In questo articolo, a cura dell’Osservatorio di Artificial Intelligence, facciamo luce sulle principali applicazioni di AI e sullo stato dell’arte del mercato italiano.
Al fine di fornire un quadro completo delle soluzioni di IA adottate dalle aziende, l’Osservatorio ha individuato sei classi di soluzioni dell’Intelligenza Artificiale, distinte in base alle finalità d’utilizzo. All’interno di queste classi, l’AI Generativa rappresenta una categoria trasversale in rapida espansione, capace di rivoluzionare la creazione di contenuti e l’automazione di processi creativi. A differenza di altre applicazioni dell’IA focalizzate sull’analisi o sull’ottimizzazione di processi esistenti, l’AI Generativa crea valore attraverso la sintesi di nuovi contenuti, posizionandosi come elemento catalizzatore che può amplificare l’efficacia di ciascuna delle altre classi di soluzioni identificate dall’Osservatorio che ora analizziamo nel dettaglio.
Alla categoria dei cosiddetti Chatbot appartengono agenti software in grado di eseguire azioni o erogare servizi per un individuo in base a comandi ricevuti in maniera vocale o testuale. Questi sistemi, utilizzati sempre di più nel Customer Care aziendale come primo livello di assistenza con il cliente, si contraddistinguono per la loro capacità di comprensione del tono del dialogo e di memorizzazione delle informazioni raccolte.
I grandi modelli linguistici e le soluzioni conversazionali basate sulla Generative AI hanno ridato spolvero a questa classe di soluzioni, rendendoli molto più capaci, flessibili e naturali nelle interazioni con gli utenti. La migliore comprensione della domanda e generazione della risposta, la gestione di dialoghi complessi e l’applicabilità per aumentare la produttività individuale ne hanno caratterizzato il successo. Alcuni esempi di applicazione di Intelligenza Artificiale Generativa tramite Chatbot sono ChatGPT, sviluppato da OpenAI, DeepSeek e Gemini, specializzati, tra le altre cose, nella conversazione testuale mediante un linguaggio naturale.
Il Natural Language Processing (NLP) è quel ramo dell’AI che riguarda l’informazione espressa nel linguaggio naturale. Si tratta di soluzioni che elaborano il linguaggio, con finalità che possono variare dalla comprensione del contenuto, alla traduzione, fino alla produzione di testo in modo autonomo a partire da dati o documenti forniti in input.
Anche in questo caso, sono varie le soluzioni di NLP in cui i Large Language Model hanno migliorato le performance ottenibili, dalla traduzione del testo al riassunto di documenti. In questo ambito, la frontiera è rappresentata dalla Smart Search, che consiste nell’utilizzo di soluzioni di Generative AI per interrogare la Knowledge base aziendale e ritrovare informazioni all’interno di documenti che non gli sono stati forniti precedentemente nei dati per l’addestramento.
La Computer Vision è un campo scientifico interdisciplinare che studia algoritmi e tecniche per permettere ai computer di raggiungere una comprensione di alto livello del contenuto di immagini o video. L’attenzione per la Computer Vision è cresciuta molto negli ultimi anni, grazie alla grande diffusione di immagini e video digitali e soprattutto all’avvento di tecniche di Machine Learning.
Si tratta di soluzioni di analisi di immagini, singole o in sequenza (video), orientate al riconoscimento di persone, animali e cose presenti all’interno dell’immagine stessa, al riconoscimento biometrico (es. volto, iride) e in generale all’estrazione di informazioni dall’immagine. Questi sistemi si stanno diffondendo principalmente nell’ambito della videosorveglianza, dove l’analisi delle immagini è fondamentale per individuare eventuali situazioni anomale o di pericolo.
La Generative AI rappresenta l’ultima frontiera anche in questa applicazione. Soluzioni quali DALL-E e Sora di OpenAI sono in grado di generare immagini e video realistici a partire da un input testuale.
Si tratta di algoritmi che analizzano dati specifici per estrapolare informazioni e compiere azioni in conseguenza. In questa categoria rientrano diversi utilizzi, come l’Analisi Predittiva (analisi di dati per fornire previsioni sull’andamento futuro di un determinato fenomeno) e il Rilevamento di frodi (identificazione di elementi non conformi a un modello previsto).
“Chat with your data” è oggi il mantra per spiegare come la Generative AI sta cambiando anche il modo di accedere ai dati e alle informazioni in essi contenute. Tramite la GenAI è oggi possibile dialogare con i dati, chiedere con un linguaggio naturale di estrapolare previsioni, pattern o generare altre viste statistiche e avere così maggiori insight per prendere le decisioni più opportune.
Queste applicazioni AI indirizzano le scelte degli utenti in base ad informazioni da essi fornite (in maniera diretta o indiretta). Tra le soluzioni più diffuse si individuano i sistemi che suggeriscono un acquisto in base a quelli precedenti, influenzando così il customer journey e, più in generale, il processo decisionale dell’utente.
