L’intelligenza artificiale ancora non sta cambiando davvero il business. Laddove è usata, riguarda aree molto verticali, isolate dal resto dell’azienda. Una conclusione a cui si sta giungendo da diverse direzioni: risulta a un’analisi del Mit Technology Review sul mercato americano; mentre una ricerca di Mmc, società di venture capital con sede a Londra, ha appena scoperto che il 40% delle 2.830 startup europee che si dichiarano specializzate in intelligenza artificiale in realtà non la usano nelle proprie offerte o prodotti. Insomma, un bluff del marketing per attirare investitori con una parola “di moda”?
Certo è che rendere l’intelligenza artificiale applicabile ai processi produttivi industriali è un percorso complicato, secondo molti esperti. Servono in primis persone con competenze interdisciplinari. Altrimenti, gli ostacoli sembrano enormi: tecnologia difficile da mettere a punto, costosa e dal payoff iniziale modesto: sono queste, secondo gli esperti intervistati dal MIT, le ancore che impediscono agli imprenditori di lanciarsi nel mondo dell’Intelligenza artificiale e ridisegnare i loro business abbracciando l’innovazione.
La questione non è recente come invece si potrebbe pensare. Il dibattito sull’utilizzo dell’Intelligenza artificiale per rivoluzionare certi settori produttivi è vivo da decenni: “Forse nell’affrontare nuove sfide, prima di pensare a un piano di business, sarebbe necessaria un bel po’ di ricerca interdisciplinare”, spiega ad agendadigitale.eu Salvatore Gaglio, professore del Dipartimento di ingegneria dell’Università di Palermo e membro del gruppo di esperti nominati dal Mise per una strategia nazionale sull’AI.
La differenza tra la moda e la realtà
L’interesse per i possibili impieghi dell’intelligenza artificiale come slancio per l’innovazione in ambito economico può spingere a pensare che l’implementazione di queste tecnologie sia molto facile: “Il grande entusiasmo che in questi anni pervade il mondo dell’innovazione tecnologica sull’intelligenza artificiale porta spesso a pensare che questa sia una tecnologia matura e facile da realizzare, che basti addestrare una rete neurale profonda con grandi quantità di dati e il tutto è fatto”, racconta Gaglio. Una visione “semplicistica – spiega l’esperto – che fu alla base della grande delusione e crisi che seguì ad un altro periodo di entusiasmo che si colloca negli anni Ottanta”.
Già trent’anni fa infatti ci si scontrò con delusioni e fallimenti per l’errata interpretazione della tecnologia. In quel periodo, “erano di moda i sistemi esperti, che riproducono su un computer il ragionamento di un esperto umano, come ad esempio quello di un medico specialista, per affrontare dei casi specifici e fornire delle soluzioni. Per esempio una diagnosi o una terapia – racconta Gaglio -. Alcuni prototipi di successo realizzati presso prestigiosi centri di ricerca negli USA innescarono una corsa da parte di tante aziende verso l’intelligenza artificiale”. Non si voleva assolutamente rimanere indietro, bisognava aggiornarsi: “Ci fu un forte orientamento su prodotti per realizzare sistemi esperti, come computer e software specializzati. Il messaggio era che con questi prodotti era facile realizzare un sistema esperto. Tantissime aziende che fondarono il modello di business su questo paradigma andarono incontro a disastrosi fallimenti”. La realtà infatti era differente dalle comuni convinzioni che all’epoca prendevano piede al riguardo: “Presto ci si rese conto che realizzare e mantenere aggiornato un sistema esperto era un compito molto difficile, anche perché la conoscenza doveva essere introdotta nel sistema a mano da un ingegnere della conoscenza”.
