Lo sviluppo del contesto industriale per i modelli di grandi dimensioni (LLMs)
I modelli linguistici di grandi dimensioni (LLMs) eccellono nel trattare testi, ma spesso falliscono di fronte ai dati industriali non contestualizzati. Alla Fiera di Hannover 2026, la OPC Foundation ha presentato un importante passo in avanti tecnologico: più di 430 specifiche di accompagnamento OPC UA sono state convertite in formati leggibili da intelligenze artificiali.
La sfida di "Agentic AI"
La visione dell'"Agentic AI", ovvero sistemi di intelligenza artificiale progettati per operare autonomamente in ambienti di automazione, riscontra una barriera fondamentale: mancanza di contesto. Un LLM ha un certo livello di comprensione generale delle macchine, ma non dispone del contesto specifico del funzionamento di una attrezzatura in un'officina reale.
Per superare questo limite, la soluzione sta nella semantica, e in questo campo la OPC Foundation si è distinta. L'organizzazione ha lanciato un progetto innovativo finalizzato a rendere i modelli linguistici adatti al mondo industriale unendo il sapere settoriale con la generativa AI.
I dati "nudi" e il problema del contesto
Sebbene sia possibile parlare con una macchina attraverso bus di campo tradizionali, il risultato non è altro che l'ottenimento di numeri non interpretati. "Questi numeri non raccontano alcunché finché non vengono resi significativi da informazioni semantiche. Non si tratta solo di un valore in virgola mobile, ma di una temperatura, precisamente la temperatura all'ingresso della macchina," spiega Dr. Holger Kenn, Responsabile del gruppo AI all'interno della OPC Foundation.
Per rendere utilizzabile questo sapere per sistemi basati su AI, OPC Foundation ha avviato un progetto su UA-for-AI (repository GitHub). Al centro del progetto, i formati di 430 specifiche di accompagnamento OPC UA tradizionalmente disponibili in PDF o Word, ora vengono resi accessibili a modelli di intelligenza artificiale.
RAG e la semantica industriale: insegnare AI al costruttore
I formati convertiti includevano soprattutto Markdown, immagini descritte dettagliatamente, vettori embedding, e interfacce model Context Protocol (MCP). La tecnologia Retrieval-Augmented Generation (RAG) è stata un aspetto essenziale di questo lavoro.
Grazie all'approccio di Kenn, le specifiche vengono troncate in porzioni di dati chiamate "chunks", opportunamente dimensionate per essere caricabili nella capacità di elaborazione di un modello linguistico avanzato. Così, gli sviluppatori non sono tenuti a retrainare modelli con set industriali.
Dunque, un modello linguistico può accedere in tempo reale alla libreria OPC UA Cloud, arricchendosi con dati industriali contestualizzati.
Il vantaggio pratico: ingegneria automatizzata e onboarding al secondo
Per gli ingegneri dell'automazione e gli sviluppatori IT, il vantaggio pratico di questi interventi è considerevole, specialmente nel processo di onboarding. Erich Barnstedt, Responsabile dell'Iniziativa Cloud, ha evidenziato come il tempo necessario per l'engineering si riduce in modo sostanziale.
La OPC Foundation ha introdotto il "Edge Translator", uno strumento open-source capace di importare automaticamente le descrizioni delle attrezzature nel sistema. L'integrazione di una nuova specifica Web of Things (WoT) con l'AI genera, autonomamente, le descrizioni delle macchine.
- Onboarding rapido: Elimina il bisogno di passare ore per integrare una macchina nel sistema.
- Ingengeria ridotta: Collegamenti come Ethernet/IP possono essere realizzati il giorno stesso.
“Le interfacce e protocolli tradizionali perderanno sempre più importanza” spiega Barnstedt. “Con l'AI è semplice creare adattatori personalizzati e ridurre drasticamente i tempi di ingegneria.”
Persone, AI e contesto: quando le macchine diventano esperte
La OPC Foundation mira a una visione futura dove la modellazione semantica – nucleo degli standard OPC UA – rende gli insiemi di dati industriali intercambiabili.
Il sogno finale, come ha svelato Dr. Holger Kenn in una conferenza stampa, è una macchina munita del proprio agente AI, il quale si basa su OPC UA e le specifiche associate semanticamente. Quando la produzione si ferma e non c'è un esperto sul posto, un operatore può semplicemente domandare alla macchina in linguaggio naturale, “che succede a te e come posso ripararti?”.
Questa innovazione promette di trasformare radicalmente l’industria 4.0, rendendo i sistemi autonomi, intelligenti e capaci di interagire con gli operatori in tempo reale.