L'AI non è magia: è il momento di demistificare e applicare

Per secoli si è pensato che l'elettricità fosse appannaggio degli stregoni, maghi che lasciavano il pubblico perplesso sulla sua provenienza e su come venisse generata. E sebbene Benjamin Franklin e i suoi contemporanei fossero ben consapevoli del fenomeno quando egli dimostrò il collegamento tra elettricità e fulmini, nel 1752 ebbe difficoltà a immaginarne un uso pratico. In effetti, la sua invenzione più preziosa aveva più a che fare con l'evitare l'elettricità: il parafulmine. Tutte le nuove innovazioni attraversano un'evoluzione simile: rifiuto, evitamento, paura e forse, alla fine, accettazione.

Oggi, troppe persone considerano l'intelligenza artificiale (AI) come un'altra tecnologia magica messa in pratica senza una comprensione di come funzioni. La considerano speciale e relegata agli esperti che l'hanno padroneggiata e ci hanno abbagliati con essa. In questo ambiente, l'AI ha assunto un'aria di misticismo con promesse di grandezza e fuori dalla portata dei comuni mortali.

La verità, ovviamente, è che non c'è alcuna magia nell'AI. Il termine "intelligenza artificiale" è stato coniato per la prima volta nel 1956 e da allora la tecnologia ha fatto progressi, ha deluso e si è ripresentata. Come è successo con l'elettricità, il percorso verso le scoperte dell'AI avverrà con la sperimentazione di massa. Sebbene molti di questi esperimenti falliranno, quelli riusciti avranno un impatto sostanziale.

È qui che ci troviamo oggi. Come hanno suggerito altri, come Andrew Ng, l'AI è la nuova elettricità. Oltre a diventare onnipresente e sempre più accessibile, l'AI sta migliorando e modificando il modo in cui vengono condotti gli affari in tutto il mondo. Consente di effettuare previsioni con la massima accuratezza e di automatizzare i processi aziendali e il processo decisionale. L'impatto è vasto, spaziando da esperienze dei clienti migliori a prodotti intelligenti e servizi più efficienti. E alla fine, il risultato sarà un impatto economico per aziende, paesi e società.

Di sicuro, le organizzazioni che promuoveranno la sperimentazione di massa dell'AI vinceranno il prossimo decennio di opportunità di mercato. Per analizzare e aiutare a demistificare l'AI, bisogna considerare due elementi chiave delle categorie: i componenti e il processo. In altre parole, identificare cosa c'è dietro e come può essere adottato.

Proprio come l'elettricità era alimentata da componenti di base come resistenze, condensatori, diodi, ecc., AI è alimentata da componenti software moderni:

1. Un data fabric unificato e moderno. L'AI si nutre di dati e quindi i dati devono essere preparati per l'AI. Un data fabric agisce come rappresentazione logica di tutti gli asset di dati, su qualsiasi cloud. Preorganizza ed etichetta i dati in tutta l'azienda. L'accesso senza interruzioni a tutti i dati è disponibile tramite la virtualizzazione dal firewall all'edge.
2. Un ambiente e un motore di sviluppo. Un luogo per creare, addestrare ed eseguire modelli AI. Ciò consente un deep learning end-to-end, dall'input all'output. I modelli di machine learning aiutano a trovare schemi e strutture nei dati che sono dedotti, piuttosto che espliciti. È allora che inizia a sembrare magia.
3. Caratteristiche umane. Un meccanismo per dare vita ai modelli, collegando modelli e applicazioni a caratteristiche umane come voce, linguaggio, visione e ragionamento.
4. Gestione e sfruttamento dell'AI. Ciò consente di inserire l'AI in qualsiasi applicazione o processo aziendale, comprendendo le versioni, come migliorare l'impatto, cosa è cambiato, pregiudizi e varianze. È qui che i tuoi modelli risiedono per essere sfruttati e che è possibile gestire il ciclo di vita di tutta l'AI. Infine, offre prove e spiegazioni per le decisioni prese dall'AI.

Con questi componenti, sempre più organizzazioni stanno sbloccando il valore dei dati. Ma per utilizzare appieno l'AI, dobbiamo anche capire come adottare e implementare la tecnologia. Per chi sta pianificando un trasloco, è opportuno considerare innanzitutto questi passaggi fondamentali:

1. Identificare le giuste opportunità di business per l'AI. I potenziali ambiti di adozione sono vasti: servizio clienti, produttività dei dipendenti/delle aziende, difetti di fabbricazione, spesa della supply chain e molto altro ancora. Tutto ciò che può essere facilmente descritto può essere programmato. Una volta programmato, l'AI lo migliorerà. Le opportunità sono infinite.
2. Preparare l'organizzazione per l'AI. Le organizzazioni richiederanno maggiore capacità e competenza nella data science. Molte delle attività ripetitive e manuali di oggi saranno automatizzate, il che farà evolvere il ruolo di molti dipendenti. È raro che un intero ruolo possa essere svolto dall'AI. Ma è anche raro che nessuno di questi ruoli possa essere potenziato dall'AI. Tutta la tecnologia è inutile senza il talento per metterla a frutto, quindi costruisci un team di esperti che ispirerà e formerà gli altri.
3. Selezionare tecnologie e partner. Sebbene sia improbabile che il CEO scelga personalmente la tecnologia, l'implicazione qui è più culturale. Un'organizzazione dovrebbe adottare molte tecnologie, confrontando, contrastando e imparando attraverso questo processo. Un'organizzazione dovrebbe anche scegliere un gruppo ristretto di partner che abbiano sia le competenze che la tecnologia per fornire l'AI.
4. Accettare i fallimenti. Se provi 100 progetti di AI, probabilmente 50 falliranno. Ma i 50 che funzionano saranno più che sufficienti a compensar e i fallimenti. La cultura che crei deve essere pronta e disposta ad accettare gli errori, imparare da essi e andare avanti. "Fail-fast", come si suol dire.

L'AI sta diventando fondamentale tanto quanto l'elettricità, Internet e la telefonia mobile, in quanto sono diventati mainstream. Non avere una strategia di AI nel 2019 sarà come non avere una strategia mobile nel 2010 o una strategia Internet nel 2000.

Speriamo che, guardando indietro a questo momento storico, tu possa farlo con affetto, come qualcuno che ha abbracciato i dati come risorse e l'AI come utility per sfruttarli.

______________________________________________

Una versione di questa storia è apparsa per la prima volta su Informationweek.

• Watson Anywhere, Rob Thomas
• Il nuovo corso di formazione sulle competenze di IBM per far sì che i clienti siano in grado di operare con l'AI, Ana Echeverri
• Un nuovo modo per accelerare i tuoi piani per l'AI, Inderpal Bhandari
• Salire la scala dell'AI, Rob Thomas