La tensione fra l’essere bravi oggi e continuare a essere leader domani, tra le competenze interne e quelle esterne, tra la storia e il futuro. “Aiutiamo l’Edison di oggi a traguardare l’Edison di domani”, dice Davide Dotti, responsabile Innovation di Edison, ricordando la vision del suo team. «Le parole sono importanti», aggiunge, citando il Nanni Moretti di “Palombella rossa”. E quelle parole disegnano due equilibri difficili: tra il peso di essere la più antica società energetica europea (oggi parte del Gruppo francese EDF) e la necessità di reinventarsi, tra le competenze interne stratificate e la capacità di aprirsi all’ecosistema esterno.
Serve tanta innovazione abilitata dalle tecnologie digitali. Per questo abbiamo chiesto a Davide Dotti e Lorenzo Montelatici, Responsabile Digital del Gruppo, di raccontarci il percorso di Edison che – con l’intelligenza artificiale – lavora da quasi dieci anni, “quando non si chiamava ancora AI, ma machine learning” (ricorda Montelatici). Ma è cambiato il contesto, il mercato e la tecnologia: oggi quella stessa azienda si trova a gestire migliaia di impianti distribuiti sul territorio, a fare i conti con una “bomba” — parola usata da loro — che è esplosa tra le mani: la GenAI.
Indice degli argomenti
Fare innovazione in un’azienda storica: la doppia frontiera
Qual è la partita che si gioca davvero quando si fa innovazione in un gruppo come Edison?
DAVIDE DOTTI: Noi lavoriamo su due frontiere. La prima è la tensione tra l’essere leader oggi — e lo siamo da tanto, siamo la più antica società energetica europea — e la voglia di essere leader domani. La seconda è quella tra competenze interne e apertura verso l’esterno. Le competenze interne sono fortissime, stratificate: sono, se vuoi, l’oro che abbiamo in casa. Ma l’innovazione non si fa solo con quelle. Si fa mettendole in relazione con il mondo fuori, dove ci sono idee, tecnologie, approcci diversi. Noi giochiamo esattamente su questo equilibrio, cercando di allargare la frontiera di ciò che è possibile.
Sul piano dei contenuti, le priorità sono chiare: rinnovabili, scalabilità digitale, nuove tecnologie per la flessibilità del sistema energetico, pompaggi idroelettrici, cattura e valorizzazione della CO2, eolico offshore, e il tema del nuovo nucleare, su cui Edison ha iniziato a lavorare insieme alla capogruppo francese. Sono temi di medio periodo, non si esauriscono in pochi mesi. Ma ci stiamo lavorando già oggi.
Da pochi impianti a migliaia: la necessità del digitale
Quali sono le tecnologie che stanno già cambiando il modo in cui Edison gestisce produzione e impianti?
LORENZO MONTELATICI: La vera sfida del digitale oggi nasce da un fatto strutturale: siamo passati da avere 4-5 impianti molto grandi a gestirne migliaia, tra eolici e fotovoltaici, distribuiti sul territorio. Questo crea un tema enorme di integrazione delle informazioni e di capacità di estrarne valore per prendere decisioni. In questo contesto, l’AI e il machine learning non sono un’opzione: sono lo strumento che permette di scremare quella massa di dati e ricavarne insight utili.
Edison ha cominciato a lavorarci quasi dieci anni fa, quando non si chiamava ancora AI. Il primo campo di applicazione è stato la previsione di produzione delle fonti rinnovabili: sapere in anticipo quanta energia produrrà una turbina eolica è fondamentale per renderla dispacciabile sulla rete. Ma il secondo, forse ancora più sofisticato, è il monitoraggio predittivo degli impianti.
Come funziona questa manutenzione predittiva?
