L’Intelligenza Artificiale è un percorso in atto: lo dice l’osservatorio privilegiato del PoliHub.

L’Intervista a cura di Alberto Maestri.

intelligenza artificiale

Photo credits: Tonia Calvio

 

Fin dalle sue origini, l’edizione di Milano del SAS Forum rappresenta certamente uno degli eventi più importanti e di rilievo per chi si occupa di innovazione tecnologica, data management e analytics. Nella tredicesima edizione 2018 “Inspire the Extraordinary” più di 2000 partecipanti tra esperti, manager e imprenditori Top Level si sono incontrati per rispondere alle più recenti sfide legate ad Analytics Economy, AI, Machine Learning, Customer Intelligence e IoT.

Un evento caratterizzato da una sessione plenaria mattutina, dove leader di pensiero nazionali e internazionali hanno fornito diverse prospettive sul rapporto tra human intelligence e artificial intelligence, e diversi track paralleli pomeridiani dedicati alle diverse aree dell’innovazione organizzativa: Data-Driven Organization, Analytics Marketing, Risk & Finance, etc.

In questo scenario ricco di contenuti e di sorprese, ho avuto il piacere di incontrare vecchi (ciao Franz Russo!) e nuovi amici, e ho avuto anche la possibilità di ascoltare e scambiare alcune idee con alcuni tra i più importanti leader di pensiero sulle tematiche del dato e delle analitiche avanzate. Tra tutti, ho intervistato il Prof. Stefano Mainetti CEO di PoliHub, l’incubatore del Politecnico di Milano che supporta lo sviluppo delle nuove aziende a elevato contenuto di innovazione. Sono nate quattro chiacchiere interessanti sul tema delle startup che fanno dell’Intelligenza Artificiale il focus strategico e la principale leva di valore aggiunto.

 

Buongiorno Prof. Mainetti, benvenuto su B2corporate. In generale e tralasciando per un momento la prospettiva sulle startup, quale è lo stato di attuazione delle iniziative legate all’Artificial Intelligence?

Buongiorno a te e a tutti i lettori. Al fine di rispondere a questa domanda, una ricerca dell’Osservatorio AI del Politecnico di Milano ha coinvolto 730 imprese italiane di grandi e medie dimensioni. Il 56% delle aziende intervistate ha attivo un progetto di AI. La domanda quindi diventa: per raggiungere quali obiettivi?

  • Il primo ambito (35%) di utilizzo riguarda i sistemi di gestione dei dati (advanced analytics). Si tratta del monitoraggio e della prevenzione – per esempio, notando uno scostamento al fine di prevedere un guasto o una manutenzione prima della rottura del macchinario. Vengono inoltre sviluppati sistemi che mostrano correlazioni stimolando interpretazioni da parte del decision maker. Esiste infine tutto il tema della fraud detection, ampiamente diffusa nel settore finanziario.
  • Il secondo ambito (25%) di utilizzo riguarda i chatbot, i quali automatizzano una prima fase di contatto con l’utente e che stanno evolvendo e migliorando nella capacità.
  • Infine, il 10% è legato ai sistemi di raccomandazione, stimolati dalle “tracce” lasciate deliberatamente in rete dagli utenti (“Quelli come te hanno comprato questo prodotto”).
  • Oltre a questo quadro di sintesi, c’è poi un restante 30% dedicato a progetti più specifici, piloti e/o prototipici (guida autonoma, etc.).

In sintesi, tali dati dimostrano una cosa importante: l’intelligenza artificiale c’è, è un percorso in atto.

A livello globale, dal 2013 sono state finanziate 460 startup legate all’AI per un totale di 2,2 miliardi di dollari. A livello geografico, gli USA sono il punto di riferimento nel mondo delle startup (59%), mentre l’Italia rappresenta il 2% – in crescita a 3 cifre e su una statistica cumulata europea che si attesta al 26% rispetto al totale. Classifichiamo tali startup in 3 grandi categorie, ciascuna delle quali ha specifici casi d’uso:

  • sistemi specializzati (nascono con una specifica purpose)
  • soluzioni verticali (specifiche per una industry)
  • trasversali (per tutte le industry).

Dalla sua prospettiva privilegiata legata ai finanziamenti ricevuti dalle startup che fanno leva sull’Intelligenza Artificiale, quale è a suo avviso il servizio, l’ambito e/o la industry più affascinanti per gli investitori?

