Il 61% delle organizzazioni utilizza l’intelligenza artificiale nell’operatività industriale reale, ovvero dove le prestazioni, l’affidabilità e la sicurezza hanno conseguenze dirette nel mondo fisico. Il 20% dichiara inoltre di avere già implementato l’AI su larga scala, in applicazioni considerate mature.
È quanto emerge dalla ricerca State of Industrial AI Report di Cisco che analizza come e quanto sta accelerando l’impiego di tecnologie di AI nelle infrastrutture fisiche, dalle fabbriche alle reti utility fino ai sistemi di trasporto.
La ricerca – che ha coinvolto oltre 1.000 manager con potere decisionale rispetto alle tecnologie operative in 19 paesi, tra cui anche l’Italia, di 21 diversi settori industriali–, evidenzia che l’AI sta generando vantaggi operativi misurabili in vari casi d’uso: automazione di processo, automazione dell’ispezione di qualità, manutenzione predittiva, logistica, previsioni energetiche.
Nonostante ciò, molte aziende colgono queste opportunità in modo limitato perché non sono ancora pronte per supportare l’utilizzo dell’AI nella produzione, in tempo reale e in ambienti fisici, mostrando lacune a livello di infrastruttura di rete, cybersecurity e integrazione dei modelli operativi IT/OT.
Indice degli argomenti
Driver e obiettivi: perché l’industria punta sull’AI
L’adozione dell’intelligenza artificiale risponde innanzitutto a obiettivi concreti di ottimizzazione, mettendo l’efficienza in cima alle priorità delle aziende. I fattori determinanti risiedono nell’esigenza di incrementare la produttività, indicata dal 63% del campione, e di ridurre i costi di gestione, opzione selezionata dal 42%.
La forte fiducia nei ritorni economici a breve termine genera aspettative di ROI decisamente rapide da parte dei decision-maker. L’87% dei manager intervistati si attende infatti riscontri tangibili entro un arco temporale di due anni, mentre il 54% punta a rilevare benefici concreti già entro i primi 12 mesi dall’implementazione.
L’esigenza di ottenere risultati in tempi brevi orienta la scelta iniziale verso casi d’uso capaci di dimostrare subito l’efficacia delle soluzioni adottate.
L’evoluzione dei progetti mostra tuttavia una traiettoria che va oltre la semplice ottimizzazione tattica. Se la fase di accesso alla tecnologia vede una netta prevalenza dell’automazione dei processi (56%) e dell’ispezione automatizzata della qualità (41%), i profili aziendali caratterizzati da una maggiore maturità digitale stanno estendendo l’applicazione dei modelli verso obiettivi più complessi, legati in modo diretto alla resilienza operativa, alla sicurezza e alla continuità del business.
Il “collo di bottiglia”: la rete come fondamenta dell’AI industriale
Il passaggio verso l’utilizzo dell’intelligenza artificiale nei contesti industriali reali sposta l’attenzione dall’efficienza dei modelli alla solidità delle infrastrutture fisiche.
La quasi totalità dei responsabili operativi, pari al 97%, prevede che l’introduzione dei carichi di lavoro legati all’AI avrà un impatto significativo sui requisiti delle reti aziendali, mettendone a dura prova la tenuta e le prestazioni.
La capacità di scalare i progetti dipende da fattori infrastrutturali ben definiti. Tra i requisiti più critici indicati dai manager emergono la necessità di potenziare la capacità di calcolo direttamente alla periferia della rete attraverso l’edge compute, opzione indicata dal 44%, e l’esigenza di una maggiore larghezza di banda, segnalata dal 42%.
A questi elementi si aggiunge la stabilità delle infrastrutture di comunicazione: il 96% degli intervistati ritiene infatti vitale la disponibilità di una connettività wireless affidabile per abilitare l’AI in ambito industriale.
I limiti dei sistemi di rete tradizionali rappresentano uno dei principali fattori di rallentamento. Un quarto delle aziende (25%) individua proprio nell’obsolescenza e nei vincoli delle infrastrutture legacy l’ostacolo primario che impedisce di estendere le applicazioni di intelligenza artificiale a livello di intero impianto, limitando il raggio d’azione dei progetti alle sole aree pilota.
Il paradosso della cybersecurity
La sicurezza informatica si conferma la sfida più complessa da gestire lungo il percorso di implementazione dell’intelligenza artificiale.
L’esigenza di proteggere i sistemi da possibili minacce esterne o vulnerabilità interne rappresenta, secondo il 40% degli intervistati, il principale ostacolo all’adozione dell’AI, oltre a essere indicata dal 48% del campione come la sfida numero uno per l’evoluzione stessa delle infrastrutture di rete.
