Il tema dell’intelligenza artificiale è ormai centrale in tutto l’ecosistema Microsoft. Tra le innovazioni che stanno attirando maggiore attenzione da parte delle aziende c’è senza dubbio Microsoft Copilot, l’assistente AI integrato nelle piattaforme Dynamics 365 e Microsoft 365.

Ma cosa significa davvero introdurre l’AI generativa nella gestione aziendale?
E soprattutto: quale impatto può avere nel settore del noleggio?

Per le aziende rental, significa gestire processi complessi in modo più rapido e organizzato, migliorando efficienza operativa, controllo e qualità del servizio.
È qui che entra in gioco la combinazione tra Microsoft Dynamics 365 Business Central, Copilot e la soluzione verticale WayToRental di Horsa Way.

IL NOLEGGIO CAMBIA: SERVONO STRUMENTI PIÙ INTELLIGENTI

Le aziende rental devono gestire una mole di operazioni che necessitano di essere interconnesse, come il poter lavorare in mobilità, raccogliere e analizzare dati e migliorare l’esperienza del cliente.

Continuare a lavorare con processi frammentati o strumenti non integrati porta ad un continuo aumento di: complessità, errori e tempi operativi.

Per questo motivo, sempre più aziende del settore stanno investendo in piattaforme ERP evolute e integrate con strumenti di intelligenza artificiale.

COS’È MICROSOFT COPILOT IN BUSINESS CENTRAL

Microsoft Copilot è l’assistente AI integrato in Dynamics 365 Business Central, progettato per supportare gli utenti nelle attività quotidiane attraverso l’intelligenza artificiale generativa.

In pratica, Copilot aiuta le persone a:
• recuperare informazioni più velocemente
• automatizzare attività ripetitive
• sintetizzare dati
• creare contenuti
• velocizzare processi operativi e amministrativi

L’obiettivo non è sostituire le persone, ma semplificare il lavoro quotidiano e migliorare la produttività.

COPILOT PER LE AZIENDE DI NOLEGGIO

Nel rental, ogni attività richiede accesso immediato ai dati: un contratto da modificare rapidamente, una disponibilità da verificare, un intervento tecnico da pianificare o una richiesta cliente da gestire in tempi stretti: ogni attività richiede accesso immediato ai dati.

Integrando Copilot con Business Central e la soluzione verticale WayToRental, le operazioni diventano più semplici e fluide. In particolare per:

• Planning e gestione operativa: decisioni più immediate
• Customer service e assistenza: informazioni sempre disponibili
• Dati, analytics e controllo del business

LA SOLUZIONE WAYTORENTAL E L’AI

Uno degli ambiti in cui l’AI può avere maggiore impatto è la gestione operativa di offerte, ordini e contratti di noleggio.

Per ottenere benefici concreti serve una piattaforma progettata sulle reali esigenze del settore.
È questo il valore di WayToRental di Horsa Way: una soluzione verticale sviluppata specificamente per le aziende che vendono, noleggiano e forniscono assistenza su mezzi e attrezzature.

Una soluzione basata su Microsoft Dynamics 365 Business Central, WayToRental integra in un unico ecosistema digitale:

• Gestione noleggio
• CRM
• Assistenza tecnica
• Logistica
• Amministrazione
• Analytics
• Mobilità e cloud

L’integrazione con Microsoft Copilot, come abbiamo visto, può rendere questi processi ancora più rapidi ed efficienti.

CONCLUSIONE

L’intelligenza artificiale sta entrando sempre più concretamente nei processi aziendali.

Nel settore del noleggio, questo significa poter lavorare in modo più veloce, integrato e consapevole, migliorando operatività e qualità del servizio.

La combinazione tra Microsoft Copilot, Business Central e WayToRental rappresenta oggi un’opportunità concreta per le aziende che vogliono evolvere i propri processi e affrontare il futuro con strumenti più intelligenti.

Vuoi approfondire le funzionalità della soluzione dedicata al rental sviluppata da Horsa Way?

L'articolo Il futuro del noleggio è intelligente: il ruolo di Microsoft Copilot proviene da Horsa Blog.

Le aziende che operano in contesti internazionali si trovano quotidianamente ad affrontare sfide complesse nella gestione della conformità normativa per tematiche di export, verifiche doganali e dazi. E la verifica di documenti tecnici rispetto a framework normativi in continua evoluzione rappresenta una delle attività più critiche e dispendiose in termini di tempo e risorse specializzate.

Un esempio emblematico è rappresentato dalle verifiche Dual Use, dove componenti apparentemente innocui devono essere valutati rispetto a normative che regolamentano l’esportazione di beni e tecnologie a duplice uso civile e militare.

Da un lato questa tipologia di controlli richiede tradizionalmente ore di lavoro specializzato, coinvolgendo esperti capaci di interpretare la documentazione tecnica e verificare regolamenti normativi molto articolati. Dall’altro la natura dinamica delle regolamentazioni, con aggiornamenti frequenti e parametri tecnici in continua evoluzione, amplifica ulteriormente la complessità del processo, aumentando il rischio di errori interpretativi e di non conformità.

La soluzione: Agenti AI multi-specializzati

L’evoluzione degli Agenti AI offre una risposta innovativa a queste sfide, attraverso sistemi capaci di orchestrare autonomamente processi di verifica documentale complessi. A differenza dei tradizionali assistenti AI (es. ChatGPT) che si limitano a rispondere a richieste specifiche e con alta variabilità, questi Agenti operano attraverso architetture tecnologiche più articolate che replicano e potenziano il ragionamento specialistico umano.

Il cuore della soluzione risiede in un Agente “coordinatore” che gestisce l’intero workflow di verifica, dalla ricezione della richiesta iniziale fino alla produzione di un’analisi strutturata e motivata. Questo orchestratore intelligente coordina diversi altri Agenti specializzati, frutto dell’esperienza decennale di Horsa su queste tematiche.

Ciascun componente è ottimizzato per compiti specifici: l’estrazione semantica di informazioni tecniche, la ricerca normativa mirata, la verifica di calcoli matematici e conversioni di unità di misura.

Vantaggi operativi della soluzione

L’implementazione di questa soluzione genera benefici tangibili e misurabili:

• riduzione drastica dei tempi: trasformazione di processi che richiedevano ore in operazioni completabili in minuti, mantenendo elevati standard di accuratezza
• tracciabilità completa: documentazione dettagliata delle decisioni per facilitare audit, ispezioni e gestione del rischio normativo
• scalabilità operativa: gestione di volumi crescenti di valutazioni senza incrementi proporzionali di personale specializzato
• riduzione errori umani: minimizzazione del rischio di errori interpretativi attraverso analisi sistematiche e standardizzate
• conformità continua: aggiornamento automatico rispetto alle evoluzioni normative e mantenimento della compliance
• ROI misurabile: trasformazione di costi operativi in vantaggi competitivi attraverso efficienza e affidabilità dei controlli

Ma come funziona la soluzione?

Il processo inizia con l’acquisizione automatica della documentazione tecnica fornita dall’operatore: utilizzando tecniche avanzate di OCR e interpretazione semantica, il sistema identifica le caratteristiche tecniche, le specifiche funzionali e le proprietà critiche del componente analizzato. Questa fase va oltre il semplice parsing testuale, implementando una comprensione contestuale che riconosce relazioni tra parametri e loro significato normativo.  Successivamente, l’Agente attiva la ricerca all’interno del corpus normativo di riferimento, identificando collegamenti semantici tra le caratteristiche del prodotto e i criteri regolamentari applicabili.

Questa capacità di mappatura intelligente rappresenta uno dei vantaggi più significativi rispetto agli approcci tradizionali, permettendo di identificare correlazioni non evidenti attraverso analisi puramente testuali.

Features e capacità distintive

L’architettura multi-Agente offre funzionalità avanzate che trasformano il processo di verifica documentale:

• Estrazione semantica automatica: identificazione e catalogazione intelligente di informazioni tecniche critiche estratte dalle schede tecniche, comprendendo valori numerici, contesto funzionale e implicazioni normative
• Ricerca normativa intelligente: identificazione di collegamenti semantici tra caratteristiche del prodotto e vincoli regolamentari, rilevando applicabilità normative che potrebbero sfuggire a valutazioni manuali
• Verifiche numeriche: gestione precisa di calcoli matematici e conversioni di unità di misura, garantendo accuratezza nella valutazione di parametri critici come potenze, frequenze e tolleranze.
• Sistema di reasoning trasparente: documentazione completa del percorso decisionale con tracciabilità delle valutazioni e spiegazioni dettagliate dei collegamenti tra caratteristiche tecniche e requisiti normativi
• Document Extraction: interpretazione automatica di documenti tecnici complessi con riconoscimento semantico del contenuto

Vuoi scoprire come gli agenti AI possono trasformare i processi di verifica documentale della tua azienda? 

