Europe 
Türkiye 
United Kingdom 
Global 
Login con il mio account Xometry 
La nostra conversazione con Luca Licciulli, CEO e co-fondatore di NEOCAD, ha coperto le funzionalità della piattaforma, come si integra nell’attuale configurazione CAD e PLM di un’azienda, a chi si rivolge e quali sono le prospettive future della tecnologia.
Impossibilità di trovare i file corretti
Qual è il problema che avete cercato di risolvere?
Per quattro o cinque anni ho lavorato con aziende manifatturiere attraverso la mia precedente società, VRtualize, una software house focalizzata sull’IA e sulle tecnologie immersive che ho avviato nel 2021. Lavorando direttamente con ingegneri e team tecnici, abbiamo continuato a riscontrare la stessa cosa: l’ingegneria meccanica è piena di attività ripetitive e a basso valore.
Nella maggior parte delle aziende manifatturiere, specialmente nel mercato europeo su cui ci concentriamo, gli ingegneri trascorrono molto tempo a cercare e recuperare vecchie informazioni dalla banca dati dell’azienda. Software come CAD e PLM non aiutano realmente questi ingegneri a trovare vecchi file, controllare la documentazione tecnica, confrontare le revisioni o comprendere i vincoli. Ogni volta che un ingegnere costruisce qualcosa da zero, l’attività a basso valore è la ricerca delle informazioni e dei file di cui ha bisogno prima ancora di poter iniziare il disegno vero e proprio.
In parole povere, il problema è che molte di queste aziende possiedono un’incredibile quantità di know-how che è frustrantemente difficile da utilizzare.
La conoscenza c’è, ma le aziende non riescono a raggiungerla.
Sì, hanno i dati, hanno la conoscenza. Ma nell’ingegneria meccanica, e nell’industria manifatturiera in generale, il software legacy è sempre stato molto chiuso. In Europa, la maggior parte dei software CAD non è in cloud, è ancora in locale, all’interno delle aziende, perché hanno molta paura di condividere i propri dati, ed è così da 20 anni. Quindi, anche per i nuovi strumenti è stato molto difficile accedere a questi dati e creare nuove soluzioni, e ce n’erano pochissimi.
Con l’IA generativa abbiamo finalmente la possibilità di costruire un coordinatore che comprenda i modelli 3D nativi e tutto il know-how tecnico dell’azienda, e che acceleri l’intero processo per un ingegnere che inizia un nuovo progetto CAD.
Qualcuno con cui avete parlato ha effettivamente quantificato la perdita di efficienza?
Sì, circa il 40% del tempo viene sprecato. Varia da settore a settore, perché ognuno ha un processo diverso, ma dove ci concentriamo noi, nell’automotive e nell’automazione, il 40% del tempo viene speso per creare duplicati e cercare file.
Un’altra cosa che accade spesso è che trovano un file simile a quello che vogliono realizzare, ma non è perfettamente adatto ai loro requisiti. Ciò che l’IA porta in tavola è il fatto che si smette di cercare per nomi di file e codici articolo e si inizia a cercare per ciò che il componente effettivamente fa. Quando lo strumento trova un modello per geometria e funzione invece che per quello che c’è scritto nella descrizione PLM, lì nasce la differenza.
Come cercavano di risolvere questo problema le aziende prima dell’IA?
Varia da azienda ad azienda. Il primo problema è che i PLM non sono sufficienti a centralizzare il componente 3D, e poi tutti gli altri documenti tecnici rimangono in vari software o, come hai detto, addirittura su carta. Prima dell’intelligenza artificiale, il punto di riferimento era Cadenas, fondata nel 1992. PARTsolutions gestisce componenti standard, di fornitori e aziende con ricerca di similarità geometrica, e funziona, ma è un approccio pre-IA: si classificano e si etichettano i componenti in anticipo e si effettua la ricerca per attributi. Ciò che cambia con gli LLM è la ricerca in base alla funzione effettiva di un componente, in linguaggio naturale, senza quel lavoro preliminare, con enormi vantaggi per il progettista.
