In combinazione con le soluzioni Internet of Things, aumentano sempre di più gli impieghi dell’Intelligenza Artificiale (AI). L’AI generativa, il Machine Learning e le altre tecniche di apprendimento alla base dell’Artificial Intelligence svolgeranno un ruolo sempre più rilevante nella soddisfazione dei bisogni di aziende e consumatori.
In questo articolo, a cura dell’Osservatorio Internet of Things del Politecnico di Milano, scopriamo come dialogano queste tecnologie, e quali sono le opportunità in ambito consumer e nei contesti aziendali.
Quando Artificial Intelligence e IoT si incontrano
Secondo i dati dell’Osservatorio, nel 2023 il mercato dell’Internet of Things in Italia è arrivato a toccare gli 8,9 miliardi di euro, con una crescita del 9% rispetto all’anno precedente. Con la crescente diffusione del numero di oggetti smart le aziende, non solo in Italia, iniziano a intravedere il potenziale legato ai dati resi disponibili dai dispositivi intelligenti. Lo dimostra il lancio sul mercato di un numero crescente di nuove soluzioni IoT che integrano piattaforme avanzate di analisi dati e algoritmi di Intelligenza Artificiale (AI) in grado di semplificare la gestione dei dispositivi connessi, tradizionalmente complessa soprattutto all’aumentare del numero di oggetti smart.
Le applicazioni immaginabili in grado di integrare IoT e AI sono innumerevoli e avranno un impatto radicale su aziende, pubbliche amministrazioni e consumatori. Si pensi ad esempio ai camerini dei negozi dotati di display trasparenti e touch (Smart Retail), in grado non solo di fornire in tempo reale tutte le informazioni richieste dall’utente, ma anche – grazie ai nuovi algoritmi di Intelligenza Artificiale – di comprenderne nel tempo le preferenze e mostrare i prodotti di maggiore interesse.
Nel caso della città intelligente (o Smart City), l'Artificial Intelligence è particolarmente utilizzata per la sicurezza. Ad esempio, i software di video analytics all'interno delle telecamere intelligenti sono in grado, senza violare la privacy, di rielaborare le immagini e riconoscere situazioni di pericolo mediante Intelligenza Artificiale e Deep Learning.
Un altro caso riguarda la possibilità che dispositivi indossabili applicati in ambito industriale, ad esempio all’interno di una fabbrica (Smart Factory), possano raccogliere informazioni sull’ambiente di lavoro e, in maniera del tutto autonoma, comprendere se il lavoratore si sta esponendo a una situazione di pericolo, allertandolo tempestivamente.
Un altro esempio riguarda l'uso dell'AI per la manutenzione predittiva, in grado di rilevare suoni anomali dai macchinari e prevenirne tempi di fermo. Rispetto alla manutenzione predittiva "classica", infatti, la qualità e la quantità dei dati sullo stato dei macchinari è superiore.
AI e IoT in casa o in fabbrica
Negli scorsi anni, abbiamo assistito alla nascita di diverse startup focalizzate sullo sviluppo di piattaforme / hub in grado di permettere l’integrazione multiprotocollo tra dispositivi eterogenei, per gestire scenari complessi. Quelle soluzioni – e in generale la strada Cloud per l’interoperabilità – sono ancora valide, ma potranno essere potenziate ancor di più dai nuovi algoritmi di Intelligenza Artificiale.
Si pensi a quanto già oggi avviene tra le diverse applicazioni di un PC: un agente AI, basandosi sul contenuto delle e-mail e sugli interessi dell’utente, fa apparire automaticamente un appuntamento in agenda. Questo approccio potrebbe essere replicato nel mondo dell’Internet of Things. È il caso, ad esempio, della gestione dei dispositivi smart presenti in casa: un hub che, a partire dalle abitudini e dai gusti del consumatore, decide il momento in cui sia più opportuno attivare la lavatrice precaricata dall’utente o accendere l’impianto di riscaldamento.
L’AI può avere molteplici impieghi anche in fabbrica. Un esempio è rappresentato dalle piattaforme che, a partire dai dati in ingresso rilevati dai pezzi in transito sulle linee e a seconda degli ordini in arrivo, possono decidere il momento migliore per cambiare lo scheduling della produzione, ottimizzando così costi e livello di servizio.
