Home
Che cos’è l’intelligenza artificiale e come può esserti utile in azienda

03 Febbraio 2021

Che cos’è l’intelligenza artificiale e come può esserti utile in azienda

di

È facile lasciarsi sopraffare dalle enormi possibilità offerte dalle tecnologie per l’apprendimento delle macchine, se l'azienda commette gli errori che la lettura di questo articolo aiuta a evitare.

PROMOZIONE
Lavori con dati e software?
Vuoi essere sicuro di fare le scelte giuste?
Ci sono 4 corsi per te, scoprili e con il codice DATAX50 risparmi 50€ sull’iscrizione a: Big Data Executive, Big Data Analytics, Data governance, Strategie e modelli contrattuali per cedere e acquisire software.

Sommario

In realtà non c’è alcuna intelligenza
Sii contenuto nei tuoi propositi
Valuta i rischi
Conserva un giusto ultimo miglio
A volte può essere meglio avere meno dati
Fai i compiti a casa

In realtà non c’è alcuna intelligenza

Partiamo da un dato di fatto: in realtà non c’è alcuna intelligenza nella cosiddetta intelligenza artificiale (IA). Il termine è stato talmente abusato di recente che il clamore ricorda il boom delle dot-com alla fine degli anni Novanta. Il problema, ora come allora, è che molte aziende e opportunisti sfornavano affermazioni esagerate su ciò che la tecnologia può davvero fare, al punto che un recente studio ha rilevato come uno sbalorditivo 45 percento delle aziende in Europa dichiari di occuparsi di IA mentre in realtà svolge attività che non vi hanno nulla a che fare.

Certo, le macchine possono risolvere problemi. Tuttavia, sebbene possano eseguire complessi calcoli matematici con una velocità alla quale nessun essere umano può avvicinarsi, non sono ancora in grado di fare qualcosa di semplice come distinguere visivamente un cane da un gatto, cosa che ogni bambino di tre anni può fare senza sforzo. Da questo punto di vista, l’IA può, nella migliore delle ipotesi, risolvere problemi chiaramente definiti e aiutare ad automatizzare attività lente, ripetitive e laboriose, come la lettura di moduli standard per l’inserimento di nuovi clienti e poi l’inserimento dei dettagli dei clienti nei sistemi IT.

Inoltre, il termine machine learning è in qualche modo fuorviante, poiché le macchine non imparano come gli esseri umani. Spesso apprendono migliorando gradualmente la loro capacità e precisione in modo che, man mano che ricevono sempre più dati, indovinino la risposta giusta con maggiore frequenza. Attraverso tale formazione, possono arrivare a riconoscere, non a capire, ciò che viene sottoposto loro, ma sono ancora molto lontane dal comprendere le sfumature del contesto.

È come quando scriviamo sul nostro smartphone: ci vengono presentate le parole giuste tra cui scegliere. Anche se, ricordando ciò che abbiamo digitato in passato, il nostro smartphone può indovinare le parole giuste per completare una frase in misura ragionevolmente accurata, questo non implica che capisca effettivamente il significato delle parole o delle frasi che digitiamo.

Tutto sommato e almeno per il momento, l’IA assomiglia molto più a un robot senza cervello che a una macchina pensante. Ciò, a sua volta, significa che è necessario un po’ di discernimento quando si utilizza l’IA nelle attività aziendali. I seguenti cinque punti d’azione possono esserti utili.

Iscriviti alla nostra newsletter

Torna all’inizio.

1. Sii contenuto nei tuoi propositi

L’IA è attualmente più efficace nell’affrontare compiti molto ristretti in circostanze ben definite. È quindi importante limitare il campo di applicazione quando pensi a ciò che vuoi ottenere impiegando l’IA nella tua attività. Inoltre è fondamentale conoscere l’esatto obiettivo aziendale che intendi raggiungere. I compiti standardizzati noiosi e laboriosi sono particolarmente maturi per l’automazione con l’IA.

Torna all’inizio.

2. Valuta i rischi

Parlando di IA, gli esseri umani devono sentirsi a proprio agio all’idea di rinunciare a un certo controllo. Una volta implementata l’IA nella tua azienda, è importante che tutti, uomini e macchine, rimangano nel loro ambito d’azione: ci sono certe cose che rientreranno nella responsabilità delle persone e certe altre che sarà meglio lasciare alle macchine.

