Verde & Digitale

Come detto nel Capitolo 2, sono stati identificati sei cluster di soluzioni digitali a supporto della sostenibilità ambientale, che di seguito sono descritti in dettaglio:

• Cluster #1 – Data sensing & collection;
• Cluster #2 – Data analysis & discovery;
• Cluster #3 – Augmented intelligence;
• Cluster #4 – Virtual experience;
• Cluster #5 – Transaction & tracking;
• Cluster #6 – Communication & collaboration.

Cluster #1 – Data sensing & collection
Internet of Things (IoT). I sistemi IoT prevedono una rete di sensori e attuatori wireless sul campo (terra, aria, mare, spazio) integrati con software di gestione e connettività di rete: sono in grado di raccogliere e scambiare dati su internet facendo convergere i dati su una piattaforma normalizzata e agnostica near real-time (quasi in tempo reale) con l’obiettivo di incrementare la trasparenza dell’informazione e attivare soluzioni automatizzate rendendo i dati disponibili a strumenti analitici quali advanced analytics e intelligenza artificiale. I sistemi IoT si avvalgono quindi di molteplici tecnologie di sensoristica: sensori fisici, chimici e biologici fissi e mobili (compresi satelliti e droni) per il rilevamento diretto e indiretto (remoto) di variabili ambientali, di risorse naturali e biologiche da postazioni fisse, da veicoli autonomi o semiautonomi o da robot. Attraverso la rete internet ogni oggetto acquista un’identità nel mondo digitale e si crea una rete di oggetti tra loro interconnessi (internet of everything). Ogni oggetto diventa così potenzialmente smart e potrà: 
• avere un nome e un indirizzo IP per essere identificato in rete ed essere raggiungibile;
• essere dotato di sensori per fornire informazioni sull’ambiente circostante e svolgere funzioni più o meno complesse, sia in maniera autonoma sia tramite controllo remoto.

Particolare rilevanza in ambito industriale hanno il filone dell’Industrial Internet of Things (IIoT), che gestisce flussi di dati raccolti da sensori e da sistemi fisici di produzione (SCADA e DCS),¹ e il filone delle Machine-to-Machine Communications (M2M), che consente a differenti componenti di attrezzature o centri di controllo di scambiare autonomamente informazioni senza l’intervento umano. L’elaborazione dei dati può avvenire in tempo reale direttamente sulla macchina o in prossimità di essa per funzioni time critical (edge computing), a livello di rete locale processando i flussi di dati che arrivano da più fonti nella fabbrica (fog computing), e a livello centrale, lontano dalle fonti dei dati, con un incremento del tempo di latenza (cloud computing). 
In generale, i sistemi IoT garantiscono la disponibilità del dato in forma granulare,² abilitando la rilevazione di fenomeni e comportamenti “micro” grazie a strumenti analitici, fondamentali per definire e attivare le cosiddette politiche di precisione.
Digital anchors. Sono tecnologie che supportano l’identificazione e/o la localizzazione di un oggetto in un ambiente dinamico, per monitorare, analizzare, comunicare ed eventualmente agire sui dati: la tecnologia digitale viene “attaccata” all’oggetto o è inclusa nell’oggetto per autenticarlo e creare un collegamento tra l’oggetto e il flusso dati che lo accompagna. Comportano l’installazione di tag, codici o chip quali RFID, Near Field Communication, QRcode:

• la Radio Frequency IDentification (RFID) è la tecnologia di identificazione automatica basata sulla propagazione di onde elettromagnetiche che consente la rilevazione univoca, automatica (hand free), massiva e a distanza di oggetti e persone, sia statici sia in movimento, tramite tag installato;
• il Quick Response code (QRcode) è un codice a barre bidimensionale contenente informazioni memorizzate (online e offline) che possono essere restituite in modo rapido attraverso una semplice scansione con una fotocamera;
• la Near Field Communication (NFC) permette a due device di connettersi tra loro in modo wireless al fine di scambiare informazioni semplicemente toccandosi, o quantomeno trovandosi a una distanza molto ridotta l’uno dall’altro, tramite chip integrato.