Iniziano quindi a vedersi alcuni impieghi dell’Intelligenza Artificiale (AI) all’interno delle soluzioni IoT, ma la strada da percorrere è ancora lunga: troppo spesso ancora oggi si tende a limitare l’ambito di azione dei sistemi IoT all’automazione di semplici funzionalità già esistenti o alla gestione remota di dispositivi connessi, senza esplorare scenari più avanzati.
IoT e AI Generativa
La Generative AI, in grado di generare automaticamente contenuti, come testo, immagini o suoni ed elaborare o analizzare dati esistenti, ha contribuito ulteriormente a trasformare il panorama dell’IoT. Infatti, l’Intelligenza Artificiale Generativa ha aperto nuovi scenari di utilizzo, amplificando i vantaggi derivanti dall'impiego di dispositivi intelligenti.
Ad esempio, la Generative AI integrata negli smart home speaker consente a questi ultimi di offrire interazioni più intuitive e naturali con i dispositivi. Grazie alla GenAI gli assistenti vocali possono dare risposte personalizzate, sintetizzare notizie e realizzare narrazioni creative, adattandosi alle preferenze degli utenti. Rimanendo in ambito consumer, l’AI generativa può essere impiegata anche nelle auto connesse per creare automaticamente contenuti multimediali, come ad esempio playlist personalizzate.
Spostandoci in ambito B2b, invece, la Generative AI può rappresentare un valido alleato semplificando i processi di installazione in diversi ambiti, dagli asset o contatori connessi nel contesto Utility ai macchinari industriali in quello manifatturiero. In ambito industriale, inoltre, le tecnologie AI assumono un ruolo chiave nella manutenzione predittiva (capace di individuare il tempo residuo prima del guasto) e in quella prescrittiva (che fornisce raccomandazioni specifiche in base ai dati raccolti sulle condizioni dell’apparecchiatura). Durante i processi di riparazione, invece, l’AI è in grado di analizzare rapidamente il problema e fornire suggerimenti per ripristinare la produzione.
I dati raccolti dagli oggetti connessi possano dunque generare un valore reale, a patto che vengano adeguatamente elaborati e gestiti. Secondo i dati di Ricerca dell’Osservatorio, però, a oggi solo poco più della metà delle grandi aziende operanti in Italia che ha all’attivo progetti IoT utilizza i dati raccolti, in forma grezza o rielaborata, nonostante questi siano essenziali per abilitare nuovi servizi e modelli di business.
Il potenziale dell’AI generativa, infatti, potrebbe consentire alle aziende di attivare nuove offerte personalizzate, adattandole alle esigenze specifiche di ciascun cliente.
Le opportunità del Machine Learning e il ruolo dell'Edge Computing
L’utilizzo del Machine Learning e delle altre tecniche di apprendimento alla base dell’Intelligenza Artificiale acquisirà un ruolo sempre maggiore per affiancare ai servizi più tradizionali nuove logiche in grado di soddisfare – e in molti casi anticipare – i bisogni di aziende e consumatori. Ne sono esempio concreto le novità proposte sia da grandi OTT (Over The Top) sia da startup, che tendono sempre più a sfruttare le informazioni generate da componenti e sensori connessi alla rete al fine di generare analisi avanzate e predittive.
In questo senso, l’Edge Computing è e sarà fondamentale in quelle soluzioni dove si ha la necessità di elaborare in tempi molto rapidi una risposta a stimoli esterni. Si pensi ad esempio a un robot che autonomamente effettua la consegna di pacchi a domicilio muovendosi nel traffico cittadino, come nei casi di Yape e Amazon Scout, e che quindi deve essere in grado di interagire con l’ecosistema circostante e rielaborare il proprio percorso ogni qualvolta incontri un ostacolo o un imprevisto sul proprio cammino. Tutto ciò è estremamente affascinante, ma apre ovviamente importanti temi da affrontare in termini di cyber security e privacy.
- Autore
Gli ultimi articoli di Giulio Salvadori
