Una sintetica rassegna delle prospettive di utilizzo per le aziende, ma anche per i singoli, nell’anno appena iniziato
di Eugenio Zuccarelli
Il 2022 é stato un altro anno di crescita esponenziale per l’intelligenza artificiale (IA), sia per il business che per i consumatori. Dagli usi aziendali alle creazioni degli utenti, gli strumenti di intelligenza artificiale hanno raggiunto livelli mai visti prima in solo pochi mesi. Per promuovere ulteriormente l’adozione dell’IA c’è, però, ancora tanta strada da fare. Al momento, sono i data scientist gli esperti capaci di comprendere al meglio gli usi che si possono fare dell’IA: tuttavia, è necessario che i leader diventino la forza trainante di una spinta verso una maggiore adozione. Solo quando saranno i manager a guidare la carica potremo davvero adottare queste tecnologie nella vita di tutti i giorni e vederne i frutti nelle aziende. Nel 2023 assisteremo a un balzo in avanti dell’IA e comprenderà sette aree principali.
1. Nuove tendenze di regolamentazione
Nel 2023, le autorità e i Governi dovranno far fronte alla complessità e alla potenza dei sistemi di intelligenza artificiale. Negli anni, questi sono diventati sempre più potenti, raggiungendo ormai capacità di gran lunga superiori alle nostre. Di conseguenza, i Governi cercheranno di imporre controlli sugli strumenti di IA. Ciò sarà necessario per combatterne i potenziali usi negativi e garantire che gli utenti non finiscano per essere discriminati o svantaggiati a causa di algoritmi mal concepiti.
In questo momento, vari Paesi stanno adottando normative diverse. Alcune delle linee guida sull’IA nei Paesi europei stanno già iniziando a prendere forma e si differenziano significativamente dalle normative di altri Paesi.
Nel prossimo futuro, ogni Paese o regione avrà le proprie normative, allineandole ai propri principi fondamentali in materia di privacy, proprietà dei dati e cultura generale. Ad esempio, mentre possiamo aspettarci un’enfasi sulla protezione della privacy e della proprietà degli utenti in particolare in Europa e negli Stati Uniti, il governo cinese si muoverà certamente in altre direzioni. È dunque dubbio che l’intelligenza artificiale possa avanzare allo stesso modo in tutto il mondo.
2. Implicazioni etiche
Man mano che i sistemi di intelligenza artificiale diventano più potenti, anche le loro implicazioni diventano sempre più complesse. Ad esempio, gli algoritmi possono fare ormai previsioni accurate, dal rilevamento del cancro alla guida autonoma dei veicoli. Questi sistemi, tuttavia, sono validi solo quanto i dati utilizzati per addestrarli. Andando avanti, verrà applicato un controllo crescente alle caratteristiche più sensibili dei modelli, come età, sesso ed etnia, per garantire che l’algoritmo non discrimini. Poiché i dati utilizzati per la maggior parte dei modelli hanno bias intrinseci a causa di ragioni storiche, bisogna agire per fare in modo che tali discriminazioni non vengano introdotte nei sistemi di intelligenza artificiale quando si prendono decisioni.
3. Interpretabilità
Negli ultimi dieci anni, la priorità dei ricercatori è stata la creazione di modelli sempre più potenti e accurati. Abbiamo finalmente raggiunto un punto, però, in cui la loro precisione è estremamente elevata, permettendoci di avventurarci in alcune delle attività più complesse, come la guida autonoma. Tuttavia, ciò ha avuto un costo. I modelli sono diventati sempre più difficili da interpretare, come si vede con i sistemi di deep learning, un chiaro esempio di come la maggior parte degli algoritmi siano ora sistemi “black box”, il che significa che nemmeno i loro creatori possono spiegare completamente perché questi hanno preso una decisione specifica.
