Artificial Intelligence
Immagina per un attimo che questo articolo possa essere scritto automaticamente, semplicemente specificando l'argomento principale e le idee che devono essere riflesse nell'articolo. Poi si può chiedere a un'applicazione di intelligenza artificiale (AI) di creare l'articolo in pochi secondi. Forse non siamo così lontani da questa realtà.
Stiamo assistendo a un'esplosione di tecnologie AI che si stanno rapidamente evolvendo dalla ricerca alle tecnologie di massa. Una delle tecnologie che ha attirato maggiormente l'attenzione nell'ultimo anno è quella dell'IA generativa [5], [6]. Più precisamente, la tecnologia che è in grado di modificare immagini sintetiche, arte o lo stile delle immagini ed è disponibile in applicazioni come DALL-E [7], Nightcafe [8], Midjourney [9], [10]. Una semplice descrizione testuale della nostra immagine, compreso lo stile, può creare istantaneamente immagini sintetiche che ricordano da vicino oggetti reali o addirittura opere d'arte (text-to-image => [11], [12]). Non solo, può anche cambiare lo stile delle nostre immagini reali e ritoccare alcune parti dell'immagine. Questo è solo il caso delle tecnologie di IA generativa. Applicazioni di IA come la generazione automatica di testi, musica, arte, volti, animazioni, il restauro di vecchi film e l'invecchiamento o il ringiovanimento dei volti sono altri esempi di questa categoria. Altri tipi di tecnologie AI includono la comunicazione automatica attraverso chatbot sempre più sofisticati (AI conversazionale [13]), sistemi di traduzione automatica in una varietà di coppie di lingue, sia scritte che parlate (traduzione automatica [14]), sistemi di raccomandazione [15], sistemi di linguaggio naturale per l'estrazione di frasi o entità chiave (NLP AI [16]), riconoscimento automatico di oggetti, contenuti e persone in immagini o video (computer vision AI [17]) e molti altri. Si prevede che queste tecnologie AI assumeranno completamente i compiti legati alla creazione di contenuti e alla generazione di immagini, video e audio. Tali compiti possono riguardare l'automazione dei processi, la ricerca, il recupero e la sintesi delle informazioni memorizzate, il riconoscimento di persone e scritti, la comunicazione uomo-macchina, ma anche attività intellettuali più complesse nell'ambito della creazione di contenuti e relazioni e la generazione di informazioni di alto valore per le organizzazioni.
Ma questo è solo l'inizio. Rimarremo stupiti da ciò che queste tecnologie potranno fare per noi nei prossimi anni. La cosa più importante è che queste tecnologie passeranno dalla fase sperimentale all'uso quotidiano nelle nostre vite e aziende nel più breve tempo possibile. Queste tecnologie non sono qui per sostituirci, ma per aiutarci a svolgere compiti noiosi e ripetitivi. Compiti in cui l'uomo svolge attività cognitive che non richiedono alcuno sforzo da parte nostra, ma che sono presenti nella nostra vita quotidiana e nelle nostre aziende. Tutto ciò si traduce in una moltitudine di opportunità per la completa digitalizzazione delle aziende e può di conseguenza portare a grandi risparmi e all'ottimizzazione dei processi aziendali [18], [19]. Recenti studi dimostrano, ad esempio, che nei prossimi tre anni gli agenti di chiamata dotati di AI sostituiranno gli esseri umani nel 15% delle comunicazioni con i clienti, il che corrisponde a un risparmio stimato di 80 miliardi di dollari USA [20]. Molte delle tecnologie di intelligenza artificiale sopra menzionate vengono già utilizzate come servizi cognitivi nel cloud, tramite API REST o in altri modi. Stanno rapidamente diventando dei beni di consumo e possono essere utilizzate da persone e aziende comuni.
