Trasparenza ingegneristica, performance misurabili e il coraggio di dire “no”: così Primeconcept affronta la visione artificiale nell’industria manifatturiera. Intervista a Paolo Rossi, CEO e co-fondatore di Primeconcept Srl

Nel mondo della visione artificiale applicata all’industria, scegliere il fornitore giusto non è solo una questione di tecnologia. È una questione di metodo. In un mercato in cui l’intelligenza artificiale è diventata una “parola magica” – capace di generare aspettative spesso scollate dalla realtà – chi progetta sistemi di machine vision per il controllo qualità sa che la differenza tra un progetto riuscito e uno fallito si gioca spesso prima ancora che la prima telecamera venga installata: nella capacità di ascoltare, di analizzare con rigore, di comunicare con chiarezza e, quando serve, di dire onestamente “questo problema non si risolve così”.

Primeconcept opera da quasi vent’anni in un settore altamente specializzato. Qual è il principio che guida il vostro lavoro?

Il nostro principio fondante è la trasparenza. Non la trasparenza come slogan, ma come metodo di lavoro. Quando un cliente ci contatta, il nostro primo compito non è vendere una soluzione: è capire se il problema è effettivamente risolvibile con la visione artificiale e, soprattutto, se siamo noi i soggetti giusti per risolverlo.

Nel nostro settore c’è una tentazione fortissima: dire sempre di sì. L’AI è diventata una narrativa di marketing che promette di risolvere qualsiasi cosa con un setup minimo. Ma in verità, le performance dipendono enormemente dalla qualità dei dati, i quali a loro volta dipendono dal metodo che viene messo in campo per crearli, ovvero per acquisire le immagini. Noi preferiamo un approccio disciplinato: definiamo cosa significa “successo” in termini misurabili – tasso di rilevamento, throughput, limiti di tolleranza – e validiamo su immagini reali, prelevate direttamente dalla produzione ogniqualvolta sia possibile, prima di fare promesse.

Se non crediamo di poter risolvere genuinamente il problema, lo diciamo. Può sembrare commercialmente rischioso, ma ad oggi questo approccio non ci ha mai fatto perdere un cliente. Al contrario, ha rafforzato le relazioni nel lungo periodo. Perché la fiducia non si costruisce con le promesse, si costruisce con i fatti.

Lei parla spesso di “qualità del lavoro” come criterio di scelta del fornitore. Che cosa intende concretamente?

Intendo qualcosa di molto preciso. Quando un’azienda manifatturiera deve scegliere a chi affidare il controllo qualità della propria produzione, non dovrebbe guardare solo al prezzo, alla notorietà del marchio o alle specifiche tecniche dichiarate. Dovrebbe guardare a come quel fornitore lavora. Come analizza il problema? Come struttura il progetto? Come comunica durante lo sviluppo? Come gestisce le criticità? Che metriche espone?

La qualità del lavoro è fatta di ingegneria disciplinata e comunicazione chiara. È il modo in cui tratti l’illuminazione con la stessa serietà con cui addestri un modello di AI. È la capacità di esporre le performance del sistema in modo trasparente: frame rate, latenza, tasso di falsi positivi, deriva nel tempo. Molti sistemi sul mercato vengono dati per funzionanti, ma c’è una trasparenza limitata su cosa effettivamente fanno. Senza metriche di base visibili e la possibilità di scalare oltre i vincoli iniziali, diventa difficile giudicare il successo in modo oggettivo.

Un sistema di visione artificiale non è un prodotto che si compra a scaffale: è un progetto che si costruisce insieme. E la qualità del processo determina la qualità del risultato.

In concreto, come si traduce questo approccio nel vostro modo di operare?

Si traduce in scelte molto concrete. La prima: ascoltiamo prima di proporre. Ci inseriamo nella realtà del cliente, dialoghiamo con i diversi reparti – qualità, produzione, manutenzione, direzione – perché un sistema di visione non vive in isolamento: deve integrarsi nei flussi operativi esistenti. Cerchiamo di comprendere non solo il difetto da rilevare, ma l’intero contesto produttivo.