L’IA ha reso tutto questo accessibile solo negli ultimi due anni, e ora tutti stanno cercando di costruire la propria IA per il CAD. Il problema principale al momento è la maturità dei modelli di IA generativa alla base del nostro prodotto e di quelli dei nostri concorrenti, perché in altri campi si possono ottenere ottimi risultati anche con qualche errore, ma nell’ingegneria meccanica è necessaria la precisione. Anche il più piccolo errore può rendere lo strumento inutile.
Un layer intelligente sopra al CAD e il PLM
Cos’è NEOCAD?
Siamo una piattaforma di intelligenza artificiale per ingegneri meccanici. Possiamo essere considerati come un livello intelligente che si sovrappone ai sistemi CAD e PLM, centralizzando la documentazione tecnica e, soprattutto, i modelli 3D delle aziende manifatturiere. Il nostro obiettivo è aiutare gli ingegneri a ricercare, comprendere, riutilizzare ed eventualmente generare o modificare modelli CAD utilizzando l’intelligenza artificiale.
Dove risiede la documentazione e quali formati potete elaborare?
Abbiamo costruito applicativi per cinque dei principali pacchetti CAD, inclusi NX, Inventor e SolidWorks, oltre ai principali sistemi PLM come Teamcenter e Windchill. Siamo in grado di leggere file 3D nativi, disegni 2D e PDF. La differenza sta in come gestiamo i modelli 3D. Installiamo il nostro software sui sistemi del cliente e rendiamo l’intero archivio dei loro modelli leggibile dall’IA molto rapidamente. Quella parte è in attesa di brevetto, quindi è tutto ciò che posso dire al riguardo.
Mettiamo che io cerchi un albero specifico. Come riesce a distinguerne uno da mille alberi simili?
All’interno di un modello 3D ci sono diversi fattori da prendere in considerazione. Hai le dimensioni, la geometria, la descrizione all’interno del PLM e l’albero delle funzioni (feature tree), ovvero come è stato costruito il componente. Quando sei in grado di leggere tutti e quattro, puoi differenziare un modello per metodo di costruzione, dimensioni reali e geometria reale. Con questo, se usi l’IA correttamente, puoi selezionare l’albero giusto tra migliaia di alberi simili in un database.
Restituirà un solo albero o una lista ristretta tra cui scegliere?
Restituisce il più simile, quindi può essere uno o diversi. Se non trovi esattamente quello che stai cercando ma esiste qualcosa di simile, lo strumento lo farà emergere.
Hai anche menzionato la creazione di nuovi componenti. È già utilizzabile o è ancora nella roadmap?
Ci stiamo lavorando. Stiamo conducendo progetti pilota sulla generazione di modelli con grandi clienti industriali, ma non è lì che mettiamo la maggior parte della nostra energia. I modelli di IA generativa stanno avanzando rapidamente su questo fronte, è un’onda che cavalcheremo, non una gara che vogliamo correre noi stessi. Il nostro vantaggio è altrove: rendere utilizzabile il know-how esistente dell’azienda. Una volta che quella base è presente, la generazione diventa una funzionalità, non il prodotto.
In realtà ci aspettavamo che Claude o GPT uscissero con un’estensione per Fusion a un certo punto, e ora è successo. Sappiamo di non poter competere con questi attori, quindi è meglio seguire l’evoluzione di questi modelli e differenziarci concentrandoci su ciò di cui le aziende manifatturiere hanno bisogno in questo momento.
Quale livello di complessità state puntando per il generatore?
I modelli generativi, e non parlo solo di noi, saranno in grado di gestire anche assemblaggi complessi. Non sono sicuro di quanto lontano sia esattamente, ma il progresso è esponenziale. Quando abbiamo iniziato con il text-to-CAD un anno e mezzo fa rispetto ad ora, l’evoluzione è stata incredibile. La tecnologia sta maturando abbastanza per lavorare su assemblaggi complessi ed essere orientata all’impresa.
