Quasi il 70% delle biciclette di fascia medio-alta e alta prodotte nel mondo nasce in aziende taiwanesi. Oggi, tuttavia, il comparto sta attraversando una nuova fase evolutiva, nella quale all’eccellenza manifatturiera si affianca la necessità di rispondere a un mercato sempre più frammentato, dinamico e orientato alla personalizzazione. Per sostenere questa trasformazione, il Taiwan Design Research Institute (TDRI) e il Cycling & Health Tech Industry R&D Center (CHC) hanno sviluppato una piattaforma che accompagna i progettisti lungo l’intero processo di design thinking. Integrando dati di settore su larga scala con analisi basate sull’intelligenza artificiale, lo strumento rende più rapido ed efficace il passaggio dalla ricerca alla progettazione, fino alla valutazione delle soluzioni sviluppate.
Negli anni Ottanta Taiwan, già riconosciuta come uno dei principali poli mondiali della produzione di biciclette, ha avviato un’evoluzione che l’ha portata dalla produzione di massa a un modello fondato sul valore del design. La crescente concorrenza della vicina Cina ha ulteriormente accelerato questo percorso, spingendo il settore verso soluzioni sempre più innovative e distintive.
Per consolidare una cultura progettuale orientata all’innovazione, nel 1996, con il sostegno del Ministero degli Affari Economici, è stato istituito l’International Bicycle Design Competition. Oggi, giunto alla ventiseiesima edizione, il concorso ha raccolto oltre 14.700 candidature provenienti da 87 Paesi.
Osservando le difficoltà che ancora caratterizzano le fasi iniziali del processo creativo – spesso le più incerte e dispendiose in termini di tempo – il TDRI e il CHC hanno sviluppato uno strumento di intelligenza artificiale capace di mettere a disposizione dei progettisti, fin dai primi momenti dell’ideazione, il patrimonio di conoscenze accumulato dall’intero settore.
Basato sull’analisi PESTEL – il modello che valuta i fattori Politici, Economici, Sociali, Tecnologici, Ambientali e Legali che influenzano un’organizzazione – e alimentato da dati sulla concorrenza, vincoli normativi e trend emergenti, lo strumento aiuta i designer a porsi le domande giuste ancora prima di iniziare a progettare una nuova bicicletta.
Abbiamo incontrato i team del TDRI e del CHC per capire cosa significhi sviluppare un’intelligenza artificiale capace di rafforzare il giudizio umano, anziché sostituirlo.
Definite questo strumento come un supporto al design thinking e non come un’AI generativa. In che modo riesce ad amplificare il giudizio del designer, anziché sostituirlo?
Osservando il modo in cui i designer lavorano nella pratica, ci siamo resi conto che la parte più preziosa del loro processo non è la ricerca delle informazioni, ma il giudizio che esercitano una volta assimilate. È il momento in cui decidono se un’intuizione meriti davvero di essere approfondita. Proprio questa capacità era ciò che non volevamo delegare all’intelligenza artificiale.
Per questo abbiamo progettato il sistema in modo che ogni suggerimento fornito dall’AI sia sempre riconducibile alla fonte da cui proviene. L’intelligenza artificiale non si limita a generare risposte plausibili: ogni informazione può essere verificata, contestualizzata e, se necessario, messa in discussione.
Nel settore delle biciclette, dove ogni prodotto nasce dall’integrazione di numerosi componenti e competenze, una risposta priva di fonti perderebbe immediatamente credibilità. Per essere davvero utile, uno strumento deve prima di tutto essere affidabile.
Tutti hanno utilizzato lo strumento nello stesso modo?
Designer senior e junior ne hanno fatto un uso diverso, ma entrambi ne hanno tratto beneficio. I professionisti più esperti lo hanno utilizzato per condensare in poche ore ricerche di mercato che normalmente avrebbero richiesto giorni di lavoro. I designer meno esperti, invece, lo hanno adottato come una guida per affrontare problemi complessi e strutturare il proprio ragionamento. In entrambi i casi, l’obiettivo resta lo stesso: non sostituire il progettista, ma metterlo nelle condizioni di prendere decisioni più consapevoli, rapide e fondate.
Rendere visibili fin dall’inizio i vincoli produttivi rischia di limitare la creatività del designer?
Al contrario. Quando i vincoli sono chiari fin dall’inizio, il designer acquisisce una forma di libertà creativa più concreta. Nel processo tradizionale, chi è alle prime esperienze tende a sviluppare idee prima di disporre delle informazioni fondamentali. Può non sapere se un componente esista, se una determinata soluzione sia realmente producibile o se il costo di un materiale sia sostenibile. Questa può sembrare libertà creativa, ma spesso si traduce in frustrazione, quando un progetto promettente si rivela irrealizzabile nella fase di sviluppo ingegneristico.
