Oggi chi non parla di Intelligenza Artificiale sembra appartenere alla preistoria. Già! L’AI ormai è sulla bocca di tutti e alla portata di tutti. L’introduzione nel mercato di alcune applicazioni di Intelligenza Artificiale (?) ha fatto credere che sia stata trovata la panacea per risolvere qualsiasi problema. Noi non pensiamo sia proprio così per i motivi che di seguito evidenzieremo. In questo articolo vogliamo stimolare qualche pensiero su questa tecnologia e illustrare quali siano a oggi le applicazioni più promettenti in ambito aziendale.
Dopo i proclami iniziali secondo cui l’AI avrebbe sostituito in pochi mesi quasi tutte le professioni del terziario, l’entusiasmo per questa tecnologia sta lentamente scendendo. Le aziende faticano a trovare applicazioni concrete e monetizzabili, mentre la carenza di componenti elettronici, in particolare le GPU, abbinata ai considerevoli consumi di energia dei modelli di AI solleva preoccupazioni. Aumentano i dubbi che l’AI possa rappresentare una bolla speculativa pronta a sgonfiarsi da un momento all’altro. Oggi i maggiori benefici sono stati ottenuti dai produttori di semiconduttori e dalle aziende elettriche, mentre le imprese che offrono soluzioni di AI stentano a decollare e a realizzare profitti.
Vediamo di capire meglio cosa si intende per Intelligenza Artificiale. Purtroppo, i tuttologi presenti oggi si fregiano di essere conoscitori, o peggio esperti, di AI catturando l’attenzione dell’interlocutore con promesse di utilizzo di avanzati algoritmi di Intelligenza Artificiale, senza ovviamente specificare quali essi siano. Solo questo dovrebbe far sorgere qualche dubbio! I problemi poi continuano con l’avanzare delle domande su cosa fa l’AI: tutto e nulla!
Parlare di Intelligenza Artificiale in termini generici non ha nessun senso, perché nessun senso ha porre domande generiche. Quali applicazioni avrà nella finanza, nell’economia, nel commercio, nella produzione, nella medicina, nell’ingegneria o altro? Di quali applicativi abbiamo bisogno e, soprattutto, cosa fanno e cosa risolvono?
In questo ambito si possono distinguere due campi principali identificabili con il machine learning e l’Intelligenza Artificiale generativa.
Il primo esiste da decenni e consiste nello sviluppo di modelli statistici in grado di predire il comportamento di sistemi complessi, per esempio, dalla meteorologia, all’analisi delle frequenze di guasti in apparecchiature industriali, alla modellazione del turnover della clientela. Questa è una tecnologia consolidata e ampiamente diffusa.
Il secondo riguarda invece tools che sono in grado di creare nuovi contenuti in modo autonomo e di interagire con l’utente usando un linguaggio naturale. Questi ultimi hanno generato entusiasmo e aspettative molto elevate e hanno portato l’AI sotto i riflettori dei media e della gente. Questi modelli hanno una flessibilità molto ampia rendendoli potenzialmente applicabili in ogni campo.
Dall’annuncio iniziale nel 2022 l’evoluzione è stata esponenziale con l’uscita di innumerevoli varianti sempre più potenti ed efficienti in grado non solo di lavorare con contenuti testuali ma anche con immagini e contenuti multimediali.
Le principali applicazioni concrete sono indubbiamente i chatbot e gli assistenti virtuali che permettono di interagire con un linguaggio naturale con gli utenti. Inoltre, con opportune tecniche è possibile modellarli alle specifiche necessità aziendali e sono largamente applicati per il supporto tecnico e il marketing oltre a molto altro. L’esempio più performante è il noto chatGPT.
Un’altra applicazione interessante è nel campo dell’analisi dei dati non strutturati, ossia di tutte quelle informazioni contenute in documenti, immagini e suoni che attraverso l’abilità di questi modelli nel dare un senso logico all’informazione è possibile produrre e catalogarne il contenuto. Si pensi, per esempio, al riconoscimento di fatture, riassunti di lunghi testi, catalogazione di file e documenti, motori di ricerca più veloci, riconoscimento di elementi in immagini e molto altro.
