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.
-
-
AI in R&D, from zero to god mode
Che sia un report automatizzato, una dashboard che processa i dati rapidamente o pipeline di predizione custom, c’è sempre un modo per liberarsi dei processi noiosi e meccanici per concentrarvi su quello che conta, che è interpretare i risultati per scoprire qualcosa di nuovo.
-
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.
-
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.
-
L’AI apprende, l’AI predice… Ma cosa vuol dire in concreto?
L’AI fa predizioni generalizzando informazioni che ha già visto nel passato, in base alla situazione che sta osservando nel momento presente.
In particolare, in industria osservare la situazione del momento presente significa elaborare in real-time i dati dal campo – temperatura, pressione, portata, ma anche immagini superficiali o di altro tipo. Questi diventano gli input del modello
