Il settore energetico sta attraversando una fase di profonda mutazione, dove la capacità di convertire enormi volumi di dati destrutturati in informazioni operative rappresenta il vero spartiacque tra efficienza e obsolescenza.
Durante l’Industria Italiana Summit, Angela Pinciroli e Giovanni Russo, rispettivamente head of Telco, Media, Utilities and Transportation e head of AI Strategy and Transformation del gruppo Lutech, hanno delineato come l’adozione di tecnologie avanzate stia permettendo di superare le criticità storiche del mercato Energy & Utilities, trasformando la gestione degli asset in un modello predittivo e integrato.
La sfida attuale non risiede più nella semplice raccolta del dato, ma nella creazione di una visione completa che consenta decisioni rapide e strategiche.
Indice degli argomenti
L’integrazione tra digital twin e intelligenza artificiale nelle reti energetiche
Il mercato dell’energia in Italia sta cambiando con una velocità tale da richiedere nuovi strumenti di coordinamento automatico. Secondo Angela Pinciroli, sono quattro le aree in cui il digitale e l’intelligenza artificiale stanno generando valore: la trasformazione di piccoli impianti in risorse aggregate, la semplificazione dell’esperienza per il cliente finale, l’ottimizzazione della precisione nelle previsioni e la creazione di ecosistemi di innovazione basati sulla condivisione sicura dei dati.
In questo scenario, il digital twin emerge come l’elemento abilitante fondamentale per la gestione delle reti elettriche di media e bassa tensione.
L’approccio presentato da Lutech prevede una fusione funzionale tra simulazione e analisi. Come spiegato da Pinciroli: «Il digital twin dà gli occhi, l’IA dà il cervello, ma insieme devono creare un sistema nervoso per l’energia del futuro». Attraverso l’uso di sensori e simulazioni digitali, è possibile monitorare in tempo reale lo stato della rete, mentre l’IA interviene per identificare condizioni critiche e congestioni, suggerendo azioni correttive tramite copilot avanzati. I risultati ottenuti su primari player del settore energetico confermano la validità di questo paradigma:
- Una riduzione del 10% dei costi di manutenzione;
- Un netto miglioramento dell’osservabilità della rete e della resilienza;
- Una contrazione dei tempi di riparazione grazie alla localizzazione rapida dei guasti.
Tuttavia, l’efficacia di un digital twin dipende strettamente da tre prerequisiti tecnici e organizzativi: la disponibilità di dati di qualità provenienti da sensori affidabili, un’infrastruttura cloud robusta dotata di cyber security e, soprattutto, la presenza di competenze ibride in grado di comprendere contemporaneamente le dinamiche dell’energia e quelle del digitale.
Dai dati alla decisione: il valore del gemello digitale nelle infrastrutture critiche
Il potere trasformativo dell’intelligenza artificiale si manifesta con particolare forza quando viene applicato alla previsione della domanda e alla manutenzione delle infrastrutture nazionali. Angela Pinciroli ha illustrato progetti significativi dove l’integrazione tra digital twin e IA ha permesso a grandi operatori della distribuzione di monitorare costantemente l’offerta e la domanda.
Questo sistema ha consentito di prevedere fluttuazioni e ottimizzare la distribuzione, portando a una riduzione dei costi operativi superiore al 12%.
L’accuratezza delle previsioni meteorologiche e di consumo, che storicamente oscillava intorno al 20%, è stata portata grazie a queste tecnologie fino al 95%. Un salto di qualità che impatta direttamente sulla sostenibilità e sulla decarbonizzazione, facilitando l’integrazione di tecnologie come l’idrogeno verde e il power-to-gas.
Lutech ha infatti implementato piattaforme di simulazione specifiche per l’idrogeno, modellando l’impatto di questa fonte sulle reti esistenti per ottimizzarne produzione e distribuzione.
Al centro di questa architettura si trova la centralizzazione dei dati. L’implementazione di “Data Platform” integrate ha permesso a importanti società energetiche di liberare il 30% del tempo precedentemente dedicato ad attività a basso valore, dirottandolo verso analisi data-driven e decisioni strategiche.