Ma non credo che la vera differenza sia generare modelli. Una volta risolto il primo problema – centralizzare il know-how – il vero vincitore sarà l’attore che fornisce la centralizzazione del know-how costruendo al contempo un coordinatore tra diversi strumenti. Non solo software CAD, ma anche simulazione, CAM e così via. Più quello strumento è adattabile a un’azienda, meglio è, perché se guardi 1.000 aziende manifatturiere in Italia delle stesse dimensioni, usano tutte gli stessi strumenti ma eseguono processi completamente diversi. Un coordinatore adattivo che gestisce strumenti multipli mentre centralizza la base di conoscenza è ciò di cui gli ingegneri avranno effettivamente bisogno. Quando penso all’IA per l’ingegneria, vedo un coordinatore, non qualcosa che funziona solo sul CAD.
Costruito per le Piccole Medie Imprese
I vostri clienti sono principalmente nell’automotive e nell’automazione. Quale necessità vi ha portato da loro per la prima volta?
È in realtà diverso in ogni caso. Con le aziende automobilistiche, l’esigenza di centralizzazione della conoscenza è arrivata più tardi. Sono molto grandi e vogliono accelerare anche il più piccolo passaggio in un processo, quindi sono venute da noi, ad esempio, per velocizzare la ricerca di un errore all’interno di un assemblaggio, dove ci sono molti componenti standard.
Nell’automazione abbiamo lavorato con diverse piccole e medie imprese, e lì abbiamo riconosciuto immediatamente il problema della base di conoscenza che ho descritto prima. Il problema rimane lo stesso fino alle aziende medio-grandi. Quando inizi a lavorare con multinazionali e aziende grandi, affronti altri problemi e il lavoro diventa più personalizzato.
Chi ne ha effettivamente bisogno? Un’azienda di due persone ha così pochi dati e ogni progetto è praticamente nuovo.
Sicuramente non è per le startup al momento, ma non è tanto una questione di dimensioni aziendali, quanto piuttosto di dimensioni del database. È per aziende mature che hanno molta conoscenza nei loro database. Abbiamo costruito lo strumento specificamente per il mercato italiano e tedesco, che conosciamo molto bene, e l’Italia è piena di piccole e medie imprese, specialmente nel manifatturiero. Qui tutto è una PMI. Ma il problema è lo stesso per aziende medie e grandi. A volte una multinazionale ha acquistato diverse piccole aziende e sta cercando di centralizzare le loro basi di conoscenza, e si ripresenta lo stesso problema. Con le grandi multinazionali è un po’ diverso e il modo in cui lavori con loro è più personalizzato. Ma lo strumento è stato costruito per le piccole e medie aziende.
Chi firma il contratto e chi utilizza lo strumento ogni mattina?
Solitamente è il direttore tecnico a richiedere lo strumento, perché ha una visione d’insieme della base di conoscenza aziendale e della documentazione tecnica, quindi firma il contratto, dopo molta due diligence da parte dell’IT.
Ma il primo utente non è lui, è l’ingegnere meccanico junior, specialmente quello arrivato due settimane fa e che non sa ancora nulla dell’azienda. C’è molto turnover in queste aziende e da tempo cercano modi per trasferire la propria base di conoscenza proprio per questo. Il secondo fattore è che i senior sono pochi e molto impegnati, quindi se riesci a liberarli un po’, possono concentrarsi sull’innovazione e su altre parti del loro lavoro.
Qual è stata la cosa più sorprendente che i clienti vi hanno riferito?
Ciò che ci ha sorpreso di più è stata l’intelligenza CAD, la capacità di leggere i modelli 3D in modo nativo, e l’abbiamo scoperto tramite i nostri clienti. Avevamo costruito la piattaforma sopra il loro CAD per centralizzare il know-how aziendale, e stava già facendo il suo lavoro, trovando i modelli 3D giusti nei loro database e PLM. Poi un cliente ha chiamato e ha detto: “Ho trovato il componente, ma ho anche capito come era costruito e quale componente si adatterebbe meglio”.
