L’intelligenza artificiale sta entrando in una nuova fase di maturità industriale. Dopo anni dominati da sperimentazioni, proof of concept e applicazioni isolate, le aziende manifatturiere iniziano a integrare l’AI direttamente nei processi operativi, trasformandola in un’infrastruttura capace di collegare dati, decisioni e azioni lungo tutta la catena del valore.
Non si parla più soltanto di chatbot o strumenti di produttività individuale. L’evoluzione in corso riguarda sistemi intelligenti in grado di interpretare eventi, correlare informazioni provenienti da ambienti eterogenei, supportare operatori e automatizzare attività operative in tempo reale.
Un’accelerazione che coinvolge manufacturing, logistica, manutenzione, qualità e pianificazione industriale, spinta dalla convergenza tra AI generativa, agenti intelligenti, edge computing e piattaforme industriali sempre più orientate ai dati.
I temi sono emersi anche nel corso di Xchange, l’evento organizzato da Reply dedicato all’innovazione tecnologica e ai nuovi scenari dell’intelligenza artificiale in ambito enterprise.
L’AI come componente attiva delle operations industriali
La trasformazione più significativa riguarda il passaggio da sistemi che si limitano a raccogliere dati a piattaforme capaci di interpretarli e trasformarli in azioni operative.
Negli ambienti industriali, infatti, i dati sono spesso distribuiti tra sistemi differenti — MES, ERP, piattaforme IIoT, software per qualità, manutenzione e pianificazione — progettati storicamente per funzionare in modo separato. Il risultato è una visione frammentata delle operations, che rallenta analisi, decisioni e capacità di risposta.
L’obiettivo delle nuove architetture AI è invece creare un layer cognitivo in grado di unificare il contesto operativo della fabbrica, correlando informazioni provenienti da ambienti eterogenei e rendendo i processi leggibili in maniera integrata.
In questo scenario si inserisce Brick Cognitive, la piattaforma sviluppata da Hermes Reply per introdurre un modello di cognitive manufacturing all’interno delle operations industriali.
Brick Cognitive: il sistema operativo agentico per la fabbrica
Brick Cognitive rappresenta una delle evoluzioni più avanzate nel campo dell’AI industriale applicata alla fabbrica. La piattaforma nasce come estensione dell’ecosistema MES/MOM Brick Reply e introduce un approccio agentico alla gestione delle operations.
L’idea di fondo è superare il tradizionale modello basato su dashboard, analytics isolati e monitoraggio passivo, introducendo sistemi capaci di comprendere ciò che accade lungo il processo produttivo e supportare decisioni operative in tempo reale.
Il cuore della piattaforma è un knowledge graph semantico che rappresenta relazioni ed entità della fabbrica: prodotti, macchine, materiali, eventi, allarmi, piani produttivi e vincoli operativi vengono collegati all’interno di un unico modello cognitivo.
Su questa struttura operano agenti AI specializzati che analizzano dati provenienti da produzione, qualità, manutenzione e pianificazione, trasformando informazioni frammentate in insight operativi contestualizzati.
L’approccio consente, ad esempio, di:
- correlare non conformità e condizioni di processo;
- identificare pattern di fermo macchina;
- ricostruire la tracciabilità end-to-end;
- valutare alternative di pianificazione;
- interpretare deviazioni di performance;
- supportare decisioni operative in tempo reale.
Un aspetto particolarmente rilevante riguarda la capacità di operare anche in contesti brownfield, quindi all’interno di ambienti industriali già esistenti e caratterizzati da sistemi eterogenei. Brick Cognitive è infatti progettato come layer cognitivo aperto, capace di integrarsi sopra piattaforme di terze parti senza richiedere una completa sostituzione dell’infrastruttura esistente.
Physical AI: quando l’intelligenza artificiale entra nel mondo fisico
Una delle direttrici più interessanti è quella della cosiddetta Physical AI, cioè l’integrazione dell’intelligenza artificiale all’interno di sistemi fisici capaci di interagire direttamente con l’ambiente.
Robot, droni, veicoli autonomi, dispositivi edge e sistemi bio-ibridi stanno diventando piattaforme intelligenti in grado di percepire il contesto circostante, interpretare dati in tempo reale e tradurre informazioni in azioni operative concrete.
La differenza rispetto all’automazione tradizionale è sostanziale. Nei sistemi convenzionali il comportamento della macchina è definito da regole predeterminate; nella Physical AI, invece, l’intelligenza artificiale permette di adattare decisioni e comportamenti sulla base delle condizioni operative reali.
Questo approccio apre scenari particolarmente rilevanti, per esempio per logistica industriale, manutenzione autonoma, robotica collaborativa.
L’integrazione tra AI, edge computing e sensoristica avanzata consente infatti di ridurre tempi decisionali, migliorare sicurezza operativa e aumentare l’autonomia dei sistemi.
Parallelamente evolve anche il rapporto uomo-macchina: le interfacce AI diventano sempre più conversazionali, multimodali e contestuali, trasformando il modo in cui operatori e tecnici interagiscono con gli impianti industriali.
Biocomputing: oltre il silicio
Accanto alle applicazioni industriali più immediate, la ricerca sta esplorando anche frontiere radicalmente nuove dell’intelligenza artificiale e del calcolo computazionale.
Tra queste emerge il biocomputing, un filone che guarda oltre le architetture tradizionali basate sul silicio e sperimenta l’utilizzo di sistemi biologici come elemento di elaborazione dati.
Le attività sviluppate da Reply insieme all’Università degli Studi di Milano mostrano concretamente come colture neuronali - provenienti da cellule staminali chiamate organoidi, detti “mini-cervelli” - possano ricevere input tramite elettrodi, generare segnali in uscita e modificare il proprio comportamento attraverso meccanismi di apprendimento basati su ricompensa e penalizzazione.
In pratica, i neuroni diventano parte attiva del sistema di calcolo.
I primi task sperimentali includono attività come il gioco Pong o la classificazione di numeri da 0 a 9, utilizzati non come semplici esercizi dimostrativi, ma come prova della possibilità di “programmare” cellule neuronali per apprendere compiti progressivamente più complessi.
Si tratta ancora di una ricerca di frontiera, lontana da applicazioni industriali diffuse, ma che offre una visione concreta di come potrebbe evolvere il futuro del computing nei prossimi anni.