Potenza di calcolo, efficacia e crescita degli algoritmi, accesso a quantità di dati sempre maggiori aumentano le opportunità di utilizzo da parte delle aziende dell’intelligenza artificiale. Non solo per le aziende di grandi dimensioni, oggi anche le realtà più piccole possono trarre vantaggio dall’Artificial Intelligence
di Alessandro Maserati *
A chi si interessa di intelligenza artificiale, è capitato spesso di leggere su riviste più o meno specializzate che il momento giusto per investire in ambito AI – Artificial Intelligence è ora. Solitamente a sostegno di questa tesi è riportata la straordinaria disponibilità di potenza di calcolo dei giorni nostri, accompagnata dalla crescita dell’efficacia degli algoritmi utilizzati e per finire dalla inedita disponibilità di dati, come mai accaduto prima d’ora.
Questi motivi, tutti ben fondati e supportati da molteplici studi, sono però validi principalmente per le grandi corporation che intendono sviluppare ex-novo modelli di machine learning o addirittura deep learning (per non parlare delle pochissime che si avventurano con il reinforcement learning), ma comprensibilmente sono meno validi se si pensa alle piccole e medie imprese.
A queste ultime infatti, per quanto possa giovare accedere a capacità di calcolo, algoritmi e dati, mancherà probabilmente la risorsa più rara in assoluto all’interno del mondo dell’AI, ovvero le risorse umane in grado di mettere a frutto tutto ciò che si ha a disposizione per creare soluzioni completamente nuove e inedite in un campo dove la ricerca è fervente e dove le Big Tech della Silicon Valley assorbono e dedicano i migliori talenti a livello mondiale sul fronte della ricerca.
Fortunatamente, questa considerazione non deve far perdere le speranze alle realtà più piccole di poter anch’esse cavalcare l’onda dell’innovazione tecnologica e di poter estrarre valore creando un vantaggio competitivo considerevole.
Infatti, in un’ottica più ampia queste motivazioni mantengono una certa validità, vediamo come.
Utilizzare algoritmi già addestrati per una Artificial Intelligence a portata di PMI
La maggior potenza di calcolo disponibile non va intesa solo come la miglior accessibilità di super-calcolatori o di cluster di GPU in cloud dove poter addestrare nuovi algoritmi, ma può essere letta anche come la possibilità di utilizzare algoritmi già addestrati da quasi qualsiasi device.
Alcuni degli esempi più diffusi sono le telecamere con riconoscimento facciale integrato, oppure i sensori di movimento con action recognition integrato, per arrivare alle nuove app disponibili su smartphone per tradurre testi fotografati nelle condizioni più critiche. In quest’ottica, anche per le piccole imprese, la possibilità di installare ovunque software dalle capacità così avanzate apre scenari molto interessanti. Pensate ad esempio al piccolo negozio che può misurare quante persone osservano la sua vetrina ad ogni ora del giorno e calcolare il conversion rate magari filtrato per età, sesso, etc.. oppure alla fabbrica che può spostare il controllo qualità dalla linea produttiva ad una postazione remota gettando le basi per l’automatizzazione di buona parte del lavoro.
Software as a Service, il cloud che abilita l’Artificial Intelligence
La maggior efficacia degli algoritmi a disposizione invece, non va intesa necessariamente come lo sviluppo degli approcci di basso livello come l’evoluzione delle RNN in LSTM o in GRU ma può essere visto come l’evoluzione dei Software as a Service che consentono di ottenere direttamente degli output finali sempre più raffinati e specializzati in una platea di possibilità di opzioni sempre più ampia.
Un esempio di questa tendenza può essere visto nel campo del riconoscimento immagini, dove dall’evoluzione delle CNN si è passati direttamente all’esplosione di software specializzati in riconoscimenti specifici, come quello per il riconoscimento di utensili di carpenteria o quello per il riconoscimento di veicoli stradali o ancora quello per il riconoscimento di varietà floreali. Questa evoluzione apre infatti nuovi scenari per le piccole imprese che possono agevolmente assemblare come pezzi di un puzzle tutte le funzionalità a loro necessarie senza dover necessariamente reinventare la ruota. Si pensi ad esempio ad un gommista che voglia automatizzare la gestione del proprio magazzino o la stima della vita residua di un pneumatico, oppure ad un commerciante che voglia stimare la capacità di spesa di un cliente semplicemente osservandone i vestiti.
Anche nella raccolta dati, il must è “riutilizzare” (soprattutto il know-how)
Per quanto concerne la crescente disponibilità di dati, se dal punto di vista di una grande azienda il significato di questa evoluzione si traduce nella possibilità di profilare ciascun singolo cliente o ciascun singolo prodotto, per le realtà più piccole si può leggere come la possibilità di far leva su processi e strutture dati consolidati che offrono l’opportunità di mappare esigenze specifiche senza dover sostenere l’intero onere progettuale di un nuovo sistema di raccolta dati.
In quest’ambito infatti, se da un lato le best practice suggeriscono sempre la necessità di progettare i sistemi di raccolta dati a partire dalle esigenze e dal contesto specifico, dall’altro lato i vincoli di budget spesso impediscono una personalizzazione eccessiva; proprio lo scontro tra queste due necessità si può risolvere facendo leva sulla crescente diffusione di consulenti con esperienza ormai consolidata in strutture dati finalizzate all’AI che offrono l’opportunità di riutilizzare il know-how pregresso e di implementare nuovi sistemi senza dover investire eccessivamente nella parte progettuale. Per calare questa riflessione in un contesto pratico, si pensi ai vantaggi che potrebbe ottenere un piccolo studio di professionisti di fronte alla necessità di profilare la propria clientela per predirne l’affidabilità sui pagamenti, oppure la propensione al passaparola, oppure ancora la disponibilità a scendere a compromessi.
In sintesi, anche per le realtà più piccole, tutti gli elementi analizzati portano alla conclusione che il momento per investire sull’AI è già arrivato, e per chi volesse ottenere un vantaggio competitivo non c’è momento migliore per iniziare che non sia oggi stesso.
*Alessandro Maserati è un matematico, AI designer con un passato nella consulenza strategica, spinto dalla passione per tecnologia, innovazione e problemi complessi; indaga e incoraggia ogni cambiamento per un futuro migliore. Dal 2017 guida il team di #AI di Logol