Non ce lo aspettavamo, perché eravamo concentrati solo sul trovare il componente o l’assemblaggio giusto. La sorpresa è stata che lo strumento potesse supportare un ingegnere durante la modellazione stessa, non solo nella ricerca. Succede quando dai al modello il contesto giusto, ed è esattamente ciò che stiamo cercando di dare agli ingegneri meccanici e agli LLM. Non è facile. Se sei stato un ingegnere meccanico, sai quanto sono chiusi questi sistemi.
Prezzi e Implementazione On-Premise
Quanto costa?
Abbiamo un prezzo fisso per le licenze, sia personali che flottanti, più una tariffa di setup durante l’installazione che varia molto a seconda di ciò che è presente in azienda.
Il prezzo dipende dalla quantità di dati o dalla forma in cui si trovano?
La quantità di dati, specialmente i modelli 3D, influisce principalmente sul tempo impiegato per l’installazione, quindi il prezzo lo riflette. Ma la parte che richiede più tempo è analizzare come sia stata preparata la documentazione tecnica e dove si trovi, perché il più delle volte l’azienda non sa dove sia e dobbiamo trovarla insieme a loro.
Queste aziende lottano con i propri database di conoscenza da 20 o 30 anni. In Italia trovi aziende con 40 anni di modellazione 2D e 3D al loro interno che stanno cercando di migliorare. Non è facile, ma quando lo fai correttamente puoi vedere la differenza rispetto a un semplice LLM collegato al tuo Fusion.
La proprietà intellettuale CAD che esce dall’edificio è una delle grandi paure. NEOCAD può funzionare on-premise?
Lo strumento è on-premise. L’unica parte che di solito risiede sul cloud del cliente è l’IA. Usiamo LLM commerciali, e non lo nascondiamo. Abbiamo valutato l’esecuzione di modelli open-source direttamente sulle loro macchine, ma come startup con un team di 10 persone, non abbiamo ancora le risorse per gestire modelli locali all’interno di ogni azienda.
La maggior parte delle piccole e medie imprese accetta di lasciar entrare il nostro sistema purché rimanga on-premise, e non addestriamo mai i nostri modelli sui loro dati. L’on-premise non è la soluzione giusta per tutti, ma gestire modelli open-source non è ancora fattibile per noi, e intraprendere quella strada ci costerebbe anche il vantaggio dei modelli commerciali, che migliorano drasticamente ogni due mesi.
Come appare l’implementazione, dal giorno in cui dico sì all’averlo installato e pronto all’uso?
Per prima cosa chiediamo quali sono i vostri sistemi, il vostro software CAD, il vostro PLM se ne avete uno, perché non tutte le aziende lo hanno, e ne sareste sorpresi, e il vostro ERP se tenete lì la documentazione tecnica. Parliamo con il dipartimento IT per ottenere gli accessi di cui abbiamo bisogno. Poi, l’installazione dello strumento e la centralizzazione della base di conoscenza richiedono da due settimane a un mese, a seconda delle dimensioni dell’installazione. Dopo circa un mese avete il vostro chatbot NEOCAD in esecuzione sulla vostra macchina.
Leader europei nell’IA per l’ingegneria
Alcuni player si concentrano sulla generazione di componenti CAD, altri sulla base di conoscenza. Qual è il percorso di NEOCAD per vincere?
Essere un coordinatore e non uno strumento fisso. Queste aziende hanno tenuto il loro software CAD per 30 anni senza cambiarlo, proprio perché sanno quanto sia difficile cambiare. Quindi stiamo costruendo sopra quei sistemi esistenti piuttosto che cercare di sostituire qualcosa. La maggior parte dei nostri concorrenti condivide quella strategia di coordinatore, ma si concentrano su cose diverse, come la generazione di componenti CAD o CAD e CAM insieme.