MONTELATICI: Preferiamo parlare di ‘identificazione delle anomalie’ più che di manutenzione predittiva. Il nostro sistema costruisce un digital twin di ogni turbina: un modello che mima il comportamento dell’impianto nelle condizioni ottimali. Quando il funzionamento reale diverge da quel modello, il sistema alza una bandierina. Non un allarme fisso a 100 gradi, come si faceva in passato, ma una segnalazione dinamica: se in quel momento la pala lavora a basso carico, 60 gradi potrebbero essere già troppi. Il contesto cambia tutto.
Oggi Edison gestisce molte centinaia di turbine, ognuna con il proprio modello dedicato. Un numero destinato a crescere. E qui emerge la differenza con un impianto termoelettrico tradizionale, dove puoi portare la macchina in condizioni standard per verificarne le performance: con un eolico, il vento decide lui. Non puoi controllare l’input. Puoi solo capire, in ogni condizione operativa possibile, se il comportamento dell’impianto è quello atteso.
La “bomba” GenAI: dove genera valore reale
L’intelligenza artificiale generativa dove sta producendo risultati concreti oggi?
MONTELATICI: L’AI generativa ha due declinazioni. La prima riguarda la produttività individuale: i vari copilot, gli strumenti di sintesi, la capacità di lavorare su documenti complessi. Abbiamo fatto una sperimentazione con Copilot di Microsoft: i feedback sono stati positivi, ma non c’è stata evidenza sufficiente per giustificare una diffusione capillare, anche perché stiamo parlando di circa cinquemila licenze. Abbiamo però accesso al Copilot incluso in Office 365, che è gratuito e viene usato dai colleghi. Su questo stiamo facendo formazione, perché la GenAI introduce una discontinuità rispetto al machine learning: questi modelli accedono ai dati aziendali e l’interazione è “democratica” nel senso che ogni utente può relazionarsi col sistema autonomamente, e c’è quindi un tema di data governance da gestire con attenzione.
La seconda declinazione è quella dei processi interni, e qui i risultati sono più tangibili. L’esempio più concreto è un’applicazione appena industrializzata per la gestione delle richieste di pagamento dalla pubblica amministrazione.
Cioè, puoi dirci di più su questo caso d’uso?
MONTELATICI: Edison riceve ogni anno tra diverse migliaia di richieste di pagamento per tasse, licenze, contributi. Arrivano via mail, in forma non strutturata: thread, allegati, bollettini. Una persona le leggeva, estraeva le informazioni rilevanti, chiedeva l’autorizzazione al dipartimento competente e caricava il pagamento su SAP. Abbiamo costruito un’applicazione basata sulla GenAI che legge il thread, verifica l’IBAN, controlla la correttezza formale, e prepara i dati per SAP. L’uomo interviene alla fine, non per leggere migliaia di mail, ma per validare il risultato. E se qualcosa non torna, può ricostruire l’intero processo perché lo strumento mostra anche da dove ha estratto ogni informazione.
DOTTI: Con la RPA (Robotic Process Automation) classica non l’avresti potuto fare. Era poco più di una macro: funzionava solo con posizioni fisse, campi predefiniti. La GenAI introduce la comprensione del linguaggio, l’interpretazione del contesto. È un salto qualitativo.
Il passo successivo: agenti e “AI boss”
Dove si sta spingendo adesso la sperimentazione?
MONTELATICI: Stiamo lavorando a uno strumento per la gestione degli impianti eolici che mette insieme fonti di dati eterogenee: dati strutturati di produzione, segnalazioni dei nostri modelli di anomalia, ma anche dati non strutturati come i report di manutenzione e i work order. L’obiettivo è che un operatore possa navigare facilmente in questo patrimonio informativo. ‘Quale turbina ha funzionato peggio nell’ultimo mese? Quali altre turbine con lo stesso componente hanno avuto problemi? Qual è stato l’ultimo intervento su questa pala?’ Domande che oggi richiedono tempo, e a cui uno strumento basato su agenti potrebbe rispondere in pochi secondi.
DOTTI: Qui è importante la costruzione dell’architettura ad agenti: c’è un agente specializzato nell’interrogare i database, uno che legge le mail, uno che consulta i manuali di manutenzione. E sopra c’è quello che abbiamo cominciato a chiamare l’AI boss: un agente coordinatore che suddivide il lavoro assegna i compiti in funzione delle competenze di ciascuno e poi aggrega la risposta.
