Così l’intelligenza artificiale accelera più di internet! La sfida di Sas per la manifattura AI-driven

«L’intelligenza artificiale è la forza trainante della più importante trasformazione tecnologica dell’ultimo decennio. Questa evoluzione, paragonabile all’avvento di internet negli anni ’90, porterà alla nascita di nuove aziende e nuove professioni in tempi rapidissimi, con cicli di adozione di gran lunga più veloci dei precedenti». È quanto afferma Marinela Profi, market strategy leader for AI & generative AI di Sas, intervistata da Industria Italiana a margine dell’evento Sas Innovate on Tour. La più grande azienda privata di software analytics a livello mondiale (fatturato di oltre 3 miliardi di dollari, guidata in Italia da Mirella Cerutti, regional vice president per l’area Central and East Europe) è oggi in prima linea per accelerare la trasformazione digitale “AI driven” delle imprese.

Con la piattaforma Viya, il cui sviluppo ha comportato investimenti di un miliardo di dollari nell’arco di cinque anni, la multinazionale americana rende oggi disponibili strumenti che permettono a data scientist, business analyst e decision maker di sfruttare al meglio i dati e l’intelligenza artificiale. L’obiettivo? Aumentare la produttività individuale e aziendale, ridurre i costi e promuovere l’innovazione. «I sistemi agentici e l’IA embedded nei digital twin ottimizzano i processi aziendali, fornendo un’interfaccia intuitiva per la gestione delle decisioni operative», dice Bob Messier, senior vice president global technology services di Sas. Strumenti di analytics, digital twin, intelligenza artificiale: per analizzare dati complessi, identificare relazioni, effettuare previsioni e prendere decisioni informate basate sui dati.

Ecco le potenzialità e le novità introdotte da Sas per l’agentic AI e gli use case per il manifatturiero. Acronimo di Statiscal Analytics System, dal 1976, anno della sua fondazione, Sas non si è occupata d’altro che di dati. Per la private company globale, capitanata dal suo fondatore Jim Goodnight, con sede a Raleigh nel North Carolina, la missione nel corso della sua quarantennale evoluzione è stata sempre la stessa: trarre valore dai dati per creare informazioni e conoscenza a supporto dell’operatività aziendale per generare un valore competitivo. Missione che trova oggi nell’intelligenza artificiale la sua naturale e fisiologica evoluzione.

Accuratezza delle decisioni, supervisione e governance. Le linee guida per lo sviluppo di soluzioni AI, oggi proposte anche in versioni prefabbricate, pronte all’uso, per settori verticali

3 i principi cardine di Sas su cui si basa lo sviluppo di soluzioni AI per supportare l’efficacia e l’affidabilità dell’integrazione degli agenti nei processi aziendali: accuratezza delle decisioni, human in the loop (interazione e controllo umano) e governance. «Diamo ai clienti un vantaggio decisionale, garantendo che l’automazione sia bilanciata con il controllo umano e che le decisioni siano spiegabili e affidabili», sottolinea Profi. Oltre agli strumenti per data scientist e sviluppatori software, per le aziende che preferiscono acquistare un’AI pronta all’uso Sas offre anche soluzioni pre-confezionate. «Sono progettate per essere facili da implementare e immediatamente utili, disponibili per il finance, la pubblica amministrazione, l’healthcare e il manifatturiero (automazione e ottimizzazione dei processi di produzione, della manutenzione predittiva, della supply chain, della robotica).

I dati devono essere rappresentativi e privi di errori per ridurre i bias. Un sistema analitico integrato può aiutare a spiegare le decisioni prese dagli agenti AI, evitando che queste siano basate su informazioni parziali o errate

«Le decisioni prese dagli agenti sono supportate non solo dai modelli di linguaggio di grandi dimensioni ma anche da modelli analitici tradizionali. In questo modo cerchiamo di ridurre il rischio di decisioni non corrette, dato che gli Llm possono avere limitazioni, come la generazione di informazioni imprecise. Implementiamo, quindi, strumenti per garantire la trasparenza nelle decisioni prese dagli agenti, permettendo agli utenti di comprendere il razionale dietro le scelte effettuate», racconta Profi.

