L’AI può risolvere le criticità dell’industria delle infrastrutture?

L’IA può essere la chiave di volta per risolvere, finalmente, le criticità dell’industria delle infrastrutture? Negli ultimi 20 anni si è spesso sentito dire che il settore delle infrastrutture fosse pronto per una trasformazione profonda della propria catena del valore in modo da aumentarne efficienza, efficacia e in ultima analisi, produttività. È noto, infatti, come la produttività generale del settore delle costruzioni non abbia mostrato incrementi significativi negli ultimi decenni. Le condizioni attuali del settore a livello globale fanno però pensare che questa trasformazione di sistema possa, finalmente, essere alle porte. Basti pensare a: 1.   Trasformazioni e temi globali come la difesa e la transizione energetica stanno facendo sì che il settore abbia a disposizione un livello di finanziamento senza precedenti. Si stima infatti che siano necessari 139.000 miliardi di dollari di investimenti in infrastrutture sostenibili a livello globale per raggiungere gli obiettivi di “Net Zero” entro il 2050, mentre altri 94.000 miliardi di dollari devono essere investiti entro il 2040 per colmare le lacune esistenti e allinearsi ai futuri cambiamenti economici. 2.   Allo stesso tempo il settore sta attraversando incertezze e instabilità enormi. A livello politico, oltre ai chiari problemi legati ai conflitti oggi esistenti, quest’anno più del 50% della popolazione mondiale è stata interessata da un cambio di governo, con potenziali ulteriori incertezze sugli indirizzi che verranno intrapresi e la direzione che prenderanno gli investimenti futuri. Tale situazione geopolitica sta anche impattando sul commercio globale e sull’aumento dei prezzi delle catene del valore utilizzate in ambito infrastrutturale. 3.   La tecnologia, e in particolare modo la disruption offerta dai nuovi sistemi di Generative AI, sta entrando a una velocità mai registrata nella nostra vita di tutti i giorni offrendo quindi nuove potenzialità e soluzioni che fino a sei mesi fa sembravano impensabili.

Ci troviamo quindi in un contesto di un’industria storicamente poco innovativa, con ingenti capitali disponibili da investire, una pressione all’innovazione data dalla necessaria riduzione dei rischi e nuove soluzioni tecnologiche che ci spingono a efficientare i nostri processi e catene produttive. Gli ingredienti per un “paradigm-shift” nel mondo infrastrutturale sono quindi tutti presenti, ma è importante a questo punto far sì che qualche esempio del recente passato serva da lezione. Nell’ultimo decennio, ad esempio, spinti dall’avvento di nuove soluzioni tecnologiche e dalla forte urbanizzazione dei nostri centri metropolitani, abbiamo assistito a una corsa agli investimenti in tecnologie e dati per trasformare le nostre città in smart cities. Il problema che però ci troviamo a risolvere oggi, in molti casi, è come effettivamente utilizzare quelle tecnologie e quegli investimenti in modo efficace ed efficiente dal punto di vista sia di servizio erogato sia di servizio fruito. Molto spesso, infatti, queste trasformazioni si sono focalizzate su sistemi e tecnologie ma non su vere e proprie “soluzioni” trasformative.

Quindi, se è vero che le applicazioni di IA in ambito infrastrutturale stanno aumentando vertiginosamente - e continueranno a farlo - dobbiamo evitare che le opportunità offerte si trasformino in una nuova corsa alla mera implementazione di tecnologie innovative.   È specificatamente per la comprensione di questo equilibrio tra “what is possible”, “what is real” e “what ultimately brings value” che EY, in collaborazione con FIDIC - International Federation of Consulting Engineers, ha condotto lo studio How Artificial Intelligence Can Unlock a New Future for Infrastructure. Uno studio globale per mettere a fuoco aspetti fondamentali, tra cui l’attuale utilizzo dell’IA nelle infrastrutture, gli ostacoli nella sua adozione, cosa è necessario fare per un suo più ampio utilizzo, e in ultimo, i potenziali benefici. Dalla comprensione quindi di quello che la tecnologia ci offre (what is possible?), di quello che realmente è fruibile oggi (what is real?) e da quelle soluzioni che vediamo come trasformative e di valore (what ultimately brings value?) abbiamo distillato cinque aree di sviluppo che mirano a facilitare un’ulteriore convergenza dei sistemi e delle tecnologie in soluzioni di valore: 1.   AI per “Identificare lo scopo” – Utilizzare analisi dati e predizioni di sviluppi sociali, economici e anche comportamentali può portare a una maggiore efficienza di investimenti che soddisfi le esigenze degli utenti finali, presenti e futuri; 2.    AI per “Pianificare il processo end-to-end” – Efficientare i processi di pianificazione, finanziamento, progettazione, costruzione e gestione di assets infrastrutturali è chiaramente vista come una delle aree di integrazione e crescita più evidenti nel settore; 3.     AI per “Riadattare il modello operativo” - Rivalutare continuamente i modelli operativi e di fornitura tradizionali per soddisfare le esigenze infrastrutturali in continua evoluzione; 4.    AI per “Integrare i metodi di lavoro” - Coltivare una cultura della collaborazione e dell’apprendimento continuo, enfatizzando le competenze interdisciplinari e l’alfabetizzazione all’IA a tutti i livelli dell’organizzazione per migliorare i risultati; 5.    AI per “Gestire assets intelligenti” - Garantire che la conoscenza puntuale di prestazioni presenti e previsionali degli asset sia parte integrante dei processi decisionali dei gestori delle infrastrutture.

