Salvataggio del know how aziendale, dimensione etica e costi di mantenimento saranno le sfide che l’AI applicata ai processi aziendali si troverà a affrontare nel prossimo quinquennio. Questo, almeno, stando alle parole dei protagonisti dell’ultimo appuntamento del ciclo «Competere nel cambiamento», organizzato nell’ambito di GdB&Futura all’Areadocks.
Sotto il titolo «L’economia dell’intelligenza artificiale: come cambiano processi, ruoli e competitività», il giornalista Stefano Martinelli ha riunito alcuni esperti, che con un approccio pragmatico hanno scandagliato lo stato dell’arte della tecnologia e le sue possibili applicazioni a contesti produttivi e economici.
Distinzioni
Ad aprire i lavori, facendo una doverosa distinzione tra AI e machine learning, è il ricercatore della Cattolica Enrico Barbierato, che si sofferma sui possibili utilizzi della cosiddetta AI generativa («posso fare delle classificazioni automatiche delle email, realizzare dei report, una sintesi o una traduzione dei documenti, una analisi del rischio»), evidenziando come la vera rivoluzione stia nel fatto che questa tecnologia può «collaborare con le persone nelle attività cognitive quotidiane per rendergli la vita più facile».
Una vision che risuona chiara anche nelle parole di Marco Sartori, ceo di Kyp e Complegal, che illustra come per loro l’AI sia stata «preziosissima per supportare i clienti nella scelta di partner dell’attività d’impresa eticamente rispettabili» ma indugia altresì sull’importanza di riflettere sul tema della compliance della stessa: «Ci sarà un momento in cui qualcuno dovrà dire se l’indirizzo dell’AI è etico o meno, e se il punto di arrivo è in linea con esso».
L’intelligenza artificiale ha fatto molta strada anche nel mondo degli articoli per ufficio, come illustra Davide Danesi, ceo di Giustacchini Tech to Rent, che tuttavia si domanda: «Il tema fondamentale è che l’AI viene spesso scambiata per una divinità onnisciente, dimenticando che lo snodo strategico è l’integrazione con i processi aziendali: paradossalmente qui c’è una sfida per la creazione di nuovi lavori perché l’implementazione dell’AI in azienda implica studiare i processi, identificarli e addestrarli, avendo come scopo l’eliminazione delle attività meno significative per liberare energie da dedicare ad altro».
Per Ernesto Medeghini, founder di Progetto 6, lo scenario attuale «vede l’AI con ancora molti vincoli» ma entro 5 anni «ci sarà un’evoluzione importante» e nei 10 «sarà molto vicina all’atteggiamento umano, anche se la differenza la farà sempre come l’uomo ci si approccia. Come Progetto6 dobbiamo essere utili alle aziende e quindi all’AI facciamo fare quello che gli uomini non riescono».
Progetti e agenti
Ancora, Viola Nicolardi, Head of Digital & Optimization Tt di Csmt Innovation Hub, si sofferma sull’applicazione nei processi aziendali, illustrando alcuni casi pratici. «Si parte sempre da un progetto pilota, ossia si parte da un bisogno e da un’area specifica, perché pensare di applicare l’AI a tutta l’azienda tout court è fantascienza». Poi introduce il tema della centralità dei dati. «Ci vogliono molti dati per creare un algoritmo e dare indicazioni, ma spesso le aziende ne hanno pochi e sporchi. Questo è il primo lavoro da fare».
Sulla stessa lunghezza d’onda Diego Lavezzi di Personal Data, che si sofferma sull’importanza di preservare la conoscenza operativa e trasformarla in valore. «Innanzitutto c’è una bella differenza tra ChaptGpt e un agente – dice – . Oggi uno dei più grandi problemi delle Pmi manifatturiere è la dipendenza dal Signor Rossi, quell’operatore che lavora da anni in azienda e che sa come sistemare il macchinario perché ha l’esperienza. Il giorno in cui va in pensione o cambia azienda, quel patrimonio di conoscenza svanisce poiché i manuali tecnici non contengono l’esperienza accumulata. L’obiettivo è quindi trasformare la knowledge del Signor Rossi in una conoscenza aziendale formalizzata».
Ambiente
Infine, la domanda delle domande la pone ancora Barbierato: quanto ci costa l’AI?: «Con server che girano 24 ore su 24, servono data center che hanno bisogno di una grandissima dose di energia e che non ci possiamo permettere. Allora è meglio avere una AI molto curata ma che causerà dei blackout o una green AI che sarà meno performante ma più sostenibile?».
