Di seguito condividiamo un articolo di Adriano Ceccherini, Chief Business Officer di SAP Italia che porta in evidenza come la GenAI possa lasciare un segno importante in cinque settori che si basano sul lavoro fisico: agricoltura, edilizia, manifatturiero, aerospaziale e difesa e utility.
Buona lettura!
Come la GenAI aiuta cinque settori ad alta intensità di manodopera
La GenAI può lasciare un segno nei settori che si basano sul lavoro fisico, dall’agricoltura alla produzione manifatturiera.
Negli oltre due anni trascorsi dall’introduzione di ChatGPT da parte di OpenAI, l’AI generativa è stata principalmente associata alle professioni impiegatizie. Uno studio del 2024 svolto dalla Society for Human Resource Management e dal Burning Glass Institute osserva che questa tecnologia trasformerà in modo significativo quasi tutte le categorie di lavoro impiegatizio, mentre “il lavoro operaio rimarrà al riparo da gravi sconvolgimenti”.
Per ora, forse. Ma anche molti settori tipicamente associati al lavoro fisico stanno sperimentando la GenAI per risolvere problemi apparentemente irrisolvibili, che spaziano dal miglioramento dei raccolti in agricoltura alla riduzione della carenza di lavoratori nell’edilizia.
In particolare, di seguito vediamo come cinque settori ad alta intensità di manodopera stanno già ottenendo benefici dall’utilizzo della GenAI. I loro approcci creativi offrono spunti di riflessione per qualsiasi area e ruolo aziendale su come ottenere il massimo valore da questa tecnologia rivoluzionaria.
Agricoltura: aumentare la consapevolezza degli agricoltori
La produzione alimentare sostenibile è in prima linea tra le sfide del settore agricolo. Gli agricoltori di oggi devono utilizzare in modo efficiente le risorse naturali come suolo, sementi e acqua, oltre a ridurre l’impatto ambientale dell’agricoltura attraverso la produzione di metano, l’uso di pesticidi e altri elementi. Allo stesso tempo, devono adattarsi a un clima in continua evoluzione che influisce direttamente sui profitti.
Queste pressioni hanno spinto le organizzazioni a ideare una serie di applicazioni di GenAI, che vanno dai chatbot per i piccoli agricoltori in India ai sistemi di raccolta e analisi dati per i conglomerati agricoli multinazionali.
Digital Green, un’organizzazione no-profit che sviluppa tecnologie per aiutare gli agricoltori nei paesi in via di sviluppo, ha implementato un chatbot agronomo virtuale per gli agenti cooperativi di divulgazione in India, Kenya ed Etiopia. L’obiettivo è fornire informazioni su aspetti essenziali dell’agricoltura come sementi, clima e persino prezzi di mercato. Digital Green ha avviato il progetto pilota addestrando il modello con dati scientifici attendibili provenienti da fonti come la ricerca agricola peer-reviewed. Tuttavia, poiché l’agricoltura è un’attività locale, il passo successivo sarà quello di aggiungere informazioni specifiche a livello regionale, come i modelli meteorologici e le caratteristiche del suolo. In futuro, inoltre, l’organizzazione spera di utilizzare la generazione aumentata di dati per acquisire informazioni in continua evoluzione, come i prezzi di mercato locali per diverse colture.
E in Svizzera, la società tecnologica Datamars sta studiando come la GenAI potrebbe essere utilizzata per migliorare la produzione di latte e raccogliere dati sulla sostenibilità, sempre più importanti non solo per il pubblico acquirente, ma anche per i governi.
Edilizia: combattere le sfide del lavoro e della produttività
Storicamente, il settore edile è stato riluttante a investire in tecnologia. Ma, di fronte alle sfide legate a manodopera e produttività, i grandi costruttori stanno sperimentando la GenAI.
La manodopera qualificata sta diventando sempre più scarsa, i lavoratori più anziani abbandonano il settore e sempre meno giovani vi entrano. Una ricerca di Associated Builders and Contractors ha evidenziato che più di un operaio edile su cinque ha 55 anni o più. Nel frattempo, la produttività è in calo e gli sforamenti di tempi e costi sono la norma, con solo l’8,5% dei megaprogetti (1 miliardo di dollari o più) che soddisfa o supera le aspettative di tempo e budget, secondo Bent Flyvbjerg, professore emerito presso la Saïd Business School dell’Università di Oxford.
La GenAI offre la possibilità per i costruttori di utilizzare i dati accumulati in decenni per risolvere questi problemi. “Abbiamo a disposizione 40 anni di dati relativi al settore edile”, ha evidenziato Kelsey Gauger, direttore nazionale per l’eccellenza operativa di Suffolk Construction. Tuttavia, per molte aziende edili, questi dati sono isolati, non standardizzati e difficili da accedere.
Turner Construction, che gestisce 30.000 contratti all’anno con i suoi fornitori di manodopera e materiali, aveva bisogno di aumentare la produttività del suo processo di approvvigionamento. L’azienda sta cercando di utilizzare la GenAI per elaborare le bozze di contratto generando automaticamente il testo per gli Statement of Work o gli accordi quadro di servizio. Gilbane Building Company, nel frattempo, sta sperimentando un modello linguistico di grandi dimensioni che aiuta i team di progetto a recuperare documenti di costruzione aggiornati in pochi secondi.