RICHIEDI ORA UNA CONSULENZA PERSONALIZZATA E SCOPRI LE OPPORTUNITA’ DI AUTOMAZIONE INTELLIGENTE PER IL TUO SETTORE 

L'articolo Agenti AI per la Gestione Documentale: automatizzare la verifica di conformità normativa proviene da Horsa Blog.

Nel panorama industriale moderno esiste un paradosso sorprendente: mentre i macchinari diventano sempre più sofisticati e connessi, la documentazione delle attività di manutenzione rimane spesso ancorata a metodi obsoleti. Note scritte a mano, comunicazioni verbali e report incompleti sono ancora la norma in molte aziende, creando un divario significativo tra tecnologia avanzata e processi documentali antiquati. 

Il valore nascosto nei dati di manutenzione 

La documentazione dettagliata degli interventi tecnici è un vero e proprio asset strategico. Quando strutturati correttamente, i dati degli interventi permettono di: 

• identificare pattern ricorrenti nei malfunzionamenti 
• accelerare la risoluzione dei problemi attraverso l’accesso a soluzioni precedenti 
• standardizzare le procedure di intervento 
• costruire una knowledge base aziendale che preserva il prezioso know-how tecnico 

La mancanza di un sistema efficiente per gestire questi dati comporta costi nascosti significativi: tempi di inattività prolungati, perdita di conoscenza quando i tecnici esperti lasciano l’azienda e ripetizione degli stessi errori. 

Effortless Voice: la soluzione innovativa 

Effortless Voice è una soluzione all’avanguardia che sta rivoluzionando il modo in cui le aziende gestiscono e valorizzano le informazioni generate durante gli interventi di manutenzione. Combinando tecnologie avanzate di riconoscimento vocale e intelligenza artificiale, il sistema trasforma la voce dei tecnici in dati strutturati, report consultabili e conoscenza aziendale facilmente accessibile. 

L’architettura è progettata per la massima semplicità operativa: 

• interfaccia in app, eliminando la necessità di utilizzare nuovi strumenti 
• accesso mobile universale da qualsiasi dispositivo 
• adozione immediata senza complesse configurazioni 

Un punto molto importate è che i dati prodotti non restano all’interno dell’applicazione, creando così un effetto silos, ma sono resi disponibili su documentali o sistemi aziendali grazie ad una rapida integrazione. 

Come funziona in pratica 

Immaginiamo uno scenario concreto: una linea di produzione si arresta improvvisamente. Il tecnico interviene, identifica un componente difettoso e lo sostituisce. Con Effortless Voice, può registrare vocalmente tutti i dettagli dell’intervento mentre si sposta verso il successivo intervento senza interrompere le operazioni o compilare moduli. 

Il sistema trasforma automaticamente questa registrazione in un report strutturato, identificando elementi chiave come il tipo di intervento, il codice macchina, i componenti interessati e le azioni intraprese. Queste informazioni diventano immediatamente disponibili a colleghi e supervisori. 

Per capire come funziona Effortless Voice scarica l’ebook completo, che include esempi concreti e best practice per una corretta implementazione.  

E non esitare a contattarci per ulteriori approfondimenti o per capire adottare questa tecnologia nella tua azienda: scrivi a marketinghorsainsight@horsa.it

L'articolo Effortless Voice: l’AI al servizio della manutenzione industriale proviene da Horsa Blog.

1. Cosa sono gli Agenti AI?

Gli Agenti AI sono sistemi avanzati che utilizzano il machine learning e l’elaborazione del linguaggio naturale (NLP) per: 

• automatizzare compiti ripetitivi, riducendo il carico di lavoro umano e aumentando l’efficienza 
• analizzare dati, estraendo informazioni strategiche per decisioni più rapide e accurate 
• interagire con utenti attraverso chatbot o assistenti virtuali, migliorando il customer service. 

Queste tecnologie trovano applicazione in vari settori, tra cui e-commerce, sanità, finanza e industria manifatturiera. 

2. Copilot Studio: una AI accessibile e low-code

2.1 Caratteristiche principali 

Copilot Studio è una piattaforma low-code/no-code che consente anche a chi non ha esperienza di programmazione di creare e implementare soluzioni AI. Tra le sue funzionalità più importanti troviamo: 

• interfaccia intuitiva → la piattaforma utilizza un sistema drag-and-drop che permette di sviluppare chatbot e automazioni in modo rapido e senza bisogno di scrivere codice complesso 
• modelli pre-addestrati → fornisce modelli di AI già pronti per diversi utilizzi, riducendo i tempi di sviluppo 
• integrazione semplice → compatibile con Microsoft 365, Teams, Dynamics e altri strumenti aziendali 
• collaborazione tra team → permette a più utenti di lavorare contemporaneamente sui progetti AI

2.2 Vantaggi e applicazioni 

Copilot Studio è ideale per PMI e aziende che vogliono introdurre l’AI senza investire risorse significative in formazione tecnica. Alcuni esempi di utilizzo includono: 

• e-commerce → creazione di chatbot per il supporto clienti e per suggerimenti di acquisto personalizzati 
• customer Service → automazione delle risposte alle FAQ e gestione più efficiente delle richieste di supporto 
• settori in crescita → organizzazioni che vogliono sperimentare l’AI con investimenti contenuti. 

3. Azure AI Studio: potenza, scalabilità e personalizzazione

3.1 Caratteristiche tecniche 

Azure AI Studio è una piattaforma avanzata per lo sviluppo di soluzioni AI personalizzate e scalabili. È pensata per aziende con esigenze complesse che necessitano di un controllo maggiore sui propri modelli AI. Le sue caratteristiche principali includono: 

• flessibilità e personalizzazione → permette di sviluppare modelli AI da zero, adattandoli a scenari specifici 
• gestione delle risorse avanzata → consente di ottimizzare costi e prestazioni in tempo reale 
• capacità di elaborazione elevata → supporta visione artificiale, NLP e analisi predittiva 
• sicurezza e compliance → standard elevati di protezione dati, conformità a regolamenti come GDPR e HIPAA. 

3.2 Integrazione con l’ecosistema Microsoft 

Azure AI Studio si integra perfettamente con altri servizi Microsoft, tra cui: 

• Azure Machine Learning → per la gestione dell’intero ciclo di vita dei modelli AI 
• Power BI → per la visualizzazione avanzata dei dati e reportistica interattiva 
• Azure Cloud → per garantire scalabilità e alte prestazioni in ambienti di produzione. 

3.3 Applicazioni in contesti complessi 

Grazie alla sua potenza, Azure AI Studio è adatto a grandi organizzazioni e settori con elevati volumi di dati, come: 

• Finanza → analisi predittiva per la gestione del rischio e la prevenzione delle frodi 
• Sanità → elaborazione di immagini mediche e AI per la diagnostica avanzata 
• Industria → ottimizzazione della supply chain e manutenzione predittiva di macchinari. 

4. Confronto: Copilot Studio vs. Azure AI Studio

4.1 Facilità d’uso vs. personalizzazione 

• Copilot Studio → progettato per la semplicità e la velocità di implementazione, perfetto per chi vuole soluzioni AI immediate senza necessità di programmare 
• Azure AI Studio → offre un controllo totale sui modelli AI, richiedendo però competenze tecniche più avanzate. 

4.2 Integrazione e scalabilità 

• Copilot Studio → si integra facilmente con le principali applicazioni aziendali, rendendolo perfetto per piccole e medie imprese 
• Azure AI Studio → grazie alla sua scalabilità e alla potenza di calcolo, è ideale per aziende con carichi di lavoro intensivi 

4.3 Sicurezza e Gestione dei Dati 

• Copilot Studio → adatto per applicazioni aziendali standard, ma meno orientato alla gestione di dati sensibili 
• Azure AI Studio → offre livelli di sicurezza avanzati, fondamentali per settori come finanza e sanità. 

 5. Quale Scegliere?

La decisione tra Copilot Studio e Azure AI Studio dipende dalle specifiche esigenze aziendali: 

• Se si cerca una soluzione facile da usare, veloce da implementare e con costi ridotti → Copilot Studio è la scelta migliore. 
• Se si necessita di un’AI potente, scalabile e personalizzabile, in grado di gestire grandi volumi di dati → Azure AI Studio è l’opzione più adatta. 

Le aziende già inserite nell’ecosistema Microsoft troveranno in Azure AI Studio un vantaggio strategico grazie all’integrazione con altri servizi cloud. Al contrario, Copilot Studio è ideale per chi vuole avvicinarsi all’AI senza dover affrontare una curva di apprendimento ripida. 

