
Intervista di Elena Veronelli a Gianmarco Ciarfaglia, Senior Manager AI & Advanced Analytics di Engineering, ed a Umberto D'Angelo, Direttore Business Development Energy & Utilites di Engineering.
L'intelligenza artificiale è diventata rapidamente una leva strategica per la gestione smart delle risorse energetiche e penso che sarà sempre più il "motore silenzioso" della transizione energetica, capace di creare valore non solo economico, ma anche ambientale e sociale.
Ne parlano in questa intervista Gianmarco Ciarfaglia, Senior Manager AI & Advanced Analytics di Engineering, ed Umberto D'Angelo, Direttore Business Development Energy & Utilites di Engineering, che spiegano: "in Italia abbiamo competenze di alto livello, casi d'uso concreti e aziende molto avanzate nella gestione predittiva degli asset, nella modellazione dei consumi, nel supporto alle comunità energetiche". Tuttavia, "forse mancano massa critica, continuità e regole semplici per scalare le soluzioni. L'approccio è ancora troppo sperimentale, mentre l'AI ha bisogno di dati accessibili, governance chiara e fiducia condivisa per funzionare su larga scala".
Nell'intervista Ciarfaglia e D'Angelo illustrano anche nel dettaglio la collaborazione con Snam per automatizzare l'acquisizione delle informazioni di aziende e PA e i progetti futuri nel campo dell'IA.
Snam ha scelto Engineering per automatizzare l'acquisizione delle informazioni di aziende e PA. Può spiegarci più nel dettaglio di cosa si tratta?
Gianmarco Ciarfaglia: Nell'ambito di una lunga collaborazione su progetti di AI & Advanced Analytics per la gestione dell'infrastruttura energetica, in Engineering abbiamo sviluppato una soluzione di AI Generativa che automatizza l'acquisizione delle informazioni dai disegni tecnici degli impianti di regolazione e misura.
Per Snam ciascuna singola modifica, intervento o aggiornamento apportato sugli impianti di misurazione della rete gas richiede, infatti, l'elaborazione di documentazione tecnica complessa come i P&ID (Piping and Instrumentation Diagrams), che rappresentano nel dettaglio le componenti fisiche e le loro relazioni all'interno dell'impianto. Gestire in modo efficace questa mole di informazioni tecniche, spesso eterogenee e non standardizzate, rappresentava una sfida cruciale in termini di tempi, risorse e affidabilità del dato.
Da qui la scelta di affidarsi alle competenze di Engineering - che conta un team di circa 400 persone che operano in ambito AI & Data e che è dotata di piattaforme proprietarie di Generative AI sviluppate ad hoc per le necessità dei nostri clienti – come ad esempio l'LLM EngGPT – per svolgere vari task, tra i quali analizzare lo schema dell'impianto, riconoscendo e ricostruendo automaticamente i simboli presenti nei disegni e le relazioni tra loro, estrapolando tutte le informazioni necessarie e inserendole in una database relazionale.
Dato in input un file pdf contenente i documenti relativi all'impianto, la soluzione estrae tramite algoritmi custom di Generative AI i dati di progetto e l'elenco delle componenti, validati attraverso altrettanti modelli di GenAI più classici. Usando un modello avanzato personalizzato di Image Analysis, la soluzione riconosce quindi automaticamente i simboli presenti nei disegni tecnici, indica se sono connessi tra loro e, a partire dai simboli e relazioni rilevati, tramite un sistema probabilistico, la soluzione ricostruisce i tratti e le linee che compongono il singolo impianto di regolazione e misura.
Quali sono i vantaggi nel gestire con l'IA le tantissime ed eterogenee informazioni che arrivano?
Gianmarco Ciarfaglia: L'adozione di questa soluzione innovativa, che riflette la strategia di Engineering di usare l'AI per rendere più efficienti e scalabili i processi nei settori chiave dell'economia, ha consentito a Snam di ridurre i tempi di analisi in fase di progettazione e aggiornamento degli impianti, aumentare l'affidabilità delle informazioni e abilitare nuovi standard di efficienza, precisione e scalabilità.
Automatizzare l'estrazione delle informazioni contenute nei disegni tecnici è stato per Snam un modo per efficientare i suoi processi industriali: non si sono solamente velocizzate le operazioni, ma è stata anche assicurata una maggiore accuratezza nella gestione delle informazioni tecniche, riducendo il margine d'errore umano e garantendo coerenza tra documentazione e impianti reali.