Ma come posso integrare queste tecnologie AI nella mia azienda? Come possono tutti questi servizi cognitivi e l'IA aiutarmi nella mia attività, con le nuove esigenze dei clienti e l'ottimizzazione dei processi? La risposta è che molte aziende dispongono già dei dati e dell'accesso alle tecnologie necessarie per utilizzare questi servizi cognitivi di IA a supporto della propria attività. Molte organizzazioni hanno iniziato a raccogliere dati e a utilizzare le tecnologie dei big data molto tempo fa. Molti di questi dati rimangono archiviati in data lake o in archivi digitali simili senza essere esplorati o utilizzati. Queste fonti hanno un grande potenziale se si utilizzano le tecnologie di big data analytics e AI cognitive services. Una singola fonte o una combinazione di più fonti è sufficiente per eseguire molti casi d'uso e ottimizzare i processi. Ad esempio, lo stesso video in streaming proveniente da telecamere in loco può servire a diversi scopi. Può essere riutilizzato per il rilevamento automatico delle intrusioni, per la sicurezza delle persone in ambienti pericolosi, per la segnalazione automatica delle attività industriali e dell'inventario, per il triage della produzione e per il rilevamento dei guasti. In questi casi, i servizi cognitivi della visione artificiale svolgerebbero la maggior parte dei compiti. Per fare un altro esempio, un'unica fonte di documenti, testi o comunicazioni scritte può essere utilizzata per la classificazione automatica dei documenti, la loro categorizzazione, il riassunto e l'estrazione di idee o parole chiave importanti. Può anche essere utilizzata come fonte di informazioni per ricerche intelligenti. In tutti questi casi, i servizi di IA cognitiva per il parlato saranno di grande aiuto nello sviluppo di soluzioni.
E quanto stanno facendo oggi le aziende in termini di tecnologie AI e servizi cognitivi? Le organizzazioni stanno utilizzando tutte queste tecnologie per migliorare davvero il loro business e le relazioni con i clienti? La realtà è che molte aziende non hanno una visione e una strategia coerente per quanto riguarda l'utilizzo di big data analytics, AI e servizi cognitivi. Molte aziende hanno semplicemente fallito o stanno lottando per sostenere l'uso di queste tecnologie nelle loro attività [21], [22], [23]. I motivi per cui molte aziende non riescono a utilizzare le tecnologie di IA e Big Data sono molteplici. Una delle spiegazioni è che molte aziende si concentrano sulla risoluzione di singoli casi o al massimo di diversi casi simili. Le aziende sviluppano pipeline di dati e modelli di IA da zero e nella maggior parte dei casi utilizzando tecnologie open source. Pertanto, lo sforzo per adattare il loro framework a nuove tecnologie di IA o a nuovi dati, aggiornare i modelli di IA e mantenere l'infrastruttura è talmente grande da non essere sostenibile nel lungo periodo. Altre ragioni hanno a che fare con il fatto che in molti casi né i dati né la loro pre-elaborazione erano adatti al caso aziendale. Studi recenti dimostrano inoltre che più della metà delle aziende (58%) si concentra sulla risoluzione dei cosiddetti casi "da fare" e solo il 46% delle aziende porta avanti i "must", che portano grandi benefici con poca complessità [24].
C'è anche il problema che si cerca di costruire casi d'uso su dati di origine analogica invece di riprogettare i sistemi per utilizzare dati puramente digitali. Ad esempio, testi scritti a mano, documenti scannerizzati o moduli scritti a mano. È inoltre importante tenere presente che tutte queste tecnologie di IA si stanno sviluppando molto rapidamente, il che richiede esperti altamente specializzati, conoscenze tecniche aggiornate e il continuo aggiornamento dei framework di IA. Questo comporta per le aziende costi molto elevati rispetto ai benefici. Di conseguenza, alcune aziende hanno abbandonato i progetti di IA i cui benefici non giustificavano gli ingenti investimenti. In breve, molte aziende hanno assunto un gran numero di ingegneri, speso ingenti somme di denaro in risorse e sviluppato i propri sistemi da zero senza una solida strategia sui big data o proiezioni sul ROI.