Avete in programma di rimanere a Milano mentre la maggior parte dei vostri pari è negli Stati Uniti. Perché restare?
I finanziamenti in Italia e in Europa sono più difficili rispetto agli Stati Uniti, quindi le risorse qui sono un po’ diverse. Ma la parte interessante è che l’Italia è il secondo mercato manifatturiero più grande d’Europa, subito dietro la Germania, e hai la Germania proprio accanto, dove già lavoriamo.
La nostra visione è diventare il leader europeo dell’IA per l’ingegneria, e per farlo dobbiamo vincere in due mercati, Italia e Germania. E poiché le aziende manifatturiere in Europa sono così chiuse e hanno così paura di lasciar andare i loro dati, se riesci a eseguire e costruire trazione qui velocemente, è molto difficile per gli attori statunitensi entrare senza una presenza sul territorio
Essere europei cambia il modo in cui costruite il prodotto stesso?
Sì, certamente. Ero a San Francisco a novembre e ho parlato con alcuni rappresentanti del settore manifatturiero, e dal primo secondo ho potuto vedere che l’esigenza può essere la stessa, ma i processi sono davvero diversi. Negli Stati Uniti il cloud è molto più accettato, mentre in Europa tutti sono on-premise. È anche parte del motivo per cui alcuni dei nostri concorrenti si sono trasferiti a San Francisco, perché costruire qualcosa che è già basato sul cloud è più scalabile. Ma sono due mercati completamente diversi.
Come sarà il flusso di lavoro ingegneristico tra cinque o dieci anni quando strumenti come NEOCAD saranno molto più maturi?
Oltre quell’orizzonte, che è un tempo lungo nel nostro settore, puoi immaginare un coordinatore che inizia cercando ciò che hai già fatto e finisce generando il modello mentre tu stai facendo qualcos’altro. Avrai collaboraratori che fanno il lavoro mentre gli ingegneri meccanici li controllano, proprio come gli sviluppatori gestiscono la codifica ora. Alcune software house non fanno quasi più programmazione manuale e hanno costruito enormi flussi di lavoro che gestiscono tutto. Penso che l’ingegneria meccanica farà la stessa strada, un po’ più lentamente a causa dei fattori di cui abbiamo parlato, ma alla fine ci arriveremo.
Alcuni fondatori dubitano che l’IA genererà mai assemblaggi complessi da sola e la vedono principalmente come uno strumento per accelerare i processi attuali. Da dove viene questo disaccordo?
Innanzitutto, sono molto ottimista, Andreas. Dipende davvero da quanto in là proietti la maturità della tecnologia. Tra cinque o dieci anni, sì, sono abbastanza sicuro che raggiungeremo quella fase. Non vedo l’ingegneria meccanica senza ingegneri meccanici, questo non accadrà, ma vedo strumenti che funzionano end-to-end, prendendo le informazioni, elaborandole ed eventualmente generando anche assemblaggi complessi.
Ciò che farà la differenza nel nostro campo in particolare è quanto noi e i player legacy saremo bravi a dare all’IA il giusto contesto. Costruire sistemi nativi in grado di cercare, recuperare, elaborare ed eseguire calcoli, il coordinatore, e raggiungeremo una fase in cui la tecnologia gestisce anche il compito più difficile. Mai senza la supervisione di un ingegnere meccanico, ma end-to-end.
Qualche altra azienda di IA interessante nel settore ingegneristico che vorresti segnalare?
Penso ce ne siano alcune interessanti là fuori. Poelis è un’altra azienda italiana di IA che sta facendo cose interessanti per l’ingegneria hardware. In alternativa, avete già intervistato la maggior parte delle aziende interessanti, come Mecagent, Bench, Getleo, Cadflip o P1-AI e aziende che lavorano sui disegni 2D come Draftaid. I disegni sono un grosso problema e non li vedo scomparire presto, almeno non nel mercato europeo.
Related Topics
Contact VED
4
Content Manager
0
Comment(0)