 6. Il futuro degli Agenti AI

L’intelligenza artificiale sta evolvendo rapidamente, e nei prossimi anni vedremo: 

• AI più contestuale e adattiva, in grado di comprendere meglio l’intenzione degli utenti 
• migliore collaborazione tra uomo e AI, con assistenti virtuali sempre più efficaci 
• espansione delle piattaforme no-code e low-code, per rendere l’AI accessibile a un pubblico ancora più vasto 

 Conclusione 

Entrambe le soluzioni offrono vantaggi unici: 

• Copilot Studio è perfetto per chi cerca una piattaforma low-code, immediata e intuitiva 
• Azure AI Studio è la scelta migliore per chi necessita di potenza, flessibilità e sicurezza in contesti aziendali complessi 

Le aziende che vogliono implementare l’AI devono valutare attentamente le proprie esigenze operative, l’investimento disponibile e il livello di competenza del proprio team IT. L’integrazione intelligente degli Agenti AI sarà la chiave per rimanere competitivi nel mercato digitale del futuro. 

Se vuoi approfondire l’argomento guarda il nostro webinar di approfondimento tecnico e dimostrazioni pratiche dedicato al confronto tra Azure AI Studio e Copilot Studio 

L'articolo Agenti AI: confronto tra Copilot Studio e Azure AI Studio proviene da Horsa Blog.

Trovi la prima parte dell’articolo QUI.

Giunti a questo punto, analizzare come una mente artificiale sia in grado di affrontare attività tipicamente umane, fornisce l’immagine speculare dell’indagine affrontata poc’anzi. 

L’organizzazione delle reti neurali di una IA, seppure riproponga approssimativamente il complesso della rete di neuroni presente nel cervello umano, riporta differenze sostanziali, impiegando algoritmi, matrici, funzioni.  

Il sistema di livelli che serve a comporre la rete neurale, è strutturato in nodi (singole unità di calcolo). I vari nodi ricevono input da neuroni artificiali precedenti, a cui sono collegati attraverso i pesi. Se è superata la soglia di attivazione, allora le informazioni e i dati passano al nodo successivo, in questo modo l’output diventa input per il nodo seguente. 

L’utilizzo delle reti neurali artificiali (ANN) conduce alla risoluzione di specifici problemi, passando dai dati del livello di input di nodi, alle elaborazioni dei livelli nascosti fino a livello di output.  

L’intelligenza artificiale di tipo generativo, che fa uso del deep learning, presenta più strati di reti neurali, i quali consentono di ottenere un tipo di apprendimento automatico più avanzato. 

I dati di addestramento impiegati permettono di risolvere problemi complessi, come la creazione di testi o immagini o la traduzione, utilizzando l’elaborazione del linguaggio naturale (NLP). 

L’elaborazione del linguaggio naturale consente all’IA di leggere il testo da noi sottoposto. L’IA procede con la scansione del testo fornitole, che viene suddiviso in frasi e parole. Ciascuna di queste ultime è considerata dal punto di vista grammaticale (ad esempio, se una parola è un verbo. un aggettivo, un avverbio), per poi eseguire l’analisi logica (si tratta di individuare il soggetto, il predicato e i vari tipi di complemento – oggetto, di specificazione, o di luogo, ad esempio). Successivamente si passa all’analisi della struttura sintattica, ovvero della struttura di ciascuna singola frase, dei collegamenti presenti tra i vari elementi di essa.  

Da questo si passa alla comprensione del contesto in cui una frase è utilizzata, fino a individuare il sentimento o lo stato d’animo con qui abbiamo battuto determinate parole al computer, forse dettate dalla fretta, rabbia o gioia. 

Quando si formula la richiesta di generazione di un brano a un chatbot – come la quartina citata in precedenza da Chat GPT– il programma rileva le parole da noi impiegate per mezzo del linguaggio naturale (NLP) ed elabora dati e informazioni utilizzando il codice binario, sebbene la risposta formulata sia leggibile nella stessa forma in cui è stata fornita la domanda. 

A partire dalla richiesta di input, l’IA comprende il messaggio e genera una risposta reputata appropriata, utilizzando gli algoritmi di apprendimento automatico. Nel farlo riordina i dati con cui è stata addestrata, di conseguenza è da tenere in considerazione come possano presentarsi alcune criticità. Per errore c’è la possibilità che siano introdotti bias cognitivi all’interno dei modelli usati per il suo apprendimento.  

Questi errori possono essere introdotti senza alcuna intenzionalità da parte di chi si occupa dell’addestramento dell’IA, oppure possono essere presenti all’interno degli stessi modelli di addestramento forniti. 

Ad ogni modo, davanti alle parole generate da una IA, sotto il nostro sguardo, pare che a rispondere sia un’altra persona e non un software. 

Tuttavia, seppure la mente del lettore riesca a caricare tali parole di un significato, l’IA generativa, per quanto sofisticata nel portare elaborati coerenti alle richieste formulate e per quanto abile nel produrre opere anche di alto valore, non può che fare uso di una lingua ben differente da quella utilizzata dai parlanti. È una lingua che non è soggetta ad alcun cambiamento, che non presenta alcuna innovazione, se non quella fornitale dalle stesse fonti da cui è alimentata. 

Per riallacciarsi al quesito d’esordio, con cui è partita la presente indagine, è opportuno arrivare a interrogarsi su come possa essere compiuto un confronto tra un inventore di sogni tanto innovativo e acuto, in grado di portare non solo opere dal grande contenuto, ma capace anche di creare parole nuove, e un’intelligenza che può solo mescere nuovamente queste parole e organizzarle in un ordine differente. 

Numerosi sono i letterati, scienziati, pensatori che hanno portato parole nuove con cui hanno poi contribuito a modificare il modo di vedere la realtà e il mondo. Shakespeare, per citarne almeno uno! 

Indagando, scandagliando la realtà, il mondo, l’animo umano, si arriva a percepire e a cogliere aspetti che la maggior parte delle volte non è possibile nemmeno rendere adeguatamente a parole.  

L’ineffabilità dell’amore, del dolore, delle idee, dei sogni non può che essere colta che attraverso l’arte e la poesia. Immagini e figure letterarie consentono di manifestare la vitalità della lettura. 

L’intelligenza artificiale, precisa nelle tecniche dell’imitazione, sarebbe incapace di farci leggere pagine di straordinaria bellezza, o meglio, lo farebbe in quanto istruita a farlo, perché nel darle origine e nel migliorarla hanno contribuito e collaborano le migliori menti; all’incirca come noi, che durante il nostro intero e inconcluso percorso di istruzione, siamo stati nutriti dalla letteratura (in modo più o meno consapevole). 

Ma quando l’IA scrive non assapora l’incanto delle parole, non percepisce la fine arte di ordinarle in uno spazio vuoto, non avverte l’urgenza e il bisogno della scrittura, non si lascia stravolgere e turbare da pagine che continueranno a vivere nel tempo. 

 Come nani sulle spalle dei giganti sono le più moderne intelligenze cognitive. 

Ed è ormai manifesto come dietro a questo nuovo strumento si celi il sogno millenario di una conoscenza capace di valicare i limiti delle singole discipline, un unico sapere riunito in una mente. 

Davanti alla differenziazione del sapere e alla specializzazione settoriale, si fa vivo l’interesse di uno strumento che permetta di superare e assimilare una crescente iperspecializzazione. 

Purtroppo, abbiamo l’impressione che la mente umana non basti più, appare lenta e poco efficiente nell’elaborare un’importante complessità, gestita invece in maniera agile dall’IA.  

Lo osserviamo tutti i giorni all’interno di ciascuna realtà lavorativa. Nel nostro caso, ad esempio, è difficile poter pensare a un professionista in grado di conoscere approfonditamente e nel dettaglio tutte le soluzioni proposte da Horsa. Risulta invece accettabile – non solo professionalmente parlando, ma anche dal punto di vista umano – pensare a un gruppo di figure professionali, distinte per campo e area di competenza, ciascuna con un particolare tipo di istruzione e una propria esperienza. 

D’altro canto, però, il costante approfondimento, in cui ci applichiamo, non fa che spingere oltre la nostra conoscenza, orientandola verso quanto non abbiamo avuto modo di conoscere o in direzione di ciò che ancora non abbiamo creato e inventato. 

 La lettura si innalza a strumento principe con cui avere accesso a nuovi, o differenti, contenuti. 

Solo attraverso la lettura, e la scrittura come altro lato della medaglia, è possibile intraprendere tale percorso: solo così è concesso valicare i limiti e percorrere strade mai attraversate in precedenza. 

Le parole racchiuse nei libri che troviamo posati sulla scrivania, sul tavolo della cucina, o dell’ufficio, aprono uno spiraglio su un mondo diverso da quello in cui ci si trovava prima di intraprenderne la lettura. 

