Baptiste Bouvier, CEO e cofondatore di Daptic – Serie di interviste

Baptiste Bouvier è CEO e cofondatore di Daptic, dove lavora per collegare l’intelligence normativa allo sviluppo dei prodotti. Laureato in informatica e ingegneria al MIT, ha maturato esperienze nella ricerca sull’IA e sui sistemi autonomi al MIT CSAIL, nell’IA applicata alla sanità presso Babylon Health, nella ricerca quantitativa presso J.P. Morgan, nell’ingegneria della realtà aumentata e virtuale presso Meta e nella consulenza presso McKinsey. Il suo lavoro si concentra sull’aiutare i produttori a tradurre requisiti normativi complessi in decisioni ingegneristiche concrete.

Daptic offre una piattaforma per la conformità dei prodotti basata sull’IA, che collega le modifiche normative, la loro interpretazione e i requisiti di prodotto lungo l’intero ciclo di vita del prodotto. Il suo software aiuta gli specialisti della regolamentazione, gli ingegneri e i team di prodotto a monitorare i requisiti a livello globale, valutarne l’impatto e integrarli nei flussi di lavoro di sviluppo, garantendo la tracciabilità delle fonti e la supervisione umana. In questa intervista, Bouvier parla di intelligence normativa, IA fisica, vincoli di progettazione leggibili dalle macchine e della transizione verso una gestione continua del ciclo di vita della conformità dei prodotti.

La tua carriera ti ha portato dalla ricerca sull’IA e sui sistemi autonomi al MIT CSAIL all’IA applicata alla sanità presso Babylon Health, alla ricerca quantitativa presso J.P. Morgan, all’ingegneria della realtà aumentata e virtuale presso Meta e alla consulenza presso McKinsey. In che modo queste esperienze hanno influenzato la tua decisione di cofondare Daptic e cosa ti ha convinto che l’IA potesse cambiare radicalmente l’intelligence normativa?

Ciò che mi ha colpito davvero è stato constatare quanto lo sviluppo dei prodotti sia condizionato dalle normative e quanto poco software esistesse per supportare questo lavoro.

Il mio percorso è principalmente nell’informatica, con una formazione anche in ingegneria meccanica, e prima di fondare Daptic ho lavorato in diversi contesti tecnici. È stato però in McKinsey che ho potuto osservare più da vicino come le grandi aziende sviluppano prodotti fisici e come le normative possano rallentare questo processo.

Ho visto aziende estremamente sofisticate gestire una fase cruciale dello sviluppo dei prodotti attraverso documenti, fogli di calcolo, e-mail e conversazioni tra numerosi team. Una norma può iniziare come testo giuridico pubblicato da un governo, ma prima o poi qualcuno deve tradurla in uno specifico requisito ingegneristico che modifica il modo in cui un prodotto viene progettato.

È stato proprio questo divario tra normativa e ingegneria a interessarmi. Il lavoro richiedeva competenze enormi, ma mancavano infrastrutture in grado di collegarne le diverse fasi. Per questa categoria più ampia usiamo l’espressione gestione del ciclo di vita della conformità dei prodotti: collegare le modifiche normative, la loro interpretazione e i requisiti di prodotto alle decisioni che i team prendono durante lo sviluppo e l’intero ciclo di vita di un prodotto.

L’IA amplia le possibilità perché può lavorare contemporaneamente su grandi quantità di materiale normativo, informazioni sui prodotti e conoscenze aziendali. Questo ci permette di creare un’infrastruttura a supporto di un flusso di lavoro che storicamente ha richiesto un’enorme quantità di lavoro manuale. È stata questa, in sostanza, la base su cui è nata Daptic.

Gli ingegneri di prodotto che operano in settori come quello automobilistico, aerospaziale, della difesa, dei dispositivi medici e della robotica possono trovarsi a dover affrontare migliaia di normative in continua evoluzione. Qual è il principale vantaggio dell’IA nel trasformare questa enorme mole di informazioni normative in contenuti che gli ingegneri possano effettivamente utilizzare durante lo sviluppo dei prodotti?

Il vantaggio principale consiste nella possibilità di mantenere un collegamento tra ciò che accade sul fronte normativo e ciò che accade al prodotto.