Cluster #2 – Data analysis & discovery
Advanced analytics. Tali tecnologie consentono di analizzare dati e contenuti con strumenti che superano quelli della tradizionale Business Intelligence, con l’obiettivo di scoprire relazioni e correlazioni, di sviluppare analisi previsionali e di suggerire raccomandazioni: stiamo parlando di data mining, text mining, pattern matching, data visualization, analisi di cluster, statistiche multivariate, analisi di grafici, simulazioni, elaborazione di eventi complessi. Vengono spesso utilizzati in modo complementare all’intelligenza artificiale, talvolta rappresentata come ultimo stadio evolutivo degli advanced analytics.³ È possibile distinguere quattro categorie principali di modalità analitiche a seconda dell’ambito e delle finalità di analisi:
• analisi descrittiva: risulta essenziale per la realizzazione di report e viene realizzata effettuando un’analisi riassuntiva e appunto descrittiva degli eventi, che consenta di avere una visione complessiva di un contesto o di una situazione (reporting, query, dashboard, visual discovery);
• analisi predittiva: è una delle tipologie più usate e consente di identificare delle tendenze, delle correlazioni o delle relazioni di causa-effetto fra le serie storiche dei dati, abilitando la definizione di scenari futuri in differenti contesti o situazioni (simulazioni, modelli statistici);
• analisi prescrittiva: oggi è possibile non solo fare delle previsioni relativamente a risultati specifici, ma anche riguardo alle azioni ottimali da intraprendere (algoritmi di ottimizzazione, logiche euristiche, sistemi a regole);
• analisi diagnostica: è il tipo di analisi che serve a identificare nello specifico il perché di qualcosa o di un dato evento, consentendo di trovare le cause che hanno portato alla situazione attuale (analisi drill-down).

Di grande rilevanza ai nostri fini è il dominio dei big data analytics, in quanto integrato ad altre tecnologie digitali che generano notevoli quantità di dati, quali l’Internet of Things e il mondo online (web, social). Il termine indica la capacità di gestire e trattare un insieme di dati informativi così esteso in volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per l’estrazione della conoscenza: il volume è così elevato da non poter essere gestito dagli strumenti convenzionali della Business Intelligence, bensì da tecnologie e metodi innovativi in grado di raccoglierli, immagazzinarli, organizzarli, elaborarli e analizzarli per potenziare la comprensione del fenomeno, le decisioni conseguenti e l’automazione dei processi. Questi strumenti sono particolarmente impiegati per implementare algoritmi di identificazione dei sistemi non lineari e di statistica inferenziale (come regressioni, relazioni non lineari ed effetti causali).

Sempre nell’ambito degli advanced analytics è sempre più frequente la predisposizione di data lake come base dati per analisi complesse. Si tratta di un “magazzino” condiviso che permette di acquisire e archiviare grandi quantità di dati strutturati e non strutturati in formato nativo: con questa modalità di gestione, è possibile avere l’integrazione di elevate quantità di dati di qualsiasi formato e provenienti da qualsiasi fonte, sulle quali poi è possibile operare con strumenti analitici.
Process optimization. Comprende soluzioni che traguardano l’ottimizzazione dei processi di business sia migliorandone le prestazioni (process mining) sia automatizzandone le attività ripetitive (Robotic Process Automation, RPA):⁴
• il process mining applica tecniche di data mining per scoprire pattern ricorrenti e correlazioni tra dati, partendo dalla modalità di esecuzione del processo sui sistemi informativi (event log) per ottenerne una rappresentazione aderente alla realtà; confrontando questo modello con quanto previsto, risulta possibile analizzare prestazioni, identificare problemi, attività ripetute, sprechi, colli di bottiglia in ottica di conformità. Queste soluzioni di Business Process Intelligence consentono quindi di rivedere, ridisegnare e ottimizzare efficacemente i processi partendo da un’immagine reale della situazione attuale.
• La Robotic Process Automation si riferisce a tutte le applicazioni dell’ambito dei software robot che sollevano l’essere umano da attività ripetitive, interagendo con gli applicativi informatici: le soluzioni di RPA sviluppano una lista di azioni “osservando” l’utente svolgere determinati compiti nell’interfaccia utente (User Interface – UI) e successivamente ripetendo tali attività automaticamente in modo presidiato o non presidiato (attended o unattended). Applicano regole if, then, else su dati strutturati, usando una combinazione di API (Application Program Interface), interazioni dell’interfaccia utente e script che eseguono attività su sistemi informatici non correlati. L’evoluzione sta ormai portando ad avere soluzioni di Intelligent Automation in cui sono integrati elementi tratti da soluzioni di intelligenza artificiale quali machine learning, natural language processing e computer vision, che consentono di gestire dati anche non strutturati (documenti scannerizzati, immagini, video) e di apprendere in modo automatico.