La lettura è un processo di costante riorganizzazione che permette un aumento della connettività in determinati moduli cerebrali, e ci fa percepire che conclusa l’ultima pagina di un romanzo o di un saggio non siamo più quelli che eravamo prima, che pensiamo in modo diverso. 

 Riuscire ad accedere al contenuto di opere letterarie, saggi, articoli, poter fruire dei più eterogenei contenuti, ci consente, di conseguenza, di cogliere una nuova forma di libertà, scoprendo come nulla di quanto abbiamo imparato e letto fino ad ora, nemmeno queste stesse parole, possa dirsi definitivo. 

Le eclettiche possibilità a cui apre la creatività umana fungono da sostegno davanti a una realtà che paradossalmente, alle volte, ci appare incerta e disorientata. 

 Con la nostra apprezzata intelligenza artificiale, dobbiamo prendere consapevolezza del fatto che se l’IA un giorno sarà in grado di sognare pecore elettriche, è perché siamo noi a sognare assieme a lei. 

Abbiamo già parlato di scrittura, creatività umana e intelligenza: QUI.

L'articolo Intelligenza cognitiva e IA. Le intelligenze della parola. proviene da Horsa Blog.

La Generative AI sta rapidamente trasformando il modo in cui le aziende operano, promettendo di rivoluzionare processi consolidati e aprire nuove opportunità di innovazione. Tuttavia, mentre i media si concentrano sulle applicazioni più spettacolari di questa tecnologia, sono le implementazioni concrete nei processi aziendali quotidiani a offrire il vero valore aggiunto per le imprese. 

Il concetto chiave che rende la Generative AI così potente è quello delle “emergent capabilities” – la capacità di far emergere funzionalità complesse quando la tecnologia viene integrata in modo organico nei processi esistenti. Non si tratta solo di automatizzare compiti ripetitivi, ma di potenziare le capacità decisionali e operative dell’intera organizzazione. 

Prendiamo ad esempio la gestione documentale: ogni giorno le aziende ricevono e processano migliaia di documenti in formati diversi – ordini cliente, documenti tecnici, contratti, fatture. Questi documenti contengono informazioni preziose che, se estratte e strutturate correttamente, possono alimentare processi decisionali e operativi.  

Ma come trasformare questa massa di dati non strutturati in conoscenza aziendale utilizzabile? 

Come essere certi che, dato che i modelli non sono infallibili, questo processo sia coerente con l’ecosistema dei dati aziendali? 

Grazie all’integrazione di AI e Talend si può liberare la potenza di questa integrazione che risiede nella capacità dell’AI di estrarre dati in maniera puntuale grazie allo zero-shot e di Qlik Talend di applicare regole di business specifiche e garantire la qualità dei dati. Questo permette, per esempio, di verificare automaticamente che i codici prodotto estratti corrispondano al catalogo aziendale, che i valori numerici rientrino in range accettabili, che le date seguano i formati corretti. 

Document Intelligence: quando l’AI incontra i documenti 

La Document Intelligence rappresenta uno dei campi di applicazione più promettenti e concreti della Generative AI in ambito aziendale. L’evoluzione di questa tecnologia parte da lontano, dai primi sistemi OCR degli anni ’90 fino agli attuali modelli multimodali basati su architetture Transformer, capaci non solo di estrarre testo ma di comprendere il contesto e la struttura dei documenti. 

Ma l’estrazione del contenuto è solo il primo passo. La vera sfida sta nel garantire che i dati estratti siano accurati, conformi agli standard aziendali e pronti per essere utilizzati nei processi operativi. È qui che entra in gioco la piattaforma Qlik Talend, che si integra perfettamente nel workflow di Document Intelligence attraverso un processo strutturato in più fasi: 

1. Estrazione iniziale tramite OCR avanzato per catturare sia contenuti testuali che tabellari 
2. Applicazione di modelli GenAI per classificare e contestualizzare le informazioni estratte 
3. Implementazione di rigorosi controlli di data quality attraverso Qlik Talend 
4. Possibilità di revisione umana per casi specifici che richiedono verifiche aggiuntive 

La potenza di questa integrazione risiede nella capacità di Qlik Talend di applicare regole di business specifiche e garantire la qualità dei dati attraverso il suo modulo Data Stewardship. Questo permette di verificare automaticamente che i codici prodotto estratti corrispondano al catalogo aziendale, che i valori numerici rientrino in range accettabili, che le date seguano i formati corretti. 

Un aspetto particolarmente innovativo è il meccanismo di apprendimento continuo: le correzioni manuali effettuate attraverso Talend Data Stewardship vengono storicizzate e possono essere utilizzate per migliorare i modelli AI, creando un ciclo virtuoso di ottimizzazione continua. 

I benefici di questo approccio integrato sono molteplici: 

• Automazione di processi business-critical come l’acquisizione ordini o la riconciliazione fatture 
• Accelerazione nella catalogazione di fonti esterne 
• Maggiore accuratezza nel processing documentale 
• Scalabilità dei processi grazie all’approccio cloud-based 
• Costi per documento elaborato notevolmente ridotti 

La vera rivoluzione sta nella democratizzazione di queste capacità: grazie all’approccio cloud e ai modelli pre-addestrati, anche aziende di medie dimensioni possono implementare soluzioni di Document Intelligence avanzate senza dover affrontare investimenti proibitivi o possedere competenze specialistiche interne. 

Per approfondire come questa tecnologia può essere implementata nella vostra realtà aziendale e scoprire casi d’uso specifici, vi invitiamo a scaricare l’ebook completo, che include esempi concreti e best practice per una corretta implementazione.  

Non esitare a contattarci per ulteriori approfondimenti e capire come portare i benefici di questa tecnologia nella tua azienda. 

L'articolo Generative AI e Document Intelligence: come l’intelligenza artificiale sta rivoluzionando la gestione documentale aziendale proviene da Horsa Blog.

Perché l’AI è strategica per IBM i? 

L’integrazione dell’intelligenza artificiale nel contesto IBM Power i non è solo una tendenza tecnologica, ma una scelta strategica fondamentale.  

Grazie alla sua capacità di analizzare grandi volumi di dati in tempo reale e storici, l’AI consente di identificare anomalie e prevedere possibili malfunzionamenti, permettendo interventi proattivi e riducendo i tempi di inattività. Inoltre, ottimizza l’efficienza operativa automatizzando compiti di routine come il monitoraggio delle performance e la gestione delle risorse, liberando tempo per attività di maggior valore.  

Sul fronte della sicurezza, l’AI concorre a offrire una protezione avanzata contro le minacce informatiche, identificando vulnerabilità nascoste e reagendo tempestivamente agli attacchi. Un altro punto di forza è la capacità di adattamento continuo: i modelli di AI apprendono ed evolvono con ogni nuova configurazione o minaccia, garantendo una protezione costante.  

La piattaforma IBM i, aperta e in continua evoluzione, si integra perfettamente con tecnologie moderne come PHP, Node.js, Java e PostgreSQL, e l’AI ne amplifica ulteriormente le potenzialità, portando un livello di intelligenza e automazione senza precedenti.  

Infine, un altro aspetto da non sottovalutare, si riferisce alla valorizzazione del personale IT: contrariamente a quanto si potrebbe pensare, infatti, L’AI non sostituisce i tecnici specializzati, ma li potenzia.  

Gli esperti professionisti che lavorano sui sistemi IBM i diventano veri e propri gestori della tecnologia, occupandosi delle attività di valore e ricorrendo al prezioso aiuto dell’IA al fine di gestire, attraverso il processo decisionale, gli specifici interventi sulla piattaforma. 

L’evoluzione continua di un sistema all’avanguardia 

IBM ha una lunga storia di innovazione e adattabilità: dalla gestione di componenti obsoleti come token ring, SDLC, Twinax e X.25, all’integrazione di tecnologie moderne, l’IBM Power i ha dimostrato di essere un sistema capace di evolvere con i tempi. L’AI rappresenta un ulteriore passo in questa direzione, trasformando un sistema robusto in un sistema intelligente e proattivo. 

WWE: l’AI nel cuore del monitoraggio avanzato 

Horsa Power ha integrato le funzionalità dell’intelligenza artificiale per classificare gli eventi e gestire le azioni di remediation, migliorando significativamente la gestione dei sistemi. 

Grazie all’integrazione di tecnologie di AI sui sistemi legacy, Horsa Power è in grado di analizzare grandi quantità di dati in tempo reale, identificando anomalie e potenziali problemi prima che possano causare interruzioni. Questo approccio proattivo consente di mantenere un alto livello di operatività e di ridurre i tempi di inattività. Inoltre, l’AI permette di apprendere dai dati storici, migliorando continuamente la sua capacità di rilevare e risolvere problemi. 

