Si parla molto di Intelligenza Artificiale: ma le piccole e medie imprese sono pronte a comprenderne la reale portata o pensano che sia solo una moda passeggera? Quanto l’idea “hollywoodiana” dell’AI contribuisce a dare una percezione distorta di qualcosa che non è fantascienza da grande schermo, ma un sofisticato e complesso insieme di tecnologie che può realmente aiutare il business delle aziende?
Rispetto ad aziende più grandi o con maggiori capitali a disposizione, le medie imprese sembrano essere quelle maggiormente predisposte a prendere in considerazione le soluzioni proposte dai cosiddetti early stage disrupters in materia di AI: sono quelle che vogliono l’Intelligenza Artificiale e la vogliono subito. Ma secondo un sondaggio condotto dal venture capital londinese MMC Ventures, il 40% delle start-up europee registrate come imprese di Intelligenza Artificiale, in realtà non la utilizza in modo significativo. Questo fa pensare che molte aziende devono ancora comprendere il reale valore che può derivare dall’adozione di queste tecnologie prima che queste possano produrre un impatto sul loro business.
Il buzz legato all’Intelligenza Artificiale presenta numeri molto interessanti: si prevede che il valore del mercato globale raggiungerà i 169,41 miliardi di dollari entro il 2025, in aumento rispetto ai 4,06 miliardi di dollari del 2016, a testimonianza che l’interesse e la spinta verso l’innovazione aziendale attraverso le applicazioni di IA è reale. In netta crescita anche il numero di imprese che hanno implementato una qualche forma di tecnologia di AI (+270% tra il 2015 e il 2019), ma il termine “implementazione della tecnologia AI” è piuttosto generico e potrebbe significare diverse cose. Per capire la vera scala di adozione dobbiamo prima di tutto tornare alle basi.
L’Intelligenza Artificiale si riferisce a una parte dell’informatica che si occupa di algoritmi e si ispira all’intelligenza naturale. Comprende una serie di compiti che normalmente richiedono un’intelligenza naturale o umana, ad esempio la risoluzione di problemi, la traduzione, il riconoscimento vocale e la percezione visiva. Un’idea di questa tipologia di AI la possiamo avere quando, attraverso i nostri cellulari, chiediamo alcune informazioni o assistenza nella nostra routine quotidiana. Ma ancora siamo distanti dal replicare un comportamento umano e la complessità delle richieste gestita attualmente non è quella che i film di fantascienza ci suggeriscono.
L’AI può essere suddivisa in due categorie. Da una parte, l’Artificial General Intelligence (AGI), l’intelligenza ipotetica di una macchina che ha la capacità di capire o imparare qualsiasi compito intellettuale che un essere umano può svolgere (sistemi cognitivi). Dall’altra l’Artificial Narrow Intelligence (ANI), che si riferisce ad aspetti specifici dell’intelligenza umana e della percezione, come il riconoscimento di volti o voci. Questa è l’AI che vediamo oggi: si tratta di trovare degli scenari applicativi.
Il Machine Learning è una forma di AI che utilizza algoritmi per imparare partendo dai dati. Piuttosto che essere esplicitamente programmati, questi algoritmi costruiscono un modello basato su input e a loro volta usano le intuizioni risultanti per prendere decisioni o fare previsioni. Questo è il tipo di meccanismo che permette a Netflix di suggerci una serie da guardare, che ci segnala lo spam o le frodi sulle nostre carte di credito. Lo sviluppo di questi modelli è piuttosto rapido e relativamente difficile. Certo può volerci del tempo a trasmettere risultati precisi mentre si “apprende”, ma se i set di dati cambiano, il sistema continua a imparare.
Il Deep Learning è un tipo di apprendimento automatico che utilizza strati di reti neurali per consentire agli algoritmi una maggiore libertà. Il suo funzionamento ricorda proprio quello del cervello umano: il deep learning definisce i propri criteri, non poggia su caratteristiche o elementi predefiniti come il machine learning, e impara se una cosa è giusta o sbagliata in base al suo “ragionamento”. In quest’area si stanno facendo passi da gigante, soprattutto per quanto riguarda il computer vision e il riconoscimento vocale, ma richiede un’incredibile quantità di dati e di potenza di calcolo.
Queste tecnologie, attraverso l’automazione, sono ovunque intorno a noi. I modelli di deep learning stanno trovando numerose applicazioni in ambito sanitario, e grazie al machine learning le aziende sono guidate verso corrette intuizioni di business.
Ma l’Intelligenza Artificiale non ha un’unica forma: nelle piccole e medie imprese è più probabile che il machine learning venga utilizzato per l’analisi dei documenti, l’individuazione delle frodi, le attività di marketing o l’ottimizzazione delle vendite: applicazioni molto pratiche e poco “sexy”. In altri casi, invece, la crescita esponenziale dei dati crea opportunità di utilizzo del machine learning in ambiti a più valore come lo sviluppo di nuovi prodotti o servizi innovativi. Ma anche qui la taglia non è unica: la bontà dell’applicazione di Intelligenza Artificiale dipende da quanto efficaci sono i dati che la alimentano. Diventa dunque prioritario per le aziende mettere ordine nei dati e cominciare a familiarizzare con gli strumenti di AI a disposizione prima di qualsiasi iniziativa.
Altro aspetto da curare, perché la sua adozione sia un successo, è il corretto approccio mentale all’AI, mettendo in conto che potranno esserci piccoli fallimenti da cui imparare prima di raggiungere i risultati desiderati. Così come gli esseri umani, anche l’AI non impara dall’oggi al domani e, soprattutto per le PMI, sarà fondamentale creare le condizioni affinchè questa tecnologia venga conosciuta e adottata, non avere troppa fretta, dotarsi delle figure e delle competenze necessarie per farlo, anche riqualificando le risorse, in modo da trarre il massimo beneficio dalla sua implementazione.
Oggi, non vi è alcun dubbio che l’AI possa mettere il turbo al business, piccolo o grande che sia. Ma è necessario prendere le misure di questa tecnologia: l’implementazione di strategie di AI è un processo collaborativo, ed è per questo che, ad esempio, Dell Technologies fornisce ai clienti il supporto consulenziale perché la sua adozione si trasformi in reale potenziale di business.
Nel prossimo futuro, dobbiamo aspettarci interessanti innovazioni dall’AI, abilitate anche dall’adozione del 5G; ma per cambiare l’approccio a queste tecnologie e colmare l’esistente gap di competenze occorre che le imprese ne comprendano il reale valore e lo percepiscano come una reale esigenza aziendale.
