Igor Salvoni, Microsoft: così l’IA può aiutare le aziende a migliorare la qualità di servizi e processi

Intervista a Igor Salvoni, Specialist Team Unit Lead di Microsoft Italia, sui passi che è necessario intraprendere per implementare l’IA in azienda.

Da dove partire per introdurre l’IA in azienda?

L’introduzione dell’IA in azienda richiede una strategia chiara, basata su una valutazione delle esigenze, delle opportunità e delle sfide che si vogliono affrontare. Non esiste una soluzione unica per tutte le aziende, ma alcune linee guida possono aiutare a orientarsi. In generale, si può partire da:

• Identificare i processi o le aree di business che possono trarre beneficio dall’IA, in termini di efficienza, qualità, innovazione o competitività.
• Analizzare i dati disponibili, la loro qualità, la loro accessibilità e la loro conformità alle normative sulla privacy e sulla sicurezza.
• Scegliere le soluzioni di IA più adatte, in base agli obiettivi, alle risorse e alle competenze disponibili. Le soluzioni possono essere personalizzate, preconfezionate o ibride, a seconda del grado di specificità e di flessibilità richiesto.
• Valutare i requisiti tecnologici, organizzativi e culturali per implementare le soluzioni di IA, coinvolgendo le diverse funzioni e i diversi livelli dell’azienda.
• Definire un piano di azione, con le fasi, i tempi, i responsabili e i criteri di monitoraggio e valutazione dei risultati.

Le soluzioni Microsoft offrono una vasta gamma di servizi e strumenti di IA, che coprono diverse aree applicative, come computer vision, natural language processing, machine learning, analisi dei dati, Internet of Things ai quali negli ultimi 12 mesi si sono aggiunte tutte le capacità dell’Intelligenza Artificiale Generativa. Queste soluzioni sono integrate nella piattaforma cloud Azure, che garantisce scalabilità, affidabilità, sicurezza e interoperabilità. Inoltre, Microsoft offre anche una serie di risorse formative, di supporto e di consulenza per accompagnare le aziende nel loro percorso di trasformazione digitale basato sull’IA.

Le esperienze di AI Lab sono un esempio concreto di come le soluzioni Microsoft possano essere utilizzate per realizzare progetti innovativi e di valore in diversi settori, e negli ultimi 6 mesi abbiamo aiutato più di 100 grandi aziende in Italia a orientarsi rispetto alle potenzialità della tecnologia e avviare i propri progetti dalle fasi di design fino alla realizzazione di progetti in produzione.

Un modo semplice per cominciare ad utilizzare molto velocemente l’intelligenza artificiale oggi è dato dall’utilizzo di strumenti pronti all’uso come Copilot. Microsoft 365 Copilot, per esempio, è completamente integrato nella suite di produttiva Office non richiede particolare infrastruttura per essere installato e consente di velocizzare moltissimi task quotidiani degli utenti, dalla scrittura di mail e documenti alla sintesi di lunghi scambi di mail o la minuta di quanto discusso in un meeting Teams.

Quali sono le attività dove le IA attualmente disponibili possono dare i migliori risultati?

Le IA attualmente disponibili possono dare i migliori risultati in quelle attività che richiedono una grande quantità di dati da elaborare, una capacità di apprendere da esperienze passate, una velocità di risposta elevata, una precisione e una consistenza nel tempo. Alcuni esempi di queste attività sono:

• La classificazione e il riconoscimento di immagini, video, audio, testi e altri tipi di dati, per scopi come la sicurezza, la qualità, il marketing, il customer service.
• La generazione e la traduzione di contenuti in diverse lingue, per scopi come la comunicazione, l’informazione, l’intrattenimento.
• La previsione e l’ottimizzazione di scenari, processi, risorse e decisioni, per scopi come la pianificazione, la gestione e l’analisi.
• L’interazione e la collaborazione con gli utenti attraverso interfacce conversazionali, chatbot e assistenti virtuali evoluti.
• L’adattamento e la personalizzazione di prodotti, servizi, esperienze e percorsi formativi, in base alle preferenze, ai bisogni, ai comportamenti e ai feedback degli utenti.

