di Massimiliano Pardini, CTO di Net7
La telefonata arriva ad agosto
C’è una scena che chi lavora nella nautica conosce bene. Una barca ferma in rada, in piena stagione, senza possibilità di proseguire la vacanza. Un impianto di bordo che si è fermato all’improvviso. E un tecnico, a centinaia di chilometri di distanza, che al telefono prova a capire cosa sta succedendo da una descrizione approssimativa.
Sull’AI in cantiere si parla moltissimo e si mostra pochissimo, e il contributo più utile che posso dare è raccontare un caso che funziona: quello che c’era prima, quello che c’è adesso, e che differenza fa per chi lavora.
Cosa succedeva prima
Il caso che seguo più da vicino riguarda alcuni impianti di bordo dei superyacht, su cui lavoriamo insieme a un’azienda specializzata del settore. Sistemi che nessuno nota finché funzionano, e che quando si fermano fermano la vita a bordo, quasi sempre lontano dal cantiere che l’ha costruita.
Fino a ieri il guasto si scopriva quando era già successo. La diagnosi dipendeva dal tecnico che saliva a bordo, e quel tipo di esperienza è concentrata in poche persone che il settore conosce per nome. Manuali, schemi e storico degli interventi stavano sparsi tra cartelle, email e la memoria di chi c’era quella volta. Il paradosso è che il dato c’era già: sensori e centraline registrano da anni come lavorano quegli impianti, minuto per minuto. Restava dentro la macchina, e nessuno lo guardava finché qualcosa si rompeva.
Cosa cambia oggi
Nel progetto che stiamo portando avanti, quei segnali vengono letti in continuo per accorgersi quando un componente si allontana dal suo comportamento normale: un valore che scivola di poco a ogni ciclo, una macchina che ci mette qualche secondo in più per fare lo stesso lavoro, cose invisibili a occhio ed evidenti su settimane di dati. Accanto ai segnali c’è la seconda metà del progetto: una base di conoscenza che mette insieme manuali, schemi e interventi passati, e che l’AI rende consultabile con una domanda, così che l’avviso arrivi insieme a cosa fare.
Il cambiamento vero è sul calendario più che sulla tecnologia. Un intervento programmato nella finestra di refit costa una frazione di un fermo imprevisto in banchina ad agosto. E l’esperienza del tecnico che sapeva dove mettere le mani smette di andare in pensione insieme a lui: resta nel sistema e cresce a ogni intervento.
Lo stesso schema, in una forma molto meno spettacolare e già in produzione, lo ritrovo nei cantieri.
Con NaviSafe, la piattaforma di compliance documentale per i cantieri, il problema sta in centinaia di PDF: DURC, idoneità e certificazioni di tutti i fornitori in area, gestiti a mano tra email e cartelle condivise, con il rischio che un operaio entri in cantiere con una posizione scaduta.
Qui l’intelligenza artificiale fa due cose precise. Riconosce se il documento caricato è davvero quello richiesto, confrontandolo con il facsimile, e ne estrae le date e i dati che servono. Sono i punti in cui l’OCR classico e le regole scritte a mano si arrendono: ogni ente ha il suo modulo, ogni scansione la sua qualità, e nessuna definizione tiene a lungo. Da lì in poi la verifica è automatica, incrociata con i tornelli, con un avviso prima della scadenza.
In tutti e due i casi l’AI fa un lavoro che prima nessuno aveva il tempo di fare: leggere tutto, sempre, e dire per tempo cosa non torna.
Le idee restano un compito nostro
Qualche giorno fa scrivevo che stiamo delegando agli agenti una parte crescente del nostro lavoro, e che le idee e i miglioramenti da portare nei progetti restano un compito nostro. È la seconda domanda dell’intervista, e qui parlo del mestiere che conosco meglio: il nostro, quello di chi fa software.
Fino a un anno fa si diceva che il coding era largely solved, in gran parte risolto. La frase è già vecchia: oggi il coding è risolto del tutto. Dare a un modello un problema ben posto e ottenere codice che funziona è diventata la parte facile. Il valore di uno sviluppatore, per trent’anni misurato sulla capacità di scrivere quel codice, si è spostato altrove.
E precisamente in due posti. Il primo è la fase architetturale: decidere com’è fatto il sistema, quali pezzi parlano con quali, dove stanno i confini, cosa deve restare semplice. Sono decisioni che il codice generato non prende da solo e che, se sbagliate, nessuna velocità di generazione recupera. In Net7 lavoriamo così, con OpenSpec, un framework open source di sviluppo guidato dalle specifiche: prima si scrive cosa deve fare il sistema e com’è strutturato, poi l’AI lavora contro quella specifica, che resta leggibile e verificabile da una persona.
Il secondo posto è il contesto. Un modello lavora bene quanto il progetto gli permette: se conosce le convenzioni, la struttura delle cartelle, i pattern già in uso e il motivo per cui sono stati scelti, il risultato si legge come il resto. Altrimenti funziona, e nessuno vuole toccarlo. Costruire il contesto giusto è diventato un mestiere vero, e vale doppio: quello che esce deve restare leggibile da chi verrà dopo di noi e dal prossimo agente che ci metterà le mani.
Leggibile, però, è una parola che da sola dice poco. Danilo, che su queste pagine ha raccontato il mestiere del copy, l’ha spiegata meglio di quanto saprei fare io: per un testo la domanda giusta è se chi lo legge, dopo, sa cosa fare. Per quello che produciamo con l’AI il criterio è lo stesso: chi lo apre fra sei mesi, persona o modello, capisce cosa fa e perché? Se la risposta è sì, il lavoro è fatto bene. Altrimenti è il preludio di un disastro annunciato.
Chi conosce le fondamenta
Le fondamenta, nella nautica, sono le persone che riconoscono il rumore sbagliato di una macchina prima di qualunque sensore. Nel software sono quelli che hanno imparato sbagliando, quando ancora nessuno poteva chiederlo a un modello.
Sono queste persone che oggi hanno una responsabilità in più: mettere la loro esperienza dentro le specifiche, e passarla a chi arriva dopo. È il motivo per cui continuo a tenerci a dire che ho iniziato come sviluppatore, prima che come PM e CTO.
Chi ha fatto quella strada sa distinguere, in una centralina come in un repository, il segnale che conta dal rumore. È la cosa che l’AI ancora non fa da sola. Legge il dato che c’era già, a bordo e nel codice, e lo fa meglio e più in fretta di noi. Decidere cosa farne, e insegnarlo a chi arriva dopo, resta il nostro lavoro.
Massimiliano Pardini è CTO di Net7. Per il settore della nautica, Net7 sviluppa piattaforme digitali per cantieri navali, marine e operatori portuali. Tra queste ci sono la gestione delle commesse di refit e dei progetti navali con In.Refit e DR&AM, la sicurezza e la compliance documentale in cantiere con Navisafe e l’accesso ai servizi portuali con Ormeggiando.