Immagina di sviluppare un prodotto fisico complesso che verrà infine venduto in 30 o 40 mercati geografici diversi. Devi capire quali normative si applicano, monitorarne l’evoluzione, determinare quali modifiche riguardano il tuo prodotto e tradurre i requisiti pertinenti in decisioni ingegneristiche.

L’IA può monitorare costantemente il contesto normativo e ridurre la quantità di informazioni che un team deve valutare. Se un requisito cambia, il sistema può aiutare a individuare i prodotti, i componenti o le decisioni ingegneristiche potenzialmente interessati e fornire il contesto pertinente alle persone che ne hanno bisogno.

L’opportunità più interessante emerge quando il contesto normativo entra a far parte del flusso di lavoro ingegneristico. Chi deve prendere una decisione di progettazione dovrebbe poter capire rapidamente quali requisiti la riguardano, senza dover cercare manualmente tra giurisdizioni, standard e ambiti normativi diversi.

Le normative cambiano e i prodotti cambiano. Il vero valore sta nel mantenere collegati questi due sistemi, così che i team possano comprenderne le implicazioni mentre hanno ancora il tempo di prendere una decisione ingegneristica diversa. Questo collegamento continuo è un elemento fondamentale della gestione del ciclo di vita della conformità dei prodotti.

La conformità normativa è un ambito di applicazione dell’IA particolarmente delicato, in cui trascurare un requisito o fornire un’interpretazione errata può avere gravi conseguenze. In che modo Daptic affronta accuratezza, spiegabilità e supervisione umana nell’applicazione dell’IA all’intelligence normativa?

La fiducia è fondamentale in questo settore.

Le decisioni normative richiedono un elevato grado di certezza, quindi la tracciabilità deve essere integrata nel flusso di lavoro. I team devono poter vedere da dove provengono le informazioni, esaminare le fonti originali e capire come si è giunti a una determinata interpretazione.

La competenza umana resta estremamente importante, perché le normative contengono ambiguità. Una norma può fornire molte indicazioni, ma applicarla a un prodotto specifico richiede spesso contesto, esperienza e capacità di giudizio. Esperti diversi possono anche arrivare a interpretazioni differenti dello stesso requisito.

Il nostro approccio consiste nell’utilizzare l’IA per supportare queste competenze. L’IA può individuare e organizzare le informazioni, collegarle al contesto del prodotto pertinente e conservare il ragionamento già sviluppato. Gli ingegneri e i professionisti della conformità normativa continuano a partecipare al processo e possono esaminare, perfezionare e apportare le proprie competenze.

Questo crea anche qualcosa di prezioso per l’organizzazione nel tempo. Il ragionamento alla base di una decisione normativa diventa patrimonio di conoscenze aziendali a cui si può fare riferimento e su cui si può costruire, anziché rimanere confinato in una catena di e-mail o nella memoria di una singola persona. Per gestire su larga scala il ciclo di vita della conformità dei prodotti, il contesto e il giudizio degli esperti devono mantenersi nel tempo tra team, prodotti e cicli di sviluppo.

L’IA fisica sta passando rapidamente dagli ambienti industriali controllati ai prodotti destinati a operare nelle case e negli spazi pubblici. Man mano che i robot umanoidi e sistemi come i cani robot diventano più capaci, quali sfide normative ritiene che diventeranno i principali ostacoli alla diffusione su larga scala tra i consumatori?

L’IA fisica riunisce ambiti normativi che in passato potevano essere trattati in modo molto più indipendente gli uni dagli altri.

Prendiamo il caso di un robot umanoide che opera in un’abitazione o in un ambiente pubblico. Lo stesso prodotto può coinvolgere la sicurezza fisica, gli impianti elettrici, le batterie, le comunicazioni wireless, la cybersicurezza, la privacy e il comportamento autonomo. A seconda delle funzioni del robot, possono entrare in gioco anche ulteriori requisiti relativi a macchinari, trasporti, uso medico o altre attività regolamentate.

L’aspetto particolarmente interessante è che questi prodotti sono sempre più definiti dal software. Un prodotto fisico può subire cambiamenti sostanziali tramite il software anche dopo essere stato venduto. Una nuova funzionalità o un nuovo comportamento introdotti con un aggiornamento possono modificare le considerazioni normative relative a quel prodotto.

