24
Set 2018
Numero Nr. 478
AI - efficienza e piu' business

L’intelligenza artificiale (AI) risolve complessita’ e situazioni ripetitive ma stenta a formulare ragionamenti semplici. Prima la macchina aiutava l’uomo, ora l’uomo aiuta la macchina. Tra 7 anni i robot lavoreranno piu’ ore degli esseri umani. La strada maestra per piu’ affari e’ innovare il modello di business.

 

Fa bene le cose semplici e ripetitive, a una frazione del costo di un essere umano e con meno errori. Cosi’ migliora i business correnti, mette a rischio quelli che non sapranno reagire e ne disegna di nuovi. Alcuni sono gia’ sorti e si dimostrano vitali e con grandi prospettive.

Dopo che per decenni i computer hanno trattato numeri e testi ora vedono, ascoltano, “pensano” e parlano…

Immagine

Grazie a specifici sensori, riconoscono le facce da foto e video, trasformano il parlato in testi e viceversa, seguono il tragitto di cose e persone, segnalano i punti d’attenzione delle conversazioni, capiscono le domande e forniscono le risposte, guidano le automobili.

I due ingredienti, oggi sempre più a buon mercato, sono un software per guidare l’apprendimento della macchina e un sensore. Cosi si possono fare molte cose: identificare un ricercato all’imbarco del volo, individuare un cinghiale nel bosco fuori casa, ottimizzare i gesti di un magazziniere, capire un conferenziere che parla in tedesco e rispondere nella stessa lingua mentre si parla in italiano, fino ad avere un’auto senza conducente che si muove nel traffico di una grande città.

 

Il 20% delle aziende già coinvolte: si ricerca più efficienza e più business

Per l’85% delle imprese l’AI offre vantaggi competitivi ma, secondo il Mit, solo il 20% la sta adoperando. Come in ogni innovazione, i tempi di adozione fanno spesso la differenza: troppo presto può rivelarsi molto costoso, troppo tardi può far chiudere l’azienda.

L’impatto dell’AI però non è così semplice. Per essere efficaci, i sistemi richiedono una robusta preparazione dei dati, un intenso controllo degli algoritmi e molta personalizzazione. Bisogna aver chiaro il campo d’applicazione, gli sforzi necessari per raggiungere i risultati sperati e l’adeguamento dell’attività operativa. Ci sono concrete possibilità di trasformare l’organizzazione interna attraverso i nuovi processi. Ma ci sono anche possibilità di realizzare grandi successi o di disgregare completi settori come, a esempio, potrebbe avvenire con le auto senza guida o la scoperta di nuovi farmaci.

Prima la macchina aiutava l’uomo, ora con l’AI l’uomo aiuta la macchina. Sono molteplici i risvolti del suo ingresso in un’impresa: migliora l’attività corrente riducendone i costi ed evidenziando nuove opportunità; sceglie i candidati migliori durante la selezione oppure individua i dipendenti scontenti suscettibili di alzare i rischi di cyber-security. Riordina ogni venerdì lo stock di una rete di negozi di vendita al dettaglio, non solo sulla base delle vendite, ma anche delle previsioni del tempo. Scopre se l’interlocutore sta dicendo la verità, prima di stipulare una polizza assicurativa, attraverso le reazione del volto durante il colloquio. Segnala i prodotti ai clienti, fa pubblicità mirata e prevede la domanda di una campagna di vendita (sul web non si ha successo senza queste applicazioni).

Crolla il costo delle previsioni

Dall’apprendimento delle macchine (machine learning) alla robotica che sta trasformando le fabbriche, dalla “computer vision” per il riconoscimento facciale a quello della voce: l’AI si basa su una grande massa di dati alla ricerca di modelli e previsioni senza essere esplicitamente programmata per farlo. Un lavoro paragonabile a quello svolto da una grande squadra di statistici al lavoro con tanto, tantissimo tempo a disposizione.

