Reti neurali artificiali: fondamenti, opportunità e limiti di applicazione nelle piccole e medie imprese

This study analyzes the history, functioning, and opportunities for the application of artificial neural networks in the business context, with particular reference to small and medium-sized enterprises (SMEs). Starting from a reconstruction of the main stages in the evolution of neural networks, the study examines some of the architectures currently in use, selected according to the type of data they are able to process: images, natural language, and structured data. The analysis then focuses on the stages through which a business need is translated into the selection and implementation of a neural network-based solution. Particular attention is given to data availability and preparation, model selection, development approaches, training and validation procedures, and the assessment of the cost-benefit relationship. These aspects are further explored through the case study of Sifim S.r.l., in which a Deep Echo State Network was used to improve the efficiency of predictive maintenance and to detect anomalies based on energy consumption data from a production line. A comparison with an LSTM network shows how a less computationally demanding solution can maintain good performance while significantly reducing processing times. Finally, the results of a survey conducted on a sample of companies provide an overview of the level of digitalization achieved, investments in artificial intelligence and training, as well as the main challenges related to skills, data management, and organizational aspects. Overall, the study highlights how the adoption of neural networks in the business context requires a careful assessment of the problem to be addressed, the skills available, the resources required, and the benefits that can realistically be achieved, in order to identify solutions that are consistent with the specific context of the company.

Il presente lavoro analizza la storia, il funzionamento e le opportunità di applicazione delle reti neurali artificiali in ambito aziendale, con un riferimento alle piccole medie imprese. A partire dalla ricostruzione delle tappe evolutive delle reti neurali, vengono approfondite alcune delle architetture oggi utilizzate, selezionate sulla base della tipologia di dati che sono in grado di elaborare: immagini, linguaggio naturale e dati strutturati. L’analisi prosegue esaminando le fasi attraverso cui una esigenza aziendale viene tradotta nella scelta e nell’implementazione di una soluzione basata su reti neurali. Vengono considerati la disponibilità e la preparazione dei dati, la scelta del modello, le modalità di sviluppo, le fasi di addestramento e validazione e la valutazione del rapporto costo-benefici. Questi aspetti vengono approfonditi tramite il caso Sifim S.r.l., nel quale una rete Deep Echo State Network è stata utilizzata per rendere la manutenzione predittiva più efficiente e per individuare anomalie a partire dai dati energetici di una linea produttiva. Il confronto con una rete LSTM evidenzia come una soluzione meno onerosa dal punto di vista computazionale possa mantenere buone prestazioni, riducendo significativamente i tempi di elaborazione. Infine, i risultati di un’indagine condotta su un campione di imprese consente di inquadrare il livello di digitalizzazione raggiunto, gli investimenti destinati all’intelligenza artificiale e alla formazione, nonché le criticità legate alle competenze, alla gestione dei dati e agli aspetti organizzativi. Nel complesso il lavoro evidenzia come l’adozione di reti neurali in ambito aziendale richieda una valutazione attenta del problema da affrontare, delle competenze disponibili, delle risorse necessarie e dei benefici concretamente ottenibili, così da individuare soluzioni coerenti con il contesto dell’impresa.