Un altro aspetto cruciale è la sicurezza: Horsa Power sta testando l’uso dell’AI per valutare la sicurezza della configurazione dei sistemi IBM Power i. Questo include l’identificazione di vulnerabilità e la verifica della conformità alle politiche di sicurezza. Grazie all’AI è possibile quindi eseguire controlli di sicurezza in modo più rapido e accurato rispetto ai metodi tradizionali, offrendo una protezione più robusta contro le minacce informatiche. 

La nostra esperienza interna, con il sistema di monitoraggio degli eventi WWE (Work with Events), testimonia in prima persona il potenziale dell’AI.  

Da anni utilizziamo modelli di intelligenza artificiale per classificare gli eventi di sistema, distinguendo tra quelli noti e quelli sconosciuti. Questo approccio non solo migliora l’efficienza del monitoraggio, ma ci permette di identificare nuove minacce e anomalie con una rapidità e precisione impensabili con i metodi tradizionali. 

Questo successo ci ha spinto a esplorare ulteriormente le potenzialità dell’intelligenza artificiale nell’ambito dell’IBM i. Attualmente, stiamo sviluppando un sistema di valutazione della sicurezza delle infrastrutture, basato su modelli AI che analizzano la configurazione e la postura di sicurezza del sistema, e i risultati che stiamo ottenendo sono estremamente incoraggianti. 

L’importanza di un partner strategico per l’innovazione 

L’integrazione dell’AI nel monitoraggio dei sistemi Power i rappresenta un passo essenziale per migliorare efficienza operativa e sicurezza.  

La combinazione di AI ed expertise tecnica consente di trasformare il sistema IBM i in un asset strategico, grazie alla gestione avanzata di dati, alla creazione di dashboard intuitive e all’implementazione di sistemi di notifica automatica, garantendo un controllo più efficace e decisioni più rapide. 

L'articolo Intelligenza Artificiale e IBM i: oltre il monitoraggio, verso una gestione proattiva e sicura proviene da Horsa Blog.

Horsa risponde a questa esigenza con un’offerta completa che abbraccia tutti gli aspetti della gestione aziendale, grazie a soluzioni innovative per il Project Portfolio Management e per la gestione del lavoro dei team, che permettono di coordinare e ottimizzare le attività quotidiane con facilità e precisione.
I maggiori vantaggi? Una visione completa e integrata di tutti i progetti in corso, ottimizzando le risorse, il tempo e riducendo gli errori. 

Un tool di Cost Estimating permette di stimare i progetti in modo accurato, grazie a previsioni di costo basate su dati storici e modelli parametrici. 

Un altro punto di forza è rappresentato dai nostri sistemi di Gestione ticket e Help desk, pensati per garantire un servizio clienti veloce, gestendo richieste e problematiche con efficienza e trasparenza.  

La nostra offerta e l’approccio all’AI 

Wrike: è una piattaforma di cloud based di gestione del lavoro adatta a qualsiasi azienda e ambito. Tramite l’interfaccia semplice ed intuitiva, aiuta i team a pianificare, coordinare e gestire i progetti e le attività in modo collaborativo ed efficiente. Offre funzionalità di task e project portfolio management e contribuisce al miglioramento dei processi aziendali anche attraverso l’utilizzo di workflow personalizzabili e regole di automazione.                                                   
Per quanto riguarda le funzionalità AI proposte da Wrike sono:  

• Sintesi: riassunto smart dei commenti e della cronologia dei progetti e delle attività, schematizzando le prossime azioni da compiere;  

• Suggerimenti: rilevazioni delle azioni più frequenti e suggerimento di quelle automatizzabili;  

• Traduzione: traduzione istantanea di descrizione e commenti; 

• Supporto con tool dedicato: in Roadmap. 

Happy Fox: è uno strumento di service management semplice ed efficace che supporta ed ottimizza la gestione di processi avanzati di help desk e service management. Grazie ad una soluzione modulare che include chatbot, liveChat, workflow e business intelligence, permette di personalizzare e migliorare i sistemi di ticketing e di service delivery e in particolare grazie all’utilizzo di AI:  

• Sintesi: riassunto delle varie risposte e dei contributi all’interno di un ticket;  

• Suggerimenti e Analisi sui tickets: proposte settimanali su articoli di Knowledge Base e suggerimenti sulle risposte da poter dare al richiedente e sulle modalità di risoluzione delle problematiche nei ticket;  

• Traduzione: in roadmap la possibilità di tradurre tutto l’ambiente in molteplici lingue; 

• Supporto con tool dedicato: Add-on (Assist AI).  

Planview AdaptiveWork: è un tool di PPM completo e flessibile che si adatta ai processi di business dell’azienda. Questo strumento è progettato per aiutare le organizzazioni a pianificare, eseguire, monitorare i progetti con focus sulla gestione del portfolio in modo più efficiente, offrendo funzionalità come la gestione delle risorse del team e gestione dei costi del progetto, la reportistica avanzata e l’integrazione con altri strumenti aziendali.
Grazie ad uno specifico tool di AI riesce inoltre:  

• Sintesi: riassunto delle informazioni sia a livello di Portfolio che dei singoli campi testo;  

• Analisi: permette di monitorare l’andamento dei progetti e di attenzionare possibili trend o rischi; 

• Supporto con tool dedicato: in fase di rilascio. 

 OPC: Oracle Primavera è la soluzione cloud di PPM sviluppata da Oracle per piccole, medie e grandi aziende e viene utilizzata prevalentemente nei settori di ingegneria e costruzioni, energetico ed infrastrutturale. OPC è un tool progettato per la gestione e pianificazione dei progetti, dei portafogli e delle risorse, fornendo strumenti di reportistica avanzata per monitorare le prestazioni e l’andamento progettuale. 

Le funzionalità legate all’applicazione dell’AI sono già state inserite nella Roadmap e saranno rilasciate prossimamente. 

 CostOS: è un potente strumento di Cost Estimating che combina gli approcci di stima tradizionali con le tecnologie BIM 3D, 2D e GIS, con lo scopo di supportare le aziende nella pianificazione, nel monitoraggio e nel controllo dei costi dei progetti, incrementando la precisione delle stime. È ampiamente diffuso nel settore Oil & Gas ed Engineering & Construction.   

Le funzionalità legate all’applicazione dell’AI sono già state inserite nella Roadmap e saranno rilasciate prossimamente. 

• Analisi AI: suggerimenti del miglior match tra BOQ Items (del progetto) e Line Items (del Database), e relativa percentuale di accuratezza per ogni combinazione 

In conclusione 

L’utilizzo dell’AI si sta diffondendo in modo rapido e a macchia d’olio in ogni settore e, in particolare,  nel project management sta trasformando radicalmente il modo in cui i progetti vengono gestiti.   

I maggiori vantaggi di questa transizione sono:   

• Automazione ed efficienza: l’AI può automatizzare compiti ripetitivi e amministrativi, liberando tempo prezioso per i project manager, che possono così concentrarsi su attività di valore. 
• Analisi predittiva: grazie agli algoritmi di machine learning, l’AI è in grado di gestire i rischi migliorandone la capacità di previsione e risposta. 
• Ottimizzazione delle risorse: l’AI può analizzare grandi quantità di dati per ottimizzare l’allocazione delle risorse, garantendo che i progetti siano completati nei tempi e nei budget previsti. 
• Ottimizzazione pianificazione: grazie all’analisi delle previsioni e allo storico dei dati relativi a progetti passati e in corso, l’AI fornisce dei suggerimenti per la pianificazione efficace, considerando talvolta gli aspetti descritti precedentemente.  
• Miglioramento della comunicazione: l’utilizzo dell’AI può agevolare lo scambio di informazioni facilitando la comunicazione tra i membri del team, grazie anche alla sintetizzazione efficace dei contenuti presenti nella piattaforma.  

In sintesi, l’integrazione dell’AI nel project management non solo migliora l’efficienza operativa, ma anche la qualità delle decisioni e la gestione complessiva dei progetti. 

L'articolo “Hey, AI: pianificami il progetto” proviene da Horsa Blog.

Data Stewardship consente di validare, correggere e migliorare i dati estratti, garantendo coerenza e accuratezza prima della loro integrazione nei processi aziendali. Con Talend, è possibile impostare regole personalizzate per il controllo dei dati, gestire anomalie e ambiguità, applicare correzioni automatiche e monitorare costantemente la qualità delle informazioni. Inoltre, la possibilità di coinvolgere un supervisore umano nei casi più complessi assicura che i dati utilizzati siano sempre affidabili e aderenti agli standard aziendali. 

