Messa in funzione di Manufacturing AI Work-Instruction Copilot: un caso dall'inizio alla fine

Prima di iniziare: versioni e cosa andrai a toccare

Manufacturing AI Work-Instruction Copilot è pubblicato su Odoo Apps per Odoo 17.0, 18.0 e 19.0. In tutte e tre le schede costa 49 € IVA esclusa, pagamento unico per versione.

La messa in funzione passa per quattro schermate: la procedura guidata AI Provider Setup, le impostazioni del modulo, l'elenco Prompt Templates e l'elenco AI Work Instructions › AI Providers. Poi, durante la prima settimana, entrano in gioco AI Work Instructions › Reporting › AI Cost (Estimated) e i campi di stato dei record. Se prima vuoi una panoramica di menu e record, trovi come funziona il modulo dall'interno.

Il caso: Lavorazioni Albera mette in funzione il copilota

Esempio Caso illustrativo: l'azienda e i suoi dati sono inventati per spiegare il flusso.

Lavorazioni Albera è un'azienda inventata che produce pezzi lavorati a macchina e usa Odoo 18. Marta, la responsabile di produzione, ha installato il modulo e vuole prepararlo perché il suo team possa rivedere le prime istruzioni di lavoro. Questo è l'ordine che segue.

Primo passo: creare il fornitore di IA

Marta apre la finestra AI Provider Setup. Scrive un nome in Name, sceglie Ollama (self-hosted) in Provider Type, compila Model Name (arriva vuoto, con un testo di esempio) e controlla Api Url, che punta a localhost. Clicca Create Provider.

Il fornitore compare in AI Work Instructions › AI Providers. Nel database di Marta ci sono due righe, una di OpenAI e un'altra chiamata Ollama Local, entrambe di tipo Ollama (self-hosted).

Il modulo definisce uno stato di connessione, connection_status, con tre valori: Unknown, OK e Error. Marta non considera chiuso questo passo finché non vede OK.

Secondo passo: le impostazioni del modulo

Nella schermata delle impostazioni, il modulo raggruppa le sue opzioni in Generation & Caching e Data & Privacy. Questi sono i campi, con etichetta e nome tecnico:

• AI Cache TTL (days) (mai_cache_ttl_days), un numero intero di giorni.
• Pre-Generation Batch Size (mai_pregen_batch), un numero intero.
• Output Content Filter (mai_content_filter_enabled), una casella di spunta.
• Q&A Retention (days) (mai_retention_days), un numero intero di giorni.
• Training Cleanup (days) (mai_training_retention_days), un numero intero di giorni.
• Max Attachment Size (MB) (mai_max_attachment_mb), un numero intero.
• Structured JSON Logs (mai_json_logs), una casella di spunta.

Marta non improvvisa i numeri: i giorni di conservazione li concorda con chi si occupa della protezione dei dati in azienda, e la dimensione massima degli allegati con chi prepara disegni e documenti. Spunta Output Content Filter e attiva Structured JSON Logs perché gliel'ha chiesto il team IT.

Terzo passo: rivedere i modelli di prompt

Nell'elenco Prompt Templates trova sei modelli per settore: Assembly, Chemical, Food & Beverage, General, Machining e Packaging. L'elenco mostra le colonne etichetta, predefinito, versione e attivo. Visto che Albera fa lavorazioni meccaniche, Marta guarda Machining e controlla in quelle colonne quale è segnato come predefinito e quali sono attivi.

Gli stati che Marta vedrà su ogni record

Il modulo lavora con diversi campi di stato. Li elenchiamo con i valori così come li definisce il modulo; questa pagina non presuppone transizioni che il codice non descriva.

• Pregenerazione (ai_pre_generation_state): Not Started, Queued, Generated e Error.
• Stato dell'istruzione (ai_instruction_status): Not Generated, Draft, Pending Approval, Approved e Locked.
• Approvazione (state): Pending Approval e Approved.
• Un altro campo state, con più valori: Draft, Pending Approval, Approved, Locked e Replaced.

Per Marta la cosa utile è distinguere i campi: Replaced esiste solo nell'ultimo, mentre Queued e Generated appartengono al campo di pregenerazione, non a quello dell'istruzione. Se qualcuno del team dice «è approvata», gli chiede in quale campo l'ha visto.

Cosa controlla Marta la prima settimana

Con il modulo ormai in uso, Marta si ritaglia qualche minuto ogni mattina per questi controlli:

• Lo stato della connessione: se compare Error o resta su Unknown, lo annota prima di continuare a generare.
• I record con ai_pre_generation_state in Error o ancora in Queued.
• Le istruzioni in Pending Approval, perché qualcuno con competenza tecnica le riveda.
• L'elenco AI Work Instructions › Reporting › AI Cost (Estimated), dove per ora vede solo i suoi due fornitori con i costi a zero.
• I valori di Pre-Generation Batch Size e Max Attachment Size (MB), nel caso voglia regolarli in base a quanto ha imparato.

Apre anche la finestra Manufacturing AI GDPR per capire cosa chiede prima di averne bisogno. Vede il campo Mode su Data Subject Access (export), i campi Data Subject e Limit to Work Order e i pulsanti Run e Close. Non esegue nulla: prende solo confidenza.

Quando qualcosa non torna e compare un avviso, Marta consulta i messaggi di errore del modulo spiegati uno per uno.

Cosa imparare dal caso

La messa in funzione è più ordinata se tieni separate tre cose: il fornitore di IA, le impostazioni e i modelli. Ognuna sta nella sua schermata e si può rivedere per conto suo.

I numeri delle impostazioni non sono semplici scelte tecniche: i giorni di Q&A Retention (days) e Training Cleanup (days) conviene concordarli con chi risponde dei dati nella tua azienda.

E gli stati: il modulo ha più di un campo di stato, con valori che si ripetono (Pending Approval, Approved). Sapere quale campo stai guardando evita malintesi nel team.

Come ti aiuta FlexigoTech

In FlexigoTech implementiamo Odoo 17, 18, 19 e 20 e sviluppiamo connettori e integrazioni su misura. Se vuoi che ti affianchiamo nella messa in funzione del copilota o adattarlo al tuo stabilimento, trovi i dettagli nella pagina del modulo su flexigotech.com e nella sua scheda su Odoo Apps.

Continua a leggere