ANALISI SEMANTICA: Natural Language Processing (NLP)
NLP comprende una serie di tecnologie di calcolo volte ad analizzare, interpretare e talvolta generare il linguaggio umano. L’uso di tali tecnologie è in aumento grazie all’utilizzo sempre più pervasivo delle reti neurali e allo sviluppo crescente di implementazioni industriali basate sugli agenti conversazionali. Ciononostante, il linguaggio umano è complesso e profondamente influenzato da condizioni culturali e idiosincratiche, tali sottigliezze e sfumature, richiedendo ancora l’intervento umano, ne limitano ancora lo sviluppo. Il livello di aspettativa è dunque molto elevato e questo è decisamente in linea con il diffuso interesse riscontrato presso i soci (23% del totale) mentre il livello di maturità è tale da richiedere, come effettivamente richiesto dalle aziende, lo sviluppo di progetti e casi di studio precompetitivi. Questa è una caratteristica peculiare a tutte le aree tematiche di maggior interesse, consideriamo che la fase “Trough of Disillusionment” dell’hype cycle è spesso decisiva in quanto mediana tra l’adozione precoce, cima dell’hype, e l’opportunità mancata, baratro appena prima della risalita. Gartner stesso raccomanda in questa fase di valutare attentamente la tecnologia per via dei prodotti sempre più maturi e della crescente diffusione di embrionali applicazioni industriali. Gli ambiti di sviluppo richiesti dai soci riguardano sostanzialmente l’analisi di documenti (es. report di manutenzione) e il miglioramento del servizio reso al cliente (customer care). Tali interessi rispecchiano bene le attuali richieste del mercato: l’analisi documentale rappresenta, infatti, già oggi un caso d’uso diffuso ed accessibile mentre le piattaforme conversazionali (non solo per il customer-care ma anche per l’assistenza tecnica ed il marketing) si posizionano a livello globale sul picco aspettative. Gartner suggerisce di iniziare i progetti con obiettivi modesti atti alla sola dimostrazione del successo della applicazione e solo successivamente, sulla scorta dell’esperienza maturata, aumentarne via via il target in maniera iterativa. La maturità della tecnologia verrà raggiunta solo tramite lo sviluppo continuo di nuove applicazioni (e quindi di modelli da poter replicare) e alla introduzione di figure professionali competenti in materia (Data scientist).

HEALTH MONITORING
L’analisi predittiva (Predictive Analytics) è una forma di analisi avanzata che esamina dati o contenuti per rispondere alla domanda: “Cosa succederà?” o, più precisamente, “Cosa è probabile che succeda?”. È caratterizzata da tecniche quali l’analisi di regressione, la statistica multivariata, la pattern recognition e la modellazione predittiva. Nonostante tale tematica continui a suscitare interesse in svariati ambiti e realtà industriali, i livelli di sottoperformance dei progetti realizzati in passato ed il basso ROI hanno portato questa tecnologia ad attraversare velocemente il “Trough of Disillusionment” spingendola verso la maturità e la vasta adozione nel prossimo futuro. L’interesse è guidato anche da una migliore disponibilità dei dati, dalla possibilità di poterli elaborare a costi ridotti (soprattutto nel cloud) e da una diffusione di casi d’uso comprovati nel mondo reale. Questo scenario è in linea con le richieste dei soci, le cui necessità sono molto focalizzate su specifici dati ed applicazioni verticali, adatte quindi allo sviluppo di progetti specifici con TRL elevato, più che sullo sviluppo di dimostratori. Maturità della tecnologia non è però indice di facilità di applicazione; altra esigenza diffusa è quindi quella di affrontare la tematica non tanto dal punto di vista tecnico e di mercato, ma dal punto di vista metodologico ovvero indagando le best-practice per la strutturazione di un progetto di analisi predittiva, dalla definizione dei segnali da raccogliere, alla loro elaborazione e successiva presentazione.

