Eni, azienda leader nel settore dell'energia integrata con sede in Italia e oltre 30.000 dipendenti in 69 Paesi. Le sue attività variano dall'esplorazione e la trivellazione di gas naturale e petrolio alla cogenerazione di elettricità, alle energie rinnovabili, alla bioraffinazione e alla produzione chimica.

Nel 2020, Eni ha lanciato una strategia per raggiungere emissioni net zero entro il 2050 e sviluppare prodotti più sostenibili dal punto di vista ambientale e finanziario. La decennale attività di ricerca e innovazione tecnologica di Eni sarà fondamentale per raggiungere questo obiettivo.

"Lavoro nel team di calcolo tecnico per le geoscienze e le operazioni del sottosuolo, accanto ai dipartimenti di geologia, geoscienza e geofisica" spiega Sabato Severino, Senior AI Solution Architect per le geoscienze di Eni. "Abbiamo il compito di trovare le migliori soluzioni sul mercato per la nostra infrastruttura cloud e di adattarle alle specifiche esigenze aziendali."

I progetti includono l'utilizzo dell'AI per la perforazione e l'esplorazione, lo sfruttamento delle API cloud per accelerare l'innovazione e la creazione di una piattaforma intelligente per promuovere la condivisione delle conoscenze nella divisione aziendale più importante, quella delle risorse naturali.

La piattaforma di gestione documentale di Eni per le geoscienze offre un ecosistema di servizi e applicazioni per la creazione e la condivisione di contenuti. Sfrutta modelli di AI integrati per estrarre informazioni dai documenti e archivia i dati non strutturati in un database NoSQL. Questi dati sono strettamente collegati ai dati strutturati gestiti da una piattaforma dati proprietaria. Questi dati vengono visualizzati in app personalizzate per i content manager, gli analisti di dati e gli specialisti come geologi, ingegneri e squadre addette alla perforazione per ottenere ulteriori approfondimenti.

"La nostra piattaforma deve essere sicura, precisa ed efficiente. La precisione è fondamentale per gli scienziati che lavorano in questo settore" spiega Severino. "Se utilizzati correttamente, questi dati ci aiutano a lavorare in modo più rapido e intelligente, riducono i costi grazie all'ottimizzazione e supportano le nostre decisioni aziendali."

La piattaforma documentale di Eni ingerisce e omogeneizza grandi quantità di dati non strutturati. I documenti generati dai diversi Paesi sono in italiano, inglese e francese e ogni regione utilizza unità di misura diverse. Gli utenti estraggono i dati dalle dashboard per interrogarli in base a criteri specifici, ma la mancanza di standardizzazione rendeva troppo complesso creare set di dati completi ed eseguire query con il database relazionale originale.

Le sfide per il team di Severino sono state quelle di mantenere la piattaforma mentre ingeriva un volume crescente di dati – centinaia di migliaia di documenti e terabyte di dati – e di consentire a diversi gruppi di utenti di estrarre approfondimenti rilevanti da record completi in modo rapido e semplice.

"Man mano che sviluppavamo la nostra piattaforma, ci siamo resi conto che passavamo troppo tempo a gestire più sistemi. Dovevamo accelerare il time to market, assicurandoci che la piattaforma fosse in grado di supportare un ambiente globale e multi-cloud in futuro, cosa che il nostro database tradizionale non era in grado di fare" spiega Severino.

Dal punto di vista tecnico, l'azienda aveva bisogno di creare una piattaforma di dati documentali scalabile e gestita che permettesse di organizzare, recuperare e utilizzare i dati estratti e arricchiti dai documenti elaborati. Questo sistema doveva essere in grado di eseguire ricerche complesse attraverso un'interfaccia simile a quella di Google e consentire lo sviluppo di una serie di microservizi di elaborazione del linguaggio naturale (Natural Language Processing, NLP) e di AI generativa a supporto dell'ecosistema. La piattaforma di dati documentali fungerà da infrastruttura di supporto per l'archiviazione e la manipolazione di testo, tabelle, immagini e metadati ottenuti dai processi di estrazione e arricchimento dei contenuti.

Eni ha collaborato con MongoDB Consulting per la formazione e il supporto alla migrazione dei carichi di lavoro in MongoDB Atlas. "MongoDB è molto più conveniente della nostra soluzione precedente, che aveva un pricing model complesso che rendeva difficile ottimizzare i costi per carichi di lavoro imprevedibili" afferma Severino.

L'azienda voleva passare a un servizio gestito con una user experience senza soluzione di continuità e un'interfaccia facile da usare per gli sviluppatori. Molti dipendenti avevano già familiarità con MongoDB, il che ha semplificato la transizione a garanzia anche di un'efficienza costante. In una fase iniziale, il team di Eni ha implementato i cluster MongoDB su Azure, ma la natura cloud-agnostic della piattaforma offre la flessibilità di cui Eni aveva bisogno per evitare il vendor lock-in e mantenere le capacità multi-cloud. Questo è in linea con la sua strategia a lungo termine e garantisce la possibilità di adattarsi alle mutevoli esigenze aziendali.

"MongoDB Atlas non è solo un database, ma un insieme completo di prodotti e servizi. È cloud-agnostic e combina una ricca funzionalità con la flessibilità di cui avevamo bisogno per renderla nostra" spiega Severino. "Il supporto che abbiamo ricevuto da MongoDB Consulting è stato ottimo, anche grazie all’adattamento alle sfide peculiari del nostro contesto, e non vediamo l'ora che questo rapporto cresca in futuro."

