Dati e Generative AI, binomio strategico per il successo aziendale. Grandi opportunità per il mercato italiano secondo le previsioni di SAS. Presentate all’Innovate On Tour tutte le novità in arrivo. Efficienza e innovazione in un’unica piattaforma
«L’impiego dell’intelligenza artificiale non è una semplice tendenza tecnologica, ma un imperativo strategico per le aziende che desiderano rimanere competitive». Tra bolla speculativa e strumento in grado di cambiarci la vita Bryan Harris, executive VP and chief technology officer di SAS, incontrato durante la tappa milanese dell’evento SAS Innovate Tour, non ha dubbi. «Con i dati l’AI è uno dei pilastri delle organizzazioni che vogliono migliorare efficienza e capacità decisionali. Grazie all’integrazione delle funzionalità avanzate di Generative AI sulla nostra piattaforma Viya, le aziende possono ottimizzare i processi aziendali e migliorare significativamente l’esperienza del cliente».
Viya integra i modelli GenAI disponibili con i processi e i sistemi aziendali, orchestrando i modelli di linguaggio di grandi dimensioni (LLM) a seconda dei casi d’uso aziendali. Con il supporto di Copilot, arricchito da strumenti per la generazione di codice, la pulizia e l’esplorazione dei dati, la piattaforma incrementa la produttività di sviluppatori, data scientist e utenti business accelerando le attività analitiche. In particolare, l’AI generativa può creare automaticamente flussi di lavoro ETL (Extract/Transform/Load), rispondendo a domande formulate in linguaggio naturale e accelerando così il processo di sfruttamento dei dati.
Scacco matto all’hype
«La strategia SAS anche in ambito AI è di privilegiare solo ciò che porta valore ai nostri clienti» – afferma Marinela Profi, global AI & GenAI lead di SAS. «Quando incontro i clienti, la domanda non è ‘qual è la tua strategia di intelligenza artificiale’ ma ‘qual è la tua strategia di business.’ Se un certo tipo di intelligenza artificiale può essere di supporto, procediamo. Ma non siamo il tipo di azienda che la impone ai clienti». L’invito è quello di mantenere un atteggiamento critico e analitico. «Per SAS, l’intelligenza artificiale generativa non è la soluzione a tutti i problemi di business. I LLM da soli non bastano. Contano invece le capacità di analisi dei dati, ed è più che mai importante parlare di qualità del dato, dalla quale dipende l’accuratezza dell’output». Qualità del dato che insieme a sicurezza, protezione della privacy e della proprietà intellettuale, governance dei modelli, rappresenta uno dei principi cardine della strategia SAS in tema di AI.
«Molti credono erroneamente che l’uso dell’AI generativa possa risolvere tutti i problemi legati alla qualità dei dati» – osserva l’executive VP e CTO di SAS Bryan Harris. «Tuttavia partire da una solida base dati di qualità è fondamentale. Viya include una serie di strumenti per l’analisi esplorativa dei dati e la valutazione delle metriche di qualità che permettono alle aziende di capire quanto i loro dati siano rappresentativi del target oggetto d’analisi. Inoltre, Viya offre sia soluzioni low-code/no-code che approcci basati su codice per migliorare la qualità dei dati, facilitando la collaborazione tra analisti e sviluppatori».
Accuratezza dei dati
Se la qualità dei dati rimane un fattore critico per l’affidabilità dei modelli AI, SAS Data Maker, attualmente in anteprima, è la soluzione che SAS offre per superare i problemi di scarsità e qualità dei dati. Questo generatore di dati sintetici di alta qualità garantisce anche la sicurezza e la privacy dei dati sensibili. L’utilizzo di dati sintetici può avere diversi scopi, tra cui la creazione di dataset di test per lo sviluppo di nuovi modelli analitici e la generazione di dati per l’addestramento di algoritmi di intelligenza artificiale, garantendo la protezione della privacy. I dati sintetici replicano le caratteristiche statistiche dei dati reali, ma non sempre riescono a catturare la complessità presente nei dati originali, portando alla perdita di informazioni cruciali o alla mancanza di rappresentatività in determinati scenari. La loro qualità dipende principalmente dalla qualità dei dati di partenza utilizzati per addestrare l’algoritmo di sintesi. «L’efficacia dei dati sintetici dipende dall’algoritmo o dal modello utilizzato per generarli» – spiega Harris. «Se l’algoritmo non è accurato o non considera tutti i fattori rilevanti, i dati sintetici prodotti potrebbero presentare distorsioni rispetto ai dati reali. L’affidabilità – continua Harris – può essere migliorata utilizzando algoritmi che misurano la qualità dei dati sintetici rispetto a quelli originali, assegnando un punteggio che valuta correlazione e accuratezza». Con oltre quarant’anni di esperienza, SAS è in grado di offrire una robusta validazione statistica per i dati sintetici. SAS detiene numerosi brevetti relativi agli algoritmi utilizzati con i dati sintetici e impiega tecniche avanzate come SMOTE (Synthetic Minority Over-sampling Technique) e GAN (Generative Adversarial Networks) per generare dati sintetici accurati e affidabili.
Etica e controllo
La governance e la trasparenza dei modelli AI sono elementi fondamentali per assicurare la conformità normativa e la fiducia nei processi decisionali basati sull’intelligenza artificiale» – afferma Reggie Townsend, vice president of Data Ethics di SAS. «Il nostro obiettivo è garantire alle aziende l’implementazione di standard etici e la supervisione dei modelli di AI per assicurare il corretto funzionamento evitando che introducano rischi o bias ingiustificati». In quest’ottica SAS annuncia la disponibilità a breve anche per il mercato italiano di un pacchetto di soluzioni di Trustworthy AI per migliorare la governance dell’AI e rafforzare la fiducia e la trasparenza dei modelli attraverso l’introduzione in Viya di “model card”, con le specifiche di conformità dei modelli AI alle normative, in modo da facilitare la condivisione e la comprensione tra sviluppatori, management e autorità di controllo.
Focus Italia
Secondo uno studio condotto da Coleman Parkes Research e promosso da SAS, le aziende italiane sono sempre più propense a impiegare l’AI in una serie di processi. Il 94% dei rispondenti dichiara di aver pianificato investimenti in Gen AI già a partire dal prossimo anno, mentre sei decisori su dieci ritengono che questa tecnologia migliorerà la customer experience e guiderà l’innovazione aziendale. Non solo. Il 30% delle imprese afferma di aver già iniziato a utilizzare la GenAI in via sperimentale, mentre un altro 30% prevede di farlo nei prossimi 12 mesi e il 31% entro due anni. Unica nota stonata è la percentuale trascurabile (3%) di aziende che riconosce di aver portato a termine progetti compiuti di integrazione della Gen AI nei loro processi. Tra gli ostacoli principali all’adozione della GenAI, i rispondenti indicano la mancanza di strumenti appropriati (57%), difficoltà nell’utilizzo dei dataset (56%), ostacoli a dimostrare i ritorni sugli investimenti (51%), difficoltà d’integrazione con i sistemi preesistenti (45%) e mancanza di competenze interne (40%).
Nonostante le sfide presenti, l’executive VP e CTO di SAS Bryan Harris afferma di vedere grandi opportunità per il mercato italiano legate allo sfruttamento dell’AI per migliorare la gestione dei dati. «L’AI può accelerare i processi, portando a decisioni più informate e a risultati migliori. In quest’ottica, le aziende che continueranno a investire nella qualità dei loro dati presto inizieranno a vedere un ritorno significativo dall’impiego della Gen AI».