Ciò significa che le aziende devono considerare la normativa durante l’intero ciclo di vita del prodotto, non soltanto in un singolo momento prima del lancio. Questo passaggio da una conformità valutata in un momento specifico alla gestione continua del ciclo di vita della conformità dei prodotti diventa particolarmente importante per i prodotti le cui funzionalità possono evolversi dopo l’immissione sul mercato.

Esiste anche una dimensione globale. Le diverse giurisdizioni stanno elaborando norme per queste tecnologie con ritmi diversi e spesso partendo da presupposti differenti.

Per le aziende che sviluppano prodotti basati sull’IA fisica, la strategia normativa diventa sempre più parte integrante della strategia di prodotto. Le decisioni relative a sensori, autonomia, raccolta dei dati, materiali, connettività e comportamento del prodotto possono influire sui luoghi in cui il prodotto può essere utilizzato, sulle modalità di collaudo e sui requisiti che deve soddisfare. Questi legami devono essere compresi mentre il prodotto è ancora in fase di progettazione.

Oggi la conformità viene spesso considerata un’attività da svolgere verso la fine dello sviluppo di un prodotto. Cosa cambia quando i requisiti normativi diventano elementi di riferimento per l’ingegneria e la progettazione del prodotto fin dalle prime fasi?

Agli ingegneri si apre uno spazio di soluzioni molto più ampio.

Nell’ingegneria esiste un’utile analogia con la progettazione orientata alla producibilità. Si può progettare in CAD qualcosa che sembra del tutto ragionevole e poi scoprire che produrlo su larga scala richiede un approccio completamente diverso. Il settore ha sviluppato strumenti e metodologie per introdurre prima nel processo di progettazione le informazioni sulla producibilità, così che gli ingegneri potessero tenere conto di quei vincoli quando avevano ancora margine di flessibilità.

Anche i requisiti normativi possono essere integrati nello stesso modo.

Se comprendono i vincoli normativi durante la progettazione, gli ingegneri possono valutare architetture, materiali, componenti e comportamenti del prodotto alternativi disponendo di un contesto molto più ampio. Possono anche capire come una decisione potrebbe incidere sui test, sulla certificazione o sull’accesso al mercato prima di dedicarvi mesi di lavoro di sviluppo.

Questo può incidere notevolmente sui tempi e sui costi di sviluppo. Ancora più importante, fa sì che la normativa diventi un elemento di riferimento nel processo ingegneristico, anziché un’informazione che arriva quando molte delle decisioni più importanti sul prodotto sono già state prese. È uno dei cambiamenti fondamentali alla base della gestione del ciclo di vita della conformità dei prodotti: l’intelligence normativa entra a far parte del processo di sviluppo del prodotto, invece di limitarsi a rappresentare un ostacolo da superare in un secondo momento.

Le normative potrebbero un giorno diventare vincoli di progettazione quasi leggibili dalle macchine, consentendo ai sistemi di IA di avvisare in tempo reale gli ingegneri che un componente, un materiale, una funzionalità software o un comportamento del prodotto proposti potrebbero violare i requisiti di un determinato mercato? Quanto siamo vicini a un flusso di lavoro di questo tipo?

Ci stiamo muovendo in quella direzione, ma il punto non è semplicemente rendere le normative leggibili dalle macchine. Si tratta di tradurre il linguaggio normativo in vincoli significativi nel contesto di un prodotto specifico.

In genere, le normative non sono redatte come specifiche ingegneristiche. Sono scritte da governi e organismi di normazione per le persone, e tra il testo normativo e il vincolo tecnico di cui un ingegnere ha effettivamente bisogno ci sono diversi livelli interpretativi.

L’IA ci offre strumenti molto più efficaci per collegare questi livelli. Un sistema può comprendere i requisiti normativi, le interpretazioni ufficiali e il contesto del prodotto in fase di progettazione. Quando un ingegnere modifica un materiale, un componente, una funzionalità software o il comportamento di un prodotto, il sistema può evidenziare i requisiti potenzialmente interessati e spiegare il collegamento.

L’elemento fondamentale è il contesto del prodotto. Lo stesso linguaggio normativo può avere implicazioni molto diverse a seconda del prodotto, del mercato, del componente o dell’uso previsto.

Stiamo già facendo progressi verso la realizzazione di alcune parti di questo flusso di lavoro. Per integrare in profondità i riscontri normativi negli ambienti di progettazione servono un contesto strutturato del prodotto e collegamenti affidabili tra il linguaggio normativo, le interpretazioni interne e i requisiti tecnici. L’IA ha accelerato la nostra capacità di creare questi collegamenti.

