AO_440

Panorama AUTOMAZIONE OGGI 28 | SETTEMBRE 2022 AUTOMAZIONE OGGI 440 di ‘attivazione dell’innovazione’. Si tratta della ‘composite AI’, della ‘AI Orchestration and Automation Platform’, della ‘AI governance’, della ‘generative AI’, della ‘human-centered AI’ e dei ‘synthetic data’. Si tratta di tecnologie che gli analisti di Gartner collocano nella fa- scia degli emergenti, in fase di attivazione, con basse percentuali di penetrazione a oggi, ma con un potenziale evolutivo che le condurrà all’adozione nei prossimi 5 anni. Approfondiamo le tendenze La ‘composite AI’ è la prima tecnologia del quadrante ‘Innovation Trigger’. Si tratta di un insieme di tecniche il cui obiettivo principe è sviluppare sistemi AI che, per il loro addestra- mento, necessitano di un numero inferiore di dati e di energia. Alla base vi è la convinzione che tali tecniche possano andare incontro alle esigenze delle organizzazioni che non hanno a disposizione grandi set di dati, ma che possono vantare forti competenze e grande esperienza umana. Secondo gli analisti, questa tecnolo- gia, al momento adottata da una percentuale di aziende compresa tra il 5% e il 20%, è desti- nata a emergere fortemente nei prossimi anni. La ‘AI Orchestration and Automation Platform’ è una tecnologia che consente di standardiz- zare DataOps, ModelOps, MLOps e pipeline di distribuzione e di definire pratiche di gover- nance che finora ha raggiunto solo un numero di aziende compreso tra l’1% e il 5%. Anche la ‘governance dell’AI’ per il momento ha raggiunto dall’1% al 5% del pubblico di destinazione, anche se destinata a crescere e a divenire sempre più un tema al centro del dibattito dei governi a livello globale, con direttive e linee guida utili a determinare le responsabilità circa i rischi correlati all’utilizzo delle tecniche di intelligenza artificiale. La ‘generative AI’ è in grado di generare con- tinuativamente nuovi contenuti, come testi, immagini, video e audio, applicando ciò che la AI apprende durante la fase di addestra- mento. Scienze della vita, assistenza sanitaria, scienze dei materiali, industria automobilistica, aerospaziale, della difesa e dell’energia sono alcuni dei settori in cui si avrà la massima ap- plicazione. Anche se a oggi la ‘generative AI’ ha una penetrazione inferiore all’1%, gli analisti si attendono una rapida espansione, arrivando ad automatizzare fino al 70% del lavoro svolto, se combinata con tecniche di automazione. La ‘human-centered AI’ o ‘intelligenza centrata sull’uomo’, detta anche ‘human-in-the-loop’, si fonda sull’assunto che essere umano e tec- nologia possano lavorare insieme completan- dosi. Al momento registra una diffusione pari a una percentuale compresa tra il 5% e il 20%. La Hcai apprende dall’input umano e dalla colla- borazione, concentrandosi sugli algoritmi che esistono in un sistema più ampio. L’intelligenza artificiale centrata sull’uomo è definita da si- stemi che migliorano continuamente grazie all’input umano, fornendo al contempo un’e- sperienza efficace tra uomo e robot. Svilup- pando l’intelligenza artificiale con l’obiettivo di comprendere il linguaggio, le emozioni e il comportamento umani, la AI di questo tipo spinge i confini delle soluzioni di intelligenza artificiale precedentemente limitate, per col- mare il divario tra macchina ed essere umano. Dal punto di vista aziendale, le soluzioni di in- telligenza artificiale incentrate sull’uomo sfrut- tano la scienza umana e dati qualitativamente densi per comprendere le esigenze, le aspira- zioni e i fattori più profondi che sono alla base dei comportamenti dei clienti del mercato spe- cifico. L’analisi contestuale avanzata combina dati e scienze umane per fornire informazioni comportamentali specifiche. Quando l’analisi è applicata ai comportamenti e alle scelte umane, compaiono degli schemi. Queste analisi con- testuali combinano dati e scienze umane per produrre esperienze cliente notevolmente mi- gliorate e personalizzate. Strategie di business chiare e informate possono essere sviluppate quando le aziende sanno esattamente cosa fanno e cosa si aspettano i loro clienti. Nella posizione più alta dell’‘Innovation Trig- ger’ all’interno dell’Hype Cycle troviamo, in- fine, i ‘synthetic data’, cioè l’insieme di dati generati artificialmente dai sistemi AI. Sono considerati oggi una risposta al bisogno con- tinuo di dati reali etichettati, necessari per al- lenare gli algoritmi di intelligenza artificiale. I synthetic data, economici e rapidi da otte- nere, a oggi con una percentuale di diffusione dall’1% al 5%, nascondono, però, un pericolo. Possono presentare problematiche correlate ai bias, o addirittura non aggiungere alcun tipo di informazione utile ai dati già esistenti. Nuove tendenze Le tendenze che stanno dominando il pa- norama attuale della AI sono 4 e includono: l’operatività delle piattaforme AI, un uso ef- ficiente delle risorse, la AI responsabile e un approccio che coniuga small data e wide data. Si tratta di nuovi trend dell’intelligenza artifi- ciale, di tendenze osservate, ma anche di di- rezioni verso le quali gli analisti consigliano di incamminarsi per una AI che si ponga davvero come strumento utile per le aziende. “Per la maggior parte delle organizzazioni, l’integrazione di soluzioni di AI all’interno dei flussi di lavoro aziendali, rappresenta, a oggi, un lavoro complesso, costellato di fallimenti” osserva Shubhangi Vashisth, senior principal analyst di Gartner. Solo la metà dei progetti di intelligenza artificiale passa dalla fase pilota a quella della produzione. E in quest’ultimo caso servono mediamente 8/9 mesi per arrivare alla messa a punto completa di un sistema AI effi- ciente e integrato all’interno della propria orga- nizzazione, conferendo a tale sistema un valore tangibile nella trasformazione del business. Gartner prevede che entro il 2025, complice la crescente maturità delle tecnologie di ‘AI Or- chestration and Automation Platform’, il 70% delle aziende avrà reso operative le proprie ar- chitetture di intelligenza artificiale, spostando così i progetti AI dall’idea alla produzione e ren- dendoli definitivamente proficui. Investire in intelligenza artificiale significa uti- lizzare in modo efficiente tutte le risorse a di- sposizione, compresi i dati e i modelli di calcolo. Un esempio proviene proprio dalla ‘composite AI’ che, come accennato, coniuga tecniche diverse tra cui deep learning, analisi dei grafi, modellazione basata su agenti e tecniche di ottimizzazione. Con il risultato di ottenere un sistema di intelligenza artificiale composito, in grado di risolvere una gamma più ampia di pro- blemi aziendali. Ma è necessario che tali tecno- logie (e i dati utilizzati per allenare gli algoritmi) vengano usate con la massima efficienza da chi ne possiede le competenze. Fabio Pascali, regional director Italy di Cloudera