Gli analytics hanno un ruolo chiave nell’implementazione dei processi di AI. Oliver Schabenberger, numero due di SAS global: «L’AI trasforma un mondo di dati, in un mondo di intelligenza. Ma siamo solo all’inizio»
Capire, esplorare e realizzare il futuro
Da quando negli anni 70, Jim Goodnight insieme ad Anthony Barr decisero di utilizzare i computer mainstrem dell’università del North Carolina per monitorare i dati del settore agricolo, SAS è diventata sinonimo di analytics in tutti i settori dal retail al finance, dalle TLC alla Sanità, passando per il manufacturing, le utility e la PA. Oggi, grazie al cloud, ai big data analytics e agli algoritmi di machine learning, le machine possono eseguire compiti complessi che se eseguiti da un essere umano richiederebbero intelligenza.
La Narrow Artificial Intelligence non è in grado di pensare, ma applica algoritmi per interpretare i dati. «Ma occorre fare attenzione perché il rischio è di confondere visione e miraggio, strumenti e fini» – ha messo in guardia, Oliver Schabenberger, executive vice president, chief operating officer & chief technology officer di SAS. Per il numero due di SAS global, che ha citato Tom Gruber, in apertura di SAS Analytics Experience 2018, occorre concentrarsi non sul – «se» – o sul – «quando» – ma sul – «come la machine intelligence può potenziare la human intelligence».
L’AI trasforma un mondo di dati in un mondo di intelligenza diffusa
L’obiettivo di SAS è riuscire a rendere praticamente “embedded” la potenza delle nuove tecnologie legate all’intelligenza artificiale a tutte le soluzioni di analytics. La differenza rispetto al passato è nei modelli di delivery di software e hardware, nella capacità di storage, nella potenza computazionale, nella capacità di analizzare enormi quantità di dati real-time.
Dalla teoria alla pratica, le applicazioni Narrow di Intelligenza Artificiale impatteranno il 100% dei lavori e delle professioni. Ci sarà sicuramente un cambiamento di interfacce. «Alcuni lavori saranno sostituiti e altri saranno creati. L’AI è un’opportunità per cambiare il mondo» – ha spiegato Oliver Schabenberger.
Una rivoluzione che riguarda dati, processi e persone. «La data science è il centro di questa rivoluzione. I dati sono ovunque intorno a noi. L’AI trasforma un mondo di dati, in un mondo di intelligenza diffusa. I problemi correlati alle tecnologie sono tutti collegati a noi stessi e all’uso che ne facciamo. Questo vale a maggior ragione per l’AI che oggi è soltanto all’inizio».
Sanità e assicurazioni, industry AI intensive
«Siamo concentrati sulle reti neurali, il miglioramento dei modelli di ML per il riconoscimento vocale e delle immagini, la Blockchain, che per definizione è una struttura complessa di dati» – ha detto Schabenberger a Data Manager. «Guardando al prossimo futuro e in particolar modo al mercato italiano, sanità e assicurazioni saranno le industry più AI intensive grazie allo sviluppo dell’IoT».
Anche per Michele Crescenzi, managing director Accenture Applied Intelligence, siamo entrati in una nuova fase di implementazione su larga scala dell’Intelligenza Artificiale. «Da qui in avanti, le aziende hanno davanti la sfida di definire non tanto se, ma come cogliere questa opportunità».
Gli analytics hanno un ruolo chiave nell’implementazione dei processi di AI. Una data strategy chiara e step-by-step è il punto di partenza per una corretta adozione dell’AI in azienda, come ha messo in evidenza Stephan Gillich, director AI and Technical Computing GTM for Intel, distinguendo tra preoccupazioni reali e miti da sfatare. L’AI non è un – «perfect model prediction» e non è un robot autocosciente. Ma impone scelte responsabili e trasparenti di progettazione, implementazione e adozione.
Imprese a misura di futuro
Secondo Giles Hutchins, executive coach e autore del best seller “Future-fit” siamo nel mezzo di una metamorfosi. Il cambiamento però è una condizione naturale che bisogna accettare senza timore. Le imprese “a misura di futuro” sono quelle in grado di adattarsi ed evolversi. «Sono collaborative, sinergiche, relazionali e adattive». Dobbiamo osservare le dinamiche naturali della vita per trovare la strada per i nostri business. «Divergenza e convergenza fuse insieme sono alla base delle aziende più innovative e di successo». Per Fabio Sbianchi, CEO di Octo Telematics – «migliorare la qualità degli algoritmi è un lavoro quotidiano che non ha fine. I data scientist sono assolutamente fondamentali in questa epoca. Dobbiamo usare i dati per rispondere alle esigenze dei clienti, per mantenere le promesse che abbiamo fatto. In modo trasparente e niente di più». Perché la tecnologia da sola non basta. Ci vuole la volontà di immaginare, costruire e realizzare il futuro. «Gli analytics possono aiutarci a disegnare il mondo che noi vorremmo vedere» – ha detto Mary Beth Moore, AI and Language Analytics Strategist di SAS, raccontando insieme al neonatologo Daniel Vijlbrief (UMC Utrecht) come è possibile utilizzare gli analytics per il monitoraggio dei parametri vitali dei neonati prematuri non solo per prevenire possibili infezioni mortali ma anche limitare l’uso di antibiotici, che potrebbero incidere negativamente sul sistema immunitario dei bambini nei primi tre mesi di vita.
AI, tre consigli per una corretta adozione
Una nuova ricerca commissionata da Accenture, SAS e Intel, rivela che i manager che guidano l’innovazione all’interno delle loro organizzazioni stanno adottando misure per garantire un uso responsabile dell’intelligenza artificiale. Ma quanto codice possiamo portare in azienda? Quali sono i consigli e gli errori da evitare per i CIO e i CTO? Abbiamo girato la domanda a Oliver Schabenberger che ci ha risposto con una lista di tre punti. Prendete nota.
1) Cominciare dal problema concreto non dalla soluzione astratta
«Il primo consiglio è di iniziare sempre dal problema aziendale. Occorre identificare le situazioni ad alto impatto e iniziare da lì. Vediamo persone che vorrebbero svuotare l’oceano con una conchiglia. Invece, bisogna costruire il sistema in modo agile, pezzo per pezzo e poi chiedere alle persone di fare domande. E se non si sa da dove cominciare, meglio iniziare da un business di alto valore».
2) Avere una data strategy coerente
«I dati stanno diventando sempre più preziosi, ma molte organizzazioni hanno tutti i dati nei silos. Ai CIO serve una data strategy coerente. Mentre si spostano verso applicazioni AI e ML, mantenere la giusta quantità e la giusta qualità dei dati, è essenziale. Le organizzazioni di successo iniziano con dati consistenti, e problemi di business molto ben definiti».
3) Commitment forte da parte del top management
«L’adozione di applicazioni di AI e ML deve essere integrata nella strategia dell’azienda. Ci vuole un commitment forte da parte del top management e serve un’attività di sponsorizzazione a livello di CEO e CTO. Quanto agli errori da evitare, c’è solo una risposta: non fare queste tre cose».