Affermazione condivisa da Messier: «L’AI generativa, sebbene straordinaria per riassunti di testo, ricerca e interazione con i clienti, presenta ancora delle sfide, in particolare in relazione ai bias presenti nei large language models addestrati su dati non governati». Messier porta l’esempio sconcertante di uno studio negli Stati Uniti dove gli llm hanno per esempio negato mutui a richiedenti neri a causa di dati di addestramento non imparziali. «Affrontiamo queste problematiche integrando algoritmi di machine learning, text data mining, modelli deterministici ed Llm all’interno di un framework che garantisce piena visibilità e governance del processo decisionale», afferma Messier, che sottolinea come gli agenti AI siano progettati per due tipi di decisioni: “human out of the loop” e “human in the loop”. «Questo significa che, mentre alcuni processi possono essere completamente automatizzati, in situazioni critiche, come la rilevazione di frodi, l’agente può coinvolgere un essere umano per un’indagine più approfondita», dice Messier.

Digital Twin e intelligenza artificiale. Simulazione per migliorare la pianificazione strategica e l’efficienza operativa delle operations e delle supply chain. La partnership con Epic Games

Sas utilizza il digital twin come una forma di intelligenza artificiale generativa per creare una rappresentazione digitale di sistemi reali, inclusi interi processi produttivi e catene di approvvigionamento. Questo approccio consente di effettuare simulazioni nel contesto digitale, facilitando l’analisi degli impatti delle decisioni e ottimizzando i processi produttivi. «Il digital twin emerge come una frontiera innovativa, strettamente legata all’intelligenza artificiale. Una versione virtuale di un sistema reale, prodotto, processo o un’intera supply chain. L’utilità principale risiede nella possibilità di eseguire simulazioni per analizzare gli impatti di determinate decisioni prima di implementarle nella realtà», afferma Profi. Come dice Messier, «Il digital twin permette di prendere decisioni più informate riguardo alle variabili di produzione e all’approvvigionamento dei materiali. Gli agenti possono analizzare continuamente i dati e adattare le operazioni in base alle condizioni variabili (come disponibilità di materiali), generando piani di produzione ottimali». In buona sostanza, attraverso l’uso del digital twin e dell’intelligenza artificiale, le aziende possono migliorare non solo la produttività complessiva, ma anche quella di ciascun dipendente. «Sono soluzioni che nascono dalla partnership con Epic Games, creatore del popolare videogioco Fortnite e del potente Unreal Engine. In questo contesto l’engine abilita la creazione di digital twin e Sas Viya agisce da motore decisionale e di intelligenza artificiale per le simulazioni», dice Messier.

Applicazioni promettenti nel manifatturiero e oltre. Il caso Georgia Pacific e lo sviluppo di digital twin “AI driven” per la movimentazione intralogistica degli Agv

Nonostante la storica presenza di Sas nei settori finanziario, assicurativo e sanitario, l’azienda vanta una forte presenza anche nel manifatturiero con clienti di rilievo come Carrefour, Nestlé e Procter & Gamble. Un esempio è quello di un’importante azienda manifatturiera americana, Georgia-Pacific, uno dei più grandi produttori di carta al mondo. In questo caso SAS ha ricreato un gemello digitale del sistema produttivo, permettendo simulazioni in tempo reale e l’ottimizzazione dei percorsi di agv e umani all’interno della struttura, migliorando efficienza e sicurezza. «Grazie alle simulazioni, è possibile analizzare e migliorare il percorso delle macchine e l’efficienza operativa. Questo minimizza anche il rischio di incidenti tra macchinari e personale umano, contribuendo a creare ambienti di lavoro più sicuri. Utilizzando il gemello digitale del loro impianto, i responsabili possono simulare diverse configurazioni, aggiungere o sottrarre agv, e osservare l’impatto in tempo reale, consentendo di identificare problemi e ottimizzare le operazioni prima di effettuare investimenti significativi o alterare processi reali», racconta Messier.

