Lo abbiamo chiesto a Cecilia Corrado, Head of Data Governance in a2a
Leggi l’esperienza di Cecilia Corrado e come in a2a sta integrando l‘intelligenza artificiale e il machine learning nella gestione dei dati.
- In che modo a2a sta integrando l’intelligenza artificiale e il machine learning nella gestione dei dati per migliorare l’efficienza della rete, la previsione della domanda energetica e la gestione delle risorse?
Per il raggiungimento degli obiettivi strategici di business lo sviluppo di use case di AI ricopre un ruolo fondamentale.
L’azienda, infatti, sta facendo un percorso importante di trasformazione digitale, leva strategica trasversale che permea e potenzia i diversi business del Gruppo. Sono stati previsti importanti investimenti sull’utilizzo dell’AI su tutti gli asset aziendali che puntano ad ottimizzare l’efficienza della rete, delle risorse e la previsione della domanda. Vengono adottati strumenti all’avanguardia, dati in tempo reale, per sviluppare modelli automatizzati efficienti ed efficaci sotto la supervisione umana.
Per raggiungere obiettivi di efficienza energetica e ottimizzazione della rete e delle risorse, come altri obiettivi strategici, non è però sufficiente integrare la sola AI nei processi di business, ma sono necessari una serie di elementi di non meno importanza che stiamo integrando come gruppo.
In primo luogo, è fondamentale dotare gli impianti e la rete di una sensoristica avanzata, in grado di trasformare le reti tradizionali in ‘reti intelligenti’, ovvero reti in cui siano presenti sensori a livello di impianti e lungo la rete di distribuzione così da avere a disposizione dati in tempo reale.
In secondo luogo, è necessario avere un’infrastruttura tecnologica adeguata, scalabile e robusta che consenta l’archiviazione e l’elaborazione di questa tipologia di dati, strutturata secondo un approccio data mesh, e che consenta ai diversi stakeholders l’accessibilità tempestiva ai dati.
Una governance dei dati con ownership chiare e ben precise è fondamentale per presidiare i principali asset dati aziendali, migliorarne la qualità nel tempo riducendo i tempi di sviluppo dei modelli, e garantirne la compliance normativa (es. GDPR e AI ACT) gestendone correttamente gli accessi. Per tale attività è fondamentale avere a disposizione il catalogo dati aziendale completo di tutte le informazioni utili per far conoscere, migliorare e interpretare e correttamente i dati a tutti gli stakeholders aziendali.
Un altro aspetto chiave è quello di avere team di lavoro sinergici costituiti da Data Scientist e Data Engineer supportati da ruoli di Data Governance: professionisti che sviluppano soluzioni personalizzate in base alle necessità di business, offrendo un approccio taylor-made.
Infine, ma non di meno importanza, è essenziale continuare a promuovere un cambiamento culturale in ottica Data Driven che coinvolga tutti i livelli aziendali sull’importanza dell’affidabilità del dato e sull’utilizzo e interpretazione corretta.
2) Come state sfruttando le capacità analitiche dei dati per migliorare l’implementazione delle smart grid? Qual è il contributo della data analytics nell’ottimizzazione della distribuzione e della domanda di energia?
Per raggiungere gli obiettivi energetici definiti a livello europeo, hanno un ruolo chiave le smart grid, ossia sistemi integrati di reti elettriche “intelligenti” provenienti da più fonti in grado di interagire e scambiarsi continuativamente informazioni così da efficientare la distribuzione dell’energia e renderla maggiormente resiliente.
Sulla rete “intelligente”, infatti, sono distribuiti sensori che producono enormi quantità di dati sull’utilizzo dell’energia in tempo reale. Per abilitare lo sviluppo di use case sulla base di questi dati, l’azienda si sta strutturando secondo un approccio data mesh, con un’infrastruttura tecnologica scalabile e robusta che consente l’archiviazione e l’elaborazione anche di questa tipologia di dati, garantendone una governance e una affidabilità adeguata per i progetti di data analytics.
Si possono così sviluppare use case che prevedano picchi di domanda, così da poter mettere in campo, in tempo, le opportune soluzioni, al fine di soddisfare e controllare il consumo di energia e di evitare in generale stress sulla rete.
Come anche use case che ottimizzino la programmazione della generazione di energia, integrando al meglio le diverse fonti energetiche del portfoglio aziendale, la pianificazione e l’ottimizzazione della rete stessa. Come, non da meno, l’utilizzare l’AI per rilevare le anomalie e prevedere i guasti.
Ovviamente per l’efficienza e l’efficacia di tali modelli è necessaria una governance del dato solida e ben strutturata. Proprio per questo si sta adottando in tutta l’azienda un framework di Data Governance che garantisce sui principali asset aziendali informazioni accurate, complete e aggiornate. Stiamo pianificando l’adozione di un sistema di Data Quality che individua e corregge errori o anomalie nei dati raccolti da sensori, contatori intelligenti e altre fonti, il tutto rispettando la conformità alle norme vigenti come il GDPR, l’AI Act e l’Unbundling.
3) Con le normative sempre più stringenti sulla privacy e sulla gestione dei dati (come il GDPR), quali sono le sfide più complesse che state affrontando nel settore energetico e come le state superando?
Le normative sulla privacy e le recenti disposizioni sulla gestione dei dati presentano sfide significative, che spaziano dagli aspetti digitali a quelli interpretativi, economici e organizzativi. Garantire la conformità al GDPR e proteggere i dati personali e i relativi utenti è stata una sfida che abbiamo affrontato in modo approfondito, attraverso l’identificazione di ruoli, la creazione di processi per il consenso informato, la raccolta dei dati e l’aggiornamento del registro dei trattamenti.
Attualmente, stiamo affrontando sfide dovute all’aumento dall’incremento dei dati aziendali – basti pensare alla quantità di dati che genera la sensoristica distribuita sugli impianti e sulla rete – e dalla necessità di un utilizzo sempre più massivo di queste informazioni. Cresce conseguentemente la quantità di dati personali raccolti e diventa sempre più cruciale la necessità di mappare in modo preciso il ciclo di vita dei dati. Inoltre, per il titolare del trattamento diventa cruciale non solo tracciare le finalità del trattamento, ma per ogni caso d’uso di interpretare correttamente la normativa per evitare violazioni e garantire il diritto alla privacy.
Inoltre, oltre al GDPR, anche l’AI Act, di recente approvazione, sottolinea l’importanza dell’accuratezza dei dati personali, soprattutto per i modelli di AI ad alto rischio dove ai titolari del trattamento viene richiesto di garantire l’accuratezza dei dati in tutte le fasi dello sviluppo e dell’utilizzo. Abbiamo, infatti, iniziato un percorso per controllore e monitorare i dati più importanti a livello aziendale e lo stiamo ampliando su tutti i dati di ingresso dei modelli che sugli output per evitare errori o “allucinazioni”. Questa attività rientra negli importanti investimenti che l’azienda sta facendo per accompagnare il gruppo in un percorso di trasformazione digitale. Per noi un contributo fondamentale è l’adozione graduale di best practices di Data Governance in tutto il gruppo per garantire un utilizzo compliant delle informazioni che spinga nel tempo ad un comportamento virtuoso di miglioramento della qualità degli asset dati e in maniera capillare sui dati personali.
Incontra Cecilia Corrado il 19 novembre a Utility Day.