Cluster #3 – Augmented intelligence
Intelligenza artificiale (Ia). Sfrutta computer e macchine per imitare le capacità decisionali e di risoluzione dei problemi della mente umana (quali per esempio il ragionamento, l’apprendimento, la previsione): in generale, è in grado di adattare il proprio comportamento analizzando gli effetti delle azioni precedenti e lavorando in autonomia. Agisce senza istruzioni esplicite ed esegue funzioni senza essere stata specificatamente programmata per eseguirle; analizza grandi quantità di dati provenienti dal mondo fisico (immagini, suoni e altre forme di percezione) o digitale (documenti, dati, comportamenti), riconosce modelli all’interno di essi, comprende l’ambiguità del linguaggio umano, correla informazioni eterogenee, esplora attivamente estesi knowledge corpus formati dalla letteratura dei settori tecnici e professionali, con lo scopo di fornire supporto ai processi di decision-making.
La necessità dell’Ia deriva principalmente dalla mole di dati esponenzialmente crescente oggi disponibile e dalla grandissima velocità e accuratezza di analisi offerte dalle tecnologie odierne. Queste tecnologie possono essere utilizzate in forma di software o incluse direttamente nell’hardware dei dispositivi (sistemi automatici e robotici). Fanno parte dell’Intelligenza artificiale alcune tecnologie primarie (non mutuamente esclusive) che ricorrono come terminologia e come utilizzo all'interno del libro:

• il machine learning (apprendimento automatico) è un metodo di analisi dei dati che automatizza la costruzione di un modello analitico: gli algoritmi consentono quindi di imparare dai dati, identificare i modelli e prendere decisioni con un minimo intervento umano. Addestrano la macchina in una logica di miglioramento continuo.
• Il deep learning è caratterizzato dal termine deep (profondo), in quanto si riferisce in generale a una rete neurale⁵ costituita da più di tre livelli. Un sistema di questo tipo automatizza gran parte della sezione del processo di estrazione delle caratteristiche di un vasto insieme di dati, eliminando buona parte dell’intervento umano e consentendo l’uso di data-set più grandi. La discriminante tra deep learning e machine learning è quindi la modalità di apprendimento di ciascun algoritmo.
• Il Natural Language Processing (elaborazione del linguaggio naturale, NLP) supporta i computer nella comprensione, nell’interpretazione e nell’utilizzo del linguaggio umano. L’NLP aiuta i computer a comunicare con gli umani nella loro lingua, li rende capaci di leggere un testo, ascoltare la voce, interpretarla, misurare il sentimento e determinare quali sono i contenuti più importanti. Tale tecnologia è utilizzata per abilitare assistenti virtuali (chatbot).
• La computer vision (visione artificiale) addestra i computer a interpretare e comprendere il mondo visivo. Con l’utilizzo di immagini digitali provenienti da fotocamere e video e attraverso algoritmi dedicati, le macchine possono identificare e classificare accuratamente gli oggetti e quindi reagire a ciò che “vedono”. Acquisisce, processa, analizza e comprende immagini digitali e analogiche, abilitando l’estrazione automatica di dati.

Advanced computing. La complessità dei problemi ai quali oggi l’informatica è chiamata a dare risposta necessita di approcci ancora più performanti e/o innovativi:
• un primo approccio è quello dei supercalcolatori, noto come high performance computing, in cui vengono utilizzate tecnologie informatiche in cluster per creare sistemi di elaborazione in grado di fornire delle prestazioni molto elevate. In questi casi si ricorre tipicamente al calcolo parallelo, eseguendo operazioni ad alta intensità computazionale su più risorse, per risolvere problemi complessi in tempi drasticamente inferiori rispetto alle architetture tradizionali.
• Un secondo approccio prevede l’applicazione dei concetti della fisica e della meccanica quantistica. Il quantum computing, o computer quantistico, rappresenta una nuova generazione di computer che si affianca e non sostituisce i “classici” computer basati sulla logica binaria. Il quantum computing punta ad affrontare problemi che i computer tradizionali sono in grado di trattare con tempi di elaborazione estremamente lunghi o addirittura non sono in grado di trattare. Si prevedono applicazioni concrete nei prossimi dieci anni in campi quali la chimica, l’energia e la finanza.
• Un terzo approccio prevede la progettazione e la realizzazione di processori sempre più simili al cervello umano, e per questo le loro capacità sono al momento ancora sconosciute. Sfruttando le cosiddette reti neurali artificiali, questo nuovo approccio informatico – chiamato neuromorphic computing – permetterà di creare delle intelligenze artificiali le cui modalità di apprendimento saranno prossime a quelle dell’uomo e il cui consumo di energia sarà estremamente ridotto.

