Romeo Scaccabarozzi, Mirko Gubian e Antonio D’Agata
Come stanno affrontando le aziende italiane il cambiamento portato dall'intelligenza artificiale? Qual è il ruolo dei big data in questa fase di diffusione dell'AI? Quali sono gli strumenti a cui le organizzazioni possono affidarsi per affrontare questa sfida? A queste domande ha provato a rispondere nei gioni scorsi Axiante nel corso di un evento svoltosi online.
Da uno studio di Netconsulting sull'adozione dell'AI delle aziende nel nostro Paese, ha raccontato l'Amministratore Delegato Romeo Scaccabarozzi, si evince che "sono poche le realtà che la mettono come priorità e in poche la hanno già adottata". Nelle grandi aziende, in particolare, l'uso dell'AI è ancora marginale.
"Quello che vediamo oggi con l'intelligenza artificiale è quello che è accaduto con altre innovazioni, ad esempio il metaverso. Le grandi aziende hanno bisogno di concretezza", ha spiegato Scaccabarozzi. "Le organizzazioni in questo momento stanno valutando se l'AI è interessante per il proprio business e guardano ai possibili ritorni, che per ora sono difficilmente misurabili".
Le aziende esaminano l'applicazione dell'Ai attraverso dei Proof of Concept (POC), attività che servono per dimostrare la fattibilità di un'idea, un progetto o un prodotto prima di intraprendere investimenti significativi.
Secondo uno studio di McKinsey, all'interno delle aziende gli ambiti in cui l'intelligenza artificiale sta riscuotendo maggior interesse sono sales and marketing, sviluppo prodotti e servizi e IT e Operation.
A giocare un ruolo determinante nello sviluppo dell'AI per le aziende sono i dati. Se, però, da un lato l’integrazione tra big data e intelligenza artificiale offre grandi opportunità alle aziende, comporta dall'altro sfide significative legate a sicurezza, privacy, conformità normativa e infrastrutture tecnologiche. Per realizzare progetti di AI efficaci è essenziale, secondo Axiante, disporre di dati in quantità sufficiente, di alta qualità e affidabili, poiché queste caratteristiche non sono garantite automaticamente dalla tecnologia. Uno studio di Gartner ha messo in luce come l’85% dei progetti AI nel 2022 non ha avuto successo proprio per problemi legati alla qualità o alla disponibilità dei dati.
In questa situazione che vede le aziende italiane per il momento in una posizione conservativa, come garantire che i dati per addestrare i modelli di intelligenza artificiale siano accurati, completi e aggiornati? Per rispondere a queste esigenze vengono in aiuto i synthetic data: "Una tematica importante, necessaria per scalare dal POC alle applicazioni vere e proprie", ha spiegato Mirko Gubian, Global Demand Senior Manager & Partner di Axiante.
Si tratta di "dati fittizi in quanto generati artificialmente, in modo algoritmico per esempio dall’AI generativa, con l’obiettivo però di risultare il più possibile realistici ed essere dunque utilizzati come sostituti di dataset reali e, non da ultimo, personalizzati secondo specifiche esigenze. I dati sintetici possono essere un'efficace integrazione o alternativa ai dati reali insufficienti o troppo costosi, per realizzare modelli di intelligenza artificiale accurati, soprattutto se combinati con quelli disponibili".
Alcuni dei vantaggi principali dei Syntetic Data si vedono in ambito sales & marketing: aiutano, ad esempio, a simulare i comportamenti di acquisto di un cliente, a ottimizzare una campagna marketing o nella previsione dell'abbandono.
Racconta Antonio D’Agata, Strategic Accounts Director & Partner di Axiante: "Le CDP e la customer intelligece sono due tecnologie fondamentali nelle aziende dove il cliente è al centro, per unificare i dati degli utenti provenienti dai diversi touchpoint e analizzarli. Alla loro base c'è l'intelligenza artificiale. Queste due tecnologie ora stanno subendo una spinta strettamente legata alla necessità delle aziende di offrire ai clienti offerte personalizzate".
"Queste tecniche, che ora vivono un trend in crescita, richiedono forti competenze, senza le quali si può avere un potenziale effetto negativo, dovuto alla cattiva gestione dei problemi del dataset di partenza o allo scambio di dati senza valore statistico per informazione", continua Mirko Gubian. "Per noi, i dati sintetici sono un acceleratore quando vogliamo partire con un POC ma ci troviamo di fronte una raccolta dati, che può consistere in un progetto molto lungo".
Axiante affianca le aziende nel percorso di adozione dell’AI, aiutandole a strutturare, integrare e valorizzare i propri dati e supportandole nello sviluppo e nella messa a terra di progetti di intelligenza artificiale, affinché diventino un vantaggio per il business.
"Il nostro impegno prossimo - commenta Scaccabarozzi - è quello di lavorare sui dati per far decollare l'intelligenza artificiale nel nostro paese. L'Italia ha problema di produttività e l'AI è una grande opportunità per l'Italia e per l'aumento della produttività".