Investire in AI apre moltissimi dubbi ma spesso per iniziare a raccogliere i primi frutti può essere sufficiente limitarsi a reindirizzare progetti già programmati. Diverso è sviluppare progetti dedicati in ambito AI, qui si possono identificare soluzioni dal pricing più disparato a seconda del contesto e delle esigenze specifiche
Il mantra (è giunto il momento di investire in AI – Artificial Intelligence) che si legge sempre più spesso, ci ricorda l’urgenza sempre maggiore di iniziare a investire nell’ambito dell’intelligenza artificiale; a sostegno di questa tesi si possono trovare centinaia di articoli che analizzano da ogni punto di vista possibile e immaginabile gli scenari attuali e giungono tutti inevitabilmente alla stessa conclusione. Una volta persuasi di questa tesi però, una domanda sorge spontanea: ok investire in AI, ma quanto occorre investire per avere un impatto?
Una prima risposta a questa domanda, per certi versi abbastanza sorprendente, è Zero.
Si, non è un typo, la realtà è che gli investimenti “aggiuntivi” per utilizzare l’intelligenza artificiale spesso non sono necessari, anzi, utilizzando gli strumenti che l’AI mette a disposizione, si ha la possibilità di raggiungere gli obiettivi tradizionali addirittura con un esborso inferiore rispetto ai budget che non ne prevedono l’utilizzo. Riflettendoci più attentamente, è per certi versi naturale aspettarsi che l’evoluzione tecnologica riduca i costi con l’avanzare del tempo e di conseguenza questa risposta non dovrebbe stupire più di tanto anche se, come vedremo, nasconde un grosso caveat.
Comunque, al netto delle considerazioni successive, è importante riflettere su questo punto perché ci ricorda come spesso l’unico ostacolo tra il percorrere la strada più innovativa anziché quella più tradizionale risiede nel commitment del top management, nella capacità di prendersi rischi misurati, in quel giusto mix tra coraggio, voglia di innovare ed esplorare e buon senso che conduce alcune aziende al successo e a cavalcare costantemente il progresso mentre ne lascia altre ancorata al passato e destinate ad un lento quanto inesorabile declino.
La risposta più elaborata alla domanda iniziale (quanto costa investire in AI), e per certi versi più veritiera, dipende da diversi fattori, i più importanti sono lo stato d’avanzamento del settore, la dimensione dell’azienda, e la propensione alla crescita, vediamoli nel dettaglio.
Innovare un settore poco “tecnologicizzato” può essere sorprendentemente economico per investire in AI
Lo stato di avanzamento del settore è certamente il parametro più importante per valutare quanto occorra essere innovativi per fare la differenza e di conseguenza quanto sia necessario investire per ottenere quel grado di innovazione (quindi, quanto possa davvero costare investire in AI oggi). Pensiamo per esempio a una azienda che volesse innovare nel settore dell’offerta di Server in Cloud, dove Google applica tecniche di Machine Learning almeno dal 2012 (pubblicamente, ma probabilmente già da molto prima) per ottimizzare i consumi, la distribuzione del carico, la saturazione della banda, etc. è evidente che per ottenere un vantaggio competitivo sarà necessario un investimento estremamente ingente.
Dall’altro estremo possiamo pensare per esempio al settore notarile italiano, che un po’ per la sua specificità geografica, un po’ per la bassa concorrenza strutturale ha sempre vissuto un basso tasso di innovazione e probabilmente è uno dei settori con più basso utilizzo di strumenti informatici; ecco in questo contesto probabilmente anche la più basilare applicazione basata su AI disponibile già pronta all’uso potrebbe offrire un vantaggio competitivo richiedendo investimenti tecnologici sicuramente inferiori ai costi di innovazione di processo.
Le grandi aziende hanno il vantaggio della scala, le piccole hanno il vantaggio della semplicità
La dimensione dell’azienda fortunatamente è un altro parametro rilevante; “fortunatamente” perché in qualche modo rende gli investimenti in quest’ambito assimilabili a dei costi variabili che non precludono alle realtà più piccole di farne uso; con ciò non si pensi che siano assenti le efficienze di scala accessibili ai player più grandi, ma semplicemente non si deve pensare che la dimensione ridotta sia di per sé un ostacolo all’ingresso in questo mondo.
L’impatto della dimensione dell’azienda si riflette sui costi di progetto passando per la varietà della base clienti, quella dei prodotti offerti, dei processi interni, etc. Praticamente qualsiasi sia l’aspetto che si vuole ottimizzare grazie all’AI, è ragionevole supporre che la sua varietà, granularità, diversificazione sia (a parità di settore) abbastanza correlato con la dimensione dell’azienda e questa molteplicità di aspetti da considerare, avrà inevitabilmente un impatto sulle opportunità che può offrire l’AI e di conseguenza sull’investimento che si sarà portati a intraprendere.
A volte, accontentarsi dell’80% di un risultato abbatte i costi ma non i vantaggi
Così come le maggiori opportunità presenti inducono una maggiore spesa, così anche la propensione all’innovazione dell’azienda, che altro non è se non una proxy della percentuale di queste opportunità che vorrà cogliere, ha naturalmente una certa influenza nella stima finale. Ci sono tre assi in particolare dove un maggior “appetito” di qualunque player può spingere verso l’alto tanto i risultati quanto i costi: l’affidabilità degli algoritmi (in molti casi un’affidabilità del 90% costa il doppio rispetto ad un’affidabilità del 80%), la pervasività della raccolta dati (per raddoppiare il contenuto informativo raccolta a volte serve decuplicare il volume dati raccolto) e i tempi di implementazione (come spesso capita nell’ambito dello sviluppo software, ridurre i tempi può essere estremamente oneroso).
In sintesi, se per iniziare a raccogliere i primi frutti può essere sufficiente limitarsi al reindirizzare progetti già programmati includendo le nuove strade offerte dall’AI, per sviluppare progetti dedicati in ambito AI si possono identificare soluzioni dal pricing più disparato a seconda del contesto e delle esigenze specifiche. Per questa ragione, molte aziende in fase iniziale hanno trovato utile definire un budget a prescindere ed esplorare i risultati ottenibili nella loro situazione specifica in fase di scouting; l’altro lato della medaglia a volte torna proprio utile.
*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