Con il tempo, mi aspetto che i riscontri normativi si integrino molto di più negli strumenti già utilizzati dagli ingegneri, proprio come altri vincoli ingegneristici sono stati avvicinati al momento in cui vengono prese le decisioni di progettazione.

I produttori globali devono spesso conformarsi a normative diverse e talvolta in conflitto tra loro in decine di giurisdizioni. In che modo l’IA può aiutare i team di progettazione a determinare non solo quali normative si applicano, ma anche come una decisione progettuale presa in un mercato possa influire sul prodotto a livello globale?

È qui che la combinazione di intelligence normativa e contesto del prodotto diventa molto potente.

In genere, i produttori vogliono massimizzare la comunanza tra i mercati, perché mantenere molte versioni diverse dello stesso prodotto comporta costi e complessità significativi. Allo stesso tempo, i requisiti variano da una giurisdizione all’altra, quindi in alcuni casi è necessario modificare il prodotto.

L’IA può aiutare i team a mappare queste relazioni in modo molto più sistematico. Se si sta valutando un determinato materiale, componente o funzionalità, è possibile esaminare i mercati in cui verrà venduto il prodotto e comprendere i requisiti pertinenti in ciascuno di essi.

In questo modo, i team di progettazione possono vedere molto prima le implicazioni globali di una decisione progettuale. Una scelta potrebbe essere valida in 25 mercati, ma comportare requisiti aggiuntivi in cinque. Il team può quindi decidere se modificare il progetto globale, creare una variante regionale o adottare un compromesso diverso.

Oggi i produttori prendono già decisioni di questo tipo. L’opportunità consiste nel dare alle persone una visione molto più chiara del rapporto tra normative e prodotto, così che possano valutare questi compromessi prima e con un contesto più completo.

L’intelligence normativa non consiste solo nel monitorare le leggi già approvate. In che modo l’IA può individuare i primi segnali provenienti da proposte di regolamento, dibattiti governativi, organismi di normazione, azioni di controllo e altre fonti, affinché le aziende possano anticipare i requisiti prima che incidano sul lancio di un prodotto?

L’analisi prospettica diventa particolarmente importante quando i cicli di sviluppo dei prodotti durano anni.

Per un produttore, capire che cosa è cambiato ieri è solo una parte del quadro. I team devono anche sapere che cosa potrebbe cambiare mentre un prodotto viene progettato, testato e preparato per il lancio.

I potenziali segnali sono numerosi. I governi pubblicano proposte di regolamento e documenti di consultazione. Gli organismi di normazione discutono le modifiche. Le autorità di regolamentazione pubblicano linee guida e intraprendono azioni di controllo. Nel loro insieme, queste fonti possono fornire indicazioni utili sulla direzione che stanno prendendo i requisiti.

La portata è considerevole. Un produttore globale potrebbe dover monitorare fonti distribuite in decine di giurisdizioni, lingue e ambiti normativi, per poi determinare quali sviluppi siano effettivamente pertinenti ai suoi prodotti.

L’IA può monitorare continuamente queste fonti, individuare gli sviluppi potenzialmente pertinenti e collegarli a prodotti, componenti o aree specifiche dell’azienda. In questo modo, gli esperti di regolamentazione possono dedicare più tempo alla valutazione degli sviluppi che potrebbero incidere in modo sostanziale sulla tabella di marcia dei prodotti.

Quanto prima queste informazioni arrivano al team di prodotto, tanta più flessibilità ha l’azienda. Se è probabile che un requisito cambi tra due anni e il prossimo prodotto verrà lanciato tra 18 mesi, questo può diventare già oggi un elemento da considerare nella pianificazione del prodotto.

Man mano che gli agenti di IA si integrano più a fondo nei flussi di lavoro ingegneristici, potremmo arrivare a vedere agenti specializzati nella conformità affiancare ingegneri, responsabili di prodotto e altri sistemi di IA durante l’intero ciclo di vita del prodotto? Come sarebbe in pratica un’architettura di questo tipo?

Sì, e penso che il punto fondamentale sia che questi sistemi devono monitorare entrambi gli aspetti della questione. Le normative cambiano, ma cambia anche il prodotto.

