Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

SCENARI

L’automotive fa marcia indietro sull’intelligenza artificiale

Studio Capgemini Research Institute: lacci normativi e rigidità freno all’adozione. Ma il mancato utilizzo pesa per il 16% sull’utile operativo

26 Mar 2019

L. O.

Intelligenza artificiale al ralenti nell’automotive. Solo il 10% delle principali case automobilistiche sta implementando progetti di basati sulla nuova tecnologia su larga scala. Emerge dallo studio del Capgemini Research Institute secondo cui l’industria si gioca in questo modo un aumento dell’utile operativo fino al 16%. Non basta: il tasso di implementazione risulta minore rispetto al 2017, nonostante i vantaggi in termini di costi, qualità e produttività.

Due i possibili motivi dietro la lenta adozione dell’Intelligenza artificiale. In primis gli ostacoli alla trasformazione tecnologica ancora elevati, come ad esempio i sistemi IT legacy, l’accuratezza e la protezione dei dati, la mancanza di competenze.

“I più grandi freni sono rappresentati dalla rigidità nei processi e nelle politiche dell’industry – dice Alfredo Perez Pellicer, capo R&S di Mahler Electronics, produttore tedesco di componenti automobilistici -. Nelle grandi organizzazioni, ciò può creare un circolo vizioso di mancanza di sperimentazione, sviluppo e, in definitiva, perdita di attività”. Serve che il settore punti su una massiccia formazione top-down dei manager.

Dal 2017 il numero di aziende automobilistiche che hanno implementato l’AI con successo è aumentato solo marginalmente (dal 7% al 10%). Al contrario, è stato più significativo l’incremento delle aziende che non la utilizzano affatto (dal 26% al 39%). Secondo il report, solo il 26% delle aziende sta attualmente sperimentando progetti di AI, in calo rispetto al 41% nel 2017: una contrazione forse dovuta al fatto che le aziende hanno maggiori difficoltà a raggiungere il ritorno sull’investimento desiderato.

Dai risultati emerge anche una significativa disparità su base regionale, con il 25% delle aziende degli Stati Uniti che utilizzano l’AI su ampia scala, rispetto al 9% in Cina (con un aumento significativo dal 5% al 9%), l’8% in Francia, il 5% in Italia e il 2% in India.

Dal report si evince che il settore ha più fiducia nel potenziale dell’AI in tema di creazione di nuovi posti di lavoro, tanto che il 100% dei dirigenti afferma che questa tecnologia sta portando alla creazione di nuovi ruoli, in contrapposizione all’84% evidenziato dal report del 2017.

In media l’adozione di AI ha consentito un aumento del 16% della produttività nell’area Ricerca e Sviluppo (R&S), un miglioramento del 15% dell’efficienza operativa della supply chain e del 16% in ambito produzione/operations, una riduzione del 14% dei costi diretti sulla customer experience e del 17% sull’IT. Infine, ha consentito una riduzione pari al 15% del time-to-market in ambito R&S e del 13% nel marketing e nelle vendite.

Fra le best practice Volkswagen attraverso il machine learning crea precisi modelli di vendita dei veicoli per una gamma che conta 250 modelli di auto in 120 paesi. E Mercedes-Benz sta testando un sistema di riconoscimento basato sull’IA per le spedizioni in grado di ridurre del 15% i tempi di carico dei veicoli.

“I produttori di veicoli devono iniziare a considerare l’AI non come un’opportunità a sé stante, ma come una componente strategica su cui investire denaro e competenze per plasmare il futuro – dice Domenico Cipollone, Head of Automotive, Capgemini Business Unit Italy -. Come dimostra questa ricerca, l’AI può fornire un ritorno significativo per ogni azienda automobilistica, ma solo se implementata su scala. Perché le organizzazioni devono investire nelle giuste competenze, garantire una qualità dei dati sufficiente e avere una struttura di gestione che fornisca sia la direzione che il supporto esecutivo”.

Per ottenere risultati su scala, le aziende devono investire, migliorare le proprie competenze e creare infrastrutture. In questo senso il report esamina i comportamenti delle aziende che hanno avuto più successo nell’implementazione su scala. Ne emerge che, in generale, avevano investito di più – oltre 200 milioni di dollari l’anno nell’86% dei casi -, concentrato i propri sforzi in termini di assunzione e formazione sulle competenze in materia, e creato una chiara struttura di governance per dare priorità e promuovere l’AI con misure che includono una direzione centrale per gestire gli investimenti ad hoc e un team interfunzionale di esperti di tecnologia, business e operation.

@RIPRODUZIONE RISERVATA
Argomenti trattati

Personaggi

D
domenico cipollone

Approfondimenti

A
AI
A
Automotive
C
capgemini
D
dati

Articolo 1 di 5