Undici sedi in Italia (compresa quella di più recente inaugurazione a Salerno) e quattro all’estero, con circa 1.200 dipendenti. I numeri di Spindox danno un’idea delle dimensioni di una realtà di rilievo nel panorama nazionale della system integration. Nel primo trimestre 2023, l’esercizio si è chiuso con un valore di produzione consolidato di 24,8 milioni di euro, in crescita del 31% in rapporto allo stesso periodo dell’anno precedente, mentre l’Ebitda consolidato si è elevato a 1,8 milioni di euro (+ 21% anno su anno).
Se i settori oggi più performanti per l’azienda sono il manufacturing, l’automotive, la logistica e il retail, ci sono ambiti che connotano il processo di differenziazione intrapreso nel tempo. Da un lato, i servizi di cybersecurity, già integrati a portafoglio da tempo, e dall’altro lo spazio dedicato alla ricerca, con ben due entità come Spindox Labs (sede a Trento e focus su computer vision, natural language processing, IoT e sensoristica) e aHead Research (basata a Torino e attività costruite su modelli matematici e advanced analytics).
Quest’ultimo appare oggi il fronte maggiormente concentrato sugli sviluppi di medio-lungo termine: “Abbiamo avviato la unit nel 2019”, racconta Paolo Costa, direttore marketing e socio fondatore di Spindox, “perché la capacità di innovare integrando competenze classiche da system integrator con ambiti considerati di frontiera è richiesta espressamente dal mercato e fa la differenza. Ci poniamo come un soggetto in grado di risolvere problemi e non di proporre semplicemente tecnologia”.
Le attività portate avanti da aHead Research già oggi supporta clienti e partner sia nell’identificazione delle aree applicative in cui l’intelligenza artificiale può portare sia nella trasformazione di problemi di business in potenziali soluzioni basate su Ai.
Paolo Costa, direttore marketing di Spindox e Tommaso Colombo, responsabile di aHead Research
Trattandosi però di una fondazione no-profit che si occupa di ricerca applicata ai processi industriali, la divisione ha il compito di guardare avanti e studiare il potenziale delle tecnologie oggi ancora agli albori dello sviluppo. In questo contesto si colloca il lavoro in corso sul quantum computing: “Alcune realtà italiane con forti capacità di investimento, come Intesa SanPaolo, Eni, Enel o Thales Alenja Space, sono già avanti nella fase di esplorazione, anche se difficilmente si vedrà qualche concretizzazione commerciale significativa almeno per i prossimi dieci anni”, commenta Tommaso Colombo, responsabile di aHead Research. “Noi lavoriamo solo sul software, siamo specializzati nello sviluppo di modelli matematici basati sul machine learning e stiamo cercando di capire in questo contesto dove potranno innestarsi i benefici promessi dal quantum computing”.
Tra i settori che potrebbero essere rivoluzionati, sembra emergere la modellazione e sviluppo di algoritmi di ottimizzazione matematica e machine learning. Spindox ha avviato filoni di ricerca dedicati allo studio di come algoritmi di vehicle routing e scheduling dovranno essere reinterpretati per sfruttare i benefici del quantum: “Sono, di fatto, i soli problemi affrontabili oggi, poiché altri sviluppi si scontrano con i limiti ancora esistenti nella disponibilità di sistemi hardware quantistici”, riprende Colombo. “Basti pensare che molte delle applicazioni potenziali, ad esempio nella cybersecurity o della produzione di energia, richiedono potenze di centinaia di migliaia di qubit, ma i modelli oggi a disposizione, come Dwave o Ibm Osprey, ne contano qualche centinaio. Per non parlare delle condizioni ambientali di funzionamento o dell’interferenza”.
Questi limiti non impediscono comunque di fare sperimentazioni su simulatori Quantum Inspired e concentrare l’attenzione su ambiti di ricerca, cloud computing, orchestrazione, Gps e logistica, dove più realisticamente è lecito attendersi una prossima rivoluzione. Spindox sta lavorando, in particolare, sulla propria suite di soluzioni per il supply chain management Ublique, con un’attenzione specifica alle simulazioni: “Potremmo guardare ai problemi di ottimizzazione del traffico, che per il momento gli algoritmi classici fanno una grande fatica ad orchestrare, ma in questo sistema si può inserire anche l’ottimizzazione di un gran numero di magazzini, con un lavoro di demand intelligence molto più dinamico e intelligente. Siamo solo all’inizio di un processo che cambierà il modo di programmare e scrivere algoritmi quantistici. A fronte di una maggiore complessità di programmazione, ci saranno benefici concreti in termini di velocità di elaborazione e di aumento di valore ottenibile”, conclude Colombo.