Trasformare la conoscenza interna in risultati energetici sostenibili

Con la transizione del settore energetico verso la decarbonizzazione, i fornitori di utility sono sottoposti a una pressione crescente per modernizzare non solo le modalità di produzione dell’energia (ad esempio idroelettrica, solare ed eolica), ma anche la gestione delle attività operative. Con oltre 7.000 dipendenti in più di 40 mercati attivi in Europa, Asia e Stati Uniti, il Gruppo Axpo ha deciso di affrontare questa sfida ripensando il modo in cui conoscenza, dati e tecnologia supportano la catena del valore dell’energia.

Nello spirito di innovazione continua, in particolare in un momento in cui GenAI e machine learning stanno ridefinendo i flussi di lavoro aziendali, Axpo aveva bisogno di un modo più rapido ed efficiente per consentire ai dipendenti, in particolare agli ingegneri, di accedere a conoscenze interne critiche come standard tecnici, specifiche e best practice. Il processo precedente si basava fortemente su ricerche manuali per parole chiave e sul frequente ricorso a esperti di dominio, con conseguenti inefficienze.

Per dare priorità a iniziative orientate al futuro come queste, Axpo ha riconosciuto la necessità di un’architettura API riutilizzabile. "Senza un modo scalabile per connettere sistemi interni e fonti di dati, eravamo costretti a duplicare il lavoro di integrazione, e questo limitava la velocità e la riutilizzabilità delle nuove applicazioni di GenAI", ha spiegato Anaig Maréchal, Lead AI Engineering del Gruppo Axpo.

Questa iniziativa fa parte del Generative AI Competence Center di Axpo, un team interfunzionale di 13 esperti che lavora per portare l’AI a nuovi livelli in tutta l’azienda e a democratizzarne l’adozione. Axpo ha individuato opportunità per automatizzare attività ripetitive e migliorare l’efficienza operativa lungo tutta la catena del valore dell’energia. Una di queste iniziative prevede l’uso del machine learning per classificare automaticamente i dati dei fornitori e raggrupparli in categorie significative, migliorando la visibilità sugli acquisti e consentendo un’analisi della spesa più intelligente. Un’altra iniziativa implementa l’elaborazione di documenti basata sull’AI per estrarre informazioni da lunghi file di documentazione di gara.

Nonostante le sue ambizioni, Axpo ha dovuto affrontare diverse sfide nella scalabilità dell'AI. Le conoscenze critiche erano sparse in sistemi isolati, costringendo i dipendenti a fare affidamento su esperti di riferimento e rallentando il lavoro quotidiano. Strumenti e flussi di lavoro disconnessi ostacolavano la collaborazione tra i team di data engineering e di machine learning. Le crescenti preoccupazioni legate alla data residency e alla governance hanno evidenziato la necessità di una piattaforma centralizzata e conforme. È qui che è entrata in gioco Databricks.

Con Databricks, Axpo ha adottato il framework Mosaic AI per implementare soluzioni di GenAI in modo efficiente, consentendo il recupero sicuro delle conoscenze, unificando i dati interni e favorendo una collaborazione fluida. L'architettura dell'azienda seguiva lo schema a medaglione: i dati grezzi provenienti da fonti come i wiki di Confluence entravano nel livello Bronze, venivano puliti e suddivisi in chunk nel livello Silver e quindi convertiti in embedding nel livello Gold per l'utilizzo a valle. Questo approccio garantiva che nelle applicazioni di GenAI confluissero dati puliti e strutturati.

