Fino a ieri, l’intelligenza artificiale in fabbrica era una spettatrice silenziosa: analizzava dati, generava grafici e suggeriva ottimizzazioni.
Oggi, l’intelligenza artificiale non si limita ad osservare, ma agisce.
Il caso Zerynth
Zerynth è un’azienda deep-tech italiana che sviluppa una piattaforma IIoT per la digitalizzazione rapida e scalabile della produzione industriale. Attualmente sta evolvendo la propria soluzione in una piattaforma “Industrial AI Copilot” dotata di un agente conversazionale per l’interazione naturale con i dati e i processi produttivi. Lo sviluppo di questa componente di intelligenza artificiale è considerato strategico per l’evoluzione del prodotto e il posizionamento futuro dell’azienda.
Il problema: la barriera tecnica tra uomo e macchina
Configurare un sistema di monitoraggio industriale o cambiare i parametri di produzione richiede spesso competenze tecniche specifiche e tempo speso tra software complessi. Questa “barriera all’entrata” rallenta le operazioni e aumenta il rischio di errori manuali.
La sfida della nostra sperimentazione era chiara: rendere la fabbrica non solo reattiva, ma auto-configurabile attraverso il linguaggio naturale.
La Soluzione: Agenti AI con capacità attuative
Per questo progetto abbiamo sviluppato un’architettura modulare basata su Agentic AI. A differenza di un chatbot standard, questo sistema è dotato di “mani digitali” (tramite API e protocolli MCP) che gli permettono di interagire direttamente con la piattaforma Zerynth.
Ecco i tre pilastri tecnologici della soluzione:
- Orchestrazione Agente: Utilizzo del framework Agno per gestire agenti specializzati in compiti diversi: dall’analisi dei costi alla configurazione dei dispositivi.
- Integrazione Cloud-to-Edge: Grazie alle API Jobs di Zerynth, l’input testuale viene tradotto in un comando fisico inviato direttamente al gateway IoT a bordo macchina.
- Rules Engine Automation: L’AI è in grado di scrivere autonomamente le regole di allarmistica e automazione, traducendo un desiderio dell’operatore in sintassi tecnica corretta.
La sicurezza prima di tutto: Human-in-the-Loop
Interagire con macchinari pesanti richiede una cautela estrema. Per questo, il sistema integra logiche di AI Safety e Explainable AI (XAI). L’agente non esegue mai un comando critico in autonomia: il sistema precompila l’azione e richiede sempre una conferma esplicita dall’utente (Human-in-the-loop). Inoltre, ogni azione è accompagnata da una spiegazione del perché il sistema la sta suggerendo, riducendo drasticamente il rischio operativo.
Cosa abbiamo imparato dai test
La validazione negli ambienti demo e presso il centro di competenza MADE ha mostrato risultati entusiasmanti, ma ha anche evidenziato le sfide del futuro:
- Precisione del contesto: L’AI eccelle nel capire richieste temporali (“questa settimana”) e filtri complessi (“solo le presse della linea A”).
- Digitalizzazione dei manuali: Abbiamo riscontrato che per gestire manuali ricchi di immagini serve un pre-processing avanzato per non perdere dettagli critici durante la conversione in testo per il sistema RAG.
- Mapping dei nomi: È fondamentale che l’AI sappia che “la pressa grande” corrisponde all’ID tecnico “PR-094”, un lavoro di mappatura semantica su cui stiamo continuando a investire.
Takeaway per il futuro dell’industria
Il successo di questa fase del progetto AI-MATTERS apre le porte a una fabbrica dove:
- L’efficienza è a portata di voce: Meno tempo perso in configurazioni, più tempo per la strategia.
- La tecnologia è inclusiva: Anche personale meno esperto di software può gestire configurazioni complesse in sicurezza.
- L’interazione è proattiva: Il sistema non aspetta ordini, ma suggerisce modifiche ai parametri basandosi sui costi energetici o sui carichi di produzione.
La collaborazione tra AI-MATTERS e Zerynth sta dimostrando che il controllo conversazionale è la chiave per una digitalizzazione democratica e sicura. La fabbrica del futuro non si comanda con i codici, ma con il dialogo.