Parliamo di come implementare l’intelligenza artificiale in azienda per ottenere i risultati migliori, con Giovanni Boccia, Data & AI technical Manager di Ibm Italia.
Da dove partire per introdurre l’IA in azienda? Quali sono le attività dove le IA attualmente disponibili possono dare i migliori risultati?
L’inserimento di una tecnologia come l’IA all’interno dei processi aziendali è subordinato a due aspetti fondamentali: il perimetro del processo di business con la definizione degli obiettivi, e le componenti tecnologiche. Spesso si tende ad inserire prima la tecnologia e poi adattare il caso d’uso, dimenticandosi che è quest’ultimo che vincola la prima. Noi come Ibm pensiamo che questo si traduca nel fornire il maggior ventaglio di possibilità, quindi offrire delle tecnologie all’avanguardia e versatili, che permettano di usare una combinazione di modelli, che siano essi open source o proprietari e pensati e pre-addestrati per il Business, che possono adattarsi alle esigenze specifiche.
Questi sono gli aspetti distintivi della piattaforma IA di Ibm watsonx, fondata su basi di conoscenza specifiche dei diversi settori d’industria e che si basa sia sulle migliori tecnologie open disponibili che su quelle sviluppate da Ibm stessa, offrendo diversi modelli per gestire i casi d’uso aziendali e rispettare i requisiti di conformità durante tutto il loro ciclo vita, non solo nella fase di sviluppo.
Un altro aspetto da considerare per partire con l’introduzione dell’IA in azienda è la disponibilità dei dati. Sembrerà banale ma l’IA si basa sui dati, quindi è fondamentale metterli a disposizione dei processi di IA ed assicurarsi che siano di alta qualità e garantire che siano puliti e organizzati.
Per partire e potersi affidare con successo alla tecnologia l’IA, non basta quindi acquistare i modelli AI più evoluti o appariscenti. È possibile invece riuscirci:
- Usando l’IA corretta e addestrandola con i set di dati giusti e nel momento giusto.
- Eseguendo i modelli di IA da qualsiasi luogo con un accesso sicuro ai dati, ovunque essi siano memorizzati.
- Dando priorità a sicurezza, controllo e conformità con un approccio olistico alla governance dell’IA.
- Utilizzando una intelligenza artificiale fondata su principi etici e implementabile da qualsiasi azienda (Pmi incluse).
- Ampliando le capacità dei team per raggiungere nuovi livelli di produttività e di performance.
Nell’ultimo periodo abbiamo rilevato sia da ricerche di mercato che implementazioni sul campo, che diversi sono gli ambiti e le attività in cui è possibile ottenere vantaggi dall’adozione dell’IA in tutte le sue funzionalità (dall’elaborazione del linguaggio naturale fino all’AI generativa e al machine learning); dall’automazione ad alte prestazioni di compiti più ripetitivi, all’ottimizzazione di processi aziendali, alla semplificazione della gestione dei dati, al facilitare un migliore processo decisionale.
Con i giusti strumenti di IA le aziende possono ottenere un vantaggio competitivo nel servizio clienti offrendo loro una esperienza personalizzata con i chatbot conversazionali; in ambito HR e gestione dei talenti, creando esperienze di alto livello per attirare, sviluppare e trattenere una forza lavoro altamente competente; per la modernizzazione delle applicazioni arrivando ad automatizzare la creazione e la documentazione di codice, aumentando la produttività e favorendo la crescita; o ancora a supporto delle decisioni di business, pensiamo ai modelli predittivi per analizzare la fluttuazione della domanda in uno specifico arco temporale, o ancora i modelli prescrittivi che aiutano a ottimizzare tutti i processi verticali ad esempio l’allocazione di risorse in un contesto vincolato.
Quali sono gli obiettivi e i KPI da valutare nelle prime fasi di adozione?
Parte fondamentale dei progetti di IA è perimetrare quella fase che possiamo chiamare di misurazione. Certamente una parte di questa misurazione deve essere a carattere analitico, ad esempio:
- Tempi di risposta: Riduzione del tempo necessario per il completamento di un processo ottimizzato con l’ausilio dell’intelligenza artificiale.
- Accuratezza: accuratezza del modello e riduzione del margine di errore nei processi in cui si è introdotta una automazione con l’intelligenza artificiale.
- Riduzione dei costi: diminuzione dei costi di prodotto grazie all’utilizzo di Intelligenza artificiale.
- Produttività: aumento della produttività di dipendenti/processi coinvolti nelle prime fasi.
Un’altra area di valutazione e misurazione deve essere quella legata al controllo dei rischi legati all’adozione dell’IA, quindi sicurezza informatica, valutazione dei bias presenti negli algoritmi, e dell’etica, più in generale al governo dell’IA, elemento quest’ultimo che rappresenta per IBM un aspetto fondamentale per implementare una IA etica e “For Business”, in tutte le sue funzionalità, dall’elaborazione del linguaggio naturale fino all’IA generativa e al machine learning.
