Le organizzazioni si affidano da tempo all’apprendimento automatico per alimentare analisi avanzate e capacità predittive per aree molto diverse, dalla produzione alle operazioni finanziarie, fino all’approvvigionamento e alla supply chain. Questi algoritmi – sostiene Manos Raptopoulos, Presidente EMEA, SAP - offrono ai responsabili le informazioni necessarie per ottenere una maggiore efficienza operativa.
L’AI è stata utilizzata ampiamente anche nelle forme tradizionali di algoritmi, ad esempio nei motori di ricerca, che hanno definito un’intera era del nostro sviluppo tecnologico e trasformato interi settori, in particolare quello pubblicitario.
Le sfide per le aziende
Ma ciò che funziona sul web non funziona necessariamente all’interno di un’organizzazione. Internet non si preoccupa delle autorizzazioni. Il management sì.
Con l’aumento delle preoccupazioni sulla privacy e sulla protezione dei dati, soprattutto alla luce delle attuali pressioni normative, molte imprese hanno implementato restrizioni sull’uso di strumenti aperti di AI.
Uno strumento di AI generativa senza un elemento di autorizzazione non è semplicemente adatto per un’azienda e probabilmente è destinato a rimanere confinato a un solo caso d’uso o a un solo reparto, limitando la sua capacità di fornire maggior valore al business.
I problemi di sicurezza sorgono anche con il concetto di data lake, che combina fonti di dati interne ed esterne al servizio dell’AI. I data lake possono essere insidiosi per un’organizzazione, soprattutto quando i dati devono essere esportati al di fuori delle grandi applicazioni aziendali.
Tecnologie indossabili: vademecum futuristico per stili di vita futuribili!
In questo caso è necessario un approccio federato che lasci i dati all’origine e non li copi o trasferisca. È fondamentale che le imprese mantengano il livello semantico dei dati, aspetto che può essere il tallone d’Achille di ogni progetto di data lake e, di conseguenza, dei modelli di AI generativa addestrati su quei dati.
Attenzione alle allucinazioni!
Tuttavia, avverte Raptopoulos, il pericolo maggiore dell’AI, quando non è pronta per il mondo aziendale, risiede nella sua tendenza ad avere “allucinazioni”.
La AI generativa, motiva, è un ottimo algoritmo che fondamentalmente impara guardando a ciò che è disponibile nel suo dominio, di solito Internet. Siamo onesti: non ci si può più fidare di tutte le informazioni che si trovano sul web.
In un ambiente di business, i CEO cercano un’“unica versione della verità”. Ciò significa che la verifica dei fatti è importante, da cui segue la domanda: “Qual è il set di dati su cui dovrei addestrare la mia AI generativa?”. La verità è che i responsabili non possono costruire prodotti o sviluppare innovazione utilizzando modelli che inventano cose o utilizzano insight basati su informazioni false o imprecise.
In questo caso, i fornitori di suite applicative, come SAP, possono intervenire per aiutare. Le applicazioni enterprise che alimentano le imprese di tutto il mondo sono ricche di dati di business che possono essere estratti dagli algoritmi di intelligenza artificiale per creare insight accurati, rilevanti e affidabili. I vendor che operano in questo contesto hanno anche una notevole esperienza nei processi e nei dati contestualizzati: le fonti perfette per formare una AI generativa efficace.
Non c'è dubbio che le imprese beneficeranno della potenza dell’AI nei prossimi anni. Il fatto che sia pronta per le aziende dipende dai singoli sistemi e strumenti. Mentre alcuni modelli di AI sono già dotati di funzionalità di
* “Superintelligenza. Tendenze, pericoli, strategie” è stato scritto dall’autore Nick Bostrom e pubblicato per la prima volta nel 2013 dalla Oxford University Press.
Gian Carlo Lanzetti