Nel corso del prossimo anno, l’attenzione si sposterà verso la creazione di modelli più interpretabili. I sistemi di intelligenza artificiale ora possono eseguire calcoli e previsioni che in precedenza si potevano solo sognare. Ma, per garantire la loro adozione, dobbiamo promuovere l’interpretabilità. Per garantire che gli algoritmi ottengano la fiducia di dirigenti, amministratori delegati, medici o avvocati dobbiamo consentire loro di capire come questi sistemi agiscono, per scoprire se prendono decisioni mediante processi simili a quelli umani.
4. IA generativa per video e contenuti
L’IA generativa è un tipo di intelligenza artificiale che genera nuovi contenuti o dati simili, per stile o contenuto, a un dato input. Nel contesto della creazione di video e contenuti, l’IA generativa può essere utilizzata in vari modi. Possiamo vedere il forte interesse negli strumenti di intelligenza artificiale generativa come è successo con ChatGPT (Open AI), Lensa (Prisma Labs) e Stable Diffusion (open source). Modelli che stanno guadagnando un’immensa popolarità, con un numero così elevato di utenti che generano immagini da un testo o creano nuovi avatar da immagini esistenti che ChatGPT è stata in grado di accumularne 1 milione in soli cinque giorni. Non c’è da meravigliarsi che Open AI, creatore di ChatGPT, DALLE-2 e altri strumenti di intelligenza artificiale, stimi che il suo fatturato raggiungerà i 200 milioni di dollari nel 2023 e oltre 1 miliardo di dollari entro l’anno successivo, come indicato da Reuters.
Le potenziali applicazioni includono:
- Generazione di contenuti video o audio: l’IA generativa viene utilizzata per creare video o clip audio dopo aver analizzato un set di dati di videoclip già esistenti. L’algoritmo può generare poi nuovi videoclip simili nello stile al set di dati originale. Possiamo immaginare varie applicazioni, per esempio in app come TikTok, Instagram Reels e altre.
- Generazione di contenuti scritti: allo stesso modo, l’IA generativa viene sempre più utilizzata per aiutare a generare contenuti scritti come articoli, storie o post sui social media.
- Generazione di grafici o immagini: stanno nascendo molte applicazioni nella creazione di nuove immagini, fornendo agli artisti un “nuovo tipo di pennello”.
5. IA distribuita
L’IA distribuita utilizza vari dispositivi come smartphone, computer o server per svolgere attività in modo più efficiente combinando potenza di calcolo, memoria e risorse di più dispositivi. Può essere implementata in diversi modi, a seconda delle esigenze e dei requisiti specifici del sistema, come, per esempio:
- Distribuzione peer-to-peer (P2P): in questo approccio, più dispositivi o computer lavorano insieme come peer per eseguire un’attività. Ogni dispositivo o computer contribuisce con la propria potenza di elaborazione, memoria e risorse di archiviazione all’attività e i risultati vengono condivisi tra tutti questi.
- Distribuzione client-server: in questa configurazione, un server centrale distribuisce le attività a più dispositivi client o computer che eseguono le attività e quindi inviano i risultati al server, che combina i risultati e gestisce eventuali elaborazioni aggiuntive secondo le necessità.
- Distribuzione ibrida: questo approccio combina parti della distribuzione P2P e client-server. Più dispositivi o computer lavorano insieme come per eseguire un’attività, ma alcuni di essi possono fungere da server per coordinare la distribuzione delle attività o per gestirne altre che richiedono più potenza di elaborazione o spazio di archiviazione.
I sistemi di intelligenza artificiale distribuita sono utili per attività su larga scala in applicazioni come l’analisi dei dati, l’apprendimento automatico e alcune applicazioni in tempo reale.
6. Il 5G
L’intelligenza artificiale farà passi da gigante anche grazie all’adozione più diffusa del 5G nei prossimi 12-18 mesi. Grazie alla velocità di elaborazione dei dati e banda più elevata, sarà possibile generare una quantità ancora più grande di dati tramite smartphone e altri smart device. L’Internet-of-Things (IoT) diventerà una delle fonti principali di dati per l’IA, soprattutto nell’ambito della salute.