A fronte di questi timori emerge tuttavia un orientamento apparentemente contraddittorio: l’85% delle aziende vede nell’AI uno strumento fondamentale proprio per migliorare e irrobustire la propria postura di sicurezza.
Le tecnologie intelligenti vengono infatti considerate risorse strategiche per ottimizzare il rilevamento tempestivo delle anomalie e garantire un monitoraggio continuo e automatizzato dei flussi di dati all’interno degli impianti.
L’estensione dei progetti di intelligenza artificiale su scala industriale richiede perciò un cambio di approccio nella progettazione delle architetture di rete.
Per superare questa dicotomia, le organizzazioni stanno orientando gli investimenti verso l’adozione di modelli sicuri fin dalla loro progettazione originaria, integrando logiche Zero-Trust e implementando una rigorosa segmentazione della rete per isolare i carichi di lavoro e proteggere gli asset critici.
L’urgenza della convergenza IT/OT
Nonostante l’estensione dei progetti di intelligenza artificiale richieda una profonda e fluida integrazione delle informazioni, la separazione organizzativa tra i dipartimenti informatici e quelli più strettamente legati alla produzione rimane un problema concreto. Il 43% delle realtà industriali opera ancora in una condizione di parziale o totale isolamento, con una cooperazione limitata o nulla tra i team IT e OT.
I benefici derivanti dal superamento di queste divisioni interne emergono chiaramente dalle performance aziendali. Le organizzazioni che dispongono di team allineati e integrati registrano una maggiore stabilità delle infrastrutture e mostrano un livello di sicurezza nettamente superiore nel pianificare lo sviluppo dei progetti di AI su scala geografica o d’impianto, con una percentuale di fiducia che raggiunge l’83% rispetto al 72% riscontrato nelle realtà ancora divise in compartimenti stagni.
La collaborazione sinergica tra IT e OT smette così di essere una scelta discrezionale per trasformarsi in un prerequisito organizzativo a tutti gli effetti.
Senza una governance condivisa diventa complesso gestire in modo efficiente l’enorme mole di dati generata dai sensori e, al tempo stesso, garantire l’applicazione omogenea dei protocolli di sicurezza indispensabili per proteggere l’operatività di fabbrica.
Portare l’AI industriale oltre la fase pilota: le sfide per i decision-maker
La forte determinazione nel voler capitalizzare i benefici legati all’intelligenza artificiale si scontra con la complessità della sua effettiva integrazione nei processi aziendali.
Se da un lato il 93% dei responsabili operativi interpellati da Cisco dichiara un’elevata fiducia nella capacità della propria organizzazione di scalare i progetti di AI, dall’altro la realtà dei fatti impone una visione più prudente: solo un terzo delle aziende prevede di raggiungere una trasformazione operativa completa a livello di intero business nel breve termine.
Le evidenze emerse dalla ricerca indicano che i prossimi tre-cinque anni definiranno il divario tra le realtà capaci di evolvere e quelle destinate a rimanere ancorate a una dimensione pilota.
Per i decision-maker, il successo dei progetti non dipenderà dallo sviluppo di algoritmi isolati, quanto piuttosto da interventi strutturali mirati a modernizzare l’infrastruttura di rete, inserire la cybersecurity come requisito di base non negoziabile e abbattere i silos organizzativi che ancora separano i team informatici da quelli operativi.
La transizione verso l’AI industriale su larga scala si configura perciò come un percorso strategico che richiede una visione d’insieme. Solo mettendo in sicurezza le fondamenta tecnologiche e organizzative, le imprese potranno trasformare le potenzialità teoriche dell’intelligenza artificiale in un vantaggio competitivo duraturo e misurabile all’interno del mercato globale.
“L’AI industriale sta uscendo dalla fase sperimentale per entrare in produzione, dove i sistemi IA rilevano dati, ragionano, agiscono sul mondo reale” commenta Vikas Butaney, SVP/GM of Secure Routing and Industrial IoT di Cisco.
“In questa fase per il successo non conta tanto il modello che si usa, quanto il fatto che le reti, le soluzioni di sicurezza, il personale siano in grado di gestire un’AI che opera a livello edge, dinamica e scalabile. La ricerca dimostra che le organizzazioni in grado di compiere questo passaggio con fiducia sono quelle che considerano l’infrastruttura, la cybersecurity e la collaborazione tra personale IT e addetti alle tecnologie operative fondamentali, e non opzionali”, aggiunge.