Rientrano in questa classe di applicazioni di Artificial Intelligence:
Dopo questa lunga introduzione, è bene parlare anche di un case study più pratico, utile a capire il potenziale dell’applicazione dell’AI in azienda. Lo facciamo parlando di ZF Gardone, stabilimento italiano della multinazionale tedesca ZF Friedrichshafen specializzato nella produzione di componenti per sistemi sterzanti. L’implementazione di un sistema AI per l’ispezione magnetoscopica ha trasformato radicalmente il processo di rilevamento dei difetti nei pignoni, componenti critici per la sicurezza dei sistemi sterzanti. Grazie alle tecniche di segmentazione delle immagini, l’AI non solo identifica le cricche ma ne visualizza precisamente la posizione, migliorando drasticamente l’accuratezza rispetto all’ispezione umana: l’indice di detectability è sceso da circa 6 a 2 nella scala PFMEA (dove valori più bassi indicano maggiore affidabilità). Il sistema, che opera direttamente sulla linea produttiva mentre viene addestrato in Cloud, ha consentito all’azienda di ridurre significativamente i costi di produzione e di supportare la transizione strategica verso processi di tempra a induzione più efficienti dal punto di vista energetico. Il progetto ha dunque dimostrato come l’AI possa simultaneamente migliorare qualità, sostenibilità economica e ambientale nei processi industriali.
All’interno della sua Ricerca l’Osservatorio Artificial Intelligence ha rilevato che nel 2024 il mercato dell’Artificial Intelligence in Italia ha registrato una nuova crescita da record: +58% rispetto al 2023 che porta il valore complessivo alla cifra di 1,2 miliardi di euro, legata per il 43% a soluzioni di GenAI o progetti ibridi (che includono quindi nelle tecniche di sviluppo sia GenAI sia AI tradizionale), mentre il restante 57% rimane frutto di progettualità di Artificial Intelligence tradizionale. La quasi totalità del valore del mercato è generato dalle grandi imprese (88% del totale). Il restante 12% si suddivide equamente tra Pubblica Amministrazione e PMI.
Sempre secondo la Ricerca dell’Osservatorio, il 59% delle grandi imprese afferma di avere all’attivo, o almeno a livello di sperimentazione, progetti di AI. Nelle piccole imprese questa percentuale si riduce al 7% contro il 15% delle medie imprese.
Nel complesso, le imprese italiane si stanno approcciando all’Intelligenza Artificiale più lentamente rispetto ad altri Paesi: l’81% delle grandi imprese ha almeno valutato un progetto, contro una media europea dell’89%; il 59% ha già un progetto attivo, contro una media europea del 69%. Ma chi già la utilizza, in un caso su quattro ha già progettualità a regime. Il 65% delle grandi aziende attive nell’AI sta sperimentando anche nel campo della Generative AI, soprattutto per sistemi conversazionali a supporto degli operatori interni.
L’Italia è ai primi posti nell’utilizzo di strumenti di GenAI pronti all’uso: il 53% delle grandi aziende ha acquistato licenze di strumenti di GenAI (principalmente ChatGPT o Microsoft Copilot). E il 39% delle grandi imprese che utilizzano questi strumenti ha riscontrato un effettivo aumento della produttività.
Come espresso da Alessandro Piva, Direttore dell’Osservatorio Artificial Intelligence “Il 2024 evidenzia una crescita incessante di interesse e di spesa dedicata all’Artificial Intelligence, a fronte di un’offerta di mercato in fermento e in continua evoluzione. I decisori aziendali sono chiamati oggi ad affiancare approcci agili e veloci con una strategia di lungo periodo che permetta di traguardare obiettivi di produttività individuale, efficienza nei processi e capacità di innovare prodotti, servizi e modelli di business”.
L’Intelligenza Artificiale si conferma non più come una tecnologia emergente, ma come un elemento strutturale della Trasformazione Digitale che sta ridefinendo il panorama competitivo italiano ed europeo. I dati del 2024 testimoniano una crescita significativa del mercato italiano. Tuttavia, emerge con chiarezza anche il divario che separa l’Italia dai principali competitor europei nell’adozione di queste tecnologie, particolarmente evidente nelle piccole e medie imprese.
La sfida per il futuro non risiede solo nell’accelerare l’adozione dell’IA, ma nel farlo con consapevolezza strategica: le imprese italiane devono bilanciare la necessità di sperimentazione rapida con una visione di lungo periodo che integri l’Intelligenza Artificiale nei processi core e nei modelli di business. Come dimostrato dal caso ZF Gardone, quando implementata con metodo e chiari obiettivi, l’IA può generare valore tangibile in termini di qualità, efficienza e sostenibilità. Chi saprà cogliere questa opportunità non solo migliorerà la propria competitività, ma contribuirà a costruire un sistema economico italiano più innovativo e resiliente.
Contenuti suggeriti dell’Osservatorio Artificial Intelligence
