Sono un responsabile qualità: per cosa mi serve l’AI?
Scarti, rilavorazioni, tempo perso in analisi manuali: come l’AI industriale supporta il Responsabile Qualità senza sostituire il giudizio umano.
-
-
Analysts, creators, workers: tre tipi di AI e come orchestrarle al meglio
AI predittiva, generativa o agentiva: tre tecnologie diverse con requisiti e costi diversi. Una guida per CEO e C-level che devono orientarsi prima di approvare un progetto AI in ambito industriale.
-
AI Act e industria: le cose da sapere
L’AI Act è il primo quadro normativo vincolante per l’uso e la fornitura di sistemi di AI nell’UE. Classifica i sistemi in quattro livelli di rischio — da vietato a minimo — con obblighi e sanzioni proporzionali. In Italia, la Legge 132/2025 lo recepisce senza aggiungere nuovi obblighi, ma introduce aggravanti penali già operative e delega al Governo i dettagli procedurali entro ottobre 2026. Per il manifatturiero, il punto di partenza è uno solo: sapere quali sistemi hai, e a quale livello di rischio appartengono.
-
Industrial AI 2026: su quali use case investire?
EIT Manufacturing ha mappato le 10 sfide del manifatturiero europeo. Per chi lavora in R&D, è la mappa più utile per decidere dove concentrare l’innovazione AI.
-
L’AI ha sete e vuole energia, ma come si calcola?
Ma com’è che si calcola il consumo dell’AI? Quali sono le strategie che vengono utilizzate per ricostruire questi numeri?
-
Curva P-F AI-driven, ovvero come vedere nel futuro
Utilizzando strumenti di data science e facendoci aiutare dai modelli di classificazione allenati man mano, possiamo ricostruire in modo empirico l’intervallo P-F di uno specifico modo di guasto. Per farlo servono i parametri di processo che possano rappresentarne i sintomi, qualcuno che sa come evolve il modo di guasto, e l’indicazione precisa di quando il guasto è stato registrato. Ah, e tanto tempo e pazienza per ripetere i vari test.
Alla fine, avremo costruito una curva P-F precisa, e un modello di manutenzione predittiva che è predittivo per davvero. -
AWS Summit 2025 | Usare l’AI generativa per esplorare i disegni tecnici
AI per leggere schemi tecnici? Si può! Utilizzando OCR, NLP e LLM, è stato possibile cercare nei disegni tecnici in archivio componenti già progettate per concentrarsi sul lavoro di innovazione del team.
-
TEDx | Macchine pensanti: l’importanza delle scelte per un’AI consapevole
Sapreste riconoscere una persona da una macchina? Domanda stupida, la riformulo. Immaginate di discutere via chat con qualcuno. Riuscireste a dire se state parlando con un chatbot o una persona? Beh, con ragionevole certezza sì, penserete. E invece, secondo uno studio pubblicato nel febbraio 2024, vi sbagliate. Matthew O. Jackson e il suo team hanno…
-
Agenti AI, industria e cose belle
Gli agenti uniti alla potenza dei LLM apre nuovi orizzonti prima difficili da immaginare, in tutti i settori. Un agente con gli strumenti giuste e abbastanza informazioni può potenzialmente sostituire una persona esperta in qualsiasi task digitale – e in alcuni casi anche fisico. Tuttavia, costruire agenti complessi può essere costoso e resource-demanding (acqua, energia, potenza computazionale…), e la gestione della compliance e della responsabilità di scelta non è sempre facile da gestire.
-
Transfer learning in industria: quando i modelli vanno in università
Il transfer learning è una tecnica interessante quando si ha un task abbastanza generalizzabile ma pochi dati per il training. Con tempi per l’allenamento ridotti e performance più alte, apre molte potenzialità e ha trasformato il modo in cui oggi i modelli di riconoscimento di immagini e di linguaggio sono costruiti. Nel campo industriale possono essere molto utili per la gestione del ciclo vita del modello e lo scale up di un modello esistente su altri casi simili. Anche se il primo training deve essere gestito con metodi tradizionali, quello che segue può essere gestito con pochi dati e sfruttando la conoscenza pregressa.