Agenti specializzati potrebbero monitorare costantemente gli sviluppi normativi e determinare quali cambiamenti siano rilevanti per uno specifico portafoglio di prodotti. Altri agenti potrebbero contribuire a tradurre tali requisiti in implicazioni per la progettazione ingegneristica.

Allo stesso tempo, gli agenti potrebbero monitorare i cambiamenti del prodotto stesso. Un team potrebbe cambiare un materiale, aggiornare il software, passare a un altro fornitore, modificare un componente o introdurre una nuova funzionalità del prodotto. Ognuna di queste decisioni può modificare i requisiti applicabili o il modo in cui va interpretato un requisito esistente.

Questi sistemi devono condividere il contesto. Un agente normativo deve comprendere il prodotto. Un agente di ingegneria deve poter accedere ai vincoli normativi pertinenti. Entrambi devono poter consultare le decisioni e le interpretazioni precedenti dell’organizzazione.

Il giudizio umano resta una componente importante di questa architettura. Quando un agente si imbatte in un’ambiguità, in requisiti in conflitto o in una decisione dalle conseguenze significative, l’esperto competente dovrebbe poter esaminare le fonti originarie, fornire un’interpretazione e documentare il ragionamento affinché sia disponibile al resto dell’organizzazione.

Vedo un’architettura che diventa una rete di sistemi specializzati ed esperti, tutti basati su una comprensione condivisa del prodotto. Per i prodotti fisici, è particolarmente potente, perché una singola decisione ingegneristica può avere conseguenze a valle sulla produzione, sulla sicurezza, sulla certificazione, sulla regolamentazione e sull’accesso al mercato. Per molti versi, questa infrastruttura condivisa può diventare ciò che chiamiamo gestione del ciclo di vita della conformità dei prodotti: un sistema che coordina l’intelligence normativa, il contesto del prodotto, l’IA e le competenze umane lungo l’intero ciclo di vita.

Guardando ai prossimi cinque-dieci anni, con la diffusione dell’IA fisica, delle macchine autonome e di prodotti sempre più definiti dal software, come prevedi che evolverà il rapporto tra ingegneria, IA e regolamentazione, e quale ruolo pensi che Daptic avrà in questo ecosistema?

Mi aspetto che l’intelligence normativa diventi un elemento standard nella progettazione dei prodotti fisici.

Abbiamo già visto questo fenomeno in altri ambiti dell’ingegneria. Informazioni che un tempo erano gestite nell’ambito di un processo separato finiscono per essere integrate più strettamente nel lavoro dell’ingegnere e diventano disponibili nel momento in cui prende una decisione. La progettazione per la producibilità ne è un buon esempio.

La regolamentazione si sta muovendo in questa direzione perché l’IA ci permette di gestire la portata e la complessità in gioco e di collegare i requisiti normativi a prodotti specifici e alle decisioni ingegneristiche.

Questo diventa sempre più importante man mano che i prodotti diventano più autonomi e definiti dal software. Un aggiornamento software può modificare il comportamento di un prodotto fisico dopo il suo lancio. Un fornitore o un componente possono cambiare. Una nuova funzionalità può modificare i requisiti pertinenti. Allo stesso tempo, le normative e gli standard continuano a evolversi nei diversi mercati.

Il prodotto cambia e cambia anche il contesto normativo. Le aziende hanno bisogno di un’infrastruttura capace di collegare costantemente i due aspetti.

È in questa direzione che stiamo sviluppando Daptic. Vogliamo che l’intelligence normativa diventi parte integrante dell’infrastruttura per lo sviluppo dei prodotti: in questo modo, gli ingegneri possono conoscere le implicazioni normative mentre hanno ancora margine di manovra nella progettazione, e gli esperti di regolamentazione possono mettere a frutto le proprie competenze in organizzazioni molto più grandi.

In definitiva, vediamo nella gestione del ciclo di vita della conformità dei prodotti una componente fondamentale di questa infrastruttura. L’obiettivo è collegare regolamentazione e ingegneria lungo tutto il ciclo di vita del prodotto, affinché le aziende possano prendere decisioni migliori sui prodotti, preservare conoscenze aziendali fondamentali e portare più rapidamente sul mercato le innovazioni nel campo dei prodotti fisici.

Grazie per questa splendida intervista. I lettori che desiderano saperne di più sull’intelligence normativa basata sull’IA e sulla gestione del ciclo di vita della conformità dei prodotti possono visitare Daptic.