MONTELATICI: La promessa degli agenti è di alleggerire soprattutto le attività a basso valore aggiunto. Pensiamo al customer service: la maggior parte delle chiamate all’assistenza di Edison riguarda sempre le stesse tre domande. C’è chi apre il foglio Excel con la procedura, c’è chi la conosce a memoria, c’è chi deve andare a cercarla. Queste interazioni possono essere automatizzate. I call center non spariranno, perché ci saranno sempre i casi complessi. Ma il resto è terreno per gli agenti.
L’AI cambia anche il modo di fare innovazione
L’AI sta modificando anche il processo di scouting e selezione delle startup?
DOTTI: Sì, e in modo molto concreto. Abbiamo adottato suite che integrano la GenAI per le attività di scouting: portali che ci aiutano a fare sintesi, a produrre report, a individuare trend tecnologici o startup con cui avviare una collaborazione. Attività che due anni fa richiedevano settimane e un investimento significativo in consulenza specialistica o strategica, oggi il mio team è in grado di farle in pochi giorni, spendendo molto meno. Non stiamo improvvisando: stiamo applicando dei superpoteri a un team che ha già le competenze giuste. La qualità del lavoro che riusciamo a produrre oggi è aumentata. Notevolmente.
C’è anche un effetto collaterale interessante: l’impatto sui consulenti esterni. Aumento la produttività interna e riduco il ricorso alla consulenza tradizionale. Centellino gli esperti esterni per le cose che davvero non riesco a fare con il mio team. Il resto lo facciamo noi. E lo sa anche il mercato, infatti stanno arrivando le prime proposte di suite costruite appositamente per i team di innovazione, con agenti e GenAI integrati. Il fermento si sente.
È il momento della leadership trasformativa
Nei prossimi anni, dove si gioca il vero salto di discontinuità?
MONTELATICI: Il mondo dell’energia è sempre stato un mondo a evoluzione lenta, perché stiamo parlando di deep tech, di hardware, di infrastrutture. Ma quello che è successo con i dati e l’AI generativa è stato dirompente. Noi ci lavoravamo da dieci anni, eravamo tranquilli con i nostri modelli di machine learning. E poi è esplosa una bomba, perché questo effettivamente è stato.
DOTTI: Il salto di discontinuità non è solo tecnologico. Sul fronte delle tecnologie energetiche ci sono vincoli regolatori, temi geopolitici, tempi di maturazione lunghi: ci lavoriamo, ma con orizzonti di medio-lungo periodo. Sul fronte digitale, invece, i risultati possono arrivare in sei mesi. La vera sfida è quella di chi si prende la responsabilità di farlo: di scegliere di sostituire un processo fatto da umani con un agente, di validare un business case su costi che oggi conosci ma non sai proiettare nel futuro. C’è un gran bisogno di leadership trasformativa.
MONTELATICI: La questione della responsabilità emerge anche su un piano più operativo. Quando abbiamo testato il sistema fatto quel sistema di pagamenti per la pubblica amministrazione di cui si diceva prima, un responsabile di area alla terza volta in cui ricordavo che comunque ci sarebbe sempre stato un umano alla fine del processo a controllare, mi ha detto: ma tu pensi che gli uomini non sbaglino? Sai quante volte è capitato di fare un errore? Si tratta soltanto di gestire il rischio, mantenendolo a una soglia ragionevolmente bassa.
Chi sa gestire le persone, sa tollerare i loro errori. Adesso deve imparare a fare lo stesso con il suo team virtuale. Non è così scontato. Chi è abituato a guidare persone sa che ci sono margini di errore accettabili. Lo stesso vale per gli agenti: se il tasso di errore è sufficientemente basso, puoi accettare che il processo vada avanti in automatico. Il problema è che questa mentalità non è ancora molto diffusa, ma è solo questione di tempo.