Ad oggi le diverse capacità dell’intelligenza artificiale hanno raggiunto la human parity in molteplici settori, dal riconoscimento delle immagini – molto utile per tutti gli scenari di riconoscimento dei difetti su oggetti complessi come per i suggerimenti per la diagnosi medica – alla comprensione del testo scritto e parlato, che permette di aumentare la qualità di tutti i servizi di customer service, in particolare per tutte le interazioni di tipo informativo alle quali è possibile rispondere con un agente virtuale reinvestendo il tempo degli operatori per interazioni a maggior valore come vendita e consulenza.

Per cui possiamo dire che in tutti gli scenari di applicazione in cui è necessario processare enormi quantità di dati o laddove ci sono processi ripetitivi e a basso valore aggiunto che richiedono l’utilizzo di capacità quali la vista, la parola e la scrittura, l’intelligenza artificiale oggi è pronta ad affiancarsi alle persone per migliorare la qualità dei servizi e dei processi.

Quali sono gli obiettivi e i Kpi da valutare nelle prime fasi di adozione?

Gli obiettivi e i Kpi da valutare nelle prime fasi di adozione dell’IA dipendono dal tipo di soluzione, dal contesto e dal settore di applicazione. Tuttavia, alcuni criteri generali possono essere:

• La qualità e la quantità dei dati, che sono la base per l’allenamento e il funzionamento dei modelli di IA. Si possono usare metriche come la completezza, la correttezza, la coerenza, la rilevanza, la rappresentatività, la diversità e la freschezza dei dati.
• La performance e l’accuratezza dei modelli di IA, che indicano il grado di aderenza tra le previsioni o le azioni dell’IA e i dati o le aspettative reali.
• L’impatto e il valore aggiunto delle soluzioni di IA, che misurano il contributo dell’IA al miglioramento dei processi, dei prodotti, dei servizi o degli esiti di business. Si possono usare metriche come il ritorno sull’investimento, il risparmio di tempo, il risparmio di costi, l’aumento di produttività, l’aumento di qualità, l’aumento di soddisfazione, l’aumento di innovazione.
• La responsabilità e l’etica delle soluzioni di IA, che valutano il rispetto dei principi e delle norme che regolano l’uso dell’IA in termini di legalità, trasparenza, privacy, sicurezza, equità, inclusione e fiducia. Si possono usare metriche come la spiegabilità, l’auditabilità, la conformità, la protezione, la robustezza, la diversità e la partecipazione.

Le soluzioni Microsoft offrono diversi strumenti e metodologie per monitorare e valutare gli obiettivi e i Kpi delle soluzioni di IA, in modo da garantire la qualità, l’efficacia, la responsabilità e l’etica dell’IA.

È consigliabile partire con use case semplici e facilmente misurabili come, per esempio, la deflection delle chiamate a un call center per le richieste di tipo informativo, ambito dove si raggiungono rapidamente performance oltre il 90%.

Se guardiamo invece alla produzione del codice per le aziende che sviluppano il proprio software, oggi è possibile migliorare la qualità e la velocità del numero di righe di codice prodotte di oltre il 50% abilitando gli sviluppatori all’uso dell’intelligenza artificiale generativa con GitHub Copilot.

Che competenze deve avere (o acquisire/maturare) un’azienda per introdurre l’IA nei suoi processi?

Le competenze necessarie per introdurre l’IA nei processi aziendali sono di diverso tipo e livello, a seconda del ruolo, della funzione e del grado di coinvolgimento nell’implementazione delle soluzioni di IA. In generale, si possono distinguere tra:

• Competenze tecniche, che riguardano la capacità di progettare, sviluppare, testare, distribuire e gestire le soluzioni di IA, usando i linguaggi, i framework, le piattaforme e gli strumenti appropriati. Queste competenze sono tipiche dei profili come i data scientist, i data engineer, i machine learning engineer, i software engineer, i cloud engineer.
• Competenze di business, che riguardano la capacità di identificare, analizzare, valutare e comunicare le opportunità, le sfide, i benefici e i rischi dell’IA per il business, definendo gli obiettivi, i requisiti, i KPI e le strategie di implementazione delle soluzioni di IA. Queste competenze sono tipiche dei profili come i business analyst, i project manager, i product manager, i product owner.
• Competenze di dominio, che riguardano la conoscenza e la comprensione del settore, del mercato, del contesto e dei problemi specifici a cui si applica l’IA, fornendo il contributo e il feedback necessari per la definizione, la validazione e il miglioramento delle soluzioni di IA.