Manufacturing: mitigare la carenza di competenze ed evitare costosi tempi di inattività
Anche nel settore manifatturiero scarseggiano lavoratori qualificati. Il Manufacturing Institute, l’ente per lo sviluppo della forza lavoro della National Association of Manufacturers, ha dichiarato che la carenza di manodopera qualificata potrebbe lasciare scoperti 2,1 milioni di posti di lavoro nel settore manifatturiero entro il 2030.
Questo spiega perché chatbot basati sulla GenAI e su voluminose quantità di specifiche, manuali tecnici e altre informazioni sta riscuotendo un grande successo in questo settore. Questi bot possono essere utilizzati per formare e fornire risposte in tempo reale al personale più giovane, fornendo istruzioni su come riparare le apparecchiature e persino con quali strumenti.
Secondo Boston Consulting Group (BCG), i produttori dovranno impiegare sia la GenAI che l’intelligenza artificiale basata su machine learning/deep learning per migliorare le operazioni di fabbrica. Ad esempio, l’intelligenza artificiale tradizionale può prevedere quando una macchina è a rischio di guasto, ma quando si aggiunge un chatbot basato sulla GenAI in grado di istruire un tecnico di manutenzione su come intervenire per evitare guasti, può rappresentare un moltiplicatore di forza.
Ad esempio, un produttore di ascensori ha sviluppato un sistema di consulenza per la manutenzione per migliorare le riparazioni post-vendita. Basato sui manuali d’uso e di assistenza dei vari modelli di ascensori dell’azienda e dei loro principali sottosistemi, un chatbot aiuta i tecnici sul campo a diagnosticare e risolvere rapidamente i problemi. Un primo progetto pilota segnala una riduzione del 90% dei tempi di riparazione.
Aerospaziale e difesa: migliorare la progettazione dei componenti
I produttori del settore aerospaziale e della difesa sono particolarmente prudenti quando si tratta di implementare l’intelligenza artificiale di ultima generazione. Che si tratti di aerei, satelliti, droni, navi militari o carri armati, le apparecchiature che producono sono estremamente costose, nell’ordine di milioni, se non miliardi, di dollari. Altrettanto importante, le apparecchiature devono essere conformi a rigorose specifiche militari, governative e di sicurezza dei dati.
Sebbene queste aziende vedano diversi potenziali vantaggi della GenAI, tra cui il miglioramento della manutenzione predittiva e dei servizi post-vendita, l’applicazione più diffusa oggi riguarda la progettazione delle apparecchiature. Circa il 41% delle aziende aerospaziali e della difesa, secondo un’analisi di Capgemini ha dichiarato di aver sperimentato l’AI generativa nella modellazione 3D per accelerare la progettazione, migliorare l’aerodinamica dei componenti e ridurre i costi.
Le aziende aerospaziali e della difesa hanno iniziato a utilizzare il cosiddetto “design generativo” per ottenere una nuova prospettiva, a volte andando oltre ciò che un cervello umano avrebbe potuto immaginare. Il concetto ha fatto notizia nel 2023, quando un ingegnere della NASA ha mostrato come la tecnologia potesse progettare componenti di veicoli spaziali ultraleggeri in tempi record. In Boeing, i ricercatori stanno esplorando come i modelli di GenAI possano migliorare la progettazione degli aeromobili.
Utility: migliorare la gestione e la manutenzione delle infrastrutture
Le aziende di servizi pubblici di oggi si trovano ad affrontare innumerevoli sfide, tra cui la gestione di numerose nuove fonti di energia e l’evoluzione dei modelli di business.
La GenAI potrebbe aiutare le aziende a capire come distribuire i diversi tipi di energia e a quale fornitore pagare l’energia utilizzata. La speranza è che, gestendo questa complessità, la GenAI riduca i costi operativi e aumenti l’affidabilità. Le aziende di servizi pubblici utilizzano la GenAI anche per migliorare la manutenzione e le riparazioni, in particolare analizzando i video delle infrastrutture.
La crescente complessità del settore dei servizi pubblici può creare confusione per i consumatori, con le numerose opzioni energetiche tra cui scegliere e le diverse tariffe per ciascuna. Grazie alla capacità della GenAI di raccogliere i dati corretti, gli operatori del servizio clienti potrebbero rispondere alle domande e fornire informazioni sui consumi energetici dei clienti, potenzialmente in tempo reale. Potrebbero persino consigliare ai clienti come risparmiare, ad esempio identificando le ore non di punta per ricaricare i loro veicoli elettrici.
Inoltre, i chatbot di GenAI, formati sulla base di manuali e dati appropriati, possono aiutare i tecnici sul campo a riparare le infrastrutture in modo più rapido ed efficace. Un addetto alla manutenzione, ad esempio, potrebbe chiedere a un bot di GenAI come riparare un’apparecchiatura specifica in loco. Dopo aver analizzato i dati, il bot potrebbe fornire istruzioni in un linguaggio semplice, facilitando l’accesso alle conoscenze specialistiche.
di Adriano Ceccherini, Chief Business Officer di SAP Italia
