Cos'è il rilevamento delle anomalie con l'AI

Il modello impara come appare la normalità guardando i dati passati: consumi, transazioni, tempi di lavorazione. Poi segnala ciò che non ci assomiglia. È utile proprio perché non serve sapere in anticipo che tipo di problema cercare: basta che il problema lasci una traccia diversa dal solito.

La difficoltà è tarare la sensibilità. Troppo sensibile, e il sistema riempie la casella di allarmi falsi finché nessuno li guarda più. Troppo poco, e i problemi veri passano. Serve anche tenere conto delle variazioni normali, come i picchi di dicembre o il calo di agosto, che non devono far scattare nulla.

Un esempio in una PMI

In un'azienda di surgelati i compressori delle celle frigorifere hanno sensori di temperatura e consumo. Un modello impara l'andamento tipico di ogni cella e segnala quando un compressore consuma più del solito a parità di temperatura. Il manutentore, Enrico, interviene prima del guasto, quando la merce è ancora al sicuro.

Gli errori più comuni

• Mandare ogni anomalia come allarme urgente, finché le persone smettono di leggerli.
• Non distinguere tra anomalie stagionali attese e problemi veri.
• Non registrare cosa si è scoperto per ogni segnalazione, perdendo l'occasione di migliorare il sistema.

Perché ti interessa

Frodi, guasti ed errori di fatturazione costano di più quanto più tardi li scopri. Un controllo automatico sui dati che hai già è spesso un progetto piccolo con un ritorno chiaro.

Tutte le parole dell'AI spiegate semplici sono nel glossario.