IoT, Internet delle cose, e AI, intelligenza artificiale, sono certamente tra le tecnologie e i trend di mercato più discussi e promettenti del momento. Attraverso l’IoT siamo in grado di “mettere intelligenza” ovunque, in qualunque dispositivo o componente dello spazio fisico che ci circonda. Grazie all’AI, siamo in grado di svolgere elaborazioni molto sofisticate che valorizzano, sfruttano e integrano una molteplicità di tecniche e metodi sviluppati sin dalla nascita dell’informatica in diversi settori scientifici: dalla statistica alla ricerca operativa, dalle reti neurali agli algoritmi di analisi dei Big Data. In generale, è indubbio che IoT e AI costituiscano oggi due leve importanti per creare nuovi o rinnovati prodotti, servizi e processi. Ma qual è il legame logico e funzionale tra queste due tecnologie? Come possono essere utilizzate congiuntamente?
La catena del valore del dato
Intelligenza artificiale e IoT sono due anelli importanti della catena del valore del dato, cioè il processo attraverso il quale si è in grado di estrarre valore dai dati che qualificano uno specifico dominio o contesto applicativo. Per esempio, l’analisi dei comportamenti e delle prestazioni di un’auto permette sia di tarare e raffinare i parametri di funzionamento del mezzo in base allo stile di guida dello specifico conducente, così di ottimizzarne le prestazioni e diminuirne i consumi, che di fornire al reparto di ingegneria dell’azienda produttrice indicazioni utili al miglioramento del prodotto.
Come si compone la catena del valore del dato?
Tipicamente, i sistemi informatici che implementano questa catena del valore del dato sono strutturati secondo il seguente schema a sei livelli:
- Sensoristica: il livello delle componenti hardware e software che hanno il compito di tradurre segnali fisico-chimici in rappresentazioni numeriche. Un sensore svolge esattamente questo compito: associa a un fenomeno del mondo reale una rappresentazione numerica che lo descrive (per esempio, la temperatura o la pressione rilevati in un punto preciso di una macchina).
- Fog computing: sistemi periferici per la raccolta e lo storage temporaneo delle informazioni raccolte.
- Wide Area Network: i sistemi di telecomunicazione che si occupano di convogliare i dati raccolti e trasmetterli alle diverse parti interessate alla loro elaborazione.
- Repositories: conservano e organizzano i dati (tipicamente in cloud), integrandoli con quelli di altri sistemi aziendali (per esempio, sito web o ERP) o che siano stati prodotti direttamente dagli esseri umani (clienti o operatori aziendali). È essenziale notare che questi dati sono sempre più storicizzati e di natura multimediale e/o destrutturata.
- Algoritmi: elaborano i dati raccolti al fine di estrarre informazione e conoscenza utili ad affrontare lo specifico problema applicativo considerato.
- Visualisation & feedback: l’insieme delle componenti digitali che presentano i risultati delle elaborazioni alle diverse categorie di utenti o ad altri sistemi e componenti digitali (machine-to-machine).
Spesso, l’espressione IoT viene utilizzata per rappresentare l’insieme dei sei livelli. In realtà, IoT è l’insieme di tecnologie che costituisce l’interfaccia tra il mondo fisico e quello digitale (livelli 1 e 2), mentre l’AI interviene al livello 5, arricchendo rispetto alle tecniche tradizionali la capacità di elaborazione delle informazioni disponibili.
Come sviluppare la catena del valore del dato?
L’approccio adottato da Cefriel per aiutare le aziende a sviluppare la catena del valore del dato si basa su un processo di progettazione, sperimentazione e sviluppo “leggero”, agile, iterativo e fortemente esplorativo.
Un punto di forza consiste nel disporre di una serie di asset riusabili, sia materiali che immateriali, per intervenire sui diversi livelli sopra esposti:
- modelli di assessment e maturità: permettono di valutare la bontà, completezza e grado di sviluppo/innovazione digitale di un processo, prodotto o servizio.
- Componenti Hardware/Software: componenti generici che possono essere specializzati, estesi e/o adattati per costruire specifiche soluzioni.
- Reference architecture: schemi di architetture e soluzioni che possono essere riusate in una varietà di contesti e scenari applicativi.
- Modelli di visualizzazione dei dati: kit per lo sviluppo di interfacce grafiche che massimizzino l’esperienza dei diversi utenti finali che useranno i dati per prendere decisioni.
Questi asset riusabili, combinati con metodi e processi di lavoro agili, costituiscono il modo più moderno ed efficace per affrontare in modo innovativo la sfida e le opportunità offerte dallo sviluppo di moderne e potenti tecnologie come IoT e AI.
Facebook Comments