Economia

Innovazione

Machine Learning: il business è servito

L’applicazione più importante dell’intelligenza artificiale avrà un ruolo chiave nei prossimi anni nell’accelerare lo sviluppo all’interno delle organizzazioni e creare nuove opportunità. Una fotografia ad uso e consumo dei manager
Print
Machine Learning: il business è servito

L’intelligenza artificiale migliorerà così tanto ogni aspetto del nostro business e della nostra società, che si prevede contribuirà ad aggiungere almeno 15 trilioni di dollari di pil all’economia mondiale entro il 2030. Inoltre, l’emergenza Covid-19 potrebbe accelerare ulteriormente l’adozione dell’AI, che giocherà un ruolo centrale sia nei processi che nei modelli di business delle aziende.

Oggi AI e Machine learning vengono usati quasi come sinonimi. L’intelligenza artificiale è un termine generico associato a una serie di tecniche in grado di elaborare dati per fornire previsioni e decisioni. Il Machine Learning è una delle tecniche più potenti di intelligenza artificiale, in grado di gestire e analizzare in modo efficiente grandi quantità di dati, per fornire previsioni accurate, decisioni automatizzate e offrire vantaggi commerciali senza precedenti.

Vista la quantità esponenziale di dati a cui le aziende hanno accesso, il Machine Learning diventerà la chiave per sfruttare proprio questa mole di dati a disposizione. I manager e i dipartimenti innovazione delle aziende dovrebbero comprendere meglio come il ML possa ottimizzare le loro operazioni e aumentare la produttività, con un occhio al futuro. Di certo la capacità di elaborare previsioni è una necessità che l’uomo sente fortemente fin dai tempi antichi: oggi abbiamo semplicemente un supporto computazionale esterno che ci consente di effettuare predizioni su larga scala con tantissimi dati a disposizione, in tempi e costi ragionevoli.

SETTORI E APPLICAZIONI
Tutto questo può essere impiegato per elaborare immagini e riconoscere ad esempio virus o altre forme di patologie nel settore medicale, ma le applicazioni sono davvero molteplici. Un altro esempio di servizio che oggi è concepibile nel mercato automotive consiste nella guida autonoma. È possibile, ad esempio, effettuare previsioni atmosferiche molto specifiche: per un’automobile a guida autonoma è utile rilevare quando il manto stradale passa dall’asciutto al bagnato con un margine di errore più piccolo possibile e non basarsi su una generica previsione meteo per l’intera regione. Il mondo della finance può adottare soluzioni di Machine Learning per effettuare previsioni accurate sui mercati, oppure come strumento di valutazione per l’erogazione di finanziamenti.

Il settore dello sport adotta già oggi metodologie legate ad AI e Machine Learning per progettare strumenti che si adattano al meglio agli atleti offrendo prestazioni elevatissime. Nel mondo del golf – ad esempio – esistono bastoni come Epic Flash di Callaway, progettati utilizzando tecniche di intelligenza artificiale e Machine Learning.

Per gli sciatori stanno uscendo applicazioni di AI come Carv, mirate ad affiancare il coaching in questa disciplina particolarmente impegnativa.

CUSTOMER CARE E MARKETING 
Un altro settore di estremo interesse per le applicazioni di AI e Machine Learning è tutto quello legato al customer care, che può beneficiare di tecnologie abilitanti a fornire un’esperienza ottimale ai clienti, andando a prevedere quali risorse coinvolgere nelle interazioni in funzione delle skill appropriate oppure analizzando il contenuto di queste interazioni per valutare il sentiment dei clienti (speech analytics). Anche tutto il settore del marketing beneficia della possibilità di analizzare i dati degli utenti per effettuare previsioni su interessi e tendenze così da indirizzare al meglio le comunicazioni.

LA MENTE UMANA FA ANCORA LA DIFFERENZA 
Machine learning e AI aprono scenari affascinanti e opportunità per il nostro presente e futuro, ma non dimentichiamoci tuttavia che la nostra mente umana fa ancora la differenza, soprattutto in termini di creatività e consapevolezza: due caratteristiche ancora impossibili da simulare con realtà artificiali. Quanto sia importante continuare a utilizzare le nostre capacità umane insieme ai computer ce lo dice anche la storia. Nel 1962 il pilota John Glenn fu il primo astronauta americano in orbita intorno alla Terra grazie alla missione denominata Mercury-Atlas 6. I calcoli orbitali erano stati effettuati tramite uno dei primi calcolatori in uso presso la Nasa. Si narra che, poco prima del lancio, Glenn chiese alla matematica Katherine Johnson di effettuare nuovamente i calcoli a mano, perché alcuni risultati prodotti dall’elaboratore sulla traiettoria di ritorno non sembravano convincenti. Questo salvò probabilmente la vita all'astronauta, che riuscì a rientrare a Terra con i calcoli corretti senza rischiare di essere incenerito.

DAI TITANI DEL WEB ALLE STARTUP
Un altro elemento di attenzione è quello relativo alla capacità di interpretazione degli algoritmi di machine learning, caratteristica che è diventata importante per fornire trasparenza agli utenti e indirizzare le tecnologie di AI a favore della privacy e della sicurezza. Non solo grandi aziende come Facebook, Google a Amazon sono attive nel settore AI e Machine Learning, ma l’ecosistema include opportunità di crescita per nuove realtà (startup o pmi). È il caso ad esempio di aziende come Clearbox.ai, startup dell’incubatore del Politecnico di Torino specializzata in soluzioni per l’explainability AI, piuttosto che Ghostwriter.ai, realtà che fornisce strumenti di creazione dei contenuti basati su AI per il supporto al digital marketing.


Machine Learning e AI

3 opportunità 

1_Aumento di nuove posizioni lavorative per data scientist ed esperti in grado di gestire e interpretare i risultati prodotti dai modelli di Machine Learning.

2_Poter effettuare previsioni accurate costituirà un beneficio rilevante in molteplici settori, sia per il business sia per il sociale. Due esempi: a) Medicina: si pensi alla possibilità di prevedere patologie gravi con tempistiche e modalità estremamente poco invasive ed efficaci; b) automotive: la guida autonoma diminuirà in maniera significativa il rischio di incidenti stradali ad oggi dovuti essenzialmente a distrazioni ed errori umani.

3_Nuovi settori di mercato saranno letteralmente creati nel corso dei prossimi anni, settori che oggi riusciamo solo ad intravedere, ma che appariranno più chiari quando le innovazioni tecnologiche raggiungeranno certi limiti.

3 sfide

1_Alcune attività ripetitive saranno rimpiazzate dai modelli di AI richiedendo una conversione di competenze.

2_Machine Learning ed AI vanno usati quando sono efficaci per raggiungere dei obiettivi. Il rischio è di volerli adottare – a volte – a tutti i costi semplicemente perché sono “cool”, ma senza idee chiare sugli obiettivi che si desiderano ottenere.

3_Sicurezza: le tecnologie di AI aprono nuovi scenari anche per attacchi informatici mirati a simulare modelli e prenderne il controllo oppure accedere ai dati per modificarne il comportamento: minacce che richiedono nuove competenze per essere fronteggiate.


Se volete approfondire l’affascinante mondo del Machine Learning applicato all’intelligenza artificiale, potete consultare il libro di Diego Gosmar disponibile su Amazon sia in formato cartaceo che per Kindle:  Machine Learning - Il sesto chakra dell’intelligenza artificiale. Il libro risulta particolarmente adatto a chiunque possieda una mentalità innovativa e sia curioso di conoscere il Machine Learning e alcune sue applicazioni pratiche.


ALTRI ARTICOLI di Economia