Stiamo assistendo a un’ondata di innovazione legata all’AI (Artificial Intelligence), ma è evidente che le sfide per rimanere competitivi in questo campo sono molteplici: servono competenze diffuse, diversificate, complementari. Serve una collaborazione forte tra accademia, istituzioni ed aziende utenti finali. Serve un disegno a breve, medio e lungo termine, perché le realizzazioni siano in linea con una concezione socialmente ed economicamente sostenibile di questa tecnologia.

A che punto siamo oggi con gli sviluppi AI e in che direzione stiamo andando? Il tema, molto ampio e complesso, è stato approfondito lo scorso 5 aprile nel corso dell’AI Forum 2023, principale momento di confronto italiano tra tutti gli stakeholder sul tema: dalle associazioni, agli esperti, alle aziende che oggi già stanno applicando queste innovazioni al proprio interno. È emerso così un quadro molto variegato, la necessità di fare sempre più sistema, di contaminare i saperi in gruppi di lavoro diversificati, in modo che si possa arrivare in tempi brevi a sviluppi innovative e contestualmente ritagliati sulle esigenze specifiche del singolo caso.

Come procedono gli sviluppi AI. “Oggi vediamo che nel mondo AI c’è un forte interesse per il sottoinsieme delle tecnologie Machine Learning, ossia, come apprendono le macchine – ha detto Gianluigi Greco, Presidente di AIxIA (dal 1988 la principale fondazione sul tema AI, arriva a contare oggi 1.500 soci tra professori e ricercatori) -. Turing si chiedeva se le macchine possono pensare: oggi invece ci chiediamo se e come le macchine apprendono. La qualità del riconoscimento immagini è diventata superumana: dal 2017 le macchine hanno superato le capacità dell’uomo”. Con riferimento all’impegno di Università e Ricerca italiane, oggi abbiamo secondo AIxIA 53 atenei che trattano l’AI in Italia. Una rivoluzione che è avvenuta in pochi anni, e nessuna area geografica italiana è scoperta. Abbiamo corsi su AI in 45 diverse classi di laurea, non solo quelle più tecniche come ingegneria e scienze, segnale che questo tema sta diventando sempre più pervasivo in tutte le lauree. Cosa si studia? “Il Machine learning, soprattutto, nel 19% dei casi, ma anche tutto il resto: data mining, computer vision, robotics, agent based systems, natural language processing. Ora è d’interesse anche il tema dell’etica per l’AI” ha spiegato Gianluigi Greco.

Con riferimento invece all’adozione di tecnologie AI nelle aziende italiane, la crescita continua ad essere impetuosa (il mercato dell’AI ha raggiunto i 500 milioni di euro nel 2022, con un aumento del 32% in un solo anno) ma permane ancora un forte divario tra grandi e piccole aziende. Se le statistiche vedono un 34% delle grandi imprese già in fase di implementazione dell’AI nel business, il 33% in cammino e il 33% in attesa, invece, tra le PMI, solo il 15% è in fase di implementazione, il 33% in cammino e la maggioranza, il 62%, rimane ancora in attesa (stime del Politecnico di Milano).

Parlando di implementazione di tecnologie AI in azienda, Antonella Periti, Deputy Chief Information Officer di Edison, ha osservato: “Noi abbiamo iniziato sette anni fa con una strategia per l’AI che ha messo le basi per diversi use case. Essendo una società energetica, per noi gli ambiti dove portare questa tecnologia sono ad esempio le bollette dei clienti o la produzione energetica sostenibile. Una Data platform abilita progetti di successo: abbiamo un progetto di cloud computing da 4 anni per modernizzare l’infrastruttura. Ora siamo in grado di utilizzare tecnologie innovative, come ad esempio la blockchain. Tramite metodologia agile, abbiamo applicato l’AI sulle centrali termoelettriche, per ottenere risparmi su costi umani ed energetici. Abbiamo visto che cambiano molto le competenze richieste alle persone, noi ne abbiamo sviluppate di nuove con attività di formazione verticale: ci hanno aiutato in questo le startup. Il suggerimento che do per questi progetti complessi è che l’accuratezza del dato è molto importante. Inoltre, il cliente interno deve vedere questa soluzione come un valore aggiunto”.

Nel settore assicurativo, l’utilizzo di modelli di machine learning è già applicato da tempo, ad esempio per ottimizzare i tempi di liquidazione, o per l’antifrode. “Da quando è nata, l’assicurazione si basa sui dati – ha detto Massimo Natale, Head of Data & Platform Governance di Generali Italia -. Oggi l’AI si applica bene anche nell’interfaccia con il cliente finale. Nel processo di liquidazione sinistri, abbiamo rivisto l’intero processo: oggi è gestito tramite una App telefonica molto veloce e user friendly, che all’interno del processo utilizza un motore AI. Partendo dal video del danno, stima il danno e propone al cliente in determinate condizioni una pronta liquidazione. Si tratta per ora di una prima sperimentazione, però il vero scopo è quello di lavorare a nuovi sistemi AI: prima bisogna provare, fallire, portare in produzione qualcosa che funziona, quindi creare conoscenza interna. Oggi anche gli Stati cercano di riportarsi il know-how strategico in casa: noi come gruppo di lavoro abbiamo questo obiettivo e, dove dovessero esserci esternalizzazioni, anche in questo caso cerchiamo di portare la conoscenza in casa. I dati devono essere di qualità, di trust elevato e certificato. La vera sfida per i prossimi anni sarà avere un dato di qualità, in futuro la vera benzina nel motore. Siamo in un ambito molto regolamentato, il GDPR prevede multe elevate, per cui quando approcciamo questi temi abbiamo presente il rischio di una cattiva gestione del dato”.