Cluster #4 – Virtual experience
Digital twin. Il digital twin (gemello digitale)⁶ è un modello dinamico e digitale che replica un’entità (processo, ambienti, asset, materiale, prodotto, servizio) attraverso gli stati del suo ciclo di vita, al fine di recepire requisiti, disegnare soluzioni, pianificare attività, gestire e manutenere asset, condividere caratteristiche di prodotti e materiali. Riflette la condizione attuale e include dati storici significativi: ha l’obiettivo fondamentale di modellare il comportamento dei sistemi del mondo reale simulando possibili comportamenti futuri in modo intuitivo.
Una distinzione comune è tra digital twin di prodotto (progettazione efficiente), di produzione (pianificazione della fabbricazione) e di performance (ottimizzazione dei dati). Il principio base è comunque confermato: il gemello digitale viene usato sia per prevedere/prevenire il comportamento futuro e le prestazioni del prodotto/processo fisico in caso di un cambio di variabili, sia per monitorarne in tempo reale lo stato e intervenire tempestivamente in caso di guasti o per ottimizzarne le prestazioni. Il gemello digitale nasce generalmente da una soluzione composita, basata sul Product LifeCycle Management (PLM) che segue le diverse fasi di vita: lo spazio fisico viene collegato allo spazio digitale tramite sistemi IoT che inviano flussi di dati elaborati grazie a strumenti di machine learning (Intelligenza artificiale). In buona sostanza, viene messa a disposizione la versione digitale del fisico attraverso rappresentazioni virtuali, modellazione di dati e algoritmi di simulazione basati su modelli fisici (detti first principle models) o statistici.
Immersive reality. Sono tecnologie immersive in ambienti tridimensionali che estendono il digital twin portando nuove esperienze interattive in un ambiente generato totalmente al computer (virtual reality) o in un ambiente fisico al quale sono sovrapposte informazioni digitali come testi, suoni e grafici (augmented reality). In generale, prevedono la fruizione delle funzionalità tramite dispositivi indossabili (detti wearable devices) dotati di sensori e modalità innovative di interazione con l’operatore:
• l’augmented reality (realtà aumentata) consente di operare sul campo in modo efficace ed efficiente, avendo a disposizione tutte le informazioni necessarie durante l’attività svolta. Può essere fruita attraverso dispositivi che abbiano una fotocamera quali tablet, smartphone, visori specifici; questi ultimi servono nel caso in cui si abbia la necessità di avere le mani libere.
• La virtual reality (realtà virtuale) permette all’utente di isolarsi completamente dalla realtà che lo circonda, entrando in un ambiente creato digitalmente in cui immergersi e interagire con gli elementi in esso contenuti (particolarmente adatto a esperienze formative avanzate). La fruizione della virtual reality è permessa da visori specifici, la cui la caratteristica di base è quella di escludere il mondo reale.
• La mixed reality (realtà mista) combina le caratteristiche delle due precedenti per creare un ambiente dove reale e virtuale convergono, permettendo di interagire indistintamente con oggetti reali e digitali (tecnologia più avanzata che richiede hardware molto specifici).