L'intelligenza artificiale e i suoi servizi cognitivi sono solo strumenti della cassetta degli attrezzi aziendale. Strumenti che estraggono intuizioni, trovano modelli complessi o ottimizzano i processi. Non possiamo pretendere di risolvere tutti i casi con queste tecnologie senza conoscere i dati e l'azienda. Non cercare di risolvere problemi isolati che fanno parte di un'entità digitale molto più grande, né utilizzare informazioni analogiche in un mondo digitale. Il potenziale di queste tecnologie è tutt'altro che esaurito. Le aziende stanno ancora resistendo all'uso massiccio e sistematico delle tecnologie AI, che possono svolgere un ruolo di primo piano nell'ottimizzazione dei processi, nell'acquisizione di informazioni e nella ricerca continua di modelli (AI augmented analytics [25]). La nuova rivoluzione digitale deriverà da queste tecnologie AI se verranno utilizzate su larga scala nella nostra vita quotidiana.
Ma come è possibile accelerare l'innovazione e la trasformazione digitale nelle aziende senza incorrere nei problemi sopra citati? La risposta sta nell'utilizzo di servizi di AI cognitiva nel cloud [26], che sono in costante sviluppo, sono pronti all'uso come strumenti, richiedono uno sforzo minimo per essere configurati e possono essere facilmente riutilizzati in casi simili. I servizi di AI cognitiva nel cloud permettono di mettere la tecnologia AI più avanzata al servizio della digitalizzazione e dell'ottimizzazione delle aziende. Consentono l'industrializzazione di questo tipo di AI per l'intera azienda e permettono una profonda trasformazione digitale a tutti i livelli. Eliminano le resistenze e i processi inadeguati. Automatizzano e semplificano i flussi di lavoro e l'elaborazione dei dati. Ma soprattutto svolgono compiti cognitivi umani ripetitivi e noiosi. L'uso diffuso di queste tecnologie in tutti i settori renderà le aziende più efficienti e quindi ridurrà le spese. Se c'è un processo che può essere ottimizzato o automatizzato, le aziende non avranno altra scelta che utilizzare queste tecnologie se vogliono realizzare una trasformazione digitale completa ed essere un'azienda data-driven.
(Azure: https://azure.microsoft.com/en-us/products/cognitive-services/(apre una nuova finestra))
Nel caso degli Azure Cognitive Services [27], possiamo attualmente distinguere cinque categorie principali di servizi. Quelli relativi al parlato, al linguaggio, alla visione e al prendere decisioni intelligenti, oltre a un'ulteriore categoria attualmente in anteprima che consentirà alle organizzazioni di utilizzare l'ultima generazione di modelli di IA su larga scala. Questi servizi utilizzano modelli di IA pre-addestrati con big data, che a loro volta possono essere personalizzati per il nostro uso specifico aggiungendo i nostri dati con il minimo sforzo. Inoltre, i servizi di AI cognitiva possono essere combinati tra loro o con altri servizi cloud per sviluppare soluzioni completamente personalizzate in base alle nostre esigenze. E soprattutto, consentono di riutilizzare i sistemi in altri processi simili e di addestrare la stessa fonte di dati per altri casi d'uso.
I servizi di intelligenza artificiale cognitiva attualmente disponibili in Azure per categoria sono:
Come già detto, questi servizi sono in costante sviluppo ed espansione. (Ulteriori informazioni aggiornate sono disponibili nella documentazione ufficiale: [28])
Uno dei nostri recenti casi di utilizzo di servizi di AI cognitiva, che ha riscosso un notevole successo, riguarda la segnalazione automatica dell'utilizzo di macchinari da costruzione nel settore ferroviario. Il cliente conservava i filmati di tutte le telecamere di sorveglianza di oltre 200 località diverse. I filmati venivano utilizzati solo per il monitoraggio e la sicurezza dell'infrastruttura.
Grazie alle tecnologie di archiviazione e ai servizi di AI cognitiva per la visione artificiale nel cloud Azure, siamo riusciti a implementare un sistema automatizzato che non solo riconosce il tipo di macchina e le ore di funzionamento, ma è anche in grado di riportare il modello della macchina con una precisione superiore al 95%.
Il sistema evita di dover segnalare manualmente l'uso dei macchinari edili, rendendolo più efficiente e preciso rispetto all'uomo.