I Venture Capitalist cecano iniziative che abbiano modelli di business esponenziali e scalabili a livello globale: due metriche importanti sono i clienti potenziali e la spesa che ciascuno di questi fa rispetto a una necessità. Perciò, le startup che offrono soluzioni trasversali alle industry sono generalmente di maggiore appeal. Esistono poi settori specifici come il mondo fintech e l’healthcare – all’interno del quale si sta passando sempre più da una logica di cura come reazione a un approccio di monitoraggio costante e preventivo della salute – piuttosto che tecnologie come la visual recognition da una foto e/o un filmato oggi spesso applicata nei match sportivi. Quelle che fanno più fatica sono le startup peculiari relative a un singolo settore: si tratta di realtà knowledge intensive, che tipicamente entrano in un’azienda e creano un modello matematico / statistico per risolvere un problema, con logiche molto simili alle società di consulenza.

Quali sono gli acceleratori di azione e quali i freni della diffusione di soluzioni Intelligenza Artificiale nelle aziende?

Per quanto riguarda gli stimoli, tutto dipende dalle dimensioni e dal settore: nel manufactoring, usare i sensori semplifica la vita. Usare il tornio a controllo numerico migliora i processi e aumenta la produttività. Nelle aziende medie c’è poi attenzione alla capacità di fare manutenzione predittiva, al fine per esempio di comunicare agli installatori la necessità di sostituire il macchinario prima che esso si guasti. Generare questo valore è relativamente semplice, poiché la macchina ha già a bordo sensori e componenti: manca solo un output. Il focus si sposta così da prodotto a servizio. Un altro filone riguarda l’innovazione di prodotto, che spiego brevemente con un semplice esempio legato a un’affettatrice di un supermercato: attraverso la tecnologia essa potrebbe iniziare a comunicare cosa ha tagliato, quanto, etc. Infine, le grandi imprese – al SAS Forum Milan 2018 abbiamo ascoltato TIM – lavorano oggi sui Big Data.

In relazione invece al deterrente alla diffusione dell’AI in ambito organizzativo, è più un fatto culturale: soprattutto in un’azienda strutturata, il manager ha un’attività che non lo porta vicino ai dati. C’è una distanza tra dominio dati e dominio business, con un livello di demand management che fa da intermediario e “cuscinetto” tra i due mondi. In alcune aziende hanno tolto i demand manager per “costringere” a parlare business e IT. In altre parole, si pratica la rotazione delle risorse, in modo che spostando le persone, il mindset diventi anch’esso più fluido.

 

A proposito di mindset, quanto l’AI è un fatto tecnologico e quanto culturale?

Lo spettro è amplissimo. Un tema oggi rilevante e discusso soprattutto in Accademia è quello delle implicazioni etiche del ragionamento sull’intelligenza artificiale. Tale argomento condizionerà tra l’altro anche le regole con cui costruiremo le future democrazie: quando avremo le self-driving cars diffuse nelle città e si presenterà la necessità per esse di scegliere se colpire un bambino o la nonna, come si comporteranno e su quali “ragioni”? D’altronde, lo scandalo Cambridge Analytica ha offerto una grande lezione: lasciare i dati senza controllo dà vita a una manipolazione sociale e politica. Contemporaneamente a tali questioni più alte, ci sono issue tecniche legate alla sensoristica, agli attuatori, etc. Ci sono dunque ambiti più tecnici e altri di speculazione accademica. I secondi dovrebbero guidare i primi. On top, quello che manca è un pensiero politico: non c’è una sufficiente sensibilità politica nel capire che stiamo correndo grossi rischi se non controlliamo. Un caso virtuoso di sensibilità al tema lo abbiamo visto per esempio durante la guida degli USA da parte di Barack Obama.

 

Durante il SAS Forum Milan, Emanuela Sferco (Regional Marketing Director di SAS) e il Prof. Marco Zorzi dell’Università di Padova hanno suggerito l’imminente arrivo della nuova professione dello psicologo per sistemi di ragionamento automatico. Come Direttore della collana Professioni Digitali per FrancoAngeli, mi sono molto incuriosito: è d’accordo con i due colleghi?

Il principio c’è, abbiamo imparato a produrre il funzionamento del cervello negli algoritmi. Attraverso l’addestramento e il training una persona impara italiano ma anche per esempio ad agire sotto stress: la stessa cosa può accadere con l’algoritmo, che però impara più velocemente rispetto all’essere umano. Si tratta di tenere questo automatic learning / reasoning dentro codici etici. Ma chi la definisce?