A cura di Ezio Viola, Managing Director, The Innovation Group

Quasi all’improvviso l’Intelligenza Artificiale è passata da essere parte di racconti in film di fantascienza a una delle tecnologie core per aziende come Google, Facebook, Amazon, Microsoft; la sua declinazione nella robotica ha avuto recentemente ancora più enfasi per la proposta provocatoria di Bill Gates di tassare le aziende che utilizzeranno robots in futuro per sostituire il lavoro di persone. Da semplici analisti e cronisti “digitali” in questa sede   vogliamo  limitarci a capire perché l’IA può  significare oggi per le imprese una opportunità di innovazione, e incominciare a valutare le modalità di adozione di queste tecnologie.  Iniziamo a dire che l’idea di avere macchine che possono sentire, imparare, ragionare, fare previsioni e interagire con le persone è in circolazione da diversi anni.  Oggi ciò che fa la differenza è la combinazione della disponibilità di una quantità massiva di datasets ( dati organizzati), di una grande potenza elaborativa molto più economica (anche attraverso il cloud) e di algoritmi software avanzati che permettono alle macchine e ai sistemi di funzionare in modi prima impensabili. Gli esempi più citati e noti sono la robotica, le automobili senza guidatore, gli agenti intelligenti come Siri, Alexa,  che tendono a dominare le notizie sui media ma  l’IA ha implicazioni più ampie.  Molti osservatori e analisti prevedono un mercato che cresce velocemente  fino ad arrivare a più di 5 miliardi di dollari entro due anni e può avere ulteriori sviluppi, con tassi di crescita di più del 60% nei prossimi 5 anni, con la contemporanea crescita della diffusione di altre tecnologie come l’IoT.

Ma che cosa significa veramente l’IA per il business e per le imprese ?  Quali sono i casi d’uso più promettenti, quali sono i rischi e le opportunità che il management delle aziende deve considerare e affrontare per introdurre e utilizzare l’IA nelle organizzazioni esistenti ?

Per quanto riguarda l’IA e le tecnologie cognitive, che spesso vengono usate come sinonimo, esiste prima di tutto la necessità di un linguaggio comune per i non addetti , di rappresentazione di quanto le tecnologie di IA oggi a disposizione siano diversificate e quindi di quali siano le più mature perché siamo ancora agli inizi.

Possiamo dire che esiste una IA “general purpose e profonda”,  che vuole replicare l’intelligenza umana, e una più “small e leggera”, mirata a particolari utilizzi anche aziendali. Quando si parla dei possibili impatti futuribili su individui e i loro comportamenti questi  sono legati generalmente al  primo tipo di  IA.  L’IA  che abbiamo chiamato  più “small e leggera” non implica un giudizio di semplicità e inadeguatezza o mancanza di valore: infatti esempi come search e  reccomendation engines, chatbots, diagnostica medica intelligente, cosi  come l’uso di machine learning algoritmi sofisticati e in generale altre tecniche e tecnologie  avanzate di computer science  richiedono l’abilità di catturare e processare grandi quantità di dati e così possono dimostrare il loro valore sia economico e sociale.

L’IA prevede infatti diverse  “capabilities” e in generale nelle aziende sono più importanti quei sistemi che impiegano tecnologie di machine learning e  che possono collezionare e processare segnali via sensori,  classificare, imparare, ragionare e predirre  possibili risultati, interagire con persone o altre macchine.

Queste capabilities permettono di costruire soluzioni e supportare tre principali  tipologie  “Intelligenze”  : quella visuale/spaziale ( vision –image recognition),  quella  motoria tipica dei robots che assistono o sostituiscono attività ripetitive,  quella linguistica tipica degli assistenti virtuali personali attraverso l’elaborazione del linguaggio naturale , machine translation e chatbots  e infine  l’intelligenza cognitiva. Quest’ultima è l’elemento distintivo delle macchine e dei sistemi basati su regole che hanno l’abilità di imparare, ragionare,  predirre e rispondere. Ciò è possibile con le varie tecnologie di machine learning, come il deep learning, che permettono ai computer di imparare senza essere esplicitamente programmati.  Ognuna delle diverse tecnologie ha benefici e controindicazioni relative alla scalabilità, la precisione e accuratezza ottenute tra i fattori principali. Finora i sistemi di IA non sono capaci  di imparare usando un numero di dati minore; non sono capaci di applicare ciò che hanno imparato da un tipo di attività ad una diversa, e non sono ancora capaci di costruire i propri modelli di machine learning ma devono basarsi sull’intervento  umano
(di questo si parlerà più diffusamente alla nostra Cognitech Conference,  Milano 29 marzo)

Poiché uno dei principali abilitatori dell’IA è il machine learning,  la demarcazione tra ricerca e prodotto industriale finito  è a volte poco distinta e ciò implica che chi offre servizi e prodotti di e basati sull’ IA, deve prevedere un utilizzo pubblico prima di un rilascio definitivo. Date le promesse del machine learning che permette ai computer di applicare e costruire un corpo di conoscenza crescente a futuri scenari, ci sono potenzialmente infiniti utilizzi aziendali : dal marketing e vendite, allo sviluppo prodotti, al customer service, al risk management. Quindi  per comprendere l’impatto dell’IA è importante il contesto in cui si usa la tecnologia per generare valore in processi e settori diversificati. In alcuni casi, in particolare se non si fa riferimento a particolari  macchine, device o prodotti che incorporano tecnologie di IA  (esempio tipico è lo smart phone o l’auto senza conducente)  è meno chiaro quali capabilities di IA sono inserite in alcuni applicazioni ( esempio tipico è la possibilità di capire se, in una web chat di un customer service si stia interagendo con una persona o con un chatbot). Diventa quindi fondamentale che le aziende, per la  user experience digitale basata su algoritmi di IA,  adottino una chiara strategia di trasparenza e dovranno incorporarla insieme a chiari principi di privacy per l’utilizzo etico dei dati.

Quali possono essere alcune indicazioni generali che si possono trarre dall’esperienza che le azienda stanno facendo con la IA?  Le tecnologie stanno maturando, anche se la linea di distinzione tra prodotti e ricerca continuerà ad essere non sempre netta e, data l’estesa applicazione dell’IA, occorre pianificare sia e breve che a lungo termine la sua introduzione e utilizzo. Alcune elementi possiamo comunque prevedere siano alla base  di qualsiasi strategia sull’IA:

• un approccio strategico ai dati perché l’IA si basa sulla disponibilità di grandi quantità di dati accessibili e di qualità;
• partire da use case limitati, specializzati e verticali anche su processi esistenti per avere risultati tangibili ed evitare la paralisi by analisi
• pianificare da subito i possibili cambiamenti sulla tipologia di mansioni e competenze necessarie nei processi coinvolti
• valutare e trattare gli aspetti etici, di privacy, e di trust come critici

Quando si cerca di raccontare e delineare se e come innovazioni anche potenzialmente disruptive per i singoli individui e la società in generale lo siano anche per le imprese e in quali tempi ciò possa avvenire, molte volte ci lasciamo prendere dall’entusiasmo della tecnologia. L’IA, come altre innovazioni tecnologiche in passato, si deve approcciare senza mistificazion,i perché innesca processi di trasformazione nelle organizzazioni  molto più complicati e lenti ancor più per gli impatti sociali ed etici di lungo termine, ancora poco esplorati e misurati.