Strumenti per sviluppatori software e data scientist progettati per migliorare l’efficienza e l’efficacia dei processi aziendali, contribuendo a un aumento della produttività sia a livello individuale che aziendale

Sas sta accelerando il lavoro degli sviluppatori e dei data engineer con strumenti come Sas Viya Copilot e Data Mkaer. «Viya Copilot, è un assistente integrato nella piattaforma Viya che aiuta gli utenti a eseguire attività più velocemente e in modo più produttivo. È l’assistente in operazioni di generazione e analisi del codice, per la creazione di commenti e dashboard, per l’accelerazione dell’addestramento e della valutazione dei modelli», dice Profi. Sviluppo di soluzioni in cui la qualità del dato rimane centrale. «Nostri strumenti offrono un grande potenziale nell’accelerare l’analisi della qualità del dato e nella data augmentation. In tutti quei casi in cui mancano dati a sufficienza, la qualità è scarsa o i dati non possono essere utilizzati, a causa di problemi di privacy e sicurezza, Data Maker consente di generare dati sintetici di alta qualità in tempo reale». La piattaforma permette inoltre di valutare la privacy dei dati generati, confrontando visivamente la distribuzione dei dati sintetici con quelli originali.

«Per i data scientist, Data Maker offre la possibilità di generare dati sintetici, mantenendo il controllo sulla qualità, mentre per i decision maker garantisce l’affidabilità dei dati utilizzati per decisioni accurate», aggiunge Messier. Tra le novità per i “costruttori di AI”, Profi evidenzia infine Sas Workbench. «Lanciato l’anno scorso questo strumento mira a rivoluzionare il mercato dello sviluppo, offrendo un ambiente potente e flessibile per la programmazione in Sas, Python e altri linguaggi, con accesso on-demand a risorse di calcolo». Last but not least, l’Intelligent Decisioning System, che permette di costruire workflow AI combinando modelli di linguaggio, sistemi analitici e regole per automatizzare processi in vari ambiti, come la gestione del rischio e il data engineering.

Use case ed esempi di soluzioni Sas di intelligenza artificiale per il mondo manifatturiero

1 – Pianificazione della catena di approvvigionamento

–  Analizzare dati storici, fornire previsioni di mercato e fattori esterni per predire le variazioni nella domanda e ottimizzare la pianificazione.

– Rispondere in modo dinamico a situazioni impreviste o a cambiamenti nelle condizioni del mercato attraverso la generazione di piani di risposta basati su dati in tempo reale.

2 – Manutenzione predittiva

– Sviluppare modelli che possano analizzare dati provenienti da sensori di macchinari e sistemi di produzione per prevedere anomalie e segnalare potenziali guasti imminenti.

– Utilizzare i modelli per generare report di manutenzione dettagliati, inclusi i passaggi necessari per risolvere i problemi rilevati.

3 – Processi di produzione

– Implementare Llm per analizzare grandi set di dati relativi ai processi di produzione al fine di identificare inefficienze, migliorare la qualità del prodotto e ottimizzare i tempi di produzione.

– Utilizzare i modelli di linguaggio per generare raccomandazioni su miglioramenti nei processi, procedure di lavoro e strategie di produzione.

4 – Gestione delle richieste di assistenza tecnica

– Implementare sistemi di risposta automatica basati su Llm per gestire richieste di assistenza tecnica o di informazioni su prodotti.

– Utilizzare modelli per creare documentazione tecnica, manuali o risposte a domande frequenti, contribuendo a migliorare l’efficienza del supporto clienti.

5 – Sostenibilità di filiera

– Sviluppare modelli di linguaggio in grado di analizzare dati relativi all’impatto ambientale della catena di approvvigionamento e suggerire soluzioni per renderla più sostenibile.

– Generare report sulle pratiche sostenibili, fornendo raccomandazioni su come ridurre l’impatto ambientale nella produzione e nella distribuzione.

6 – Analisi dati clienti

– Implementare Llm per analizzare recensioni, feedback e commenti dei clienti per ottenere insight sulla percezione dei prodotti e identificare aree di miglioramento.

– Generare report automatici per la gestione basati sui sentimenti espressi dai clienti e proporre azioni correttive.