INNOVAZIONE

Snam, l’intelligenza artificiale con l’uomo al centro

Duecento modelli di machine learning e oltre 9mila previsioni l’anno sulla domanda gas, con un principio guida: l’algoritmo aiuta, ma la decisione ultima resta all’uomo

contenuto sponsorizzato
 © Snam

© Snam

Ogni anno Snam fa oltre 9mila previsioni sulla domanda di gas, con un’accuratezza del 97%. È uno dei risultati dei circa 200 modelli di machine learning che il Gruppo usa nella gestione delle proprie infrastrutture di spinta, trasporto, stoccaggio e rigassificazione del gas naturale. Snam usa l’intelligenza artificiale da diversi anni e con l’imporsi delle sue più recenti applicazioni ne ha riorganizzato strumenti e progetti in un vero e proprio “Sistema AI”. Il riferimento è l’AI Act approvato dall’Unione europea nel 2024, la prima legge vincolante al mondo sull’intelligenza artificiale.

L’innovazione, del resto, è una delle leve del piano strategico di Snam presentato a marzo 2026, che prevede investimenti per 1 miliardo di euro entro il 2030.

Come Snam usa l’intelligenza artificiale

 Tutti, d’altronde, usano l’AI. La differenza sta nel come. Per Snam l’AI non è solo uno strumento per rendere più efficienti impianti e processi, ma una “infrastruttura cognitiva” che si affianca a quella umana. L’uso più esteso è nelle attività operative: previsione della domanda di gas, sicurezza della rete, acquisti e sostenibilità. Qui l’intelligenza artificiale supporta il lavoro del Dispacciamento, la sala di controllo che da San Donato Milanese governa la rete nazionale, e dell’Asset Control Room, la piattaforma digitale per la gestione e il monitoraggio in tempo reale, anche da remoto, di impianti e processi.

© Snam

© Snam

Un esempio concreto riguarda le cosiddette “emissioni fuggitive”, cioè le perdite di gas. Corrispondono già oggi allo 0,02% del gas complessivamente trasportato, quindi per migliorare ulteriormente bisogna lavorare “di fino”. Ecco quindi che interviene l’AI, riducendo drasticamente i cosiddetti falsi positivi, cioè le segnalazioni di anomalie che al controllo sul campo si rivelano infondate. Così il personale dislocato sul territorio viene impiegato dove serve davvero.

L’intelligenza artificiale, poi, entra anche negli uffici, in modalità che hanno a che fare con il lavoro che viene svolto ogni giorno al PC: analisi dei documenti, comunicazione, analisi ESG.

Due livelli di applicazione

 L’approccio del Gruppo, come si capisce da questi esempi, segue dunque due binari. Da una parte ci sono le applicazioni dedicate ai sistemi specialistici, dedicati ai processi principali e al funzionamento di questo o quell’impianto: qui il machine learning tradizionale, usato per mettere in relazione enormi quantità di dati, lavora insieme all’AI generativa. Dall’altra ci sono strumenti di AI generativa più diffusi, usabili da computer e smartphone, che aiutano le singole persone a lavorare meglio, in modo più veloce e accurato.

Gli strumenti destinati ai dipendenti, in particolare, vengono continuamente migliorati per rendere trasparente il ragionamento dell’AI, spiegando passo per passo come arriva a una data risposta. Perché se l’obiettivo è arrivare ad agenti digitali autonomi, capaci di analizzare, pianificare e proporre soluzioni, il modo in cui questi agenti lavorano dev’essere costantemente monitorato e presidiato.

Il principio “human in the loop”

 Tutto risponde infatti a un criterio, riassunto nella formula “human in the loop”: la supervisione della persona, in poche parole, è fondamentale. L’algoritmo deve aiutare a prendere decisioni, ma non può scavalcare l’essere umano né sostituirlo. Le sue modalità di impiego, dunque, sono tese a scongiurare automatismi, misurandosi puntualmente con un presidio umano e, in questo modo, riducendo i rischi.

Per questo Snam presta grande attenzione alla sicurezza dei dati, aziendali e personali, e ha avviato programmi di formazione sull’AI per tutte le persone del gruppo.

I contenuti di questa pagina sono stati prodotti in collaborazione con Snam