Lakeflow Jobs ha orchestrato la pipeline, eseguendola quotidianamente per indicizzare nuovi contenuti, arricchirli con metadati e mantenere aggiornato il sistema. Il consolidamento delle pipeline in Databricks ha fornito ai team un ambiente coerente, eliminando i flussi di lavoro ridondanti. Al centro di tutto c'era un agente AI basato sulla generazione potenziata dal recupero (RAG), la stella polare della base di conoscenza interna di Axpo. Utilizzando Vector Search, Axpo ha indicizzato i contenuti embedded del livello Gold per consentire un recupero rapido e accurato delle conoscenze interne e applicando controlli di accesso a livello di riga per garantire le autorizzazioni appropriate. Il large language model di OpenAI, GPT-4o, genera risposte colloquiali utilizzando i dati più pertinenti. Axpo ha inoltre integrato il modello OCR di Mistral per estrarre contenuti ricercabili da PDF e allegati scansionati, rendendo l'agente ancora più completo.

Oggi, il team sta portando avanti 12 casi d'uso di GenAI attivi, che vanno dai progetti pilota in beta alla produzione su larga scala, coprendo tutte le aree di business. Databricks rappresenta il pilastro centrale di questa architettura e la piattaforma RAG principale per tutte le divisioni coinvolte nel Competence Center. "Ora i nostri dipendenti, dagli ingegneri ai project manager, possono accedere a migliaia di pagine di conoscenze tecniche senza dover ricorrere a ricerche per parole chiave o a esperti del settore", ha spiegato Alberto Castillo Rodriguez, AI Engineer del Gruppo Axpo. Axpo ha distribuito l'agente utilizzando Mosaic AI Model Serving, esponendolo come endpoint collegabile a dashboard interne, strumenti di chat e portali per i clienti completamente integrati nel loro prodotto Axpo Insights e utilizzati da numerosi team interni.

"Questo approccio API-first ha permesso a tutti i nostri team di utilizzare la soluzione di GenAI senza duplicare il lavoro di integrazione e ha semplificato l'adozione nei vari reparti, perché i dipendenti interagivano con l'agente tramite interfacce già familiari", ha aggiunto Leiv Andresen, AI Engineer del Gruppo Axpo. Grazie all’ingestione unificata dei dati, al recupero sicuro e all’orchestrazione intelligente dei modelli, Axpo ha sostituito un ecosistema informativo frammentato e manuale con un livello di conoscenza centralizzato e intelligente, interamente basato sulla Databricks Data Intelligence Platform.

L’iniziativa GenAI di Axpo sta già generando risultati concreti e misurabili. Gli utenti interni segnalano un tasso di soddisfazione superiore al 90% per l’assistente alla conoscenza, grazie a risposte più rapide, meno interruzioni e una maggiore fiducia nelle informazioni a cui accedono. I project manager e altri utenti esperti stimano di aver recuperato fino al 30% del proprio tempo.

L’accoglienza positiva ha favorito una diffusione più ampia della Databricks Platform in tutta l’organizzazione. Quello che era nato come uno strumento a supporto dell’ingegneria si sta ora espandendo a livello aziendale, con un aumento di tre volte nel numero di utenti che sfruttano la GenAI per valorizzare le conoscenze dell'organizzazione. Questa evoluzione rappresenta un cambiamento radicale nel modo in cui l’azienda collabora, sostituendo competenze isolate e ricerche manuali con un’intelligence condivisa che favorisce l’allineamento interfunzionale e elimina i colli di bottiglia operativi. 

Guardando al futuro, questo approccio continuerà a sostenere la missione più ampia del Competence Center: integrare la GenAI nei prodotti e nei processi di Axpo per offrire un’esperienza utente intuitiva, migliorare l’efficienza quotidiana e promuovere l’innovazione futura. "Il prossimo passo per noi è rendere l'agente utile anche al di là della ricerca. "Stiamo esplorando come possa intraprendere azioni, ad esempio integrandosi con i sistemi di servizio, così che non si limiti a rispondere alle domande, ma contribuisca concretamente al lavoro quotidiano", ha concluso Javier Fernandez de Alegria, Product Owner presso il Gruppo Axpo. Con il supporto di Databricks alle iniziative di AI lungo l’intera catena del valore dell’energia, Axpo non sta solo migliorando la produttività interna, ma sta anche costruendo l’agilità, l’intelligenza e la resilienza necessarie per affrontare le sfide energetiche di domani.