L’Intelligenza Artificiale è già oggi presente tutt’intorno a noi, nella società e nella vita delle imprese. Magari non la vediamo, non ci accorgiamo di usarne alcune funzionalità inserite nelle applicazioni e nei servizi che quotidianamente usiamo, ma c’è. Con tutti i suoi rischi e le sue grandi questioni sociali ed etiche di fondo: il processo di sostituzione delle competenze, con la necessità di ridefinire e riqualificare intere fasce di lavoratori; l’uso fraudolento di applicazioni di AI sempre più facili da usare (più avanti accenneremo anche allo “tsunami” ChatGPT); un rapporto malsano con i consumatori a seguito di sistemi che esasperano la relazione ai fini del business; “pregiudizi culturali” (Bias cognitivo) che accentuano le disuguaglianze, il sessismo, il razzismo; il tentativo di condizionare l’utente finale per favorire il privilegio di pochi e l’interesse di gruppi, partiti politici e classi sociali.
Tuttavia la diffusione dell’AI appare ormai inevitabile per riuscire a gestire una crescente complessità sociale e tecnologica e sono ormai evidenti il valore e i benefici generati da questi sistemi. Per questa ineluttabile diffusione e per cercare di contrastare uno sviluppo selvaggio, è in atto ormai da tempo un grande sforzo a livello mondiale (molto marcato nelle istituzioni europee) per regolamentare con norme e best practice un uso sostenibile dell’Intelligenza Artificiale ormai trasversale in numerosi settori della nostra vita e della nostra attività lavorativa.
Sistemi intelligenti un po’ ovunque
Non è questa la sede per un’analisi tecnologica. Ci basti sapere che un sistema di Intelligenza Artificiale si basa su algoritmi sviluppati seguendo una rappresentazione simbolica della realtà, considerando aspetti complessi da codificare e tipici di una relazione “intelligente” a livello umano, quale l’incertezza, l’incompletezza, l’approssimazione, l’informazione arricchita dall’esperienza, l’emozione, e così via. Per questo motivo tali sistemi attingono a criteri di analisi mutuati dal calcolo delle probabilità, dalla statistica, dall’economia e dalle discipline che studiano i processi cognitivi umani, tra questi la psicologia, la filosofia della mente e del linguaggio, le neuroscienze, l’antropologia e si basano su fondamenti legati alla rappresentazione e all’ingegneria della conoscenza.
Caratteristica fondamentale, ed è la cosa che più preoccupa, è l’apprendimento automatico, cioè la capacità del sistema, una volta istruito, di migliorare di continuo le proprie prestazioni di comprensione e analisi attraverso una propria “esperienza” e di suggerire/attuare le azioni conseguenti. E infine operare attraverso un evoluto linguaggio naturale.
Queste complessità richiedono sistemi ad alte capacità elaborative che solo da poco tempo sono accessibili, ad esempio nelle imprese, attraverso architetture cloud. In più si è avuta negli ultimi due anni, da quando cioè è stata lanciata ChatGPT, una forte accelerazione nella diffusione capillare di queste tecnologie grazie all’AI generativa. Attraverso appositi acceleratori, l’AI gen è oggi in grado di elaborare grandi quantità di testi presi dal Web proponendo contenuti audio, video, immagini e testo ottimizzati in linguaggio naturale e facilmente fruibili. Tuttavia, parliamo sempre di fasi iniziali dove spesso gli algoritmi non riescono a discernere, soffrendo di quelle che in gergo vengono chiamate “allucinazioni”, cioè risposte fuori contesto o fuorvianti che rappresentano un elemento di forte criticità nell’uso professionale di questi sistemi.
Anche per questi motivi di scarsa affidabilità, i sistemi di AI vengono oggi applicati soprattutto in forma complementare all’attività umana, mentre un’autonoma creazione di esperienza che sfocia in azioni del tutto automatizzate può trasformarsi, soprattutto in settori molto critici della società e del business, in situazioni di grande rischio. Di fatto, i sistemi di AI più strutturati sono già oggi usati in numerosi ambiti dell’attività umana. Guardiamone alcuni partendo però da un punto fermo: non stiamo più parlando solo di funzioni di analytics evolute, ma di macchine intelligenti e sempre più autonome che apprendono dai dati per generare nuove opzioni di proposta e di ottimizzazione di servizio, un cambio radicale di prospettiva in cui l’essere umano dovrà però sempre poter giocare una parte decisionale di primo piano.
Nell’Automotive, ad esempio, l’AI sta diventando componente strutturale nell’ottimizzazione della guida “assistita” e della sicurezza. Attraverso sensori e telecamere i cui dati vengono analizzati e controllati sia a bordo del mezzo sia da remoto, il sistema tiene costantemente monitorati i parametri di guida del conducente (stanchezza, velocità, livelli di distrazione, e così via), con proposte e suggerimenti mirati. Dall’analisi dei dati del contesto circostante il sistema apprende di continuo una serie di impostazioni ottimali che vengono suggerite. Serve per evitare collisioni, velocità eccessive, ostacoli imprevisti e/o potenziali, per individuare strade alternative grazie a navigatori controllati da un unico sistema che rileva i dati da una serie di fonti (presenti sulla strada, da mappe geografiche, da siti meteorologici, e via dicendo). La proposta di percorsi alternativi serve non solo a evitare il traffico ma anche a soddisfare specifiche richieste dell’utente quali panorami, servizi, negozi, musei, proposti spesso automaticamente sulla base del profilo e delle abitudini.
Nel Finance l’AI ha raggiunto da tempo livelli di eccellenza. Nel trading on line, ad esempio, per quanto riguarda la simulazione di variabili applicate alla scelta di investimento. Oppure nella customer experience (Cx), dove sistemi con tecnologie di Machine Learning consentono a banche e organizzazioni finanziarie di ritagliare con sempre maggiore precisione sul singolo profilo di utente una proposta di servizi e di investimenti. Dall’apprendimento continuo sui dati storici dei vari profili, si può giungere a proposte molto personalizzate su prestiti, efficienza nella gestione delle carte di credito, variabilità nell’erogazione dei tassi di interesse fino alla rilevazione automatica di potenziali frodi.
Nell’e-commerce e nell’online marketing, dalla cronologia di navigazione di migliaia di utenti si giunge a clusterizzare per differenti profili in base alle diverse abitudini di navigazione, di attività, di downloading di app, e altro ancora per prevedere comportamenti di acquisto o di attività varie dei potenziali clienti. I più diffusi ambienti applicativi Erp che gestiscono aree come il Finance, la Logistica, le Risorse Umane, il Crm (la relazione con il cliente) hanno integrato al proprio interno funzioni di AI attraverso chatbot intelligenti che rispondono in linguaggio naturale e preparano in modo rapido audio, video, testi da proporre in relazione al tipo di richiesta e al contesto. E tanti altri ambiti: dall’analisi facciale, nella computer vision, per il riconoscimento biometrico applicato alla gestione dei flussi e alla prevenzione attraverso la videosorveglianza, alla robotica industriale; dalla domotica, con la gestione dei diversi smart device presenti nell’abitazione e con servizi personalizzati su elettrodomestici (suggerimenti di spesa da parte del frigorifero “smart” sulla base dei consumi, ricette, diete…) per l’ottimizzazione dei consumi; all’analisi dati di sensori IoT provenienti dalle nostre smart city.