Uno dei maggiori problemi dei rapporti fra persone e IA è l’idea di lasciare alle macchine il compito di prendere decisioni per loro. Può essere una prospettiva spaventosa, ma non deve essere una soluzione tutto o niente. Se le decisioni sono di minor conto e la macchina può migliorare la propria precisione nel tempo, allora il rischio è minore e la soluzione migliore consiste nel lasciare che la macchina continui a operare in modo autonomo. Se invece le decisioni hanno ripercussioni importanti, è probabilmente consigliabile coinvolgere degli esseri umani nel processo decisionale, dove l’IA li assisterà elaborando i dati in un modo che li aiuti a informare le loro decisioni.

Torna all’inizio.

3. Conserva un giusto ultimo miglio

Anche se il 99 percento di un lavoro è automatizzato, ci sarà sempre quell’1 percento che deve essere gestito da esseri umani. Ci sono tre ragioni principali per cui è importante riflettere attentamente su questo ultimo miglio e sul modo in cui dovrebbe essere integrato nei flussi di lavoro e nelle procedure.

In primo luogo, è importante che una persona controlli il lavoro delle macchine, in particolare per le decisioni che comportano rischi finanziari potenzialmente elevati. La seconda ragione è che, mentre alcuni compiti possono essere automatizzati, ci sono ancora molti compiti che è meglio lasciare agli esseri umani, come le relazioni vis à vis con il cliente per la vendita di prodotti finanziari complessi. In terzo luogo, ci sono compiti per i quali le macchine, semplicemente, non sono in grado di subentrare agli esseri umani, in particolare le numerose attività fisiche che richiedono ancora l’intervento umano, come il controllo di qualità.

Torna all’inizio.

4. A volte può essere meglio avere meno dati

Contrariamente a quanto molti credono, l’idea che più dati ci sono e meglio è spesso è sbagliata. Non tutti gli obiettivi devono essere raggiunti con una precisione del 100 percento. La cosa importante da capire è il livello minimo di accuratezza necessario per ritenere svolto un lavoro.

Se questo livello di base fosse piuttosto basso, sarebbero necessari meno dati per addestrare i modelli di IA. Se da un lato ci sono momenti in cui non è necessaria una precisione del 100 percento per risolvere il problema, dall’altro i problemi possono essere talmente complessi che nemmeno una macchina è in grado di risolverli con una precisione assoluta. In questi casi, pur aumentando la quantità di dati disponibili, non sarà possibile raggiungere l’obiettivo.

Al contrario, dove l’attività è facilmente definibile e semplice, è possibile ottenere una precisione prossima al 100 percento anche disponendo di un piccolo set di addestramento. Inoltre, i modelli creati dalle macchine decadono nel tempo, perché i set di dati si evolvono, diventando obsoleti. Se, per esempio, un’azienda dispone di un enorme archivio di dati sulla vendita di prodotti ipotecari, quella enorme massa di dati non sarà di grande aiuto nella creazione di un modello di IA per migliorare la vendita di prodotti assicurativi.

Torna all’inizio.

5. Fai i compiti a casa

Se diamo per scontato che l’IA possa arrivare solo fino a un certo punto, significa che le aziende devono assumersi l’onere degli sforzi necessari per creare i presupposti per mettere all’opera l’IA. I dirigenti spesso non sanno che cosa vogliono veramente o hanno solo un’idea astratta dell’obiettivo che vorrebbero conseguire per la loro azienda. Possono sapere, per esempio, di voler ridurre i costi, ma non sanno come farlo.

È importante sapere che l’IA non è adatta a servire per scopi astratti. Per ottenere risultati, le aziende devono avere un’idea molto chiara di ciò che vogliono ottenere. Un altro compito a casa consiste nel mappare i flussi di lavoro e i processi correnti. Questo perché la tecnologia deve essere supportata da flussi di lavoro e processi solidi per massimizzare il proprio potenziale.

