L’intelligenza artificiale? Alla base ci sarà sempre la creatività dell’uomo. Supportata dagli analytics

Intervista a Oliver Schabenberger, Executive Vice President & Chief Technology Officer SAS

Secondo IDC, la spesa delle imprese in tecnologie di artificial intelligence raggiungerà i 47 miliardi di dollari nel 2020, contro gli otto miliardi investiti nel 2016. Si tratta di una esplosione che segna una vera e propria rivoluzione nell'approccio che le organizzazioni avranno nei confronti di dati, consumatori e mercato. Una rivoluzione che secondo Oliver Schabenberger, Executive Vice President & Chief Technology Officer SAS, porterà con sé nuove esigenze di business, nuove skill e nuove professionalità.



I lavori che richiedono
creatività, innovazione, intuito
e ragionamento non saranno
sostituiti dagli algoritmi

Oliver Schabenberger

Come cambieranno le strategie aziendali e come reagirà il top management?

È uno scenario in rapido mutamento, e i decisori aziendali devono prima di tutto capire di che tipo di intelligenza artificiale ha bisogno l'organizzazione e definire se acquisirla come servizio di terze parti o realizzarla internamente, prevedendo pro e contro di entrambin gli scenari.  Ma più di tutto occorre disporre di dati aziendali altamente affidabili e certificati a supporto dei sistemi di AI, visto che questi apprendono con una logica esclusivamente data driven.

Qual è la relazione tra machine learning, cognitive computing e AI?

Il machine learning è una tecnica che permette di predire, classificare e riconoscere pattern nei dati. Mentre il machine learning classico si appoggia a diverse tecniche quali alberi decisionali, random forest o cluster, il machine learning moderno prevede principalmente l’utilizzo di reti neurali per determinare autonomamente pattern nei dati in maniera progressiva. Parliamo in questo caso di intelligenza artificiale debole perché non cerca di sostituirsi all’intervento umano.

Il cognitive computing è invece un caso di intelligenza artificiale che aiuta a creare un'interfaccia più “umana” tra utente e macchina: grazie all’elaborazione del linguaggio naturale, ai text analytics e alla computer vision, siamo in grado di conversare con gli oggetti, e gli oggetti possono contestualizzare le interazioni con gli esseri umani.

All'aumentare dei dati disponibili e della precisione nell'eseguire task complessi, queste tecnologie avranno un impatto sempre più profondo su qualsiasi industry. Anche se siamo ancora piuttosto lontani dalla prospettiva di un “dialogo” con oggetti intelligenti.

Chi avrà più rilevanza tra uomo e macchina e qual è il limite dell'intelligenza delle macchine?

Gli individui sfruttano molteplici livelli di intelligenza: spaziale, musicale, logica, interpersonale, emotiva e così via... Per essere all'altezza dell'essere umano, anche le macchine dovrebbero avere diverse forme di intelligenza. Ma non è questo l'obiettivo: ci servono strumenti che sostituiscano in maniera impeccabile l'uomo nell'esecuzione di operazioni ben definite, lavorando di più e senza stancarsi mai.

Per questo le posizioni che richiedono creatività, innovazione, intuito e ragionamento non saranno sostituite dagli algoritmi. Pur essendo convinto che ci muoveremo verso forme di intelligenza artificiale più avanzate, capaci di incorporare anche questi aspetti, dubito che soluzioni del genere saranno costruite su tecnologie di deep learning che stiamo adoperando oggi.

Dobbiamo aspettarci ai vertici del business una nuova generazione
di super data scientist?

Difficile fare previsioni, soprattutto se guardiamo al medio termine: in cinque anni lo scenario può cambiare radicalmente. Oggi i data scientist riescono a interpretare i dati, a modellarli, a utilizzarli per dare vita a processi di machine learning, e in più sono bravi comunicatori, oltre che persone molto flessibili.

Ma l'affermazione dell'IA sta già richiedendo nuove skill: in primis l'abilità di costruire, istruire, validare, distribuire e monitorare applicazioni di deep learning, capacità che associo a una figura che io definirei 'AI programmer'. In futuro, credo che coloro saranno in grado di lavorare a cavallo di arte e scienza saranno le figure più richieste in futuro.

Pensa che le banche saranno gestite da piattaforme di intelligenza artificiale?

Sì e no. Se si considerano le previsioni di IDC, si può dire che entro il 2020 tecnologie come il cognitive, il robotic process automation e la blockchain saranno utilizzate, a livello globale, da metà degli istituti. Ma quanto riusciremo a progredire da algoritmi che supportano decisioni prese da umani ad algoritmi che gestiscono interi processi in totale autonomia? La questione non riguarda solo le banche, ma molti altri settori.

Oggi diversi servizi possono già essere automatizzati, e le esperienze in questo senso non mancano, tuttavia ci vorrà ancora del tempo prima di poter sostituire un consulente finanziario con un agente robot. Per il semplice fatto che i modelli di machine learning funzionano in base a dati relativi a comportamenti in continua evoluzione. L'intervento umano sarà ancora necessario per adattare i processi ai comportamenti discontinui del mercato e dei clienti.

Quale sarà il ruolo degli analytics rispetto al blockchain?

Essendo un'infrastruttura basata sui dati, la blockchain offre potenzialità enormi per gli analytics, che possono generare insight sulle informazioni gestite tramite il protocollo, ma anche giocare un ruolo importante nell'esecuzione di smart contract, o ancora nella gestione del sistema che valuta automaticamente la reputazione e l'affidabilità di un cliente nel momento in cui si concede credito attraverso la piattaforma. Forse gli analytics non saranno il driver della blockchain, ma beneficeranno senz'altro della tecnologia: dati migliori generano insight più approfonditi.


Approfondimenti

Machine Learning

5 domande per capire se la tua azienda è pronta per l’AI

  1. Di quali servizi ha bisogno?
    E come vengono erogati?
    Internamente o esternamente?
    O mancano del tutto?
  2. Cosa offre il mercato in termini di software as a service, e come viene integrato con le applicazioni già esistenti nella tua azienda?
  3. Quali modelli di business e processi possono essere migliorati o sostituiti da
    sistemi basati su algoritmi che lavorano autonomamente su specifici task?
    Che ruolo giocano le interfacce vocali nelle applicazioni, nei sistemi online e nei centri di assistenza della tua azienda?
  4. Vengono utilizzati in azienda i dati non strutturati e i text analytics?
    Se sì, come?
  5. Cosa fanno i miei competitor in ambito AI? Come mi posiziono sul mercato rispetto a loro?