Questi 5 principi guida sono stati quindi scelti per la loro trasversalità e capacità di indirizzare verso lo sviluppo di soluzioni mirate a un più profondo efficientamento di tutta la filiera. Questo approccio non può tuttavia prescindere dalle aspettative dei gestori delle infrastrutture e degli utenti che ricercano da un lato più efficienza e sicurezza e dall’altro una migliore esperienza di utilizzo. Se in particolare guardiamo alle infrastrutture di trasporto, le esigenze dei gestori e degli utenti “viaggiatori” possono convergere attraverso l’utilizzo di soluzioni di IA che intervengono di fatto su due direttrici: •   Asset Management - efficienza e resilienza degli asset infrastrutturali con il conseguente miglioramento di della sicurezza degli utilizzatori; •   Traffic Management - ottimizzazione della gestione del traffico riducendo i tempi di percorrenza e aumentando il livello di comfort degli spostamenti di viaggio.

In ambito asset management, le analisi predittive basate su machine learning fanno uso di diverse tipologie di dati (es. dati storici, dati ambientali, dati rilevati da sensori) per abilitare la trasformazione della manutenzione da programmata / reattiva a predittiva, con effetti positivi in termini di efficienza e sicurezza delle infrastrutture. Ad esempio nel settore road, sono stati sperimentati sistemi intelligenti che, attraverso la tecnologia a bordo dei veicoli di sorveglianza, verificano qualitativamente le condizioni del manto stradale nonché identificano e classificano la segnaletica verticale e il suo stato di deterioramento. Gli obiettivi di efficiency e safety possono essere conseguiti anche focalizzando gli interventi sulle attività operative di manutenzione e sicurezza, attraverso soluzioni di IA che guidano gli operatori nell’identificazione della migliore procedura da applicare e nella definizione delle relative azioni di intervento. In ambito traffic management, i sistemi AI based abilitano la pianificazione, il monitoraggio e la gestione operativa intelligente della circolazione e, in generale, dell’utilizzo delle infrastrutture. Nel settore ferroviario, gli algoritmi di IA permettono di ottimizzare la progettazione degli orari, con l’obiettivo di massimizzare l’utilizzo della capacità e minimizzare l’impatto delle possibili anomalie (ritardi, guasti). Inoltre forniscono indicazioni ai gestori su come riprogrammare la circolazione in caso di disruption di servizio. In ambito stradale, i sistemi di traffico intelligenti utilizzano semafori smart che regolano il traffico in base ai flussi di veicoli rilevati dai sensori, migliorando la fluidità del traffico, riducendo la congestione e abilitando una migliore distribuzione dei flussi di veicoli. In ambito aeroportuale, gli algoritmi IA abilitano la programmazione e la gestione operativa ottimale dell’assegnazione delle risorse (es. banchi check-in, gate, piazzole di sosta degli aeromobili, nastri bagaglio). Un’evoluzione interessante abilitata da algoritmi di IA può essere rappresentata dalla convergenza tra le due direttrici di asset e traffic management, per arrivare a un’ottimizzazione complessiva e sinergica delle infrastrutture.

Decisioni ottimali potrebbero essere guidate da un value framework che tenga conto delle dimensioni economica (investimenti e costi di manutenzione ed esercizio), operativa (disponibilità e tempi di percorrenza, capacità), sociale (accessibilità, sicurezza e soddisfazione degli utenti) e di sostenibilità (efficientamento energetico e impatto ambientale). La nostra posizione “privilegiata” di partner globale dei più grandi e innovativi programmi di sviluppo tecnologico e infrastrutturale ci consente di avere una vista di cosa effettivamente sia implementato e implementabile con successo in ambito infrastrutturale e di comprendere “what is real”, “what is possible” e “what ultimately brings value”. Sono infatti queste considerazioni più ampie di “valore” generato per il progetto, l’economia e la società più in generale che - attraverso un processo di selezione naturale - faranno convergere le soluzioni IA oggi sviluppate in una spinta trasformativa per l’intero settore infrastrutturale.

EY, precedentemente noto come Ernst & Young, è un network mondiale di servizi professionali di consulenza direzionale, revisione contabile, fiscalità, transaction e formazione.