Eni ha avviato un ambiente di test su MongoDB Atlas e, grazie al supporto di diversi linguaggi di programmazione, ai dati JSON e alle API REST – che consentono di accedere ai dati tramite richieste HTTP – è in grado di soddisfare i rigorosi requisiti di sicurezza e conformità dei dati del settore.

Sabato Severino, Senior AI Solution Architect per le geoscienze presso Eni

Con MongoDB Atlas, gli utenti Eni possono trovare rapidamente dati che coprono più anni e aree geografiche per identificare le tendenze e analizzare i modelli che supportano il processo decisionale all'interno del loro campo. MongoDB Atlas Search aiuta anche a filtrare i documenti irrilevanti. Il primo team a metterlo alla prova è stato un gruppo di personale esperto di tecnologia del dipartimento di esplorazione, che è stato coinvolto con l'obiettivo di ispirare altri team Eni a utilizzare la piattaforma. Il team ha anche integrato modelli di AI e machine learning, come la ricerca vettoriale, con la piattaforma per rendere ancora più facile l'identificazione dei modelli.

"In passato, la presenza di dati isolati comportava il rischio che i report non fossero del tutto accurati. Quando si opera a livello geografico e si cercano piccole variazioni e cambiamenti nel paesaggio geofisico, è davvero importante che i modelli si basino su dati completi e non solo su quelli rilevati da una ricerca di base" spiega Severino.

Altro aspetto problematico del passato era lo sviluppo di dashboard per applicazioni e analisi dei dati. Eni si affidava a una combinazione di strumenti open source e commerciali, scrivendo il codice per definire componenti, layout e interazioni, utilizzando al contempo linguaggi di scripting e funzionalità di gestione dei dati. Questo implicava una notevole curva di apprendimento per gli sviluppatori. Con l'introduzione di Atlas Charts, una soluzione priva di codice per la creazione di dashboard interattive accattivanti, insieme ad altre soluzioni come Power BI, questo carico è stato notevolmente alleggerito.

"Atlas Charts è davvero utile per visualizzare i dati non strutturati. Prima dovevamo inserirli manualmente in file Excel o CSV, che risultano di difficile lettura all'occhio umano" commenta Severino. "Ora gli utenti possono collegarsi facilmente alle fonti di dati, creare grafici e dashboard con il minimo sforzo, anche se non sono sviluppatori."

Inoltre, come funzionalità nativa di MongoDB Atlas, consente di aggiornare in tempo reale le dashboard e di lavorare con i dati in modo molto più semplice e accessibile.

Il feedback iniziale sull'ambiente di prova è stato positivo. Gli utenti sono impressionati dalle prestazioni della piattaforma e Severino si aspetta che sia ancora più facile da gestire quando MongoDB Atlas sarà integrato nel più ampio ecosistema Eni.

Costruendo la propria piattaforma interna con MongoDB, sia gli sviluppatori che gli scienziati che accedono ai report di Eni godono di un'esperienza utente più fluida. Gli scienziati possono personalizzare i report in base al progetto specifico a cui stanno lavorando e non devono chiedere a un collega di creare grafici o diagrammi al posto loro, accelerando così l'innovazione e il processo decisionale. Dispongono di una funzione di ricerca avanzata e facile da usare per trovare in modo rapido e semplice set di dati completi.

Gli sviluppatori, nel frattempo, hanno una migliore visibilità dell'ambiente dalla dashboard di MongoDB Atlas e possono dedicare più tempo alla personalizzazione del sistema, riducendo al contempo la manutenzione ordinaria e accelerare così il time to market. Le previsioni indicano che questa riduzione dei tempi di sviluppo comporterà una riduzione dei costi e una maggiore efficienza.

"Da quando siamo passati a MongoDB Atlas, abbiamo ridotto in modo significativo lo sviluppo grazie alle funzioni di gestione semplificata e al dashboard di facile utilizzo della piattaforma" afferma Severino. "Questo si è tradotto in una significative riduzione dei costi per la nostra organizzazione."

Sfruttando le funzioni di gestione automatizzata, gli sviluppatori possono anche dedicare molto meno tempo alla manutenzione di routine, come backup, scalabilità e aggiornamenti. In questo modo possono concentrarsi su attività più importanti, come la personalizzazione del sistema e l'implementazione di nuove funzionalità, migliorando la produttività e l'efficienza complessiva del team.

"Abbiamo deciso di implementare MongoDB per l'unità delle risorse naturali e sottosuolo, ma abbiamo già attirato l'attenzione dei nostri colleghi di tutta l'azienda. Se continueremo a ottenere buoni risultati, saremo felici di raccomandare un'implementazione più ampia in tutta l'azienda" conclude Severino.

Mentre Eni guida la transizione verso un futuro più ecologico, MongoDB Atlas renderà più facile e veloce la raccolta di enormi volumi di dati non strutturati nella sua piattaforma intelligente e li renderà utilizzabili. Per gli scienziati che svolgono ricerche di importanza vitale, questa esperienza fluida consentirà loro di concentrarsi sulle attività più importanti.

L'azienda è anche entusiasta di esplorare il modo in cui l'AI generativa accelererà i progetti del sottosuolo in futuro. "L'AI generativa che abbiamo introdotto attualmente crea embedding vettoriali dai documenti perciò, quando un utente pone una domanda, recupera il documento più pertinente e utilizza gli LLM per elaborare la risposta" spiega Severino.

"Stiamo valutando la possibilità di migrare gli embedding vettoriali in MongoDB Atlas per creare un sistema completamente integrato e funzionale. Saremo quindi in grado di utilizzare Atlas Vector Search per costruire esperienze basate su AI senza lasciare la piattaforma Atlas: un'esperienza molto migliore per gli sviluppatori.”

Sabato Severino, Senior AI Solution Architect per le geoscienze presso Eni