La seconda: progettiamo sistemi olistici, ovvero soluzioni chiavi in mano completamente integrate, in cui hardware, software, algoritmi e automazione di manipolazione e alimentazione dei pezzi lavorano come un unico ecosistema. Quando questi elementi sono progettati in modo integrato, le performance sono prevedibili e scalabili. Molte criticità che vediamo nel settore nascono proprio dal trattare l’acquisizione delle immagini o la meccanica come aspetti secondari rispetto all’algoritmo.

La terza: costruiamo asset operativi, non black box. I nostri sistemi espongono metriche, offrono accesso remoto completo per diagnosi e ottimizzazione, e includono tracciabilità totale: ogni elemento analizzato, ogni immagine, ogni decisione può essere registrata e richiamata. Questo rafforza la fiducia sia nei dati che nel sistema.

La quarta: accompagniamo il cliente verso l’autonomia. Formiamo il personale, forniamo supporto locale e remoto, e progettiamo soluzioni che possano essere gestite in modo indipendente. Non creiamo dipendenza: creiamo competenza.

Capita che veniate coinvolti in progetti dove altri hanno già tentato senza successo?

Sì, accade più spesso di quanto si pensi, ed è uno degli aspetti che meglio illustra l’importanza della qualità del lavoro. In diversi casi siamo stati coinvolti dopo che tentativi precedenti non avevano raggiunto i risultati attesi. Le cause sono quasi sempre le stesse: approcci deboli nella creazione delle immagini, variabilità meccanica non gestita, criteri di accettazione poco chiari, aspettative irrealistiche sulle capacità degli algoritmi AI così come, ancora molto spesso, utilizzo di soli algoritmi “tradizionali” – ovvero basati su regole – ottimi per molte operazioni ma non idonei per altre.

Quello che spesso fa la differenza non è un algoritmo più sofisticato, ma un approccio ingegneristico più rigoroso. L’acquisizione delle immagini trattata con la stessa serietà con cui si realizza la loro interpretazione. Metriche di performance esposte e monitorate fin dal primo giorno. Comunicazione chiara su cosa è raggiungibile subito, cosa può migliorare iterativamente e cosa richiederebbe cambiamenti strutturali.

La disciplina ingegneristica e la trasparenza si rivelano importanti almeno quanto l’AI stessa.

Primeconcept è stata una delle prime aziende in Italia ad applicare il deep learning alla visione artificiale, già nel 2015. Come vede il ruolo dell’intelligenza artificiale oggi?

Nel 2015 parlare di deep learning applicato alla machine vision era quasi fantascienza, almeno in Italia. Noi ci abbiamo creduto quando non esisteva ancora un mercato pronto a recepirlo. Oggi è uno strumento maturo che ci permette di affrontare problemi prima irrisolvibili: difetti estetici sui tessuti, variazioni cromatiche minime su superfici plastiche, anomalie che sfuggono alla descrizione formale e richiedono un “occhio” capace di apprendere dall’esperienza.

Il nostro brevetto PrimeCoMate, ad esempio, è un sistema di visione per il controllo qualità direttamente in linea con tecnologia “zero setup”: intuitivo, immediatamente operativo. Ma la tecnologia da sola non basta. L’AI è potente quanto il processo che la circonda. Se il dato di partenza è scadente, se il progetto non è strutturato correttamente, l’intelligenza artificiale amplifica i problemi anziché risolverli.

Esiste ancora un divario significativo tra aspettativa e realtà quando si parla di AI. Le narrazioni di marketing lasciano intendere che i sistemi di visione possano risolvere qualsiasi problema con un setup minimo. Noi operiamo in modo diretto: siamo chiari su quello che sappiamo, chiari su quello che stiamo costruendo, chiari su cosa significhi successo. L’obiettivo primario è risolvere il problema del cliente in modo misurabile e affidabile.

C’è una narrativa dominante che vede l’AI come sostituto dell’uomo. Qual è la vostra posizione?

La nostra posizione nasce dall’esperienza concreta, non dall’ideologia. La visione artificiale non sostituisce l’uomo: lo libera. Lo libera da compiti ripetitivi, faticosi, soggetti a errore e a distrazione, e gli restituisce il ruolo che gli è più naturale: quello creativo, decisionale, strategico.