VISIONE
La Computer Vision è un processo che comporta la cattura, l’elaborazione e l’analisi di immagini e video al fine di estrarre informazioni significative e contestuali dal mondo fisico. Esistono numerose e importanti aree applicative della Computer Vision, tra cui la visione artificiale, il riconoscimento ottico dei caratteri, il riconoscimento delle immagini, il riconoscimento del volto, il riconoscimento dei bordi ed il rilevamento del movimento. L’utilizzo base della Computer Vision è andato avanti per decenni, ma solo dopo la convergenza delle tecnologie di deep learning, la disponibilità di ampie basi di dati ed i recenti sviluppi in termini di capacità computazionale si sono verificati progressi davvero significativi. Tale tecnologia ha superato rapidamente il picco delle aspettative e si dirige rapidamente a maturità (2-5 anni). Ciononostante, il mercato risulta ancora frammentato per cui la stabilità e l’adozione massiva della tecnologia non sono ancora state raggiunte. Hype e maturità rispecchiano bene la situazione emersa durante le interviste, grande attenzione per la tecnologia (14% del totale) e necessità di sviluppare casi di studio in grado di fare chiarezza su alcune problematiche ben espresse anche da Gartner: mancanza di soluzioni plug-and-play, algoritmi fortemente proprietari, problematiche di integrazione, mancanza di standardizzazione e di benchmark prestazionale, costi di adozione e mantenimento.

ADDITIVE MANUFACTURING
Le applicazioni della stampa 3D (Enterprise 3D Printing) attraversano ormai molti settori, l’industria aerospaziale e automobilistica sono state le prime ad impiegarne le tecnologie e rimangono tuttora tra gli utenti più innovativi in merito; in molti settori economici, come ad esempio nel medicale, le tecnologie tradizionali sono già scomparse o stanno via via scomparendo. In generale possiamo comunque affermare che la stampa 3D si è già conquistata una posizione stabile all’interno del mercato raggiungendo ormai un livello di maturità molto elevato e vicino al mainstream di adozione. Utilizzi più specifici e mirati possono avere, invece, livelli di maturità inferiori, ne è un esempio la fusione a letto di polvere (Powder Bed Fusion) per la produzione di manufatti metallici e ceramici. Il livello di adozione di tale tecnologia è ancora relativamente basso; diverse problematiche ne ostacolano infatti l’impiego industriale: stabilità del risultato tra tecnologie di fornitori diversi, appropriatezza delle caratteristiche meccaniche del pezzo sinterizzato, qualificazione delle polveri in relazione alla loro applicazione sono soltanto alcune di queste. La non completa maturità della tecnologia si riflette nella necessità da parte delle aziende di comprendere meglio, tramite attività di scouting o sviluppo di semplici casi di studio, benefici e limiti attuali della soluzione. Le aspettative si sono ormai ridimensionate ed il riscontro non è infatti stato eccessivo (preferenza pari al 10%).

CLOUD COMPUTING: cloud, private cloud, AI PaaS
Il cloud computing è un paradigma secondo cui le capacità IT possono essere fornite come servizio in maniera scalabile e flessibile utilizzando la tecnologia Internet. Tale servizio può essere pubblico (public cloud), quando gli ambienti sono distribuiti su più tenant, oppure privato (private cloud), quando l’ambiente è dedicato ad un unico utente finale. Il cloud computing, in generale, è una tecnologia molto visibile, che ha ormai superato il “Trough of Disillusionment” e si avvia a maturità. Gartner esplicita che il suo hype, però, paragonato ad altre tecnologie dalla medesima collocazione risulta “fuori scala” presentando ancora notevoli e diffuse aspettative industriali; questo può effettivamente giustificare l’interesse di alcune aziende (9%) per una tecnologia già nota e diffusa. Il livello di maturità rimane comunque elevato sia per quanto riguarda i cloud pubblici che per quanto riguarda l’impiego di cloud privati e l’interesse dei soci non è infatti legato ad attività di scouting o dimostrative ma ad attività di benchmark dei fornitori in base a prezzi e servizi offerti. Discorso diverso riguarda l’interesse per i servizi di Intelligenza Artificiale (AI PaaS) messi a disposizione dai principali cloud provider (Alibaba, Amazon Web Services, Baidu, Google, IBM e Microsoft); l’hype attorno ad essi è in continuo aumento a causa delle enormi potenzialità che essi offrono per la costruzione di modelli avanzati di intelligenza artificiale. La promessa di utilizzare i servizi cloud per costruire e implementare più rapidamente e facilmente soluzioni di IA spingerà presto questa tecnologia al picco delle aspettative inflazionate. L’attività di approfondimento e scouting tecnologico richiesta dai soci è dunque ben centrata rispetto al suo posizionamento; sicuramente una buona analisi può consentire alle aziende di sperimentare e comprendere meglio l’offerta reale rispetto a quella percepita. Tale consapevolezza è determinante per affrontare le decisioni strategiche che una tecnologia al picco dell’hype richiede; adottare una tecnologia in questa fase può essere infatti estremamente rischioso ma può anche significare essere pionieri e detentori di nuove soluzioni.