«L’intelligenza artificiale è la chiave per sbloccare questo potenziale, perché coordina sistemi complessi, semplifica l’esperienza e ottimizza le risorse» , ha affermato Pinciroli, sottolineando come l’obiettivo finale sia un’efficienza operativa diffusa su tutta la filiera.
Agentic AI e l’automazione dei processi complessi nell’industria
Mentre il machine learning tradizionale si occupa della parte analitica, l’evoluzione verso l’Agentic AI segna il passaggio a una fase più matura e strategica della trasformazione digitale. Giovanni Russo ha descritto questo cambiamento come la transizione da strumenti isolati per la generazione di contenuti a layer di orchestrazione capaci di mediare tra intento umano e sistemi complessi.
All’interno del framework Lutech Brain, l’obiettivo è comprimere processi che solitamente richiedono giorni in poche ore di lavoro.
Le applicazioni pratiche
Le applicazioni pratiche di questa “intelligenza agente” toccano ambiti critici come il trading energetico e la fidelizzazione del cliente. Nel caso del trading aumentato, il machine learning prevede i prezzi di mercato con un’accuratezza superiore al 90%, mentre l’IA generativa supporta il trader spiegando in linguaggio naturale perché un asset è stato venduto e suggerendo scenari “what-if”.
Parallelamente, nella gestione dei clienti, il sistema permette di anticipare il rischio di abbandono con livelli di precisione analoghi, fornendo agli operatori le giustificazioni quantitative dietro ogni punteggio di rischio.
L’Agentic AI trova applicazione anche nella gestione operativa interna, come nei progetti sviluppati per la gestione dei contratti e del magazzino. Attraverso lo sviluppo di “super-agenti”, gli uffici acquisti possono interrogare sistemi legacy e knowledge base strutturate in modo semplificato, riducendo drasticamente il carico operativo e il tempo necessario per le decisioni. Secondo Russo, questi workflow orchestrati rappresentano il presente della tecnologia, trasformando radicalmente il modo in cui le grandi imprese interagiscono con le proprie infrastrutture digitali.
Competenze ibride e ritorno sull’investimento: la sfida dell’industrializzazione
L’esperienza maturata nel mondo Energy & Utilities non è un silos isolato, ma un modello esportabile verso altri comparti, come quello industriale e idrico. Angela Pinciroli ha evidenziato come le acciaierie e le aziende energivore possano mutuare queste soluzioni di ottimizzazione dei processi, poiché la centralità del dato resta il denominatore comune. In particolare, il settore idrico sta già utilizzando i fondi del PNRR per efficientare la distribuzione e creare reti intelligenti, rispondendo a una crescente necessità di innovazione regolamentata.
Tuttavia, il passaggio dal progetto pilota alla soluzione industrializzata richiede una governance chiara e risultati misurabili. Giovanni Russo è stato categorico sui criteri di successo: «Si parte da un’esigenza di business dimostrando quello che è il ROI: devono avere un ROI con un moltiplicatore di almeno un per 5. Questi sono quelli che si trasformano in soluzioni industrializzate».
Per garantire che l’innovazione non rimanga un esercizio tecnologico fine a se stesso, Lutech punta su cicli rapidi di sviluppo, con Proof of Concept (PoC) realizzati in 2-3 mesi che permettano di visualizzare “quick win” immediati.
Il change management
Un elemento determinante per il successo di lungo periodo è il change management. Attraverso la piattaforma Brain Learning, Lutech supporta le aziende nel colmare il gap di competenze ibride e nel favorire il cambiamento culturale necessario per l’adozione dell’IA.
I dati riportati indicano che una formazione personalizzata e piani di comunicazione mirati possono portare a una riduzione del 30% del tempo necessario per l’adozione di nuovi strumenti digitali. In ultima analisi, come ricordato da Russo, investire sulla qualità del dato è vitale, poiché sistemi alimentati da informazioni scarse producono risultati inutili, rendendo l’integrazione tra tecnologia, processi e persone l’unico percorso percorribile per una reale competitività.
