Intelligenza Artificiale, perché i dati hanno un ruolo fondamentale

Di Redazione LineaEDP15/06/2022Updated:14/06/2022 Facebook Twitter LinkedIn

Fabio Pascali, Regional Director di Cloudera, illustra l’importanza di una visione di insieme sui dati per ogni strategia di Intelligenza Artificiale

Fabio Pascali, Cloudera L’Intelligenza Artificiale (AI) è già entrata nella nostra quotidianità e viene ormai utilizzata da gran parte delle organizzazioni, anche in Italia. Tutti conoscono le auto senza guidatore o gli assistenti vocali come Siri di Apple, Cortana di Microsoft o Alexa di Google, ma le applicazioni sono innumerevoli anche se magari meno note. Esistono algoritmi intelligenti, in grado cioè di auto-apprendere, che suggeriscono i prodotti da acquistare, i film o i brani musicali in linea con i nostri gusti, sanno rispondere a domande dei clienti via chat, possono riconoscere il volto di una persona per abilitare un accesso, smistare documenti in base al contenuto, supportare i medici nella lettura delle radiografie e nelle diagnosi, filtrare i curriculum per selezionare il candidato ideale. Se molte sono le applicazioni già note e operative, almeno altrettante sono quelle ancora in fase di sperimentazione, che promettono di cambiare il modo in cui le aziende operano e i singoli individui gestiscono la loro vita ogni giorno. Secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato dell’Intelligenza Artificiale in Italia è cresciuto del +27% nel 2021, raggiungendo quota 380 milioni di euro, un valore raddoppiato in appena due anni, per il 76% commissionato da imprese italiane (290 milioni di euro), per il restante 24% come export di progetti (90 milioni di euro). Lo stesso Osservatorio ha identificato attualmente otto classi di soluzioni di Intelligenza Artificiale: 1. Autonomous Vehicle: si riferisce a qualunque mezzo a guida autonoma adibito a trasporto su strada, acqua o aria, come la self-driving car o il veicolo per le consegne dei pacchi a domicilio. 2. Autonomous Robot: robot, più o meno antropomorfi, in grado di muoversi, manipolare oggetti ed eseguire azioni senza intervento umano, traendo informazioni dall’ambiente circostante e adattandosi a eventi non previsti o codificati. 3. Intelligent Object: tutti quelli oggetti, dagli occhiali alla valigia, in grado di eseguire azioni e prendere decisioni senza richiedere l’intervento umano, interagendo con l’ambiente circostante tramite sensori (termometri, videocamere…) e attuatori e apprendendo dalle azioni delle persone che interagiscono con essi. 4. Virtual Assistant e Chatbot: i sistemi più evoluti sono capaci di comprendere tono e contesto del dialogo, memorizzare e riutilizzare le informazioni raccolte e dimostrare intraprendenza nel corso della conversazione. Questi sistemi sono sempre più utilizzati come primo livello di contatto con il cliente tramite il Customer Care aziendale. 5. Recommendation: si tratta di soluzioni orientate a indirizzare preferenze, interessi, decisioni dell’utente, basandosi su informazioni da esso fornite, in maniera indiretta o diretta. Molto usate nell’eCommerce o nei servizi di video e musica (i suggerimenti di Amazon, Netflix e YouTube sono un esempio), possono collocarsi in punti differenti del customer journey o, più in generale, del processo decisionale. 6. Image Processing: sistemi in grado di effettuare analisi di foto o video per il riconoscimento di persone, animali e cose presenti nell’immagine, il riconoscimento biometrico e, in generale, l’estrazione di informazioni dall’immagine/video. 7. Language Processing: prevede capacità di elaborazione del linguaggio, per comprensione del contenuto, traduzione, fino alla produzione di testi in modo autonomo, a partire da dati o documenti forniti come input. 8. Intelligent Data Processing: tutte le soluzioni che utilizzano algoritmi di intelligenza artificiale su dati strutturati e non per estrarre informazioni: ad esempio, sistemi per la rilevazione delle frodi finanziarie, ricerca di pattern, sistemi di monitoring e controllo, analisi predittiva (Predictive Analysis). È facile comprendere come in ognuna di queste categorie i vantaggi rispetto a un qualsiasi processo manuale siano potenzialmente infiniti, in termini di capacità elaborativa, rapidità e accuratezza dei processi. Solo l’Intelligenza Artificiale può di fatto raccogliere, catalogare e analizzare le grandi quantità di dati che arrivano dai sistemi e dalle applicazioni in uso, e restituire in tempi brevi risultati utilizzabili a scopi di business. Nello specifico ambito aziendale, l’impiego di soluzioni di AI può essere ricondotto a tre macro aree fondamentali: il miglioramento dei processi decisionali, l’innovazione di prodotti e servizi, la riduzione dei costi. La ricerca Pwc 2021 AI Predictions ha mostrato in modo evidente come le aziende che hanno iniziato a fare uso in modo più spinto dell’Intelligenza Artificiale riscontrano vantaggi evidenti a misurabili proprio in questi ambiti.

Con i dati e i modelli giusti, l’AI consente di arrivare a prodotti migliori, maggiore produttività e un’esperienza cliente più gratificante, che può incrementare il numero di progetti e di clienti, con un conseguente aumento dei dati a disposizione, in un circolo virtuoso che dà luogo a prodotti ed esperienze ancora migliori. Fra i casi d’uso più diffusi ci sono quelli relativi alla riduzione dei costi attraverso l’automazione e il miglioramento di processi a basso valore ma ad alto costo. È il caso, per esempio, del le soluzioni di customer relation o quelle volte ad aumentare la produttività in aziende manufatturiere. L’altra area di più concreto utilizzo attuale riguarda l’applicazione di strumenti basati su AI per migliorare la comprensione del cliente, ridurre il tasso di abbandono in aziende di servizi o capire come aumentare rapidamente le vendite in un particolare settore. Saranno però i processi decisionali a trarre vantaggio dall’AI in modo ancora più importante: le organizzazioni faticano a prendere buone decisioni, soprattutto nei contesti in cui il processo specifico trae vantaggio da tempi di risposta pressoché immediati. Grazie alle applicazioni di intelligent decision making, manager e collaboratori potranno invece prendere decisioni migliori, in tempi più brevi. L’Intelligenza Artificiale però non è un elemento che vive per sé, ma si inserisce in una strategia del dato più ampia, che può portare i suoi benefici quanto più comprende tutte le applicazioni aziendali chiamate a gestire i vari aspetti del ciclo del dato stesso. Ed è proprio questo ciclo che va considerato nel suo complesso, anche in ottica di AI. Se ci si concentra sulla realizzazione di un singolo progetto si risolverà sicuramente il problema di business associato a quella specifica applicazione, ma si perderà l’opportunità di utilizzare i dati elaborati da quell’applicazione di AI anche per altri scopi. Ed è questo il passaggio più delicato: passare da una realizzazione di progetti di AI verticali a un’industrializzazione dell’AI che non si basi più sul singolo silo di informazioni, ma che le raccolga da una Data Platform aziendale. In questo modo, i dati utilizzati in tempo reale da un’applicazione di AI, opportunamente elaborati da strumenti di Data Engineering e spostati in maniera efficace in Data Warehouse, Data Lake o Data Base Operazionali evoluti, possono essere messi a disposizione di altri team di Data Scientist al fine di elaborare nuovi algoritmi di ML e AI che possono generare preziosi insight per il successo del business.

A cura di Fabio Pascali, Regional Director di Cloudera

ruolo