L’importanza dell’interdisciplinarietà
Servono, oggi come allora, persone formate che sappiano utilizzare gli strumenti per concretizzare l’idea di business innovativo che si ha avuto. È l’opinione di Anca Mirela Toma, ricercatrice al FinTech Lab dell’Università di Pavia, che commenta: “Credo che la difficoltà principale incontrata dalle aziende nell’implementare progetti di Intelligenza artificiale sia strettamente legata alla scarsità di talenti. È questo lo stretto legame tra realtà, tecnologia e futuro”. Ancora una volta, torna a presentarsi il problema della mancanza di skill adeguate, un gap diventato tangibile soprattutto con l’attuazione del piano nazionale Impresa 4.0 nelle aziende, da quando cioè sono richieste figure professionali che mancano: “La mancanza di esperti di intelligenza artificiale è il più alto ostacolo all’attuazione delle tecnologie AI nelle attuali operazioni commerciali – spiega Toma -. Si tratta effettivamente di una difficoltà che riscontriamo nel FinTech Lab di Pavia: il centro di ricerca ci porta a constatare come l’interdisciplinarietà sia una qualità necessaria per i nuovi talenti di oggi”.
Più competenze quindi, per unire le conoscenze e approntare soluzioni di intelligenza artificiale che abbraccino diversi settori. Certo, a differenza del passato l’avanzamento tecnologico offre soluzioni vantaggiose per raggiungere lo scopo, come computer veloci, cloud, Big Data: “L’uso di tecniche statistiche per analizzare tali dati ha permesso di realizzare sofisticate tecniche di machine learning. I sistemi di oggi non devono essere programmati a mano, ma addestrati: ciò non significa ancora una volta che questo sia un compito facile alla portata di tutti”, precisa Gaglio.
Gli esempi di tentativi di applicazione dell’AI per ridisegnare un particolare prodotto o processo produttivo non mancano e attingono ai casi di diversi settori. Come spiegato nell’articolo del MIT technology review che cita Phylira, sistema ideato per creare fragranze uniche ma che basandosi sui dati di vendita inizialmente formulava ricette per shampoo (perché gli shampoo generano più ricavi dei profumi).
Solo dopo un lungo addestramento e un lavoro certosino di pulizia dei dati – e quindi tempo e pazienza da parte dell’azienda – il sistema AI è diventato utile al business. Tempo e pazienza, appunto; quindi investimenti per gli imprenditori: scordiamoci – sembra questa insomma la lezione – che l’uso dell’AI per il business sia una semplice formula per il successo.
“L’esempio della ricerca di nuove fragranze nell’industria dei profumi – pensa Gaglio – è proprio un esempio in cui ci si avventura in terreni inesplorati, che coinvolgono la caratterizzazione di sensazioni, come gli odori che percepiamo, i cui meccanismi non sono ancora ben compresi, e la creatività”. Ma quali sono le competenze più adatte a lavorare con l’intelligenza artificiale? Per Toma, “è necessario possedere competenze scientifiche, tecnologiche, ingegneristiche e matematiche oltre aggiungerei a quelle soft skill importanti a delineare progetti nuovi e percorsi di ricerca come lo spirito critico e il lavoro di gruppo”.
Le aziende devono avere pazienza ma essere anche sul pezzo
Dal punto di vista degli imprenditori invece, bisogna riconoscere che i progetti legati all’intelligenza artificiale hanno bisogno di tempo adeguato per essere sviluppati: “Le aziende per trarre pienamente vantaggio dai progetti di AI devono fondere la visione di lungo periodo che permette di formare i talenti necessari e la visione su un raggio temporale corto attenta ai nuovi risultati scientifici ed alle strategie dei competitor in modo da essere flessibili e veloci quanto basta per non investire risorse in progetti senza futuro”, sottolinea Toma.
Oltre alla formazione dei talenti, serve tempo anche per adeguare la tecnologia all’idea: “L’intelligenza artificiale è un set di metodi che va opportunamente adattato prima di poterlo considerare pronto e applicabile in un processo industriale o nello sviluppo di un prodotto”, commenta Giovanni Miragliotta, direttore dell’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano. Questo non deve però essere visto come un ostacolo: “Si può fare, certo più ambizioso è l’obiettivo più ci vuole una soluzione complessa ed elaborata che richiederà dei tempi di messa a punto. Non si può generalizzare”. Il consiglio dunque è cogliere le opportunità che la scienza offre, facendosi domande utili: “Come posso lavorare con l’intelligenza artificiale? Cosa posso migliorare? Non c’è una competizione tra vecchio e nuovo modo – afferma Miragliotta -. Serve un’integrazione, non una sostituzione”.
