L’IA, in quanto tecnologia per l’estrazione e sfruttamento automatico dell’informazione contenuta nei dati, promette di essere uno dei fattori chiave nell’evoluzione di tutti i settori produttivi, da quello manifatturiero a quello dei servizi, dalle utenze fino all’agricoltura.
Infatti, la crescente capacità di monitorare i processi che concretizzato tali filiere, e quindi di raccogliere dati e letture delle attività che si svolgono su una scala estremamente fine, permette lo sviluppo di uno strato di puro modello informativo accoppiato a qualunque attività fisica. Uno sfruttamento aggressivo delle elaborazioni possibili in tale strato permette, teoricamente, un livello senza precedenti di controllo e ottimizzazione delle attività fisiche corrispondenti, che va ben al di là della mera reattività e automazione per mirare a proattività e intelligenza.
Perché tale potenziale dispieghi i suoi effetti, però, sono necessari strumenti di trasformazione ed elaborazione di dati in informazioni, come quelli offerti dall’IA e dall’apprendimento automatico, che siano di livello industriale, ovvero capaci di fornire altissime prestazioni, costanti, garantite, ed affidabili pur all’interno di ambienti a risorse limitate e, spesso, con vincoli realizzativi stringenti.
Oltre a ciò, il fatto che si operi in un contesto ad alto valore economico e in collaborazione anche fisica con esseri umani, accentua notevolmente il significato di errori, rotture e responsabilità connesse. Tutto ciò, considerando anche la dipendenza del processo di sviluppo di IA industriali dalla disponibilità di ingenti investimenti di capitale, evidenzia la criticità del rapporto con le “regole” che deve essere gestito da un punto di vista interdisciplinare molto ampio.
“IA per l’industria” ha quindi bisogno di competenze applicative e metodologiche che vengono da molteplici domini di conoscenza e i cui contributi daranno forma ai settori produttivi delle future economie sviluppate.
Le aree di ricerca in ambito IA per industria sono riassumibili come segue: