5 domande a...
Vito Morreale
Intervista al Senior Technical Manager AI & Data R&I di Engineering.
Vito Morreale guida il Laboratorio di Ricerca & Innovazione AI & Data del Gruppo Engineering, la cui missione è quella di avanzare lo stato dell’arte nello sviluppo di sistemi innovativi basati su intelligenza artificiale, big data e advanced analytics, applicati a settori critici come l’industria, la sicurezza fisica e informatica, la difesa, l’agroalimentare e le infrastrutture.
Il Laboratorio R&I AI & Data è organizzato in diverse aree di ricerca tecnologiche ed applicative; conta di circa 130 ricercatori ed è coinvolto in più di 60 progetti di ricerca italiani ed europei, collaborando con centinaia di aziende, università, centri di ricerca ed altri enti pubblici.
Senior Manager con oltre 20 anni di esperienza nella guida di team e laboratori di Ricerca, Sviluppo e Innovazione, Vito partecipa, in qualità di membro, a diversi board e gruppi di lavoro legati alla Ricerca e all’Innovazione.
1. QUALI SONO LE PRINCIPALI AREE DI RICERCA CHE ENG STA ESPLORANDO NEL CAMPO DELL'INTELLIGENZA ARTIFICIALE E DELL’ANALISI AVANZATA DEI DATI?
Il laboratorio AI & Data di ENGINEERING è all’avanguardia nelle tecnologie dei dati e dell’intelligenza artificiale. Combinando ricerca industriale a medio termine con una visione strategica di lungo periodo, il nostro obiettivo è supportare le strutture di delivery con competenze e strumenti avanzati, al fine di sviluppare soluzioni sempre più innovative e allineate allo stato dell’arte per i nostri clienti, ma anche per ottimizzare i nostri processi interni. Dal punto di vista tecnologico, le aree di ricerca che stiamo esplorando si possono raggruppare in tre famiglie principali:.
Nell’ambito del Data Management lavoriamo su tematiche fondamentali come la governance e l’architettura dei dati, sulla loro modellazione, armonizzazione e integrazione da fonti eterogenee. Stiamo studiando e applicando i concetti e modelli emergenti di data spaces e data economy, focalizzandoci sulla gestione e sull’analisi della qualità dei dati, sui metadati e sulla semantica. Un tema di grande rilevanza è l’integrazione e la valorizzazione dei dati provenienti da edge e IoT. Inoltre, stiamo sviluppando soluzioni per la scoperta e l'integrazione di fonti dati provenienti da Internet, inclusi i settori più profondi del Darkweb e delle DarkNet, con una forte attenzione alla catena di custodia delle risorse digitali.
Per quanto riguarda l’Intelligenza Artificiale, esploriamo un ampio spettro di tecnologie, tecniche e metodi, con un approccio che coniuga scienza ed ingegneria. Abbiamo un forte focus sulla Generative AI fondata sui Large Language Models (e nel prossimo futuro anche sui Large Action Models) e sull’Agentic AI. Un’attenzione particolare è rivolta alla cosiddetta model-centric AI, focalizzata sul miglioramento dei modelli di machine learning, piuttosto che sui dati. In questo ambito stiamo anche sviluppando metodi e strumenti per il Federated Machine Learning (FML), un paradigma di addestramento distribuito di modelli di machine learning, in cui i dati restano localmente nei sistemi che li generano e/o li governano, garantendo privacy, sicurezza, efficienza e sovranità sui dati. Ci occupiamo inoltre di data-centric AI, che pone al centro la qualità, la coerenza e la rappresentatività dei dati, piuttosto che il miglioramento continuo dei modelli. In aggiunta, siamo concentrati sullo studio e l’applicazione del paradigma della composite AI, che combina diverse tecniche e approcci di AI, superandone i limiti individuali, per costruire sistemi intelligenti più efficaci, robusti e adattabili.
Infine, sviluppiamo soluzioni avanzate per la cosiddetta Decision Intelligence, un approccio interdisciplinare che combina dati, modelli, AI e scienze decisionali per supportare e potenziare il decision-making umano e automatizzato. In quest’ambito lavoriamo anche su tecniche di data storytelling, dashboard interattive, visual analytics e geospatial intelligence al servizio di sistemi di supporto alle decisioni secondo il paradigma dell’intelligenza aumentata.
2. QUALI SONO LE SFIDE NEL TRADURRE I RISULTATI DEI PROGETTI DI RICERCA DEL LAB AI&DATA IN MVP (MINIMUM VIABLE PRODUCT) CAPACI DI RISPONDERE ALLE ESIGENZE DEL BUSINESS?
La nostra è una ricerca applicata, orientata a generare impatto concreto in tutti i settori chiave per l’Italia e l’Europa, dove le nostre soluzioni tecnologiche sono adottate e applicate in use case e scenari reali o realistici. Il nostro compito, come laboratorio R&I AI & Data, è fare da ponte tra visione e realizzazione, tra potenziale scientifico e valore tangibile. Le sfide che affrontiamo per “spingere” la ricerca AI & Data verso il business sono molteplici.
Uno dei primi ostacoli è interpretare correttamente esigenze di business, non sempre esplicite o esplicitate in termini di innovazione. Il nostro approccio negli anni ci ha permesso di costruire un background sia tecnologico che applicativo, leggere le dinamiche di processo e orientare la ricerca verso lo sviluppo di asset (know-how, PoC, prototipi, use case), basati sul dialogo costante con molteplici stakeholder, per tradurre i bisogni reali e tecnologie innovative in soluzioni basate su dati e AI.
Un’altra sfida chiave è il disallineamento tra i tempi della ricerca e del business. La ricerca guarda al medio-lungo termine, mentre il business si muove su cicli decisionali e operativi molto più brevi e richiede risultati rapidi. Per questo è essenziale costruire programmi di innovazione su AI & Data, anche in settori di mercato specifici, che definiscano traguardi progressivi (PoC, prototipi, MVP), seguendo una visione di medio-lungo periodo ancorata a risultati concreti.
È importante che i risultati della ricerca e le soluzioni prototipali siano concepiti fin dalle prime fasi in modo da avere un’adeguata maturità e sostenibilità tecnica: innovare con l’AI significa anche garantire che le soluzioni siano affidabili, scalabili e sicure. Costruire un MVP efficace significa adottare un approccio ingegneristico fin dai prototipi, con architetture modulari, test su dati reali e monitoraggio post-deployment. Questa sfida si scontra con uno scenario attuale in cui la maturità delle pratiche di ingegnerizzazione dell’AI è ancora bassa.
Infine, nel campo dell’AI e della gestione dei dati, la conformità a normative, regolamenti e standard generali e di settore (es. GDPR, AI Act) è imprescindibile. Aspetti come privacy, trasparenza algoritmica, non discriminazione, responsabilità e tracciabilità delle decisioni devono essere affrontati fin dalle prime fasi. Il nostro gruppo include persone con esperienza di compliance legale ed etica e collabora con partner esterni per costruire asset conformi e spiegabili. Lavoriamo anche con istituzioni europee su etica e responsabilità nell'uso dell’AI e nella gestione dei dati, anche in contesti critici come sicurezza e salute.
3. TRA I PROGETTI DI RICERCA ATTUALMENTE ATTIVI NEL VOSTRO LABORATORIO, QUALI STANNO GENERANDO IL MAGGIORE IMPATTO E IN QUALI AMBITI APPLICATIVI?
Al momento, i progetti nel laboratorio di ricerca AI&Data affrontano molteplici tematiche sia tecnologiche che applicative in diversi settori.
Nel settore dell’industria stiamo realizzando progetti a supporto della transizione verso l’Industria 5.0. Nel progetto CircularTwAIn affrontiamo il tema della circolarità nelle catene produttive e nel ciclo di vita dei prodotti industriali, con Digital Twin basati su AI. Abbiamo sviluppato e stiamo evolvendo il TRUE Connector, la nostra soluzione open source per lo scambio di dati affidabile e sicuro secondo lo standard IDS.
Nell’ambito agroalimentare, il progetto AgriBIT combina dati geospaziali ad alta risoluzione, dati da droni e sensori IoT con tecniche di AI, riducendo i costi e l’impatto ambientale e aumentando la resa.
Nel settore salute, lavoriamo su soluzioni per prevenzione, diagnosi precoce, trattamenti personalizzati ed efficienza dei sistemi, affrontando anche sfide etiche e normative. Studiamo la medicina di precisione con dati omici integrati alle cartelle cliniche, per esempio nel progetto SHE.
Nell’ambito della cybersecurity, il progetto CyberSEAS ha studiato come proteggere le infrastrutture elettriche dagli attacchi informatici ad alto impatto. Ha permesso di evolvere e specializzare per questo settore la nostra soluzione di cyber risk assesment RATING e gli strumenti di contrasto alla social engineering. Stiamo esplorando il tema della sicurezza dell’IoT e dei sistemi di AI nei progetti ERATOSTHENES, CERTIFY e KINAITICS.
Nella sicurezza fisica, progetti come ARIEN (progetto per rafforzare il contrasto al traffico di droga) e altri (tra cui AIDA, STARLIGHT, ANITA, GRACE) affrontano la lotta a diversi crimini come cybercrime, terrorismo, crimini sessuali, traffici illegali. Sicurezza fisica e cibernetica si incontrano nella protezione e resilienza delle infrastrutture critiche. Il progetto ATLANTIS affronta rischi naturali e minacce complesse di tipo cyber-fisico-umano in diversi settori e paesi europei.
Stiamo inoltre sviluppando soluzioni trasversali. Nel progetto HAIR* stiamo costruendo, addestrando ed integrando una suite completa di modelli linguistici di grandi dimensioni (LLM) multilingue, come parte della nostra soluzione di Generative AI sicura e privata EngGPT.
Infine, nel progetto strategico AVANT (parte del programma IPCEI-CIS) stiamo sviluppando e applicando le tecnologie dei dati e dell’AI in un framework multipiattaforma per la costruzione di applicazioni e sistemi di Digital Twin in tutti i settori verticali.
*Il progetto di ricerca è finanziato dal Piano Nazionale di Ripresa e Resilienza (PNRR), Spoke 0 - Supercomputing Cloud Infrastructure.
4. L’IMPEGNO ENG NELLA RICERCA SULL’AI È ORMAI CONSOLIDATO DA TEMPO. QUALI SONO STATE LE PRINCIPALI TAPPE CHE HANNO SEGNATO QUESTO PERCORSO FINO AD OGGI?
Dai primi anni 2000, la ricerca in ENGINEERING si è focalizzata su Cloud, Sicurezza, Knowledge Management e Sistemi Intelligenti. È in questo periodo che si consolida il gruppo dedicato allo studio dei sistemi autonomi. Già nel 2002 lavoravamo su progetti multi-agente in ambiti come e-commerce, turismo e finanza. Nel 2005 abbiamo sviluppato il framework PRACTIONIST per risolvere problemi complessi tramite agenti collaborativi.
Nei successivi vent’anni si intensifica la nostra presenza nella ricerca europea, fino a raggiungere nell'ultimo decennio risultati eccezionali che portano ENGINEERING ad essere tra i principali soggetti nel campo dell’innovazione in Italia e in Europa.
Ci siamo, quindi, concentrati fortemente sull’elaborazione e la valorizzazione dei big data, diventati elemento chiave per abilitare soluzioni intelligenti in quasi tutti i settori. Il deep learning, grazie alla sua capacità di apprendere rappresentazioni gerarchiche dei dati, ha permesso notevoli progressi in ambiti come analisi del linguaggio naturale e predizione su larga scala. Parallelamente, è emersa con forza anche la graph intelligence, ovvero l’uso dell’AI per analizzare strutture dati complesse come reti di relazioni, conoscenze o eventi a supporto, per esempio, dei sistemi di raccomandazione, del rilevamento ed investigazione di crimini, della bioinformatica e dell’analisi di fenomeni sociali o industriali.
