AI Implementations in the automotive industry and its supply chain

The concept of Artificial Intelligence finds its origin in the work of Alan Turing, before being officially recognized by the scientific community in 1956. Since then, after establishing and evolving, Artificial Intelligence has been recognized as an autonomous branch. At the basis of its complex functioning there is a very simple idea: being able to develop tools capable of analyzing large amounts of data by optimizing and speeding up the information extrapolation processes, imitating human learning skills. Since the supply chain is characterized, by its nature, by significant exchanges of data and information at a global level, AI has found extensive development within this sector. Furthermore, recent events have made companies more aware of their vulnerabilities; this has triggered an innovation process that sees the automotive sector as one of the most interested. From this context arises the desire to contribute to scientific research by investigating the implementations and effects of Artificial Intelligence on the automotive industry and its supply chain. Following a review of the recent literature, it was decided to conduct interview-based research. 24 profiles with heterogeneous professional backgrounds were interviewed in order to obtain a dataset as diverse as possible, to avoid focusing the research on a single company. The information collected was then analyzed and categorized to extract the most significant trends. Among the contributions highlighted by the study, additional implementations emerged in the insurance sector, where AI is used in claims reconstruction and in the creation of more accurate risk profiles, as well as in chatbot and dynamic pricing systems used in the marketing field. The results also highlight the major criticalities that hinder the implementation of AI solutions, such as the lack of specialized figures, deadlines incompatible with the complexity of some projects and an almost total lack of corporate culture in terms of specific training or refresher courses, to the point that a new figure started to be required: the AI Change Manager.

Il concetto di Intelligenza Artificiale trova il suo fondamento nel lavoro di Alan Turing, prima di essere ufficialmente riconosciuta dalla comunità scientifica nel 1956. Da allora, dopo essersi affermata ed evoluta, l’Intelligenza Artificiale è riconosciuta come una branca autonoma. Alla base del suo funzionamento complesso c’è un’idea molto semplice: sviluppare strumenti in grado di analizzare grandi quantità di dati ottimizzando e velocizzando i processi di estrapolazione delle informazioni, imitando le capacità di apprendimento umane. Essendo la supply chain caratterizzata, per sua natura, da importanti scambi di dati e informazioni a livello globale, l’IA ha trovato ampio sviluppo all’interno di questo settore. Inoltre, i recenti accadimenti hanno reso le realtà aziendali più consapevoli delle loro vulnerabilità; ciò ha innescato un processo di innovazione che vede, tra i settori più interessati, quello automobilistico. Da questo contesto nasce la volontà di contribuire alla ricerca scientifica indagando le implementazioni e gli impatti dell’IA sul settore automobilistico e sulla sua supply chain. Dopo un’analisi della letteratura recente si è deciso di ricorrere alle interviste come metodo di ricerca. Al fine di ottenere un dataset eterogeneo, evitando di focalizzare la ricerca su una singola realtà aziendale, sono stati selezionati 24 profili con differenti background professionali. Le informazioni raccolte sono state, quindi, analizzate e categorizzate al fine di estrarre i trend più significativi. Tra i contributi evidenziati dallo studio sono emerse implementazioni aggiuntive in ambito assicurativo, dove l’IA è utilizzata nella ricostruzione dei sinistri e nella creazione di profili di rischio più accurati, ma anche in sistemi chatbot e di dynamic pricing utilizzati in ambito marketing. I risultati evidenziano anche le maggiori criticità che ostacolano l’implementazione di soluzioni AI, come la carenza di figure specializzate, scadenze incompatibili con la complessità di alcuni progetti e una quasi totale mancanza di cultura aziendale in termini di training specifici o corsi di aggiornamento, tale da rendere necessaria la figura dell’AI Change Manager.