Qual è la maturità raggiunta oggi dall’AI. Oggi abbiamo alcune tecnologie (ChatGPT è una di queste) che hanno raggiunto capacità superumane, hanno performance molto elevate e prestazioni irraggiungibili nella creazione di testi, ma poi cadono quando ricevono domande che ne testano le capacità logiche, di ragionamento. Si tratta di un’AI che non sa ancora risolvere un problema, e che in realtà non è progettata per questo: analizza grandi quantità di dati, ma non fornisce una risoluzione a problematiche complesse con esigenze di ragionamento. Manca quindi di capacità di astrazione: se torniamo alla domanda originaria di Turing, “Le macchine sanno pensare?”, vediamo che ancora non ha avuto risposta.

Con riferimento al blocco di ChatGPT da parte del Garante privacy italiano (disposto lo scorso 31 marzo in quanto, secondo il Garante, manca una base giuridica che giustifichi la raccolta e la conservazione massiccia di dati personali allo scopo di “addestrare” gli algoritmi sottesi al funzionamento della piattaforma), è intervenuto Guido Scorza, Componente del collegio del Garante della protezione dei dati personali. “Il rapporto tra le regole per la protezione dati, lo sviluppo degli algoritmi e il progresso tecnologico connesso all’addestramento non è facile: è ovvio che abbiamo un problema di asimmetrica dal punto di vista del calendario. Il ritmo del progresso non è comparabile con il ritmo dei processi di regolamentazione e applicazione delle regole” ha detto Guido Scorza. “Il GDPR era un testo illuminato e moderno, il mondo intero ce l’ha invidiato e in parte anche copiato. Concepito nel 2014 è entrato in vigore nel 2016, quindi accusa ora un po’ di ritardo rispetto agli sviluppi rapidissimi della tecnologia”.

Ad esempio, i modelli del linguaggio come ChatGPT non erano contemplati nel regolamento fino a qualche mese fa: la norma aveva provato a normare l’AI senza poter prevedere però queste applicazioni. Cosa fare quindi in attesa di trovare la soluzione, per bilanciare l’esigenza del progresso tecnologico con una disciplina che possibilmente riguardi tutti? “Un punto molto rilevante è il fatto che l’addestramento presuppone la raccolta e il trattamento di una mole di informazioni sovrabbondante, inclusi i dati personali. Una risposta può essere individuata guardando all’universo della ricerca, eccezione più importante contenuta nel GDPR – ha detto Guido Scorza -. Pensiamo ad esempio a chi raccoglie dati per necessità statistica: anche in questo caso, non si può prescindere dalla trasparenza assoluta non tanto nei confronti dell’utente del servizio, piuttosto nei confronti di chi, pur non usando il servizio, ha i suoi dati trattati. Chi si trova coinvolto in una ricerca di qualsiasi genere, ha sempre la possibilità di sottrarsi, ad esempio dicendo che i suoi dati non devono esserci”.

Quanto lo sviluppo dell’AI sarà influenzato dagli scenari geopolitici. “Il paradigma uscito vincente dalla guerra fredda è stato la vittoria della democrazia liberale e del capitalismo di matrice statunitense – ha detto Fabrizio Maronta Consigliere scientifico e Responsabile relazioni internazionali, Limes | Rivista italiana di geopolitica -.  L’adesione a questo disegno dal mio punto di vista è stato un grandissimo esperimento geopolitico, con gli USA che hanno cercato di assimilare al proprio modello sociale, economico e politico, Paesi che fino a poco tempo prima erano stati dall’altra parte della barricata. La Russia doveva essere teoricamente parte di questo processo. Come è stato fatto? Con lo stesso strumento utilizzato dagli USA dopo la Seconda guerra mondiale con Europa e Giappone, ossia, l’interdipendenza economica, un processo che poi è andato molto oltre, diventando interdipendenza industriale, diplomatica e finanziaria”.

La globalizzazione è stata in gran parte negli ultimi 25 anni un matrimonio d’interesse tra Cina e USA, in cui, semplificando al massimo, la Corporate America ha sfruttato i vantaggi competitivi della Cina per delocalizzare. In questo modo, l’economicità delle merci cinesi ha puntellato il potere di acquisto della classe media americana che nel frattempo perdeva posti di lavoro, reddito e status sociale. Intanto, con gli attivi commerciali maturati, la Cina acquistava varie cose, tra cui il debito pubblico americano.

“Oggi siamo in un contesto – ha aggiunto Fabrizio Maronta – in cui viene messa in discussione l’interdipendenza che dal 2001, con l’ingresso ufficiale della Cina nella WTO, l’organizzazione mondiale del commercio, ha strutturato il nostro mondo economico. Oggi si aprono quindi partite di reindustrializzazione, che riguardano soprattutto gli ambiti più innovativi. Per fare questo l’Europa rischia però di essere il vaso di coccio in mezzo ai vasi di ferro: deve ristrutturarsi e questo non sarà indolore, non sarà consensuale. Tutti questi discorsi non dovrebbero farci mai scordare che gli aspetti prettamente tecnologici (con i risvolti morali, sociali, giuridici che l’evoluzione della tecnologia comporta), non sono avulsi, perché in realtà sono considerati da attori statali come strumenti di competizione geopolitica e internazionale. Quindi sono anche contrastati, agevolati, usati dai diversi Paesi per i propri scopi”.