BLOCKCHAIN: Blockchain in Manufacturing
Le blockchain sono tecnologie ancora emergenti e sicuramente non pronte oggi per lo sviluppo di soluzioni applicative; ciononostante alcuni precursori stanno sviluppando progetti embrionali in differenti ambiti: anticontraffazione delle merci, trasparenza nelle supply-chain, gestione delle garanzie e miglioramento dei programmi di qualità e di fidelizzazione. Nonostante vi sia ancora una diffusa confusione, si intravedono differenti vantaggi potenziali derivanti dall’adozione delle blockchain come ad esempio la semplificazione della tracciabilità in un’era dominata da catene del valore lunghe e complesse. Altro importante vantaggio competitivo può essere in generale la possibilità da parte del produttore di garantire provenienza e autenticità dei manufatti incrementando di conseguenza la fidelizzazione dei clienti. Gartner in questo momento consiglia di tenere monitorata la tecnologia per essere pronti ad eventuali richieste future di partecipazione a blockchain da parte di fornitori e clienti; perfettamente in linea anche in questo caso è l’esigenza delle aziende socie di voler approfondire la tematica solo tramite un’attività formativa e di scouting tecnologico.

INTERNET OF THINGS: IoT e piattaforme IoT
L’Internet degli oggetti (IoT) è una rete di oggetti fisici in grado di comunicare, percepire ed interagire con i loro stati interni, tra di loro e con l’ambiente esterno. L’internet degli oggetti comprende un ecosistema, talora molto complesso, di beni, prodotti, protocolli di comunicazione e dati. La tecnologia ha ormai superato il picco delle aspettative con fornitori e clienti che, superato l’entusiasmo iniziale, ora cercano più che altro applicazioni pratiche su larga scala. Maturità diversa hanno, invece, le piattaforme per l’IoT. Per piattaforme IoT si intende una suite di software on-premises o SaaS che monitora, gestisce e controlla vari tipi di endpoint IoT o dispositivi ad essi collegati. Tali piattaforme consentono molto spesso non solo funzionalità base quali la presentazione dei dati in dashboard ma, grazie alla loro modularità, anche una loro massiva elaborazione, sia su dati storici (Data-at-Rest) che in real-time sullo streaming di dati (Data-in-Motion). La profonda integrazione che tali piattaforme devono garantire ha generato una gamma in rapida evoluzione di offerte di software e cloud da parte di un numero crescente di fornitori. Nonostante l’alto valore che queste piattaforme promettono di portare al business, il loro utilizzo esteso è ancora in una fase embrionale. Si stima che una vera e propria maturità delle piattaforme IoT (comprensiva di tutte le funzionalità ad esse correlate) si raggiungerà solo tra cinque o dieci anni. Risulta dunque importante sviluppare dimostratori come quello ipotizzato da Intellimech presso il Kilometro Rosso in grado di definire chiaramente i benefici ed i limiti attuali di una tecnologia per molti aspetti ancora embrionale.