Cluster #5 – Transaction & tracking
ecommerce. Le soluzioni di ecommerce hanno l’obiettivo di convogliare in un unico marketplace digitale domanda e offerta, gestendo transazioni di diversa natura; nello specifico, prodotti e servizi vengono proposti attraverso cataloghi elettronici strutturati in categorie, accompagnati dalla documentazione tecnica e commerciale degli oggetti offerti, insieme alle informazioni di acquisto con funzionalità di selezione e comparazione tra questi (eventuali aste online). Vengono inoltre integrati sistemi di pagamento e aspetti di logistica e tracking della spedizione. Non sono assolutamente soluzioni nuove, ma riteniamo sia comunque il caso di considerarle nel novero delle tecnologie digitali per la sostenibilità, sia per il potenziale a favore della stessa (circolarità dei prodotti, consumo responsabile, sharing economy) sia per l’enorme sviluppo che stanno avendo tali piattaforme. La loro evoluzione va oltre le funzionalità base di ecommerce e diviene un punto di razionalizzazione tra domanda e offerta in termini di intermediazione, disintermediazione, aggregazione, convergenza: la possibilità di connettere in modo continuo domanda e offerta comporta l’evoluzione verso forme comunitarie ed ecosistemi in cui i classici confini tra Business-to-Business (B2B), Business-to-Consumer (B2C) e Business-to-Influencer (B2I) collassano grazie al digitale.⁷ Per quanto concerne questa evoluzione, è interessante notare tre aspetti di crescita:
• l’entrata nel mercato virtuale dei giganti dei social network quali TikTok, Twitter e Facebook, che vogliono essere della partita e stanno già sperimentando soluzioni di ecommerce (o social commerce) con volumi e impatti impensabili;
• l’integrazione su tali piattaforme di diverse tecnologie digitali quali sistemi di Intelligenza artificiale per il riconoscimento e la comparazione dei prodotti e l’augmented reality per la valutazione informata dell’acquisto;
• la convergenza verso esperienze di shopatainment in cui convergono formule di entertainment e di proposizione di contenuti veicolati da microinfluencer, in un contesto di live shopping (compreso anche il canale TV) e di comunità online.⁸

Blockchain. La blockchain (letteralmente catena di blocchi) è essenzialmente un registro digitale aperto e distribuito (distributed ledger) in grado di memorizzare record di dati (denominati transazioni) in modo sicuro, verificabile, permanente e condiviso tra più partecipanti, secondo un protocollo definito (smart contract), eliminando la necessità di un ente certificatore centrale: è una struttura dati condivisa e immutabile in cui record di dati sono raggruppati in blocchi concatenati in ordine cronologico. Alle transazioni può essere associato il concetto di valore tramite la criptovaluta, o token, che rappresenta appunto il valore digitale scambiato nella transazione. Questa tecnologia consente quindi di generare, gestire e tracciare transazioni garantendo l’integrità, la sicurezza dei dati, l’autenticità e il consenso tra i partecipanti: utilizza algoritmi software crittografici per registrare e confermare transazioni non modificabili e/o tracciare oggetti fisici, assegnando un’identità digitale univoca. È applicabile a risorse sia materiali sia immateriali. Come si può ben capire, la blockchain gioca un ruolo rilevante e pervasivo per la sostenibilità, garantendo comportamenti sostenibili in processi e ambienti complessi (ecosistemi), in ottica di provenienza, elaborazione e destinazione delle transazioni eseguite sugli oggetti tracciati. È, comunque, altresì doveroso ricordare che è attualmente in atto una discussione a livello mondiale in relazione al consumo delle risorse che la tecnologia blockchain comporta per quanto concerne la replica del registro sui computer di tutti i partecipanti, la gestione delle transazioni e soprattutto la generazione delle criptovalute.

Cluster # 6 – Communication & collaboration
Social media. Per quanto attiene alla mutua collaborazione tra le parti coinvolte, i social media rappresentano il gemello della blockchain appena descritta, poiché trasmettono istantaneamente alla comunità, aiutando a condividere efficacemente informazioni al fine di promuovere comportamenti tramite campagne o addirittura movimenti di opinione e abbattendo la divisione tra produttore e fruitore delle informazioni (si veda il tema degli influencer). I social network sono una particolare tipologia di social media basati sulle capacità di tracciare le relazioni tra gli utenti attraverso la costruzione di grafi nei quali sono codificati contatti, attività e preferenze, utilizzando tecniche quali la social network analysis e la big data analysis. L’orientamento di questi strumenti è quello di rendere più semplice l’azione di condivisione, che comporta un arricchimento del grafo e quindi del suo valore intrinseco legato alla proposizione di contenuti commerciali (pubblicità). Come precedentemente indicato, è in atto una forma di convergenza con l’ecommerce (uso dei post interattivi su Instagram per taggare i prodotti nelle foto con finalità di acquisto, o l’evoluzione delle pagine di Facebook che si stanno trasformando in veri e propri marketplace).