Due tendenze chiave hanno ridefinito l’orizzonte della nostra ricerca sull’AI negli ultimi anni: lo sviluppo dell’AI generativa e il paradigma dell’Agentic AI. Stiamo studiando metodologie e tecniche per costruire innovativi e sofisticati LLM che nativamente siano conformi agli obblighi imposti dalle varie regolamentazioni, ma allo stesso tempo siano efficienti e sostenibili. Contribuiamo allo sviluppo dell’AI e delle soluzioni basate sugli agenti AI, al fine di raggiungere in breve tempo livelli di maturità e affidabilità paragonabili a quelli del software più convenzionale. Infine, stiamo osservando come la distribuzione e/o la federazione sia dei dati che della computazione possano permettere la costruzione di una nuova generazione di soluzioni e sistemi intelligenti proattivi, autonomi e in grado di prendere alcune decisioni in ambienti complessi (multi-attore, multi-piattaforma, multi-tecnologia, ecc.).
Lungo questo percorso abbiamo completato diverse centinaia di progetti, collaborando con tantissime università, centri di ricerca, aziende e altre istituzioni pubbliche, sia italiane che internazionali, acquisendo e promuovendo la cultura dell’innovazione tecnologica ed applicativa, con lo spirito e l’obiettivo di “rimanere sempre un passo avanti e pronti per quello che verrà”.
5. QUALI ASPETTI DELLA RICERCA SCIENTIFICA SARANNO PRIORITARI NEI PROSSIMI ANNI PER FAVORIRE L’EVOLUZIONE DELL’AI E DEI SISTEMI INTELLIGENTI?
L'AI sta ridefinendo operazioni interne, modelli di business e dinamiche competitive, spingendo le aziende verso un approccio AI-first con soluzioni scalabili. Non si tratta solo di “usare l’AI”, ma di pensarla fin dall’inizio come pilastro della strategia.
In questo scenario, le sfide future su cui focalizzarsi sono molte e varie. Tra le più rilevanti c’è la governance dell'AI, necessaria per garantire trasparenza, conformità e fiducia. Per gestire bias e rischi di violazioni della privacy, serviranno framework di AI responsabile supportati da comitati etici. L’Agentic AI richiede alti livelli di affidabilità, robustezza e sicurezza, specie in contesti critici. I sistemi intelligenti devono essere resilienti a errori, attacchi e operare in ambienti dinamici. Possiamo ricondurre la maggior parte di queste sfide allo sviluppo dell’AI Engineering, un insieme di pratiche, metodi e strumenti per la progettazione, sviluppo, implementazione e manutenzione di sistemi AI robusti, scalabili, affidabili e sostenibili. Una disciplina in evoluzione, che unisce ingegneria del software, data science, ML, MLOps, DevOps, data engineering, architetture, governance dei dati e principi etici, compliance, per soluzioni mature, che possano essere riprodotte, mantenute, monitorate e aggiornate.
In questo scenario, la nostra attività di ricerca ed innovazione, di concerto con la strategia aziendale sull’AI, è rivolta allo sviluppo di competenze e strumenti lungo tre dimensioni: la suite LLM proprietaria EngGPT che rappresenta il cuore pulsante delle capacità AI; l’AI Engineering, ossia costruire un ecosistema di architetture, strumenti e framework (attorno alla nostra piattaforma ALIDA), progettati per sviluppare, distribuire e monito-rare soluzioni AI in modo solido, ingegneristicamente efficace scalabile e pronto per l’adozione industriale; infine, stiamo realizzando strumenti di GenAI per l’ingegneria del software al fine di evolvere il ciclo di sviluppo applicativo, aumentando significativamente la produttività e riducendo il time-to-market (non solo in termini di automazione, ma anche di intelligenza aumentata).
Questi tre elementi – LLM proprietari, AI Engineering e GenAI per la software engineering – sono alla base della nostra visione: profondamente interconnessi, interdipendenti e al servizio della trasformazione digitale dei nostri clienti.
Abbiamo completato diverse centinaia di progetti con lo spirito e l’obiettivo di “rimanere sempre un passo avanti e pronti per quello che verrà”.
Vito Morreale
Senior Technical Manager AI & Data R&I di Engineering
Recommended for you
Explore additional content associated with the topic