Talend in azione: dalla verifica ordini alla gestione documentale 

Per comprendere il valore di Talend Data Stewardship, consideriamo il caso di un’azienda manifatturiera che riceve centinaia di ordini cliente ogni giorno, spesso in formati PDF diversi. Grazie all’estrazione automatizzata (tramite il supporto di OCR e LLM), è possibile identificare i codici prodotto e le quantità ordinate; senza un controllo di qualità potrebbero tuttavia verificarsi errori come codici obsoleti o duplicati, quantità non conformi agli accordi contrattuali e così via. Talend permette di intercettare questi problemi prima che i dati vengano inseriti nei sistemi ERP, applicando regole predefinite e notificando un operatore in caso di discrepanze. 

Un altro esempio riguarda la gestione documentale nel settore assicurativo. Contratti, polizze e premi devono essere estratti e classificati correttamente per garantire la conformità normativa e la protezione dei dati sensibili. Talend Data Stewardship consente di verificare che ogni documento contenga i dati essenziali e segnala eventuali mancanze, evitando errori che potrebbero rallentare le attività aziendali quotidiane. 

La sinergia con l’AI: il futuro della gestione dati 

Parallelamente, l’utilizzo di modelli avanzati di intelligenza artificiale, tra cui i Large Language Model (LLM), sta rivoluzionando l’estrazione e l’interpretazione dei dati. Talend può interagire con questi modelli inserendosi nella pipeline della Document extraction e creando così un processo semi-automatizzato sempre più intelligente. Ad esempio, un LLM può riconoscere clausole contrattuali specifiche in documenti legali, mentre Talend garantisce che i dati estratti siano coerenti e strutturati in modo corretto prima dell’inserimento nei database aziendali. 

L’integrazione tra AI e strumenti di Data Stewardship come Talend rappresenta già una svolta decisiva per migliorare la gestione dei dati aziendali e potenziare l’efficienza operativa.

Grazie a questa combinazione, le aziende possono ridurre gli errori manuali, migliorare la qualità dei dati e accelerare i processi decisionali, trasformando il flusso documentale in una risorsa strategica per la crescita del business. 

L'articolo Document Extraction e Data Quality proviene da Horsa Blog.

Negli ultimi anni, e in particolare con l’arrivo di GPT e l’esplosione della Generative AI, molte aziende hanno iniziato a riconoscere l’importanza di introdurre l’intelligenza artificiale nei propri processi produttivi, amministrativi e di relazione con i clienti. Tuttavia, integrare l’AI in un contesto aziendale già operativo, con sistemi e processi consolidati, è una sfida complessa. Richiede un approccio strutturato e olistico, capace di valutare le specificità del sistema produttivo e individuare con precisione le aree critiche su cui intervenire, scegliendo la soluzione più appropriata.  

L’approccio di Horsa combina tradizione e innovazione per preservare l’identità e la cultura aziendale, anche nell’adozione dell’AI. Questo equilibrio è fondamentale per garantire che l’introduzione della tecnologia non snaturi l’azienda, ma la rafforzi.  

Oggi la Generative AI sembra promettere infinite possibilità, come spesso leggiamo sui giornali e sui social network. Non a caso, la celebre frase di Arthur C. Clarke, “Ogni tecnologia sufficientemente avanzata è indistinguibile dalla magia”, appare più che mai attuale. Tuttavia, come ogni magia, quando il “trucco” non funziona o non soddisfa le aspettative, si rischia una profonda disillusione. Questa è quanto ci raccontano le aziende che chiedono il nostro supporto, dopo progetti in cui le premesse di una facile e rapida implementazione di soluzioni di AI si rivelano non all’altezza delle aspettative.   

Da qui è nata l’idea di approcciarsi inizialmente all’AI andando a scoprirne potenzialità e limiti attraverso un percorso consulenziale che guida le aziende a esplorare il vero potenziale dell’AI. Sebbene questa fase sia fortemente incentrata sulla consulenza, il nostro metodo rimane pratico e orientato ai risultati concreti, con l’obiettivo di generare valore reale per i clienti.  

Il nostro percorso di apprendimento sull’AI ha preso il via da un progetto interno: ottimizzare e aggiornare i numerosi prodotti di Horsa attraverso l’utilizzo dell’Intelligenza Artificiale. È stata una sfida complessa, che ha richiesto la collaborazione dei colleghi di area, l’individuazione delle migliori soluzioni disponibili differenziate per contesto e mercato e la definizione dei criteri con cui valutare la correttezza a seguito dell’integrazione dell’AI in processi pre-esistenti e già funzionanti.  

Una volta validati i risultati e constatato il successo del progetto, abbiamo deciso di condividere questo approccio con i nostri clienti. Da questa esperienza è nato AI Inception, il nostro framework pensato per accompagnare le aziende in un percorso della durata di un mese alla scoperta delle reali potenzialità dell’AI Generativa.  

Il nome AI Inception non è casuale: trae ispirazione dal celebre film di Christopher Nolan, dove l’idea viene “impiantata” con precisione nella mente delle persone. Analogamente, il nostro obiettivo è portare nelle aziende la consapevolezza di cosa sia davvero l’AI e di come possa essere applicata in modo efficace. Attraverso AI Inception, le aziende imparano a distinguere i contesti in cui l’AI funziona bene da quelli in cui potrebbe fallire, grazie alla nostra esperienza maturata in oltre 20 progetti AI realizzati in diverse aree e settori aziendali.  

Durante le sessioni di envisioning, presentiamo casi d’uso reali, provenienti da settori sia affini che differenti rispetto a quello del cliente. Questi esempi non sono solo teorici, ma includono anche sessioni pratiche hands-on e workshop, in cui i partecipanti possono sperimentare direttamente gli strumenti. Mentre il cliente interagisce con le tecnologie, il nostro team di consulenti esperti lo guida nell’interpretazione di ciò che vede, aiutandolo a identificare applicazioni concrete per il proprio business.  

Grazie a questo approccio, il cliente non si limita a osservare possibilità astratte, ma acquisisce una visione chiara di come integrare l’AI nelle sue attività quotidiane, sempre con un focus sui risultati reali.  

Individuare un caso d’uso è però solo il primo passo. Per generare valore reale, è essenziale implementare la soluzione in modo flessibile e allineato agli obiettivi aziendali. Ed è proprio nella fase di implementazione che continuiamo ad accompagnare le aziende, per garantire che l’AI non sia solo un concetto, ma diventi una risorsa concreta e funzionale al loro successo.  

L’AI tipicamente non è una soluzione stand-alone: deve integrarsi e dialogare in maniera efficace con tutte le componenti pre-esistenti dell’ecosistema produttivo del Cliente. Per questo motivo, oltre all’individuazione delle applicazioni concrete dell’AI nel contesto aziendale, è di fondamentale importanza progettare architetture software che tengano in considerazione i sistemi legacy e le specificità del mercato. Ciò è possibile sviluppando, ove necessario, layer di integrazione che consentano l’introduzione delle componenti di intelligenza artificiale minimizzando o annullando gli impatti e le modifiche necessarie sui sistemi up&running e sull’operatività aziendale.  

Operare in questa modalità richiede competenze trasversali su differenti motori, open source e non, competenze in differenti infrastrutture cloud e on-premises e un gruppo di lavoro capace di individuare e gestire le migliori tecnologie e soluzioni utili al raggiungimento dello scopo nel contesto specifico del cliente.  

Horsa dispone di team di esperienza con persone dedicate e certificate, capaci non solo di guidare l’azienda nella scelta delle migliori tecnologie e soluzioni architetturali ma di supportare end-to-end nell’esecuzione e nella messa in opera dell’intero progetto, mettendo in sinergia e comunicazione non solo le componenti AI ma l’intero ecosistema applicativo aziendale su un ampio spettro di tecnologie.  

Ciò permette a Horsa di approcciare sia progetti “from scratch”, pensati e sviluppati totalmente su misura per il cliente, che progetti “quick win” che vanno a sfruttare l’ampio portfolio di soluzioni AI powered di Horsa pronte all’uso.  

Il lavoro di Horsa non termina con il rilascio in produzione del progetto: è di fondamentale importanza aiutare e guidare i Clienti nell’uso quotidiano dei nuovi strumenti AI, individuando tempestivamente aree di fine tuning e miglioramento. La figura del success manager e l’adozione di metodologie e framework consolidati consentono di aiutare gli end user nel corretto utilizzo delle soluzioni, intercettando all’origine eventuali gap di conoscenza che nel lungo termine se trascurati possono trasformarsi in un utilizzo scorretto e limitare notevolmente le performance della soluzione.  

Implementare l’intelligenza artificiale in azienda non è più una questione di “se”, ma di “come”. In un contesto in cui la rapidità di adattamento e l’efficienza operativa rappresentano fattori critici è fondamentale approcciare l’AI in modo strategico, consapevole e orientato al valore. Ogni azienda ha caratteristiche uniche, e il vero vantaggio competitivo risiede nella capacità di individuare soluzioni che si integrino perfettamente con i processi esistenti, creando sinergia con l’intero ecosistema tecnologico e produttivo.  