Quando un sistema di visione ispeziona il 100% della produzione con costanza e oggettività, le persone in linea non perdono il lavoro. Guadagnano un lavoro migliore. Possono dedicarsi all’analisi dei dati, al miglioramento dei processi, alla risoluzione di problemi complessi. L’analisi delle tendenze qualitative e la direzione del processo seguono naturalmente da un’ispezione fatta bene: non sono un optional, ma parte fondamentale del valore.

Questa è la vera promessa dell’Industria 5.0: non la fabbrica senza uomini, ma la fabbrica che restituisce agli uomini la loro dignità professionale. L’automazione, paradossalmente, riporta le persone al loro ruolo più naturale.

Lei parla spesso del dato come “terreno neutro” per costruire fiducia. Può spiegare questo concetto?

Nella relazione tra fornitore e cliente, il dato è l’unico elemento che non mente. Le opinioni possono divergere, le aspettative possono essere disallineate, ma un dato misurato è oggettivo.

Quando installiamo un sistema di visione, ogni immagine acquisita, ogni difetto rilevato, ogni statistica di processo diventa un patrimonio condiviso. Il cliente può verificare con i propri occhi le performance del sistema. Noi possiamo dimostrare, numeri alla mano, il valore del nostro lavoro. I dati di ispezione, le metriche di sistema e l’analisi delle tendenze possono essere resi visibili dal piano di fabbrica fino alla sala riunioni del consiglio di amministrazione.

Non è un concetto astratto: è il nostro modo quotidiano di lavorare. Le nostre soluzioni interagiscono con l’automazione e nel frattempo creano dati di valore, utili al miglioramento dei processi produttivi. La tracciabilità completa – ogni elemento analizzato, ogni decisione, ogni immagine che può essere registrata e richiamata – rafforza la fiducia nei dati e, di conseguenza, nel sistema e nel contributo che esso può dare alla fabbrica. Il dato diventa così il terreno neutro su cui costruire una partnership autentica fra uomo e macchina.

Come vede il futuro della machine vision nel manifatturiero italiano?

Lo vedo con ottimismo concreto. L’Italia è il secondo Paese manifatturiero d’Europa: la qualità del prodotto è nel nostro DNA. La visione artificiale è lo strumento naturale per garantire e certificare questa qualità su scala. La crescita è particolarmente forte nei settori in cui automazione, vincoli sulla manodopera e tracciabilità della qualità si intersecano.

Ma serve un cambio di mentalità. Le aziende devono smettere di aspettare la soluzione perfetta e cominciare a implementare gradualmente. Un buon sistema installato oggi vale infinitamente più di un sistema perfetto che non verrà mai realizzato. Noi ci concentriamo su casi d’uso in cui il ritorno sull’investimento è dimostrabile e in cui l’automazione dei controlli di visione offre un vantaggio operativo concreto.

E serve anche un ecosistema più collaborativo. In Piemonte abbiamo istituzioni straordinarie – il Politecnico di Torino, centri come CIM4.0, aziende d’eccellenza – ma spesso lavorano in silos. Il potenziale inespresso è enorme. Noi cerchiamo di costruire ponti: con i partner tecnologici, con le aziende clienti, con il territorio. Perché l’innovazione non è mai un fatto solitario.

Un messaggio finale per le aziende che stanno valutando un investimento in machine vision?

Scegliete il fornitore, non solo la tecnologia. Chiedete come lavora, non solo cosa vende. Pretendete trasparenza sulle performance reali – non narrazioni eccitanti, ma metriche misurabili in condizioni operative. Diffidate di chi promette tutto e subito, e cercate chi ha il coraggio di dirvi “questo aspetto va approfondito” o anche “per questo problema non siamo la risposta giusta”.

La differenziazione nel nostro mercato si gioca spesso sulla disciplina esecutiva più che sulle dichiarazioni ad effetto. Cercate sistemi che possano essere monitorati, ottimizzati e supportati durante tutto il loro ciclo di vita, senza richiedere interventi costanti in loco.

La qualità del vostro controllo qualità dipende dalla qualità del lavoro di chi lo progetta. È un investimento che merita la stessa cura e attenzione che mettete nel vostro prodotto.