Le potenzialità sono enormi e le applicazioni infinite, allora perché le aziende stentano ad adottare su larga scala questa tecnologia?
Un fattore importante è la complessità di creare valide soluzioni. L’implementazione dell’AI richiede competenze tecniche avanzate che molte imprese non hanno internamente e che sono poco presenti sul territorio. A ciò si aggiunge la difficoltà nell’integrare questi modelli alle infrastrutture esistenti. Un altro aspetto è legato ai costi: applicazioni su larga scala possono diventare in breve tempo molto costose da mantenere. Si aggiunga anche il problema della privacy: ogni documento o testo sottomesso all’Intelligenza Artificiale finisce sui server delle multinazionali che gestiscono i servizi, dove non trovano molte garanzie che i dati non vengano in un qualche altro modo utilizzati all’insaputa degli utenti.
Le soluzioni “open source” sono invece gratuite e non pongono generalmente nessun problema di privacy ma richiedono investimenti importanti in termini di hardware e di consumo di elettricità.
Per scegliere efficacemente applicazioni di AI è necessaria un’attenta pianificazione professionale che coinvolga competenze tecniche e analisi economico-finanziarie per valutare la convenienza del progetto. Inoltre, non bisogna dimenticarsi degli aspetti relativi alla privacy e alla protezione dei dati. Un approccio prudente suggerisce di non affidarsi ciecamente a questi algoritmi ma di utilizzarli come strumenti per migliorare l’efficienza aziendale.
Un’implementazione di successo deve innanzitutto focalizzarsi sulle esigenze aziendali, identificando i processi e le aree che possono beneficiare maggiormente dell’Intelligenza Artificiale, concentrandosi su quelle con un rapporto costi-benefici più elevato. La valutazione deve essere guidata da obiettivi chiari e misurabili come il miglioramento dell’efficienza operativa, la riduzione dei costi o il miglioramento della “customer experience”. Gli obiettivi devono essere realistici e tenere in debito conto le limitazioni che questo campo presenta. Sebbene questi algoritmi in apparenza sembrino intelligenti non sono in grado di fare ragionamenti complessi, piuttosto si limitano a ripetere quanto hanno “imparato”, inoltre la loro natura aleatoria rende difficile ottenere risultati e performance ripetibili. Come regola generale l’AI dovrebbe essere usata per affiancare i dipendenti e aiutarli nello svolgimento di compiti continuativi ma l’ultima parola deve sempre essere lasciata all’essere umano.
Dopo gli obiettivi occorre sviluppare le competenze interne necessarie e/o definire le collaborazioni e partnership con i fornitori di tecnologia e consulenti esterni. Adempiuti questi steps si può procedere allo sviluppo delle soluzioni tecnologiche più promettenti. Riguardo a quest’ultimo aspetto, è doveroso sottolineare che i modelli di Intelligenza Artificiale generativa sono in fase di prototipo avanzato non trovando ancora un’affidabilità tecnologica per soluzioni produttive; spetta all’azienda studiare attentamente in quali contesti la tecnologia risulti sufficientemente affidabile e in quali invece occorre migliorarla. È buona prassi affidarsi dapprima a progetti pilota e integrare gradualmente l’AI nei processi aziendali esistenti adattando continuamente le soluzioni.
L’Intelligenza Artificiale offre opportunità concrete e significative per le aziende ma l’adozione su larga scala richiede una comprensione approfondita delle potenzialità, una competenza tecnica adeguata e la volontà di superare le sfide iniziali. Con la giusta pianificazione l’AI può trasformare il modo in cui le aziende operano, migliorando l’efficienza, riducendo i costi e creando nuove opportunità di crescita. Un approccio aggressivo però, senza un’accurata pianificazione, può tramutarsi facilmente in un flop sia dal punto di vista finanziario, sia di reputazione. Al contrario, un approccio eccessivamente attendista porterà a un ritardo verso la concorrenza che sarà poi difficile da colmare.
Franco Confalonieri,
Dottore Commercialista, Docente Business Plan al Master of Advance Studies SUPSI
Moreno Brughelli,
Titolare ICFA Sagl e Finvolve AG, PhD in Finanza e Master in Tax Law