A loro volta, i flussi di lavoro e i processi dovrebbero essere supportati da un ampio consenso del personale, comprendendo il management e l’IT. Anche se questa può sembrare un’affermazione ovvia, spesso è sorprendente vedere l’entusiasmo delle persone per l’IA svanire non appena viene chiesto loro di tracciare i flussi di lavoro esistenti e quei processi che cercano di migliorare.

È facile lasciarsi sopraffare dalle enormi possibilità offerte dall’IA. Molte aziende commettono l’errore di pensare troppo in grande, quando la portata dell’impatto dell’IA è, in effetti, piuttosto limitata. Generalizzano ed esagerano enormemente l’impatto che l’IA potrebbe avere sulla loro azienda. La verità inattaccabile è che l’IA è più efficace in circostanze ristrette, ben definite e specifiche.

Nell’affrontare la questione dell’implementazione dell’IA nella propria azienda, è importante rimanere radicati negli obiettivi e nelle mission della propria attività. L’IA non può definire o sostituire la tua strategia aziendale. Usare l’AI a prescindere non è né utile né conveniente; al contrario, impiegare strategicamente l’IA per far progredire la tua attività può essere un vantaggio per tutti.

Torna all’inizio.

Questo articolo richiama contenuti dal capitolo 1 de Il manuale dell’Intelligenza Artificiale.

Immagine di apertura di Maximalfocus su Unsplash.

L'autore

  • Susanne Chishti
    Susanne Chishti è CEO di FINTECH Circle, il primo network europeo dedicato agli investimenti in ambito FinTech, e fondatrice del FINTECH Circle Institute, la principale piattaforma di formazione FinTech focalizzata sull'innovazione e la digital transformation. È considerata una delle più importanti influencer FinTech a livello globale e presta la sua consulenza a top manager dei servizi finanziari.
  • Ivana Bartoletti
    Ivana Bartoletti è Direttore Tecnico presso Deloitte, co-fondatrice di Women Leading in AI Network e speaker internazionale. È stata premiata come donna dell'anno 2019 ai Cyber Security Awards.
  • Anne Leslie
    Anne Leslie è Senior Managing Consultant presso IBM Security. Appassionata di tecnologia responsabile, ha trascorso l'intera carriera all'intersezione tra servizi finanziari, regolamentazione e IT, in ruoli chiave sia nelle vendite che nella consulenza.
  • Shân M. Millie
    Shân M. Millie è specializzata in innovazione per le aziende del settore InsurTech, in particolare nel campo del design e del business storytelling.

Vuoi rimanere aggiornato?
Iscriviti alla nostra newletter

Novità, promozioni e approfondimenti per imparare sempre qualcosa di nuovo

Gli argomenti che mi interessano:
Iscrivendomi dichiaro di aver preso visione dell’Informativa fornita ai sensi dell'art. 13 e 14 del Regolamento Europeo EU 679/2016.

Corsi che potrebbero interessarti

Tutti i corsi
machine-learning-per-tutti-cover Corso Online

Machine Learning & Big Data per tutti

Vuoi scoprire cosa significano Machine Learning e Big Data e come i computer possono realmente imparare in maniera automatica? Questo corso di Andrea De Mauro fa al caso tuo.

99,00

con Andrea De Mauro

corso-data-governance Simone Aliprandi Corso Online

Data governance: diritti, licenze e privacy

I dati sono ovunque intorno a noi ma per poterli utilizzare in sicurezza bisogna confrontarsi con temi complessi che riguardano licenze, proprietà intellettuale e privacy. Se non ti senti sicuro o hai paure di prendere la decisione sbagliata, il corso di Simone Aliprandi fa per te.

299,00

con Simone Aliprandi

big-_data_executive-home Corso Online

Big Data Executive: business e strategie

Vuoi capire se e come la tua azienda può ottenere un vantaggio di business investendo in una strategia di creazione e analisi di Big Data? Il corso di Andrea De Mauro è quello che ti serve.

IN EARLY BIRD FINO AL 17 MARZO 2021

299,00

con Andrea De Mauro


Libri che potrebbero interessarti

Tutti i libri

Il manuale della PayTech

Guida ai pagamenti digitali per imprenditori, manager e operatori della finanza

33,16

34,90€ -5%

di Susanne Chishti, Tony Craddock, Robert Courtneidge, Markos Zachariadis


Articoli che potrebbero interessarti

Tutti gli articoli