I social media possono innescare sviluppi positivi in termini sia di capacità innovativa sia di coesione sociale: “Ci sono in questo senso segnali molto interessanti di un uso sociale delle reti che consentono di costruire alleanze, scambiare risorse di conoscenze o di finanziamento, di mettere in connessione start up ed esperienze di innovazione sociale, secondo modalità fino a ieri sconosciute. I social media possono essere utilizzati per ricucire il tessuto sociale in luoghi dove prevale l’anonimato, come nel caso della diffusione delle social street. Piattaforme specializzate permettono campagne di crowdsourcing⁹ per lo sviluppo di progetti costruiti dal basso, ma anche – semplicemente – di diventare una cassa di risonanza per movimenti che altrimenti farebbero fatica a emergere”.¹⁰
Web & mobile. Sono tecnologie digitali diffuse e conosciute, utilizzate per facilitare la comunicazione e la connessione alla rete. Questa categoria comprende due declinazioni:
• portali web, in grado di fornire agli utenti un insieme di funzionalità base quali content management, document exchange & management, chat, gaming, web TV, video conferencing, networking, chat (nelle forme evolutive e complete, possiamo parlare di online collaboration platform); in tale categoria sono rilevanti gli utilizzi in termini di crowdsourcing;
• applicazioni mobile (app), in generale come front-end e passaggio, garantendo da un lato l’accesso a esperienze e contenuti online, dall’altro la possibilità di inviare dati dal campo.¹¹ 

Note
––––––––––––––––––––––

1. SCADA: Supervisory Control And Data Acquisition; DCS: Distributed Control System.

2. I dati granulari sono dati nella forma elementare e descrivono il singolo evento in modo estremamente dettagliato.

3. Solo per fornire una possibile, seppure labile linea di demarcazione tra le due tipologie: da un lato gli advanced analytics rappresentano una tecnologia per aumentare la capacità analitica tramite un algoritmo sostanzialmente stabile; dall’altro l’intelligenza artificiale mira ad automatizzare la capacità decisionale senza intervento umano, incrementando la capacità stessa tramite l’apprendimento automatico, che comporta quindi l’evoluzione dell’algoritmo.

4. La classificazione delle soluzioni RPA in tale categoria è stata effettuata in base al fatto che le soluzioni applicano regole statiche e predefinite, operando su input strutturati e senza nessuna forma di apprendimento automatico.

5. Le reti neurali, note anche come reti neurali artificiali (o ANN, Artificial Neural Network) sono un sottoinsieme del machine learning e sono l’elemento centrale degli algoritmi di deep learning. Il loro nome e la loro struttura sono ispirati al cervello umano, in quanto imitano il modo in cui i neuroni biologici si inviano segnali. Una delle reti neurali più note è l’algoritmo di ricerca di Google.

6. In alcuni casi si parla anche di virtual twin, riferendosi esplicitamente a modelli tridimensionali (3D).

7. Segnaliamo come curiosità la Creator Economy, detta anche passion economy o economia della monetizzazione individuale, con la quale si intende l’economia relativa alla creazione di contenuti (video, scritti, audio ecc.) da parte di persone con interessi e passioni, sfruttando il rapporto diretto con il proprio pubblico e strumenti digitali di monetizzazione (https://bit.ly/3P0bkd7).

8. Due startup italiane propongono già servizi evoluti di questo tipo: Indacoapp, che offre il live shopping con creator in diretta streaming (https://www.indacoapp.com), e Roundabout, che supporta le Pmi con il microinfluencer marketing (https://roundabout.pro).

9. Il crowdsourcing è la pratica di coinvolgere una folla (in inglese crowd) o un gruppo per un obiettivo comune: innovazione, problem solving o efficienza, sharing di dati e di risorse finanziarie (in questo caso si parla di crowdfunding, spesso correlato al finanziamento di start up).

10. Azzone G., A. Balducci, P. Secchi, Infrastrutture e Città. Innovazione, coesione sociale e digitalizzazione, Brioschi Editore, Milano 2020.

11. Le applicazioni mobile vengono considerate nella trattazione dei casi d’uso del Capitolo 4 come complementari e accessorie ad altre tecnologie digitali.