Il primo effetto è una caduta drastica del costo delle previsioni. Grazie all’AI si possono così svolgere compiti generalmente ostili, come l’analisi dei flussi di produzione o la categorizzazione rapida di milioni di ritratti. Ma se da una parte l’AI fa tutto questo, dall’altra incontra molti ostacoli nello svolgimento di funzioni come formulare un ragionamento elementare. E prima che una macchina arrivi a compiere un simile passaggio, semplice per la mente umana, deve passare ancora molto tempo. Quindi fa le cose che gli umani detestano… e poco di più.

 

Sempre più applicazioni, anche in Italia

Il machine learning sta trovando soluzioni sempre più accessibili e i protagonisti del settore stanno sviluppando piattaforme che possono essere utilizzate da ogni tipo di azienda. Il mercato cloud, già di 260 mld di dollari, sta crescendo e gli utenti (potenzialmente 20 milioni di aziende) saranno probabilmente fedeli al primo fornitore, dato che si tratta di sistemi dove l’apprendimento migliora con l’immagazzinamento di dati.

Al momento, i risultati economici del business specifico dei principali operatori non sono brillanti, ma l’obiettivo è sviluppare tecnologie e strumenti per sostenere la commercializzazione ad ampio raggio del machine learning.

Microsoft conosce più di qualsiasi altra azienda come vendere direttamente software e aiutare altri sviluppatori a venderlo. Google ha avviato per primo l’esperienza dell’auto senza conducente e ha sviluppato un’infrastruttura dedicata all’apprendimento delle macchine. Amazon ha il 40% del mercato cloud ed è il più aggressivo compratore di start-up specializzate in AI, oltre alla propria esperienza in robotica logistica con milioni di pacchetti al giorno. Molti altri operatori sono attivi su questo fronte e ciò fa prevedere che l’AI entrerà rapidamente in ogni settore di attività.  

In Italia l’Università di Roma Tre sta curando il lavoro, guidato da Paolo Merialdo, di digitalizzare gli 85 km di archivi vaticani insegnando alle macchine la grafia di allora per trascrivere automaticamente i vecchi documenti. In competizione con Netflix, c’è chi vuole interpretare i video al fine di comprendere le immagini e Simone Bronzin e Federica Gregori hanno creato il nuovo algoritmo. Gianmauro Calafiore sta creando un collegamento tra l’intelligenza umana e quella artificiale con una soluzione capace di apprendere direttamente dai dark data - dati non strutturati che sono il 90% di quelli disponibili -.

 

 

 

In azienda: previsioni, relazioni con i clienti e produttività dei processi

Le applicazioni aziendali più diffuse riguardano le previsioni della domanda di mercato per i singoli articoli del catalogo, l’assunzione di lavoratori più in linea con le nuove posizioni, la relazione con i clienti in modo sistematico e propositivo, la trasformazione dell’organizzazione del lavoro per migliorare la produttività.

Temi, questi, che analizzeremo in un prossimo articolo. Per il momento ricordiamo che nel mondo aziendale rimangono dei timori relativi alla sorveglianza, che può essere invasiva e totalizzante se le parti non si accordano con chiarezza. C’è poi la questione della penalizzazione di certi mestieri - se non la sostituzione con i robot – e ciò può accendere l’attività sindacale.

I principi che si stanno consolidando, man mano che procede l’adozione di soluzioni e strumenti dotati di AI, sono semplici e chiari: i dati devono rimanere anonimi quanto possibile, le tecnologie usate e i dati raccolti devono essere trasparenti, gli individui possono “disporre” dei propri dati. Ricordiamoci però che gli algoritmi non sono esenti da errori!

Il rapporto del World Economic Forum prevede che nel 2022 le macchine lavoreranno più ore degli esseri umani ma l’occupazione aumenterà di 56 mln di lavoratori per le nuove mansioni.

 

Andrea Ferri  

 

Applicazione in azienda: Strumenti e soluzioni di AI sono in forte evoluzione. Le aziende devono valutare il momento giusto per fare gli investimenti e sposare strumenti che non diventino obsoleti in breve tempo. Da una parte necessita la conoscenza dell’evoluzione tecnologica, dall’altra la scelta di quella più idonea al proprio contesto competitivo. Ricordando che il vero vantaggio delle nuove tecnologie è legato alla nostra capacità di cambiare i modelli di business. Altrimenti ci sono solo miglioramenti facilmente emulati.
Parola Chiave: innovazione