Come prepararsi all’avvento dell’AI

I principi di base sono noti da decenni, ma è solo da pochi anni che si è iniziato a comprenderne appieno l’impatto in azienda, grazie all’enorme mole di dati disponibili e a capacità di calcolo sempre maggiori: è l’intelligenza artificiale (AI), quella branca dell’informatica che si occupa dello studio e della realizzazione di sistemi intelligenti, capaci di interagire con l’ambiente in cui si trovano e svolgere una serie di operazioni in funzione dei task su cui sono specializzati.

Se tradizionalmente l’AI si basava su sistemi strutturati attorno a regole fisse (a un dato input corrispondeva necessariamente un dato output), oggi grazie al machine learning (ML) diventa possibile sviluppare sistemi che apprendono ed effettuano operazioni sulla base dei dati disponibili. Particolarmente promettente è il campo del deep learning, in cui l’uso di reti neurali artificiali consente di connettere tra loro diversi livelli di analisi, estendendo l’ambito di azione dell’AI anche a immagini, suoni e testi. Oltre al lavoro sui dati in senso stretto, infatti, le tecnologie AI attualmente disponibili abbracciano anche lo studio del linguaggio naturale (tecnologie di natural language processing, NLP) e il riconoscimento intelligente delle immagini (tecnologie di intelligent vision).

Figura 1 - Framework delle capacità AI 

All’interno delle aziende, grazie alla loro capacità di trasformare dati non strutturati in informazioni strutturate e rilevanti, le tecnologie AI possono così contribuire a effettuare previsioni sempre più sofisticate (per esempio relativamente a variazioni nella domanda o nei prezzi), individuare anomalie (da transazioni fraudolente nel banking ad anomalie nelle condizioni di salute di un paziente) e definire comportamenti da mettere in atto – tanto nei confronti dei clienti (si pensi ai chatbot o agli assistenti virtuali) quanto nei processi di lavoro (è il caso per esempio della robotica avanzata). Ma fino a che punto questo potenziale di innovazione si è già tradotto in applicazioni di business concrete, e quali sono le direttrici di sviluppo e le criticità per il futuro?

Se si guarda allo stato attuale di sviluppo delle tecnologie AI, c’è anzitutto un mito da sfatare: non esiste, e non è verosimile che emerga nel breve-medio termine, alcun sistema di AI dotato di consapevolezza di sé e di cognizione paragonabili a quella umana (Figura 2). Ciò implica che, nell’elaborazione di applicazioni AI in ambito business, il fattore umano è ed è destinato a restare centrale. I sistemi AI sono in grado di potenziare e ampliare le capacità cognitive di analisti e manager – ma non possono in alcun modo rimpiazzarle. Soprattutto a monte – non solo nella definizione del problema che si vuole affrontare ricorrendo all’AI, ma anche nella scelta, nella «pulizia» e nella categorizzazione dei dati – l’input dato da chi lavora sul progetto è fondamentale. I progetti AI, quindi, si configurano come progetti ad alta intensità di lavoro umano, potenzialmente soggetti a un bias umano in fase di progettazione e inputazione dei dati.

Figura 2 - Il continuum dell’automazione

A partire da questa considerazione, è stata condotta una ricerca volta a individuare le competenze chiave richieste per supportare applicazioni AI efficaci in ambito aziendale. Da un’analisi di una serie di progetti concreti in fase di sviluppo, tali competenze includono competenze statistiche (la capacità di lavorare su modelli che processino ampi set di dati), di programmazione (la capacità di lavorare su linguaggi AI), di comunicazione (indispensabili per trasferire gli input e la conoscenza necessaria da e a un più ampio gruppo di stakeholder all’interno dell’azienda), di business (per comprendere in maniera adeguata le strutture e le necessità aziendali) e di progettazione (per sviluppare flussi di lavoro adeguati). Sulla base di tali competenze è possibile individuare cinque aree di specializzazione: l’ingegneria AI; la data science; l’architettura dei dati; la modellazione dei problemi.

Allo stato attuale, la difficile reperibilità di profili specialistici su tali aree rappresenta di per sé un elemento problematico per la diffusione di progetti AI; a ciò si somma la necessità di una piena integrazione degli esperti AI nell’organizzazione, di modo da poter comunicare e interagire al meglio con il resto del management e della forza lavoro, e ridisegnare i processi e le attività come opportuno. La definizione di progetti AI in azienda, di conseguenza, rappresenta anche e soprattutto una sfida di carattere operativo e organizzativo.

Un secondo elemento di criticità riguarda la relativa immaturità delle tecnologie AI, sul piano tecnico, infrastrutturale e applicativo. Ciò comporta che le soluzioni attualmente disponibili verranno probabilmente rimpiazzate nel breve-medio termine, rendendo gli investimenti aziendali in questo ambito relativamente rischiosi. L’adozione di soluzioni condivise di carattere open-source potrebbe contribuire a ridurre i rischi di un’obsolescenza prematura delle soluzioni sviluppate. Infine, a testimonianza della relativa immaturità delle soluzioni attualmente disponibili, la gran parte dei progetti AI al momento in sviluppo ha un carattere sperimentale o riguarda comunque un ambito applicativo limitato, non (ancora) scalabile a livello organizzativo più ampio.

Un terzo aspetto è legato all’approccio etico alla creazione e all’impiego di sistemi basati su AI. Il tema delle responsabilità è ancora centrale nelle organizzazioni e pone una serie di snodi decisionali verso i quali molte realtà sono tuttora impreparati, su tutte la classica questione «di chi è la responsabilità di un’azione intrapresa da un’agente intelligente?». Soprattutto per alcuni ambiti applicativi, si pensi ad esempio alle auto a guida autonoma, questi aspetti rappresentano i veri freni a un’adozione massiva.

Nonostante i limiti e le incertezze delle attuali soluzioni AI, il management dovrebbe prendere da subito iniziative volte a preparare il terreno alla loro introduzione nel contesto aziendale. L’AI impatterà in profondità sulle dinamiche, i processi e le opportunità dei diversi settori. Una sperimentazione attiva e lo sviluppo di competenze adeguate sono indispensabili per poter essere opportunamente preparati. Questo consentirà di disporre del bagaglio di risorse necessarie a mettere a frutto in maniera tempestiva le opportunità che di dischiuderanno man mano con l’avanzare dell’evoluzione tecnologica.

A livello di ricerca, sarà necessario:

• continuare a monitorare con attenzione gli sviluppi tecnologici e infrastrutturali dell’AI per coglierne le possibili nuove applicazioni emergenti in ambito business;
• delineare con attenzione le implicazioni più ampie degli sviluppi in ambito AI, a livello di organizzazione dei processi, della forza lavoro e delle competenze necessarie;
• valutare i possibili costi e benefici legati all’implementazione di soluzioni AI nei vari contesti aziendali.