L’intelligenza artificiale nello spazio non è più una sperimentazione marginale, ma una componente strutturale della nuova Space Economy. Dai rover autonomi su Marte ai satelliti che filtrano immagini in orbita, l’AI sta ridefinendo architetture operative, modelli decisionali e sostenibilità economica delle missioni. In questo scenario si inserisce anche AIKO, scaleup torinese specializzata in software avanzati per applicazioni spaziali, che sviluppa soluzioni di autonomia e decision support per sistemi mission-critical .
Le stime parlano chiaro: entro il 2032 verranno lanciati in media circa 2.800 satelliti all’anno, mentre entro il 2050 si prevedono oltre 30.000 satelliti in orbita. Una crescita di questa portata rende impraticabile un modello basato esclusivamente sul controllo da Terra. L’automazione intelligente diventa quindi un requisito operativo, non un’opzione tecnologica .
AI nello spazio e Space Economy: numeri, mercato e scenari di crescita
Il mercato globale dell’intelligenza artificiale applicata allo spazio, valutato 3,49 miliardi di dollari nel 2024, è destinato a raggiungere i 12 miliardi entro il 2035. La traiettoria è coerente con l’aumento del traffico orbitale, la proliferazione delle costellazioni e la crescente complessità delle missioni .
Negli ultimi dieci anni l’AI è passata da supporto sperimentale “a terra” a infrastruttura critica integrata nei sistemi di bordo. Oggi viene utilizzata per prioritizzare i dati, rilevare anomalie, ottimizzare risorse limitate e aumentare l’autonomia operativa, soprattutto nei contesti in cui la latenza o l’impossibilità di comunicazione rendono impraticabile il controllo continuo da Terra .
Esempi concreti sono già operativi. La missione Φ-sat-1 utilizza algoritmi in orbita per scartare immagini coperte da nuvole, riducendo la trasmissione di dati inutili. I rover marziani operano con livelli di autonomia consolidati. La stazione spaziale cinese Tiangong integra un chatbot di supporto agli astronauti. OPS-SAT è una piattaforma di test in orbita per validare algoritmi direttamente nello spazio .
Sicurezza, bias e affidabilità: i limiti dell’intelligenza artificiale nello spazio
L’adozione dell’intelligenza artificiale nello spazio comporta vincoli tecnici stringenti. I sistemi devono funzionare con hardware limitato, in ambienti ostili e soggetti a radiazioni, mantenendo livelli elevatissimi di affidabilità. A differenza dei contesti terrestri, l’errore può non essere correggibile .
Un rischio concreto è rappresentato dal bias nei modelli di machine learning. Un algoritmo addestrato su dataset parziali può manifestare comportamenti distorti in presenza di scenari non previsti. In ambito spaziale, un errore di classificazione o una decisione imprecisa possono compromettere una missione .
La sicurezza informatica introduce ulteriori criticità. L’AI amplia la superficie di attacco: accessi non autorizzati, manipolazioni dei dati o aggiornamenti compromessi possono avere effetti irreversibili. Per questo sono necessari processi rigorosi di verifica e validazione prima del lancio e durante le operazioni in orbita .
Come osserva Lorenzo Feruglio, CEO e Co-founder di AIKO: “Applicata al settore spaziale, l’intelligenza artificiale ha il potenziale di ridisegnare profondamente il panorama delle missioni future. L’esplosione dei volumi di dati generati dai satelliti, la necessità di prendere decisioni rapide in contesti caratterizzati da comunicazioni limitate e l’evoluzione dell’hardware di bordo hanno reso l’AI indispensabile: non è più solo un’opzione tecnologica ma una leva necessaria per garantire efficienza, sicurezza e sostenibilità delle operazioni spaziali” .
AIKO e l’autonomia mission-critical: gifted_GENE e clear_
In questo contesto industriale, AIKO sviluppa sistemi progettati per operare in ambienti reali di missione con confini operativi definiti e controllo umano nei casi critici. L’obiettivo dichiarato non è diffondere l’AI in modo indiscriminato, ma applicarla dove genera valore misurabile in termini di riduzione del carico operativo, reattività e continuità di servizio .
Con gifted_GENE, l’azienda utilizza algoritmi per analizzare in tempo reale dati telemetrici satellitari e prevenire anomalie prima che si trasformino in guasti. Con la suite clear_, porta l’elaborazione direttamente a bordo di satelliti ottici e radar, filtrando e processando immagini in orbita per ridurre la latenza e rendere i dati immediatamente utilizzabili in applicazioni come monitoraggio ambientale o gestione del traffico marittimo .
Feruglio sottolinea: “Nello spazio l’AI non sostituisce le competenze delle persone, ma le integra. Gli operatori umani definiscono obiettivi, priorità, criteri di sicurezza e limiti operativi, stabilendo cosa è consentito delegare all’autonomia e cosa richiede supervisione” .
Il modello di riferimento resta quello human-in-the-loop o human-on-the-loop: autonomia operativa su compiti ripetitivi o time-critical, supervisione umana nei casi limite .
AI space-grade: impatto a terra e prossimi cinque anni
L’AI progettata per operare nello spazio, con risorse limitate e criticità elevate, trova applicazione anche a terra in contesti ad alta complessità: monitoraggio ambientale, infrastrutture critiche, protezione civile, trasporti e industria. Le soluzioni space-grade, validate in condizioni estreme, diventano un laboratorio avanzato per l’innovazione terrestre .
Secondo la visione espressa nel documento, entro cinque anni l’intelligenza artificiale passerà da tecnologia sperimentale a vero e proprio strato operativo delle missioni, abilitando decisioni locali più rapide, catene dati intelligenti e un’evoluzione del ruolo umano verso supervisione, definizione delle policy e gestione del rischio .
In sintesi, il futuro dell’intelligenza artificiale nello spazio non è una narrativa suggestiva ma un’evoluzione industriale già in corso. La combinazione tra autonomia, sicurezza, validazione rigorosa e controllo umano rappresenta l’asse portante di una Space Economy che punta a crescere in modo sostenibile, resiliente e strategicamente rilevante per l’Europa.