Se stai valutando come sfruttare il potenziale dell’AI per il tuo business o desideri esplorare casi d’uso specifici e mirati per il tuo settore, ti invitiamo a richiedere ora una call con uno specialista Horsa. 

Analizzeremo le tue esigenze, presenteremo esempi concreti e ti guideremo nell’identificazione della strada migliore per introdurre l’AI in modo rapido, efficace e senza stravolgere l’identità della tua azienda. Con il nostro supporto, potrai trasformare le promesse dell’AI in un reale motore di innovazione, generando risultati tangibili e duraturi.  

Scegliere l’intelligenza artificiale non significa solo adottare una nuova tecnologia: significa ridefinire il futuro della tua azienda. Inizia questo percorso con Horsa e scopri come possiamo accompagnarti verso una trasformazione concreta e allineata ai tuoi obiettivi di business.  

RICHIEDI ORA UN APPUNTAMENTO GRATUITO E SENZA IMPEGNO PER LA TUA AZIENDA :

L'articolo Introduzione dell’AI in Azienda: l’importanza di un approccio olistico  proviene da Horsa Blog.

Che cos’è il Generative Design?  

Il generative design è una tecnologia avanzata in cui i modelli 3D vengono creati e ottimizzati grazie all’intelligenza artificiale. Il processo sfrutta un insieme di tecnologie, come l’ottimizzazione topologica e la simulazione, che lavorano in sinergia per supportare l’ingegnere nel processo decisionale. L’AI gioca un ruolo fondamentale nell’automatizzare e migliorare il processo: partendo dai requisiti definiti dall’utente, come i processi di produzione, i carichi e i vincoli, il software genera una serie di alternative progettuali che soddisfano tali requisiti. 

Grazie all’AI, il design generativo è in grado di esplorare e valutare simultaneamente numerose combinazioni di materiali e metodi produttivi, fornendo soluzioni ottimizzate in termini di peso, resistenza e sostenibilità. Questo permette agli ingegneri di ottenere rapidamente risultati innovativi, che spesso superano le capacità del pensiero progettuale tradizionale. 

Ad esempio, un’azienda che produce componenti meccanici può utilizzare il design generativo alimentato dall’AI per analizzare diverse opzioni di fresatura, fusione o stampa 3D. Alla fine, l’utente seleziona la soluzione ottimale che risponde al meglio ai propri obiettivi, perfezionandola ulteriormente. 

Questo approccio non sostituisce gli ingegneri, ma li affianca, rendendo il processo progettuale più efficiente e creativo. L’AI consente di affrontare vincoli complessi, come limiti di peso e disponibilità dei materiali, con una velocità e una precisione senza precedenti. 

Fortunatamente, il software, supportato dall’intelligenza artificiale, offre un’assistenza significativa anche per i giovani ingegneri. Ad esempio, è possibile configurare un design per la stampa 3D e poi confrontarlo con una versione ottimizzata per fresatura a 3 assi. Il risultato consente di scegliere rapidamente la soluzione migliore in base al budget, al tempo di produzione e ad altri vincoli specifici. 

In PTC Creo, l’AI viene sfruttata in modo avanzato attraverso strumenti come Generative Topology Optimization (GTO) e Generative Design Extension (GDX). Insieme, questi strumenti consentono numerosi vantaggi per le aziende 

1. Efficienza nei tempi di sviluppo: I progetti vengono creati e analizzati in tempi significativamente ridotti, grazie alla potenza del cloud computing. 
2. Sostenibilità e risparmio: Design più leggeri richiedono meno materiali, riducendo costi e impatto ambientale. 
3. Innovazione costante: L’AI propone soluzioni che superano i limiti del pensiero tradizionale, aprendo la strada a prodotti unici e altamente performanti. 
4. Accessibilità per tutti i livelli di esperienza: Anche progettisti alle prime armi possono ottenere risultati avanzati grazie al supporto degli algoritmi intelligenti. 

GTO e GDX: gli strumenti di Creo 

Con l’estensione Generative Topology Optimization (GTO), gli utenti possono ottimizzare i progetti per specifici materiali e processi produttivi. Questo strumento è ideale per chi cerca di eliminare materiale in eccesso mantenendo alti standard di resistenza.  

 L’estensione Generative Design Extension (GDX) amplia queste capacità, utilizzando il cloud per generare molteplici soluzioni progettuali in parallelo. Questa combinazione permette di confrontare scenari diversi e scegliere quello più adatto alle necessità aziendali. 

 Differenza tra Ottimizzazione Topologica e Design Generativo 

Spesso confusi, l’Ottimizzazione Topologica e il Design Generativo hanno approcci distinti. La prima parte da una forma esistente e la scolpisce per rispettare determinati vincoli, come resistenza o spazio. Il design generativo, invece, parte da zero e utilizza l’AI per creare e ottimizzare simultaneamente modelli tenendo conto di molteplici vincoli, inclusi i metodi produttivi. Questo approccio consente una maggiore flessibilità e innovazione. 

L’impatto dell’AI sulla formazione per gestire il cambio generazionale e di competenze 

L’intelligenza artificiale non è solo uno strumento per migliorare la progettazione, ma anche un mezzo per affrontare il problema del gap di competenze nel settore manifatturiero. Con sempre più esperti che si avvicinano all’età della pensione e una carenza di lavoratori qualificati, tecnologie come il design generativo aiutano a colmare questa lacuna. Anche un progettista junior, grazie all’assistenza del software, può creare soluzioni complesse e ottimizzate pur seguendo gli standard qualitativi aziendali. 

Intelligenza Artificiale e il ruolo del PLM 

Nel contesto del Product Lifecycle Management (PLM), l’AI agisce come un vero e proprio “angelo custode”: 

• Fornisce avvisi in tempo reale sugli impatti di una modifica progettuale. 

• Analizza le informazioni per segnalare possibili errori o aree di miglioramento. 

• Supporta tutti gli attori coinvolti nel processo di sviluppo del prodotto, rendendo le operazioni più fluide e riducendo i tempi di ciclo. 

Risulta evidente come l’intelligenza artificiale stia ridefinendo la progettazione CAD, trasformando idee in realtà con efficienza e precisione senza precedenti. Con strumenti come PTC Creo e PTC Windchil per il PLM, le aziende possono affrontare le sfide del mercato globale, innovando e ottimizzando i processi.  

I clienti sono supportati dall’esperienza consolidata di Horsa e da un team di lavoro in grado di studiare per ogni singola esigenza la conformazione migliore delle soluzioni, in modo che rispondano nel modo più efficiente possibile. 

Ricordiamo infine che la combinazione di AI e di generative design non solo migliorano i prodotti, ma anche il modo in cui vengono sviluppati, garantendo un vantaggio competitivo sostenibile nel tempo. 

Per aggiungere ulteriori dettagli è possibile ascoltare l’episodio 18 del Podcast Trasformazione Digitale: come il Digitale Trasforma il Fisico  

L'articolo L’Intelligenza Artificiale nei sistemi CAD: come Horsa e PTC Creo ridefiniscono la progettazione proviene da Horsa Blog.

ChatGPT e Oltre: L’Era dei Modelli Generativi e le Opportunità per il Business

Da quando ChatGPT è stato reso accessibile al grande pubblico, il termine Intelligenza Artificiale (IA) è diventato un tema centrale fra la gente comune ma soprattutto ha sollecitato l’interesse di chi ha la responsabilità di decidere di strategia aziendale.

L’IA in generale e la tecnologia della IA generativa, dei cosiddetti Large Language Model (LLM), che rappresenta il motore di ChatGPT e della pletora di alternative e servizi che ormai affollano il mercato, rappresentano infatti una fondamentale opportunità per le aziende. Una opportunità che per essere colta al meglio necessita come prima cosa di essere come minimo contestualizzata al meglio possibile dai decisori aziendali.

Sulla base della esperienza pluriennale come ricercatore di Intelligenza Artificiale in ambito accademico e di founder di aziende di tecnologia, spin off dell’Università di Cagliari, l’idea alla base di questo articolo è quella di fornire un primo approfondimento che contestualizzi l’IA generativa nell’ambito più generale della Intelligenza Artificiale. Parliamo infatti di un insieme di tecnologie che già da decenni contribuiscono all’evoluzione di varie industrie.

Prendiamo spunto da una interessante analisi presentata da Gartner nel 2024 che offre secondo noi il giusto punto di vista: da una parte categorizzare le principali tecniche di intelligenza artificiale, dall’altra mapparle su una serie di casi d’uso applicativi particolarmente rappresentativi fornendo una indicazione sul livello di compatibilità di ciascun incrocio.

