L’adozione dell’AI per la gestione del traffico aereo sta entrando in una fase cruciale anche in Italia. Durante l’Artificial Intelligence Talk organizzato dall’Osservatorio Artificial Intelligence del Politecnico di Milano il 23 settembre scorso, Giuseppe La Banca, Head of Innovation Lab di ENAV, ha illustrato come il gestore nazionale del traffico aereo stia sperimentando sistemi basati sull’intelligenza artificiale per rendere più efficienti i processi di safety investigation. Si tratta di un ambito ad altissima criticità, in cui ogni analisi serve a prevenire incidenti futuri e a migliorare le procedure operative.
Indice degli argomenti
La centralità delle investigazioni di safety
ENAV gestisce lo spazio aereo italiano attraverso 45 torri di controllo e quattro centri di controllo d’area, monitorando quotidianamente i movimenti in aeroporto e le rotte che attraversano il Paese. Ogni volta che si verifica un decadimento della safety, ad esempio un mancato rispetto delle distanze minime di separazione, un pilota o un controllore segnala l’evento. Da qui parte un processo investigativo regolato a livello europeo, che richiede la trascrizione e l’analisi delle comunicazioni tra pilota e torre di controllo.
Tradizionalmente, questa fase si è sempre basata su una lunga attività manuale: ascoltare le registrazioni radio, trascriverle parola per parola, comprendere il linguaggio tecnico codificato e solo alla fine ricostruire l’accaduto. “Ricordo i tempi dell’università in cui si sbobinavano le lezioni. Per le investigazioni aeronautiche il primo passo è molto simile”, ha spiegato La Banca.
Una pipeline di AI addestrata sul linguaggio aeronautico
Per accelerare questo lavoro, ENAV ha sviluppato una pipeline proprietaria, concepita e addestrata all’interno dell’Innovation Lab. La prima sfida è stata affrontare la complessità delle conversazioni aeronautiche. “Ascoltare una comunicazione tra pilota e torre è un linguaggio a parte, regolato dall’alfabeto ICAO e da un lessico dedicato”, ha osservato La Banca.
Gli strumenti commerciali di riconoscimento vocale non raggiungevano livelli di accuratezza accettabili in questo scenario. Da qui la scelta di addestrare un motore specifico di Automatic Speech Recognition (ASR). Alla trascrizione segue una fase di speech diarization, che attribuisce le battute al soggetto corretto – pilota o controllore. Un ulteriore passaggio di data harmonization integra i codici delle compagnie e degli enti aeroportuali secondo gli standard internazionali.
La parte conclusiva della pipeline sfrutta un Large Language Model arricchito da un approccio RAG (Retrieval-Augmented Generation). All’algoritmo vengono forniti i documenti e le procedure interne, così da ricostruire la conversazione in un linguaggio comprensibile anche a chi non è del settore. In output viene generato un report in formato Word o PDF che descrive il caso e fornisce un’analisi strutturata, pronta per la revisione umana.
Efficienza e risparmi nei processi investigativi
L’applicazione dell’AI ha permesso di ottenere benefici misurabili. Secondo i dati condivisi da La Banca, la trascrizione manuale di una registrazione di dieci minuti richiede in media il triplo del tempo di input. Con il nuovo sistema, i tempi si riducono drasticamente. L’effort complessivo cala del 60% rispetto ai metodi tradizionali, consentendo di processare un numero maggiore di investigazioni senza sacrificare la qualità.
Questi risultati sono già stati validati in una fase di sperimentazione attiva nei centri di controllo d’area di Roma, Milano, Padova e Brindisi, oltre che negli aeroporti di Malpensa, Fiumicino e Venezia.
I vincoli regolatori e l’impatto dell’AI Act
Un aspetto centrale riguarda i limiti normativi. Alla domanda del pubblico sulla possibilità di applicare il sistema in tempo reale, La Banca ha chiarito che le regole europee attuali impongono che le trascrizioni avvengano offline, solo dopo la segnalazione di un evento di safety.
Il tema si intreccia con l’evoluzione dell’AI Act. “Siamo un settore molto normato e regolato. L’AI Act si sta traducendo in un regolamento specifico per l’aviazione, grazie anche al lavoro dell’ente europeo CANSO”, ha affermato La Banca. Parallelamente, altri tavoli internazionali stanno lavorando a linee guida per i sistemi avionici e per l’automazione del traffico aereo.
Il ruolo insostituibile del controllore
Nonostante l’elevato grado di automazione, ENAV sottolinea che la supervisione umana rimane decisiva. “Questo è un tool che supporta, non sostituisce. Alla fine del processo, l’investigatore che è un controllore firma il documento e si assume la responsabilità di quanto riportato”, ha ricordato La Banca.
Il sistema prevede infatti che l’elaborato generato dall’AI venga rivisto da un controllore esperto, il quale può correggere eventuali errori di interpretazione. Ogni feedback raccolto viene poi utilizzato per migliorare i moduli della pipeline, alimentando un ciclo continuo di addestramento.
Prospettive di evoluzione
Guardando alle prospettive future, la roadmap di ENAV prevede l’estensione del sistema a tutti gli uffici safety sul territorio nazionale entro la fine dell’anno. L’attenzione si concentra anche su possibili applicazioni operative: “Correlare le comunicazioni radio trascritte con le tracce radar potrebbe fornire al controllore nuovi insight direttamente sullo schermo, facilitando le decisioni in tempo reale”, ha anticipato La Banca.
Si tratta di uno scenario che apre a un nuovo modo di intendere il supporto al controllo del traffico aereo: non più soltanto uno strumento retrospettivo per le investigazioni, ma un potenziale alleato quotidiano nelle sale operative.
