FABBRICA DIGITALE
Viviana Palmieri, Digital Transformation Senior Professional di Assolombarda, che ha tracciato la visione strategica e operativa di forgIA
Come sistema associativo abbiamo una preoccupazione riguardante le adozioni dell’ Intelligenza Artificiale: il 71 % delle grandi imprese ha già avviato programmi di messa a terra strutturale di intelligenza artificiale, mentre le piccole e medie imprese sono a valori molto più bassi. Le filiere, dunque, sono miste e i dati sono frammentati lungo tutti gli attori della filiera che giustamente devono poterli governare mantenendo la titolarità delle informazioni e non cederli tout court al capo filiera. Per poterlo fare però bisogna essere attrezzati con gli strumenti che consentono l’ interoperabilità e la securizzazione dei dati ». È intervenuto infine Antonio
Emilio Calegari, Direttore dell’ Italian Institute of Artificial Intelligence( AI4I), partner tecnologico di forgIA: « Siamo un centro di competenza nazionale, istituito dal governo, e facciamo ricerca, ricerca applicata, trasferimento tecnologico, progetti di implementazione e formazione. Siamo dotati un po’ di tutto quello che serve per lavorare con le aziende interessate all’ implementazione industriale dell’ intelligenza artificiale ».
L’ AI applicata al machining: dal laboratorio alla fabbrica Il primo contributo tecnico è stato del professor Massimiliano Annoni, docente di Tecnologie e Sistemi di Lavorazione al Dipartimento di Meccanica del Politecnico di Milano e coordinatore scientifico dei laboratori PoliMiL, MicroLab e WJLab. Annoni ha condotto la platea in un percorso che, partendo dalla storia dell’ AI, è arrivato alle applicazioni concrete nella fresatura. Il professore Annoni ha fotografato un paradosso apparente: da un lato chi investe miliardi nei grandi modelli AI, dall’ altro le PMI italiane che si interrogano sulla propria capacità competitiva. « La risposta- afferma Annoni, rivolgendosi agli imprenditori presenti- sta nei dati: le aziende italiane ne hanno in abbondanza, sanno fare i pezzi, hanno storicità. Il punto è sistematizzare. In questo senso segnalo il
RAG( Retrieval Augmented Generation), metodo che consente di superare i limiti di memoria degli LLM( Large Language Model) pescando informazioni da database aziendali. Bisogna cominciare a catalogare i dati: è la prima cosa anche ai fini della digitalizzazione ». Sono state quindi presentate applicazioni già sviluppate in laboratorio, a partire dalla machine vision per il riconoscimento automatico dell’ attrezzatura montata in macchina: non per sostituire l’ operatore, ma per dargli certezza liberando tempo per cicli di lavorazione a maggior valore aggiunto. Per aggirare la scarsità di immagini reali nel manifatturiero, il laboratorio utilizza immagini sintetiche generate tramite Cam. Il professore ha poi passato in rassegna soluzioni già sul mercato: CloudNC, che usa l’ AI per generare part program dal modello solido; sistemi di gestione dell’ u- sura utensile in tempo reale via IoT; piattaforme come UpToParts che integrano dati su utensili, macchine e pezzi, recuperando porzioni di codice ISO da pezzi già lavorati e fornendo suggerimenti per nuovi programmi Cam. Il messaggio conclusivo è netto: Non stiamo parlando di ricerca. Stiamo parlando di applicazione ».
Sfide industriali e le soluzioni di AI4I per il mercato Il secondo intervento tecnico ha visto protagonisti tre relatori di AI4I e si è chiu-
L’ ambizione di forgIA è costruire un ecosistema digitale condiviso, sicuro e interoperabile capace di sbloccare il valore dei dati che oggi“ dormono” nei sistemi aziendali
L’ architettura del progetto forgIA si articola in quattro programmi complementari per la Trasformazione AI
62 Giugno 2026