come un agente che di fatto opera con dati trasformandoli in informazioni, è possibile classificare l’IA in relazione alla sua capacità di generare valore. Questo concetto è alla base del motivo di uno sviluppo sempre più veloce e penetrante, sebbene ad oggi non vediamo ancora tutta la sua potenzialità poiché l’AI è un “fattore abilitante” non di per sé stessa un valore, pertanto dobbiamo prima analizzare e capire cosa vogliamo efficientare poi adottare lo strumento AI più adatto. Talvolta il processo è (erroneamente) al contrario, ovvero chiedersi come si possa utilizzare l’AI e dunque sforzarsi a trovarne un’applicazione con l’ambizione di ottenere un valore economico-pratico.

Un sistema o modello di Intelligenza Artificiale è uno strumento software di tipo adattivo in grado di virtualizzare comportamenti logici definibili a livelli determinati di confidenza statistica: dunque, uno strumento veloce, basato su criteri prestabiliti con un risultato probabilmente corretto. Attraverso la sua capacità adattiva, un Sistema di IA, partendo da input ricevuti, permette di inferire output come previsioni, contenuti, raccomandazioni o decisioni capaci di influenzare ambienti fisici o virtuali, ma come vedremo in seguito non assolutamente deterministici o corretti in assoluto.

Il tipo di ragionamento dietro questi modelli è tuttavia “induttivo”, non deduttivo, ovvero non deterministico: il ragionamento deduttivo, infatti, prevede una (sola) soluzione ad un problema dedotta appunto dalle informazioni disponibili, Il ragionamento induttivo è un tipo di ragionamento con premesse che rendono “probabile” che una certa conclusione sia vera, ma non ne garantiscono assolutamente la verità, proprio perché i modelli matematici alla base NON sono una copia fedele del nostro cervello, ma una sua approssimazione.

Il ruolo dell’AI

Quando si parla di Intelligenza Artificiale ci si riferisce ad un insieme di algoritmi che, a diversi livelli di profondità e con diverse metodologie che li supportano, permettono di generare risposte anche molto articolate e complesse a domande a cui sarebbe umanamente difficile (in molti casi impossibile) rispondere, non tanto per i contenuti ma soprattutto in tempi adeguati e con tutti i dovuti approfondimenti, pertanto quello che ci può (positivamente) sorprendere dell’Intelligenza Artificiale è la sua altissima velocità ed capacità di memorizzare informazioni, tutto qua per ora. In futuro vedremo probabilmente dei miglioramenti, soprattutto quando migliorerà anche la nostra comprensione del funzionamento del nostro cervello.

Un aspetto semplice da considerare è il fatto che stiamo argomentando di un confronto tra un cervello umano basato su elementi bio-chimici in continua trasformazione e non pre-determinati (per questo cresciamo imparando dal mondo intorno a noi!) ed un modello matematico basato su regole pre-determinate ed una elettronica immutabile per quanto velocissima: da qui si capisce che il confronto è puramente esperienziale ovvero da quanto l’Intelligenza Artificiale ci dimostra di saper imitare i nostri comportamenti, ma stiamo confrontando due mondi radicalmente diversi.

Venendo ai nostri giorni, il motivo principale della grandissima espansione delle applicazioni di Intelligenza Artificiale risiede nella capacità computazionale di elaborare volumi di dati esageratamente grandi che solo il ’livello macchina’ può essere in grado di gestire.

L’evoluzione delle applicazioni di IA, ML e AI generativa pone anche sfide etiche e sociali: questa triade tecnologica sta ridefinendo il modo in cui interagiamo con la tecnologia e sta aprendo porte a scenari futuri in cui l’Automazione Industriale e l’Intelligenza Artificiale “collaborano” sinergicamente con la creatività umana, da qui la declinazione di Industria 5.0 come Umano-Centrica e collaborativa.

Questo sviluppo è stato però guidato da una elettronica sempre più veloce ed efficiente, come abbiamo visto le logiche sono sì evolute ma non hanno prodotto risultati straordinariamente nuovi, grazie alla loro capacità di interpretare contesti complessi, generare testi coerenti e tradurre lingue in modo automatico, gli LLM trovano naturale applicazione in una varietà di scenari, tra cui: creazione di contenuti, assistenza virtuale e comprensione automatizzata di documenti.

Implicazioni di cybersecurity

Da diverso tempo si discute sull’importanza cruciale della sicurezza delle trasmissioni dati (alias cybersecurity) nell’industria manifatturiera, in un contesto di crescente digitalizzazione ed interconnessione.

L’approccio alla cybersecurity deve essere di tipo “olistico”, ovvero integrando tecnologie avanzate e favorendo la cultura della sicurezza a tutti i livelli organizzativi: la collaborazione tra i vari attori della filiera produttiva e la conformità alle normative è fondamentale per creare un ambiente sicuro, non esistono perciò strumenti sicuri in assoluto e nel tempo.

Nell’attuale scenario, molto globale e caratterizzato da una elevata interconnessione digitale, il settore dell’industria manifatturiera emerge come uno dei più esposti e vulnerabili alle minacce informatiche. Questa evidenza sottolinea la necessità stringente di adottare misure di cybersecurity robuste e specifiche, capaci di proteggere i dati, le informazioni sensibili e l’integrità dei processi produttivi stessi.

L’Intelligenza Artificiale e più in generale la Industrial Internet of Things – IIoT, ovvero la connettività estesa in rete informatica, introducono nuovi rischi in termini di sicurezza: più c’è connettività più aumenta il rischio di interferenze criminali o disturbi accidentali.

Il contesto normativo

Il decreto legislativo n. 123/2022 rappresenta un avanzamento significativo nel contesto della normativa nazionale sulla cyber-sicurezza. Questo decreto stabilisce le regole di adeguamento al Titolo III “Quadro di certificazione della cyber-sicurezza” del Regolamento UE 2019/881 che si riferisce a ENISA, cioè l’Agenzia dell’Unione Europea per la cyber-sicurezza, e alla certificazione della cyber-sicurezza per le tecnologie dell’informazione e della comunicazione (ICT).

L’aumento della digitalizzazione e della connettività negli ultimi anni ha spinto l’UE a varare nel 2016 la Direttiva UE 2016/1148, nota come Direttiva NIS (Network and Information Security), che ha stabilito per la prima volta un insieme di regole sovranazionali per la sicurezza informatica e ha introdotto meccanismi per rafforzare la cooperazione strategica e operativa tra gli Stati membri.

La sicurezza informatica è un aspetto cruciale nella gestione e nella protezione dei dati sensibili e delle informazioni aziendali. In questo contesto, le certificazioni ISO 27001 e AICPA SOC Type 2 sono standard riconosciuti e offrono alle organizzazioni una guida per valutare e migliorare la sicurezza dei loro sistemi e processi.

In un panorama digitale sempre più complesso, investire nella sicurezza informatica è una necessità imperativa. Le certificazioni devono essere considerate come un faro che guida le organizzazioni attraverso le migliori pratiche per garantire la protezione dei dati e la continuità operativa. La sicurezza informatica non è solo un requisito normativo, ma una componente fondamentale per la sostenibilità e il successo a lungo termine di qualsiasi organizzazione.