Il Capgemini Research Institute ha recentemente pubblicato il report Accelerating Automotive’s AI Transformation: How driving AI enterprise-wide can turbo-charge organizational value, da cui emerge che solo il 10% delle principali case automobilistiche sta implementando progetti di intelligenza artificiale (IA) su larga scala. Molte aziende del settore automotive, dunque, non riescono ancora a cogliere una simile opportunità, che potrebbe aumentare l’utile operativo fino al 16%. Inoltre, il report evidenzia che il tasso di implementazione dell’intelligenza artificiale da parte delle case automobilistiche è minore rispetto al 2017, nonostante i vantaggi in termini di costi, qualità e produttività che nascono dall’utilizzo di questa tecnologia.
Il report ha coinvolto 500 dirigenti di grandi aziende automobilistiche in otto paesi e, partendo da uno studio simile condotto nel 2017, ha stabilito i recenti trend di investimento e di implementazione dell’IA. Il report ha evidenziato due possibili ragioni legate ai modesti progressi in relazione all’utilizzo dell’IA:
- Gli ostacoli alla trasformazione tecnologica sono ancora elevati, come ad esempio i sistemi IT legacy, l’accuratezza e la protezione dei dati, la mancanza di competenze.
- L’entusiasmo e le elevate aspettative iniziali legate all’IA si sono trasformate in una visione più misurata e pragmatica, man mano che le aziende sono venute a contatto con la sua implementazione concreta.
Queste le principali evidenze:
L’implementazione su scala dell’IA ha avuto una crescita lenta: dal 2017, il numero di aziende automobilistiche che hanno implementato l’IA su scala con successo è aumentato solo marginalmente (dal 7% al 10%). Al contrario, è stato più significativo l’incremento delle aziende che non utilizzano affatto l’IA (dal 26% al 39%). Secondo il report, solo il 26% delle aziende sta attualmente sperimentando progetti di IA (in calo rispetto al 41% nel 2017). Forse questo è dovuto 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’IA 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.
Le aziende automobilistiche possono ottenere un vantaggio significativo dall’utilizzo dell’IA su vasta scala: i modesti progressi nell’implementazione di progetti di IA su larga scala rappresentano una grande opportunità che il settore automobilistico non è ancora riuscito a cogliere. Il report definisce vari scenari, basati su un tipico produttore OEM (Original Equipment Manufacturer) di grandi dimensioni: nello scenario più prudente, si stima che l’utilizzo dell’IA su ampia scala potrebbe portare a un incremento dell’utile operativo del 5% (o 232 milioni di dollari), mentre in quello più ottimistico l’incremento potrebbe arrivare fino al 16% (o 764 milioni di dollari).
“Con l’ispezione visiva basata sull’IA abbiamo sensibilmente ridotto il rapporto di falsi positivi rispetto ai sistemi precedenti”, ha dichiarato Demetrio Aiello, Head of the AI & Robotics Labs di Continental. “Sono certo che l’IA, se sfruttata al massimo del suo potenziale, possa avere un impatto sulle prestazioni pari a circa il doppio della capacità attuale.”
L’intelligenza artificiale è vista più come una tecnologia in grado di creare nuovi posti di lavoro piuttosto che come un sostituto del lavoro dell’uomo: dal report si evince che il settore ha più fiducia nel potenziale dell’IA in tema di creazione di nuovi posti di lavoro, tanto che il 100% dei dirigenti afferma che tale tecnologia sta portando alla creazione di nuovi ruoli, in contrapposizione all’84% evidenziato dal report del 2017.
L’IA genera risultati positivi nei contesti in cui viene utilizzata: Lo studio ha rilevato una serie costante di vantaggi offerti dall’IA a tutte le funzioni aziendali del settore automobilistico in cui è stata implementata. In media, 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.
Inoltre, il report identifica e descrive alcuni progetti IA di successo. Ad esempio, Continental genera in un’ora 5.000 miglia di dati di test per i veicoli attraverso una simulazione alimentata dall’intelligenza artificiale, rispetto alle 6.500 miglia di dati che generava attraverso test di guida fisici in un intero mese.
Altri esempi includono:
- Volkswagen, che attraverso il machine learning crea precisi modelli di vendita dei veicoli per una gamma che conta 250 modelli di auto in 120 paesi
- Mercedes-Benz, che sta testando un sistema di riconoscimento basato sull’IA per le spedizioni in grado di ridurre del 15% i tempi di carico dei veicoli
“Questi risultati dimostrano che i progressi dell’IA nell’industria automobilistica hanno avuto un rallentamento. Alcune aziende stanno riscuotendo un notevole successo, ma altre hanno faticato a concentrarsi sui casi d’uso più efficaci. I produttori di veicoli devono iniziare a considerare l’IA non come un’opportunità a sé stante, ma come una componente strategica su cui investire denaro e competenze per plasmare il futuro”, ha affermato Domenico Cipollone, Head of Automotive, Capgemini Business Unit Italy. “Come dimostra questa ricerca, l’IA può fornire un ritorno significativo per ogni azienda automobilistica, ma solo se implementata su scala. Perché l’IA abbia successo, 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: il report ha poi esaminato i comportamenti delle aziende che hanno avuto più successo nell’implementazione su scala dell’IA (‘Scale Champions’). Ne è emerso che, in generale, avevano:
- investito molto di più nell’IA (più di 200 milioni di dollari all’anno nell’86% dei casi);
- concentrato i propri sforzi in termini di assunzione e formazione sulle competenze in materia di IA (il 32% ha dichiarato che le assunzioni sono un elemento rilevante per la propria strategia di IA, in contrapposizione a un 14% che afferma il contrario; il 25% ha dichiarato di aver aumentato e modificato le competenze dei dipendenti attuali, in contrapposizione a un 14% che afferma il contrario);
- creato una chiara struttura di governance per dare priorità e promuovere l’IA, con misure che includono una direzione centrale per gestire gli investimenti in IA e un team interfunzionale di esperti di tecnologia, business e operation.