L’introduzione dell’intelligenza artificiale generativa ha infine introdotto un nuovo modo di interagire con i sistemi informatici e i Large Language Model portando alla necessità di aggiungere un’ulteriore competenza specifica per l’utilizzo della Gen AI che è il prompt engineering, di fatto è la disciplina che viene utilizzata per generare in modo preciso le richieste fatte agli LLM in modo da ottenere risposte sempre più precise e accurate.

Che tipo di infrastruttura è necessaria? è meglio puntare su soluzioni cloud o investire sul potenziamento del data center aziendale?

Secondo Microsoft, l’infrastruttura necessaria per introdurre l’IA nei processi aziendali dipende dal tipo, dalla complessità, dalla dimensione e dalla frequenza delle soluzioni di IA che si vogliono implementare. In generale, si può dire che l’IA richiede una grande capacità di calcolo, di memoria, di archiviazione, di connessione e di scalabilità, che non sempre sono disponibili o convenienti nelle infrastrutture on-premise delle aziende. Per questo motivo, spesso è meglio puntare su soluzioni cloud, che offrono diversi vantaggi, come:

• La flessibilità, che permette di adattare le risorse e i servizi alle esigenze e alle variazioni della domanda, pagando solo per quello che si usa.
• L’affidabilità, che garantisce la continuità e la disponibilità delle soluzioni di IA, anche in caso di guasti, interruzioni o calamità.
• La sicurezza, che protegge i dati e le applicazioni da attacchi, intrusioni, perdite o violazioni, usando i più alti standard e protocolli di crittografia, autenticazione e autorizzazione.
• L’interoperabilità, che facilita l’integrazione e la comunicazione tra diverse soluzioni, piattaforme, applicazioni e dispositivi, usando formati, protocolli e API comuni.
• L’innovazione, che consente di accedere alle ultime tecnologie, funzionalità e servizi di IA, senza dover investire in hardware, software o manutenzione.

Le soluzioni Microsoft offrono una delle migliori infrastrutture cloud per l’IA, basata sulla piattaforma Azure, che offre una serie di servizi, strumenti e risorse per creare, allenare, distribuire e gestire le soluzioni di IA in modo semplice, rapido, sicuro e scalabile. Azure offre anche diverse opzioni per integrare le soluzioni di IA con le infrastrutture on-premise delle aziende, usando soluzioni ibride o edge, che permettono di eseguire l’IA in prossimità dei dati o dei dispositivi, riducendo la latenza, il consumo di banda e i costi di trasferimento dei dati.

Quanto tempo sarà necessario per vedere i primi riscontri?

Questo dipende molto dalla complessità della soluzione che si vuole realizzare, ma possiamo tranquillamente affermare che ci sono diverse soluzioni che consentono di vedere dei risultati tangibili già dopo poche settimane di utilizzo. In particolare, le soluzioni di GenAI hanno dimostrato come l’adozione può essere molto veloce se pensiamo che ChatGpt ha raggiunto 100 milioni di utenti in soli 2 mesi. Lo scorso settembre, quando abbiamo lanciato la nostra iniziativa AI LAB, abbiamo ascoltato le testimonianze di diverse aziende come SEA, Intesa San Paolo, INPS e Generali che hanno adottato e implementato soluzioni realizzate in pochi mesi.

L’intelligenza artificiale è ormai presente in moltissime applicazioni e la disponibilità di soluzioni cloud consente oggi a tutte le realtà aziendali di beneficiare in modo veloce e sicuro di queste nuove tecnologie.