Un’altra componente invece è legata al contesto specifico; ipotizziamo un caso di implementazione di un Llm (quindi un modello che tratta dato testuale) per sintetizzare ed estrarre gli elementi chiave del transcript di un Cda (o altro). In questo esempio abbiamo la coesistenza di molteplici aree specialistiche quali Compliance, Audit, Legal. La bontà del testo prodotto dal modello non solo dovrà essere formale e coerente a livello di linguaggio specifico (quindi l’avvocato/i che legge il riassunto corredato da termini appropriati) ma anche in grado di velocizzare la ricezione di informazioni e quindi dei processi a valle di questa. In ottica di prima valutazione si iniziano anche a porre le basi di quale deve essere il punto di arrivo del processo di trasformazione del lavoro a carico dell’IA.
Che competenze deve avere (o acquisire/maturare) un’azienda per introdurre l’IA nei suoi processi?
Con l’avvento dell’AI l’azienda deve essere in grado di isolare il processo di business in cui voler infondere l’AI e successivamente scalarla; questi due passaggi richiedono un aumento delle competenze tecniche, la cui mancanza può ostacolare l’adozione dell’AI. Ad oggi, infatti, molte aziende non dispongono ancora di personale con competenze adatte a gestire progetti di AI e questo problema va affrontato con programmi di formazione interna, con l’elasticità dell’azienda nel guidare il processo di trasformazione delle mansioni coinvolte, con l’assunzione di personale specializzato o attraverso la collaborazione con partner esterni con profonda esperienza in ambito AI.
In Ibm riteniamo che un tema critico sia inoltre rappresentato dalle tematiche di Governo dell’IA. L’azienda deve muoversi in anticipo rispetto alle richieste del legislatore (AI ACT/GDPR), dotandosi di una struttura di controllo adeguata. L’adeguatezza si realizza quando questa funzione di governo parte dal dato e arriva al modello; le tematiche di governo e controllo del dato spesso sono state sottovalutate in quanto richiedono la comprensione di dove risiede il dato, quanto è stato o verrà trattato e quali processi andrà ad alimentare, ad esempio un modello di IA. L’armonizzazione di queste componenti sarà sicuramente una competenza fondamentale nel breve periodo per garantire una Intelligenza Artificiale trasparente, imparziale, etica e affidabile. Ibm è da anni protagonista su questo aspetto di Governance dell’IA, e nel 2023 è stata nominata leader nell’Idc MarketScape: Worldwide AI Governance Platforms. Inoltre, nel dicembre 2023 IBM e Meta hanno dato il via all’AI Alliance, una comunità aperta per accelerare l’innovazione responsabile nell’IA, garantendo rigore scientifico, fiducia, sicurezza, diversità e competitività economica; Ibm fornisce con watsonx una piattaforma completa, che semplifica lo sviluppo, l’implementazione e il monitoraggio dei modelli di machine learning e di modelli di IA generativa che comportano nuove complessità e rischi.
Parliamo di infrastruttura? Che tipo di infrastruttura è necessaria? è meglio puntare su soluzioni cloud o investire sul potenziamento del data center aziendale?
R: Nel corso degli ultimi anni Ibm ha affermato in ambito tecnologico l’approccio ibrido. La flessibilità garantita dal poter utilizzare localmente o in cloud modelli, come servizi, è certamente un elemento interessante e trasversale a tutti i settori aziendali.
Anche se deve essere sempre fatta una attenta analisi e valutazione delle diverse situazioni: investimenti effettuati, progettualità ed esigenze future come anche vicinanza al dato o tipo di dato trattato sono solo alcuni dei parametri su cui una valutazione strategica deve essere basata. Tale indirizzo strategico non può che nascere che dall’azienda stessa; al provider spetta invece garantire libertà di movimento.
Quanto tempo sarà necessario per vedere i primi riscontri?
È difficile fare una previsione esatta ma, mettendo insieme competenze, dati e le tecnologie ibride in grado di gestire l’intero ciclo di vita dell’IA e di accelerare il processo di implementazione di applicazioni basate sulla IA, i primi riscontri a livello prototipale potranno essere disponibili nell’arco di pochi mesi. A questo proposito abbiamo verificato sul campo, con le nostre strutture consulenziali e di “Client Engineering”, la possibilità di realizzare piloti ed Mvp (Minimum Viable Product) nell’ambito della IA sia a carattere predittivo che generativo in diversi ambiti quali customer care, servizi finanziari, farmaceutici, ecc. con risultati tangibili da parte dei nostri clienti nel giro di settimane/mesi.