La migliore connettività della tecnologia 5G consentirà inoltre ai sistemi di intelligenza artificiale di comunicare in modo più fluido rispetto a prima. Ciò dovrebbe portare a una collaborazione più efficace tra i diversi sistemi. Si prevede, inoltre, che la tecnologia 5G aumenterà le capacità di edge computing, aiutando i sistemi di intelligenza artificiale ad avvicinarsi alla fonte dei dati, permettendo l’elaborazione vicino alla sorgente e quindi lo sblocco di problemi relativi alla privacy e alla condivisione dei dati.
Questo porterà a tassi di adozione ancora più elevati per le applicazioni basate sull’intelligenza artificiale all’interno delle aziende. Stiamo già vedendo, infatti, applicazioni 5G con IA soprattutto nel settore sanitario, manifatturiero e dei trasporti.
7. L’IA nelle aziende
L’intelligenza artificiale ha dimostrato di essere un ottimo strumento all’interno delle aziende per migliorare la produttività e ridurre i compiti più tediosi. Sono anche in arrivo benefici quali il miglioramento delle decisioni tramite i big data, la velocità e l’efficienza dei processi e la riduzione dei costi di manodopera e dell’errore umano. Possiamo aspettarci di vedere vari miglioramenti in molti settori, tra cui:
- Servizio clienti: qui l’IA viene utilizzata soprattutto per sviluppare chatbot capaci di rispondere alle domande dei clienti e risolvere i problemi più frequenti in tempo reale. Se implementati correttamente, hanno contribuito a migliorare l’esperienza complessiva, liberando i rappresentanti umani in modo da poter gestire attività più complesse. Tuttavia, i chatbot devono ancora superare ostacoli significativi prima di diventare strumenti capaci di fornire un’esperienza soddisfacente agli utenti.
- Marketing: gli algoritmi di IA possono anche aiutare ad analizzare i dati dei clienti in ambito marketing. Ciò consente alle aziende di fornire campagne di marketing personalizzate, contribuendo a incrementare le vendite e la soddisfazione del cliente.
- Gestione della supply chain: l’IA viene spesso utilizzata per ottimizzare la logistica e le previsioni di domanda e offerta. Questo aiuta a supportare le aziende nei loro sforzi per gestire le scorte con alto grado di efficienza.
- Manutenzione predittiva: analizzando con successo i dati dei macchinari si può prevedere quando è necessaria la prossima manutenzione, riducendo i tempi di inattività e migliorando l’efficienza operativa.
- Rilevamento delle frodi: gli algoritmi analizzano i dati per identificare eventuali transazioni finanziarie che potrebbero risultare fraudolente.
- Risorse umane: gli strumenti di intelligenza artificiale sono capaci di automatizzare anche attività più “umane” come lo screening dei curriculum e la pianificazione dei colloqui, consentendo ai professionisti delle risorse umane di concentrarsi su un lavoro più strategico. Tuttavia, come spesso accade, questa è un’area delicata in cui spesso subentrano problemi di bias che possono portare a discriminazioni e vanno ancora risolti.
- Vendite: l’intelligenza artificiale viene infine utilizzata per analizzare i dati dei clienti e identificare potenziali “lead”, aiutando i team di vendita a stabilire le priorità e ad agire in modo più efficiente, collegandosi solo con i clienti che si prevede siano i più interessati e adattando i prodotti alle esigenze individuali.
COME SI EVINCE DA QUESTA RAPIDA RASSEGNA, l’intelligenza artificiale è in via di adozione su larga scala, sia da aziende che da utenti singoli. Nel 2023, questo progresso continuerà in modo ancora più accelerato, con molti detrattori e sostenitori della tecnologia, ma quello che è certo è che l’IA non potrà essere ignorata.
Eugenio Zuccarelli è un Data Science Leader basato a New York, dove guida un team di Data Scientist in CVS Health, l’azienda numero uno al mondo nell’ambito della salute e una Fortune 500. Eugenio è stato inserito nella classifica Forbes 30 Under 30, è stato TEDx Speaker e ha studiato tra MIT, Harvard e Imperial College.
Articolo pubblicato su Harvard Business Review Italia di marzo 2023.
