La capacità di gestire, valorizzare e interpretare correttamente i dati rappresenta il primo passo del percorso di un’azienda – anche di piccola e media dimensione – verso l’utilizzo consapevole dell’Intelligenza Artificiale.
In questo articolo, a cura dell’Osservatorio Innovazione Digitale nelle PMI della POLIMI School of Management, scopriamo la storia di Dinamica Generale. La PMI, con sede a Poggio Rusco, nell’Oltrepò Mantovano, offre una preziosa lezione su come costruire le fondamenta necessarie per un percorso di Innovazione Digitale che approdi all’AI, caratterizzato da tappe chiave come la creazione di una data strategy, lo sviluppo di competenze specialistiche e la contaminazione tra diversi settori.
L’applicazione dell’AI per un’agricoltura e un allevamento “intelligenti”
Dinamica Generale – oggi leader mondiale nella progettazione e produzione di sistemi di pesatura, sensori NIR (Near-Infrared Spectroscopy) e software per l’agricoltura di precisione e l’industria medica – ha evoluto il proprio business partendo, nel 1990, dalla realizzazione di celle di carico per carri miscelatori per l’alimentazione del bestiame.
L’ingresso dell’azienda nel mercato dell’analisi NIR – tecnica basata sulla spettroscopia, in grado di determinare la composizione chimica e alcune proprietà fisiche dei materiali in esame – l’ha portata a costruire modelli predittivi per stimare le componenti nutrizionali dei foraggi, con l’obiettivo di passare da una nutrizione animale basata sul peso del componente (che include anche l’umidità) ad una basata esclusivamente sui nutrienti utili alla produzione di latte, e quindi ottimizzata. La tecnica NIR viene applicata dall’azienda anche in altri ambiti di sua competenza:
- agricoltura di precisione: partendo dall’analisi del terreno, che permette di rilevare la distribuzione di principali nutrienti azotati per le piante (azoto totale, azoto ammoniacale, …), si definiscono le cosiddette “distribution map”, mappe che permettono di evidenziare per ciascuna parcella del campo la quantità di nutriente necessario per ottimizzare la resa;
- settore biomedicale, ad esempio per le analisi del sangue.
Con il tempo, la squadra interna di matematici e informatici ha compiuto un’evoluzione nei modelli predittivi impiegati ai dati raccolti, passando da regressioni lineari a tecniche di Machine Learning e, più recentemente, a modelli di Deep Learning. Inoltre, una piattaforma software consente oggi di monitorare in tempo reale lo stato degli analizzatori NIR dislocati in tutto il mondo, eseguire manutenzioni predittive e aggiornare da remoto i modelli installati a bordo dei sensori.
Per comprendere a fondo il caso di Dinamica Generale è necessario precisare che l’applicazione dell’Intelligenza Artificiale non è stata un punto di partenza, ma il frutto di un’evoluzione. Affinché l’Intelligenza Artificiale generi valore ad un’organizzazione, infatti, la sua introduzione deve essere preceduta da una presa di consapevolezza dello strumento e del contesto, valutando opportunità e rischi. Senza una strategia chiara nella raccolta e nell’utilizzo delle informazioni, anche i progetti più ambiziosi rischiano di poggiare su fondamenta fragili.
Dato che l’Intelligenza Artificiale e gli algoritmi di Machine Learning si basano sui dati e di questi si alimentano, è fondamentale fare riferimento alla data strategy, ovvero l’insieme di azioni pianificate compiute da un’organizzazione per amministrare, sfruttare, salvaguardare e valorizzare i propri dati al fine di supportare gli obiettivi aziendali nel medio lungo termine. Il suo scopo è quindi trasformare i dati grezzi in informazioni di supporto decisionale, al fine di migliorare l’efficienza operativa e l’efficacia dei processi.