La stessa fonte di dati è stata poi riutilizzata per segnalare la presenza umana in aree pericolose con un minimo sforzo di sviluppo aggiuntivo.
In altri casi, abbiamo utilizzato queste tecnologie di AI cognitiva per classificare automaticamente i documenti legali. Per un'altra azienda, siamo riusciti a realizzare un PoC (proof of concept) che ha dimostrato la possibilità di identificare e recuperare i campi compilati a mano nei moduli CC. Anche se i modelli sono risultati molto accurati, è stato raccomandato di evitare, ove possibile, l'uso di informazioni analogiche nelle soluzioni proposte.
Swisscom Data & Analytics supporta le aziende clienti nella consulenza, nella progettazione, nell'integrazione e nella manutenzione di sistemi informativi analitici come data lake, data warehouse, dashboard, reporting e soluzioni ML/AI basate su tecnologie selezionate di Microsoft, AWS, SAP, Open Source e altre ancora. Più di 50 esperti dedicati ai dati e all'analisi supportano quotidianamente i nostri clienti in diversi settori per trasformarli in vere e proprie organizzazioni data-driven.
Sergio Jimenez è un Senior Data & Analytics Consultant di Swisscom, specializzato in Advanced Analytics. Da quando è entrato in Swisscom nel 2016, Sergio ha lavorato a numerosi progetti per diversi clienti che spaziano dalla Business Intelligence all'AI/ML. Ha sviluppato con successo soluzioni innovative utilizzando le tecnologie più recenti.
[1] Big Data Analytics. IBM. Accessed Sep 2022. https://www.ibm.com/analytics/big-data-analytics(apre una nuova finestra)
[2] Artificial Intelligence. IBM. Accessed Sep 2022. https://www.ibm.com/design/ai/basics/ai/(apre una nuova finestra)
[3] Machine learning. IBM. Accessed Sep 2022. https://www.ibm.com/design/ai/basics/ml(apre una nuova finestra)
[4] What is data lake. Microsoft. Accessed Sep 2022. https://azure.microsoft.com/en-us/resources/cloud-computing-dictionary/what-is-a-data-lake/(apre una nuova finestra)
[5] https://hbr.org/2022/11/how-generative-ai-is-changing-creative-work(apre una nuova finestra)
[6] https://research.ibm.com/interactive/generative-models/(apre una nuova finestra)
[7] https://openai.com/dall-e-2/(apre una nuova finestra)
[8] https://creator.nightcafe.studio/(apre una nuova finestra)
[9] https://www.midjourney.com/(apre una nuova finestra)
[10] https://beincrypto.com/learn/ai-image-generators/#h-1-midjourney(apre una nuova finestra)
[11] https://deepai.org/machine-learning-model/text2img(apre una nuova finestra)
[13] https://www.ibm.com/cloud/learn/conversational-ai(apre una nuova finestra)
[14] https://aws.amazon.com/what-is/machine-translation/(apre una nuova finestra)
[15] https://www.sciencedirect.com/science/article/pii/S1110866515000341(apre una nuova finestra)
[16] https://www.ibm.com/cloud/learn/natural-language-processing(apre una nuova finestra)
[17] https://www.ibm.com/topics/computer-vision(apre una nuova finestra)
[19] https://techvera.com/6-ways-artificial-intelligence-can-cut-business-costs/(apre una nuova finestra)
[20] https://techmonitor.ai/technology/ai-and-automation/call-centre-ai(apre una nuova finestra)
[25] https://powerbi.microsoft.com/en-us/augmented-analytics/(apre una nuova finestra)
[26] https://digital6.tech/artificial-intelligence-ai-cognitive-services(apre una nuova finestra)
[27] https://azure.microsoft.com/en-us/products/cognitive-services/(apre una nuova finestra)
Senior Data & Analytics Consultant
Trova il lavoro o il mondo della carriera che fa per te. In cui vuoi contribuire a plasmare e sviluppare te stesso.
Ciò che ne fai è ciò che ci definisce.
