Gigaton: l'AI che controlla le fabbriche di cemento

La maggior parte dell'AI industriale degli ultimi anni si è limitata a osservare. Raccoglieva dati dai sensori, costruiva dashboard, avvisava gli operatori. Decideva ancora l'uomo al 100%. Gigaton ha scelto di agire diversamente, applicando un nuovo approccio nell'industria più resistente al cambiamento che esista.

Gigaton è una startup londinese nata nel 2020 come Carbon Re, primo spinout accademico nella storia ad essere fondato congiuntamente da University College London ("UCL") e Cambridge. La tesi originale era quella di combinare il deep reinforcement learning dell'Energy Institute di UCL con la competenza manifatturiera del Cambridge Institute for Manufacturing, e applicare il tutto all'industria più difficile da decarbonizzare: il cemento. I quattro cofondatori hanno passato anni a lavorare direttamente con gli operatori nelle sale di controllo degli impianti industriali per capire perché i sistemi esistenti non riescono ad adattarsi alle esigenze produttive moderne. Nel 2024 è arrivato Josh Vernon come CEO, con mandato di espansione. Il Series A da $26 milioni — guidato da Plural — porta la raccolta complessiva oltre i $35 milioni.

Il mercato dell'AI industriale è oggi popolato da soluzioni che si appoggiano sopra i sistemi di controllo esistenti: leggono i dati, generano avvisi, propongono ottimizzazioni che l'operatore valuta e applica. Gigaton ha scelto un approccio più radicale: sostituire pezzi del control software sottostante. La sua AI simula il comportamento dell'impianto, prevede gli outcome operativi e agisce autonomamente sui parametri — temperatura dei forni, flussi di materiale, consumo energetico — sempre sotto supervisione umana, ma senza aspettare che un tecnico legga un report e prenda una decisione. È la differenza tra un co-pilota che suggerisce la rotta e un autopilota che fa volare l'aereo.

Gigaton non entra in un mercato vuoto. ABB, FLSmidth, Rockwell, AspenTech e Honeywell offrono piattaforme di Advanced Process Control con decenni di installato. Sono sistemi costruiti da aziende che, come ha riconosciuto lo stesso Vernon, "hanno costruito il mondo industriale" e controllano ancora buona parte dell'hardware all'interno degli impianti. Il problema non è la qualità delle soluzioni dei grandi player, è che sono state progettate per un'epoca in cui l'obiettivo era la stabilità del processo e non l'ottimizzazione continua. Siemens sta investendo oltre €1 miliardo in AI industriale nei prossimi tre anni e i grandi player stanno aggiornando le proprie piattaforme, ma partono da architetture legacy che non sono state pensate per il controllo autonomo. I grandi operatori entreranno presto nell'arena competitiva; tuttavia, Gigaton è un sistema AI Native: parte con meno dati, ma anche con meno legacy.

Per ottenere le chiavi di un processo mission critical c'è bisogno di una giustificazione economica che non ammetta obiezioni. Gigaton ce l'ha: genera per ogni impianto cliente tra $1 e $3 milioni di risparmio operativo annuo, con una riduzione del consumo energetico di circa il 15%. In un contesto di pressione sui margini strutturale questo tipo di risparmio non è un'ottimizzazione, è una leva competitiva per la sopravvivenza. Non è un caso che tra i clienti figurino Holcim e Heidelberg Materials, tra i maggiori produttori di cemento al mondo: chi opera su scala globale con margini stretti non può ignorare un miglioramento misurabile e ripetibile.

Il risparmio energetico in un settore come il cemento non è disgiunto dall'impatto ambientale. Ogni impianto evita circa 30.000 tonnellate di CO₂ all'anno. Il settore cementiero è responsabile di circa l'8% delle emissioni globali: non esiste industria con un potenziale di decarbonizzazione altrettanto concentrato e altrettanto difficile da aggredire. Gigaton fa ottimizzazione di processo che produce come effetto strutturale una riduzione delle emissioni: maggiore efficienza energetica significa inevitabilmente meno CO₂ prodotta.

Il vero vantaggio competitivo di Gigaton non è algoritmico, è di posizionamento. Quando sei dentro il loop di controllo di un impianto che gira 24 ore al giorno, 365 giorni l'anno, non sei più un fornitore software, ma diventi infrastruttura critica. Ogni anno di dati raccolti rende il modello più preciso per il singolo impianto, con quella configurazione, in quelle condizioni operative. Nessuno può replicare quella precisione senza ricominciare da capo.