Facciamo preventivamente presente che, trattandosi di categorizzazioni che vogliono rappresentare e esemplificare delle realtà sempre molto complesse, tali categorizzazioni portano a semplificazioni che possono essere non completamente condivisibili, anche da noi stessi. Ma riteniamo comunque che una rappresentazione di questo sia molto efficace per avviare un percorso di miglior comprensione di questi temi.

Casi d’Uso dell’IA: Una Panoramica Pratica

Esploriamo inizialmente le principali famiglie di casi d’uso in cui si prevede che le tecniche AI possano offrire soluzioni. Diamo una descrizione sintetica e molto applicativa tramite anche esempi pratici.

1. Predizione / Previsione

Questo è uno dei casi d’uso più comuni. Supponiamo di vendere prodotti e di aver raccolto dati sulle vendite, oltre ad altre informazioni rilevanti. Possiamo usare algoritmi di machine learning per prevedere le vendite future.

2. Sistemi autonomi

L’AI può essere utilizzata per costruire sistemi autonomi in grado di eseguire operazioni in modo intelligente. Un esempio è l’uso di droni con AI incorporata per ispezionare le linee di trasmissione elettrica.

3. Pianificazione

In sistemi complessi con molte interdipendenze e vincoli, i casi d’uso di pianificazione mirano a trovare il miglior piano d’azione per massimizzare i benefici e/o minimizzare gli impatti.
Ad esempio, possiamo usare l’AI per analizzare i dati sul traffico urbano e determinare quando e dove effettuare lavori stradali per ridurre al minimo l’impatto sul traffico quotidiano.

4. Intelligenza decisionale

Questo tipo di AI aiuta nel processo decisionale fornendo analisi e previsioni.
A differenza dei sistemi autonomi, questi strumenti supportano le decisioni umane anziché prenderle automaticamente, spesso perché le decisioni devono considerare preferenze personali o fattori imprenditoriali.

5. Sistemi di raccomandazione

Un caso d’uso molto diffuso e maturo. Chiunque abbia mai usato eBay o Spotify ha sperimentato un sistema che raccomanda prodotti da acquistare o musica da ascoltare.

6. Segmentazione / Classificazione

Quando non sono note le caratteristiche degli oggetti con cui si interagisce, si può usare l’IA per classificarli in diverse categorie o livelli e ottenere informazioni utili.
Ad esempio, possiamo classificare i richiedenti di prestiti in livelli di rischio (Basso, Medio, Alto) in base ai loro attributi.

7. Automazione intelligente

Questa categoria combina IA e tecnologie di automazione per migliorare processi aziendali, come la produzione.
Un esempio è il concetto di “Digital Twin”, in cui si addestra un modello con dati sensoriali di un impianto industriale per prevedere e segnalare guasti prima che si verifichino.

8. Percezione

Questa famiglia di casi d’uso riguarda l’elaborazione di dati sensoriali, come immagini, suoni o informazioni ambientali.
Un esempio è una telecamera stradale con AI in grado di rilevare infrazioni alla guida.

9. Rilevamento di anomalie

A volte, un sistema presenta malfunzionamenti che non vengono rilevati immediatamente.
Ad esempio, in una rete elettrica con centinaia di generatori, un guasto singolo è facilmente individuabile, ma fluttuazioni minori in più generatori contemporaneamente possono essere difficili da notare. L’IA può rilevare questi eventi e inviare un avviso alla sala di controllo.

10. Interfacce conversazionali

Questa categoria include chatbot e assistenti virtuali, resi popolari dalla crescita dell’AI generativa. Un chatbot per il servizio clienti è un esempio: viene addestrato su documentazione di prodotto per rispondere automaticamente alle domande più comuni senza bisogno di intervento umano.

11. Generazione di contenuti

Caso d’uso evidente: ChatGPT è un’applicazione di questa categoria.
Tuttavia, la “generazione di contenuti” non si limita al testo, ma può includere immagini, video o suoni.

12. Scoperta della conoscenza

Quando i dati sono disordinati e complessi, possiamo usare l’AI per individuare pattern nascosti e ottenere nuove informazioni. Ad esempio, l’AI può analizzare i dati clinici dei pazienti per scoprire correlazioni che potrebbero aiutare nello sviluppo di nuove cure mediche.

Tecniche di IA: Dalla Teoria alla Pratica

Diamo quindi una panoramica delle tecniche AI più comuni.

1. Machine Learning non generativo

Prima della popolarità dell’AI generativa, questa distinzione non esisteva.
Ora, tutto ciò che non è generativo viene spesso chiamato “Machine Learning classico” o “Deep Learning”. Include tecniche come regressione lineare, clustering, classificazione e alberi decisionali.

2. Simulazione

Questa tecnica permette di modellare un processo o un sistema reale, testando molte combinazioni di parametri per rispondere a domande “what-if”.

3. Ottimizzazione

Usata per trovare i migliori parametri in un’equazione.
Ad esempio, per determinare il livello di sconto ottimale in un supermercato, bilanciando tra l’aumento delle vendite e il mantenimento dei profitti.

4. Regole / Euristiche

Non necessariamente basata su Machine Learning: in alcuni casi, si usano regole predefinite derivate da evidenze scientifiche o dall’esperienza di esperti del settore.

5. Grafi

I grafi rappresentano dati in modo strutturato, mettendo in evidenza relazioni tra elementi.
Ad esempio, in un grafo, un nodo può rappresentare un cliente e le connessioni tra nodi possono mostrare le sue interazioni con prodotti o servizi.

6. Modelli generativi

L’AI generativa può creare testi, immagini, video e altri contenuti. ChatGPT è l’esempio più famoso di applicazione di modello generativo. In particolare ChatGPT utilizza le varie generazioni dei modelli proprietari GPT di Open AI.

La Matrice di Gartner: Uno Strumento per la Scelta Strategica

Fonte: Gartner Data & Analytics Summit Conference / Christopher Tao on Medium

Fonte: Gartner Data & Analytics Summit Conference / Christopher Tao on Medium

La matrice elaborata da Gartner mappa sulle righe i 12 casi d’usi di applicazione della IA con sulle colonne le 6 tecniche di IA, e Per ogni cella della matrice viene indicato il livello di matching fra la tecnologia e il caso d’uso, indicando con Basso (L), Medio (M) e Alto (H) il livello di matching di una tecnica AI per un determinato caso d’uso:

• Le tecniche AI con matching alto (H) sono quelle più indicate per un caso d’uso.
• Se una tecnica ha matching medio (M), si intende che si necessario valutare attentamente se è davvero quella giusta per quel caso d’uso
• In caso di matching basso (L), si intende che la tecnica non dovrebbe essere utilizzata per quel caso d’uso.

Chiaramente va considerato, come già accennato, che categorizzare in maniera netta aiuta la chiarezza espositiva ma nasconde alcune complessità del mondo reale: ad esempio che spesso le tecniche da utilizzare per specifici progetti o casi d’uso si ibridano (ad esempio modelli generativi con modelli di machine learning tradizionale), fuoriuscendo dalla categorizzazione schematica di una matrice di questo tipo.

Analizzando la matrice possiamo trarre in maniera immediata una prima conclusione che potrebbe sembrare ovvia: non tutte le famiglie di casi d’uso possono essere risolte con modelli generativi.

Questo appunto sembra ovvio a posteriori, ma dalla nostra esperienza sul campo abbiamo imparato che non raramente la prima cosa da fare per chi vuole trasferire questo tipo di competenze in una realtà aziendale è far passare il concetto che non tutto si fa con l’IA generativa!

Ad esempio, se abbiamo dati di vendita di un prodotto, non ha senso chiedere previsioni su andamenti di future vendite a ChatGPT. Tuttavia, ChatGPT può essere potenzialmente molto utile nello sviluppare codice infrastrutturale a supporto di una soluzione che utilizzi tecniche di Machine Learning classico per eseguire questa previsione.

L’IA Generativa: Un Nuovo Universo di Possibilità per le Aziende

In conclusione, dopo aver sottolineato come l’IA generativa non sia la panacea di tutti i mali, e come un decisore che voglia introdurre l’IA nella sua azienda debba come prima cosa contestualizzare opportunamente le caratteristiche dei propri casi d’uso e solo dopo ragionare sulla soluzione tecnologica più adatta, vogliamo anche sottolineare come l’IA generativa rappresenti una opportunità enorme perché ha aperto un nuovo universo di possibili casi d’uso, principalmente quelli incentrati sul processamento e la gestione del linguaggio naturale e della informazione audio video, ma non solo.

L'articolo IA Generativa: Oltre l’Hype, la Bussola per le Strategie Aziendali proviene da Horsa Blog.