Grazie alle tecnologie introdotte dalla digital trasformation, oggi il processo di automazione arriva a robotizzare i software.
Quando si parla di robot si immaginano in genere macchine industriali che automatizzano certi processi e li svolgono al posto dell’uomo, in un ambiente separato dall’operatore oppure in collaborazione con esso, come nel caso dei cobot – robot collaborativi. La robotica industriale è una tecnologia collaudata nei processi produttivi ormai da una decina di anni. Ancora oggi le imprese guardano a essa come strumento naturale per l’automazione dei processi produttivi. In quasi tutte le aziende, a prescindere dalla struttura e dalle dimensioni dell’organizzazione, vi sono processi in cui nella parte produttiva il robot può effettivamente dare un valore aggiunto, eliminando attività manuali o attività ripetitive e sgravando l’operatore dal punto di vista ergonomico e della sicurezza della persona. Ma non tutte le realtà sono già state in grado di automatizzare tali processi. La trasformazione più recente dei processi produttivi, che prende il nome di digital transformation, ha posto molti quesiti a manager di vari settori che oggi si interrogano su come ricollocare alcuni processi sia a livello produttivo che a livello di worflow interno, in modo da eliminare il più possibile la ripetitività e introdurre l’automazione, rendendo la filiera più efficiente. Grazie alle tecnologie della digital trasformation, in primis l’intelligenza artificiale e il machine learning, oggi il processo di automazione si spinge ben oltre l’adozione di robot e arriva a robotizzare i software.
Intelligenza artificiale e machine learning: una definizione
Apriamo una breve parentesi sulla definizione di intelligenza artificiale e machine learning. Quello di “intelligenza artificiale” è un concetto molto ampio. La definizione più generica possibile è: insieme di metodologie e tecniche che consentono a un sistema di eseguire operazioni che ad un osservatore comune sembrerebbero di essere pertinenza esclusiva dell’intelligenza umana. Un sistema di intelligenza artificiale lavora quasi in modo creativo, non seguendo cioè dei protocolli standard, non sulla base di logiche deterministiche bensì su evidenze estratte automaticamente dai dati. Il machine learning è un sottoinsieme dell’intelligenza artificiale e si basa sull’apprendimento. È un insieme di metodi statistici in grado di dare ai sistemi la capacità di operare e apprendere automaticamente dalla propria esperienza. La programmazione tradizionale parte dai dati e da regole da applicare a quei dati per arrivare a dei risultati. Il machine learning rovescia questo approccio: partendo da dati e dai risultati ottenuti da quei dati per risolvere un problema, estrae delle regole, con le quali riuscirà ad affrontare lo stesso tipo di problema in futuro pur partendo da dati mai visti prima. Questo elemento – la capacità di partire da dati mai visti e risolvere problemi – è una caratteristica fondamentale dei sistemi di intelligenza artificiale e machine learning. Ciò permette applicazioni in ambito industriale che la programmazione standard non permette. Ad esempio, di reagire con precisione a situazioni nuove e in divenire sulla base di una esperienza pregressa. Tale capacità apre naturalmente possibilità nuove nei processi di automazione.