Proprio grazie al progetto sviluppato insieme ad Engineering, Snam ha ricevuto il Premio John McCarthy, che celebra le aziende che si distinguono per un utilizzo virtuoso e innovativo dell'Intelligenza Artificiale. L'azienda, che ha di recente presentato il suo primo Innovation Plan, riconosce infatti all'innovazione un ruolo centrale nel proprio percorso di crescita e nel più ampio processo di transizione energetica sostenibile.
Qual è la sua visione generale sull'utilizzo delle nuove tecnologie, come l'Intelligenza Artificiale, nella gestione delle risorse energetiche?
Umberto D'Angelo: L'intelligenza artificiale è diventata rapidamente una leva strategica per la gestione smart delle risorse energetiche e penso che sarà sempre più il "motore silenzioso" della transizione energetica, capace di creare valore non solo economico, ma anche ambientale e sociale. Non si tratta solo di automazione o di efficienza operativa, che naturalmente restano fondamentali, ma anche della possibilità di anticipare, ottimizzare e decidere in tempo reale in un contesto sempre più complesso e interconnesso.
Nel settore Energy & Utilities, l'AI consente oggi di affrontare alcune delle principali sfide: dal bilanciamento tra domanda e offerta alla gestione predittiva delle reti, dalla manutenzione intelligente degli asset alla modellazione di scenari climatici e ambientali. L'adozione di algoritmi avanzati e modelli di machine learning consente di trasformare grandi volumi di dati grezzi in insight operativi, fondamentali per guidare la transizione verso un sistema energetico più sostenibile, distribuito e resiliente.
In Engineering, ad esempio, lavoriamo su applicazioni concrete che uniscono AI, IoT e Cloud per supportare decisioni più consapevoli e tempestive, ad esempio nella riduzione delle perdite idriche, nel monitoraggio delle emissioni o nella gestione flessibile delle comunità energetiche. Infatti, integrando le nostre competenze delle tecnologie abilitanti con una profonda conoscenza del settore (abbiamo oltre 1100 specialisti IT e Business, un portafoglio di oltre 300 clienti di tutte le tipologie e una soluzione proprietaria specifica per il settore E&U, Neta Open Suite), siamo in grado di evolvere i modelli di business ed i processi dei clienti lungo l'intera filiera dell'energia: produzione, stoccaggio, trasporto, distribuzione e vendita di gas ed elettricità sistema idrico integrato, teleriscaldamento, waste management.
Per il futuro avete nuovi progetti o alleanze nel campo dell'Intelligenza Artificiale?
Umberto D'Angelo: Con un gruppo di AI&Data, siamo tra i player principali per la realizzazione di sistemi di AI e Generative AI per tutte le realità aziendali private e pubbliche del nostro paese. Abbiamo una serie di strumenti proprietari, a partire dal Large Language Model EngGPT, già installato presso molti clienti, e la cui nuova versione è al momento in addestramento "from scratch" su Cineca.
Nell'evoluzione del sistema energetico, se integrata in un ecosistema tecnologico avanzato, l'AI gioca un ruolo strategico: permette di amplificare la capacità di analisi e azione delle organizzazioni, migliorando il monitoraggio e la previsione dei consumi, ottimizzando la gestione delle risorse, supportando la progettazione delle reti e la manutenzione predittiva degli asset. Abilita inoltre un utilizzo più efficiente e sostenibile delle infrastrutture, favorisce decisioni basate sui dati e accelera l'integrazione tra produzione, distribuzione e consumo. Grazie a modelli sempre più evoluti, consente di guidare l'intera filiera energetica — elettricità, gas, acqua e rifiuti — verso un paradigma più intelligente, resiliente e coerente con le sfide della transizione ecologica.
In questo contesto si inserisce anche l'Alleanza Digitale per l'Italia, promossa da Engineering insieme ad altri partner: una partnership strategica nata con l'obiettivo di accelerare la digitalizzazione del Paese in settori chiave come energia, acqua, sanità e pubblica amministrazione. L'Alleanza mira a valorizzare i dati pubblici e privati generati lungo tutta la filiera energetica, costruendo ecosistemi digitali aperti, interoperabili e ad alta intensità tecnologica.