Come sottolinea Alberto Barbi, Dirigente e Deputy manager di Dinamica Generale, “Il dato è alla base di qualunque processo la cui elaborazione porti all’aggregazione di nuove informazioni. Ovviamente, la scelta dell’algoritmo da applicare fa una grande differenza nei risultati ottenibili, ma il primo passo è quello di avere un dataset accurato, privo di errori e affidabile”.
Il processo di data cleansing è, secondo l’intervistato, estremamente importante: “in mancanza di un livello di digitalizzazione di base e di una cultura del dato, non è applicabile alcuna tipologia di AI. Si rischia di costruire un output senza poi poterlo interpretare correttamente, o di considerare come affidabile un risultato basato su dati errati”.
La contaminazione tra settore agricolo e biomedicale
La data strategy di Dinamica Generale è nata nel solco di un’intuizione: portare nel settore agricolo la stessa attenzione alla qualità e alla tracciabilità del dato tipica del mondo biomedicale. Un’intuizione non casuale, ma figlia dell’esperienza del fondatore, ex responsabile R&D in una multinazionale biomedicale della zona. Questa contaminazione culturale tra il rigore del settore biomedicale e le esigenze del mondo agricolo si è rivelata fondamentale per lo sviluppo dell’azienda.
Fin dai primi anni, infatti, Dinamica Generale ha scelto di identificare ogni componente (ad esempio le celle di carico) con un codice seriale univoco, tracciandone così la storia. Come afferma Alberto Balbi: “questa pratica – seppur non richiesta dalla normativa per il settore agricolo – è stata adottata volontariamente proprio grazie alla sensibilità ereditata dal settore medicale, dove la tracciabilità è obbligatoria e i benefici riconosciuti”. Questo approccio ha permesso all’azienda di monitorare qualità e prestazioni, costruendo con il tempo dei dataset affidabili, un primo passo per lo sviluppo di algoritmi di AI.
In questo ecosistema, ogni informazione – dalla quantità di foraggio distribuito alla resa del campo – contribuisce a creare conoscenza e valore. L’Intelligenza Artificiale rappresenta la punta di un iceberg fondato su digitalizzazione, data governance e know-how interno.
Una cultura d’impresa che investe nella conoscenza
Tra gli altri fattori che hanno contribuito alla positiva esperienza di Dinamica Generale emergono, da un lato, la volontà dell’azienda di coltivare e fare proprie le competenze specialistiche necessarie al proprio sviluppo (fisica, ottica, elettronica, data science, …) e, dall’altro lato, la capacità di collaborare con le università del territorio per attingere a quelle abilità o conoscenze non ancora presenti al proprio interno.
A ciò si aggiunge il ruolo della cultura d’impresa promossa dal management che, come evidenzia Alberto Balbi, “ha sempre dato ampio spazio alla sperimentazione e alla formazione, permettendo ai collaboratori di arricchire il proprio bagaglio di nuove conoscenze e competenze”.
I principali insegnamenti
In conclusione, il caso di Dinamica Generale mostra come anche una PMI possa diventare pioniera nell’applicazione delle tecnologie evolute e dell’Intelligenza Artificiale. In questo viaggio, come insegna l’esperienza dell’azienda mantovana:
- la cultura del dato è un prerequisito e occorre sviluppare una solida base di gestione e interpretazione dei dati, che rappresentano i “mattoni” con cui costruire eventuali algoritmi, nuovi prodotti o servizi, applicazioni di AI e molto altro;
- la contaminazione amplifica l’innovazione: la collaborazione con soggetti esterni (università, altre aziende, startup, hub di innovazione, …) e il trasferimento del know-how acquisito in altri contesti possono dare vita a nuove pratiche virtuose;
- anche per una PMI, investire nella formazione e nello sviluppo di nuove competenze, incentivando la sperimentazione e l’innovazione, può generare un vantaggio competitivo di lungo termine.
Contenuti suggeriti dell’Osservatorio Innovazione Digitale nelle PMI