Il nostro strumento rende esplicita e organizza una conoscenza che normalmente rimane implicita, consentendo anche ai designer meno esperti di sviluppare fin da subito questo tipo di capacità di giudizio. In questo modo si riduce il divario tra professionisti senior e junior e il patrimonio di conoscenze dell’intero settore può essere indirizzato verso soluzioni realizzabili, anziché disperdersi in vicoli ciechi destinati a ripetersi.
La piattaforma è stata validata attraverso 300 casi reali. Che cosa vi ha insegnato questo processo sulla differenza tra ciò che l’AI ritiene utile ai designer e ciò di cui hanno realmente bisogno?
All’inizio, dal punto di vista ingegneristico, pensavamo che un modello sufficientemente potente potesse elaborare strategie progettuali complete e prendere decisioni al posto dei designer. Lavorando all’interno di processi di progettazione reali, abbiamo capito che non funziona così. Ciò di cui i designer hanno bisogno non è la risposta in sé, ma uno strumento che li aiuti a far progredire il proprio ragionamento, a costruire il contesto e a comprendere meglio il problema. Il design non è un percorso lineare che conduce dal problema alla soluzione: è un processo continuo di esplorazione e revisione.
L’intelligenza artificiale era in grado di produrre rapidamente analisi di mercato e profili degli utenti molto simili ai report elaborati dai consulenti, ma tutto questo rimaneva soprattutto un esercizio di organizzazione delle informazioni. Il vero lavoro progettuale nasce dal modo in cui i designer interpretano una situazione, costruiscono consenso con gli stakeholder e trasformano osservazioni ancora embrionali in direzioni progettuali.
Questa consapevolezza ha cambiato profondamente il nostro approccio ingegneristico. Abbiamo smesso di considerare l’intelligenza artificiale come uno strumento per generare soluzioni e abbiamo iniziato a progettarla come un sistema collaborativo, capace di accompagnare il designer nel suo processo di pensiero.
Come funziona lo strumento?
Una volta effettuato l’accesso, gli utenti possono entrare nella sezione Strategic Analysis, creare un nuovo progetto, importarne uno esistente oppure consultare quelli già realizzati. Per avviare l’analisi è sufficiente inserire il tipo di bicicletta, l’area geografica di riferimento e, facoltativamente, il pubblico di destinazione.
Il sistema sviluppa quindi l’analisi attraverso quattro moduli: PESTEL Analysis, Competitor Analysis, Explore Design Trends e Design Recommendations. Nel loro insieme, consentono di analizzare i fattori politici, economici, sociali, tecnologici, ambientali e normativi, confrontare prezzi e specifiche tecniche, nonché esplorare brevetti, materiali e orientamenti estetici legati all’innovazione di prodotto e di servizio.
Gli utenti possono passare da una sezione all’altra per osservare il progetto da prospettive differenti. Tutti i contenuti generati dall’intelligenza artificiale sono modificabili e organizzabili in base alle proprie esigenze. Se desiderano aggiornare i dati del progetto ed eseguire una nuova analisi, possono utilizzare la funzione Partial Regeneration.
Lo strumento ha rivelato potenzialità inattese?
La progettazione di biciclette ha sempre richiesto un elevato livello di competenze specialistiche. Ciò che ci ha sorpreso maggiormente è stata la capacità dello strumento di rendere accessibile il patrimonio di conoscenze accumulato da un intero settore.
Ci aspettavamo che aiutasse i designer a lavorare più rapidamente. Non avevamo previsto, invece, quanto sarebbe stato efficace nel ridurre la soglia di accesso per persone provenienti da ambiti completamente diversi.
Durante workshop e programmi di formazione rivolti agli ingegneri, partecipanti privi di qualsiasi esperienza nel settore delle biciclette sono riusciti a comprendere in tempi molto brevi le dinamiche del mercato, gli scenari d’uso e i principali vincoli di fattibilità.
Qual è la visione di lungo periodo per questo strumento, oltre il settore delle biciclette? Abbiamo scelto il settore delle biciclette come primo ambito di applicazione perché racchiude al suo interno molte delle dimensioni proprie della progettazione: materiali, ergonomia, progettazione strutturale, estetica, branding e regolamentazione.
L’obiettivo finale, però, è sviluppare un AI Design Strategy Framework applicabile a diversi settori.
Molti comparti industriali condividono infatti lo stesso problema: il patrimonio di conoscenze progettuali è frammentato tra reparti, filiere produttive ed esperienze individuali. Quando le persone lasciano un’organizzazione, anche quel patrimonio rischia di andare perduto.
Stiamo costruendo un sistema capace di conservarlo come patrimonio dell’organizzazione, mantenerlo costantemente aggiornato e renderlo disponibile proprio quando serve di più: nelle primissime, e spesso più incerte, fasi del processo di progettazione.
Abbiamo già iniziato a sviluppare un database dedicato al settore sanitario. In futuro potrebbero seguire ambiti come la mobilità intelligente, l’arredamento e i servizi pubblici.