Nel comparto energy, ciò significa investire in piattaforme che integrano AI, Digital Twin, IoT e high performance computing per migliorare la gestione delle reti, abilitare la fatturazione real-time dei consumi, supportare decisioni infrastrutturali più efficaci e aumentare la consapevolezza degli utenti verso un uso più responsabile delle risorse. Un esempio concreto è il progetto "Sistema acqua", un'infrastruttura digitale nazionale pensata e proposta per la raccolta e l'analisi dei dati dei consumi idrici, estendibile come modello anche ad altri ambiti della transizione energetica. L'impatto potenziale è rilevante: maggiore efficienza operativa, sostenibilità ambientale e una governance dei dati capace di abilitare scelte più eque e strategiche a livello nazionale.
Engineering è presente in tutto il mondo con oltre 80 sedi. Vede differenze sostanziali tra l'Italia e gli altri Paesi su questi temi? Come si posiziona il nostro Paese? In generale quali sono i Paesi che stanno più avanti e perché?
Umberto D'Angelo: Sì, alcune differenze esistono, sia in termini di visione strategica che di capacità esecutiva. Paesi come Francia, Germania, Olanda e i nordici stanno investendo da anni in piani strutturati sull'AI applicata all'energia, con incentivi concreti all'adozione industriale e alla sperimentazione su larga scala. Hanno costruito ecosistemi integrati tra ricerca, imprese, pubblica amministrazione e startup, creando le condizioni per portare l'AI dal laboratorio alla rete, dagli algoritmi ai processi reali.
Anche in Italia abbiamo competenze di alto livello, casi d'uso concreti e aziende molto avanzate nella gestione predittiva degli asset, nella modellazione dei consumi, nel supporto alle comunità energetiche. Ma forse mancano massa critica, continuità e regole semplici per scalare le soluzioni. L'approccio è ancora troppo sperimentale, mentre l'AI ha bisogno di dati accessibili, governance chiara e fiducia condivisa per funzionare su larga scala.
Negli ultimi anni qualcosa si sta muovendo: il PNRR, la strategia europea sull'AI e l'attenzione crescente ai temi ESG spingono anche da noi verso un utilizzo più maturo dell'intelligenza artificiale nel settore energetico. Ma se vogliamo colmare il divario, serve una visione più coraggiosa e integrata, che veda nell'AI non un rischio da contenere, ma una leva strategica da governare.
Infine, un'altra differenza che vedo con altri paesi è legata agli aspetti burocratici. Penso ad esempio a quanto incide in Italia il permitting, il complesso iter autorizzativo necessario a garantire la conformità alle norme e agli standard: quando l'AI deve essere applicata ad asset fisici, i tempi e gli ostacoli burocratici che ancora oggi complicano la progettazione di opere in Italia finiscono per penalizzare anche la diffusione dell'intelligenza artificiale.
Per sviluppare innovazione è fondamentale puntare sulla ricerca. Pensa che in Italia il comparto R&S sia abbastanza supportata dalle istituzioni? Cosa servirebbe?
Gianmarco Ciarfaglia: La ricerca è il motore dell'innovazione, non solo tecnologica ma anche culturale. In Italia, negli ultimi anni, abbiamo visto segnali positivi: il PNRR, gli incentivi per la transizione digitale ed energetica, e una crescente attenzione al trasferimento tecnologico tra mondo accademico e impresa. Tuttavia, se guardiamo al confronto europeo, il comparto R&S italiano resta sottofinanziato e troppo frammentato.
Servirebbe un approccio più sistemico, che premi la continuità degli investimenti e favorisca la collaborazione tra pubblico, privato e centri di ricerca. Inoltre, è cruciale semplificare l'accesso ai fondi, ridurre la burocrazia e dare fiducia alle imprese che innovano sul campo, perché molte delle soluzioni più avanzate nascono proprio a stretto contatto con le esigenze operative. Nel settore energetico, ad esempio, l'innovazione ha bisogno di tempi lunghi, sperimentazioni sul territorio e filiere digitali stabili. Investire in R&S vuol dire anche formare competenze avanzate, trattenere talenti e creare un ecosistema in cui l'AI, i dati e le tecnologie emergenti non siano eccezioni, ma strumenti quotidiani per affrontare le grandi transizioni in atto.