Approfondimento tratto dal mio intervento: Applied AI Day del 11/11/2020

Ma cosa è veramente l’AI a parte la classica definizione da televisione ? È capacità di predizione, o meglio, capacità di completare le informazioni mancanti sulla base di una serie di evidenze impossibili da elaborare per il nostro cervello.

Una definizione come questa, molto spesso, viene ignorata persino dagli “addetti ai lavori” nel campo AI che si concentrano molto più sull’aspetto tecnico / tecnologico trascurando una visione più economica e commerciale.

Hai presente il filtro di Gmail?

Quando una email arriva nella vostra casella di posta, il filtro si occupa di riconoscere se sia uno spam, un messaggio promozionale o qualcosa di dannoso.

In realtà, quello che abbiamo difronte è solo un grande classificatore di messaggi che, con il tempo, ha imparato a distinguere queste tipologie di email.

Logo Gmail
Logo Gmail

Per quanto possa sembrare banale, la sua capacità di predizione condiziona direttamente l’intera organizzazione aziendale di Google:

Come visto prima, la predizione e in particolare i threshold che decidiamo di utilizzare per i nostri problemi di classificazione, impattano in maniera davvero importante l’intera strategia aziendale: dal business model alla cyber security, dai problemi di compliance alla gestione degli incumbents.

Gafam
GAFAM (Google, Apple, Facebook, Amazon, Microsoft)

Come la predizione cambia i modelli di business

Penso che ognuno di noi si sia accorto di uno strumento molto interessante su Amazon: la raccomandazione dei prodotti (product recommendation).

Al momento, l’intelligenza artificiale di Amazon fa un buon lavoro, specie se consideriamo i milioni di articoli presenti sul marketplace.

Tuttavia, siamo ben lontani dalla perfezione. Nel nostro caso, l’AI prevede con precisione ciò che vogliamo acquistare circa il 5% delle volte. Questo vuol dire che su 20 articoli che ci vengono consigliati, ne acquistiamo 1.

Ora ricorda ciò che ti ho detto, e proviamo a fare un esperimento mentale (originalmente tratto da: Prediction Machines: The Simple Economics of Artificial Intelligence):

Immagina che gli algoritmi di Amazon raccolgano sempre più informazioni su di noi. Immagina che, oltre alle ricerche e agli acquisti che facciamo sul loro sito, raccolgano anche altri dati che si trovano online e offline. Pensa ai dati sui social media, ad esempio.

L’algoritmo non sa solo cosa compriamo, ma sa anche a che ora andiamo al negozio, in quale luogo facciamo acquisti, come paghiamo e altro ancora

Tutti questi dati vengono utilizzati dall’intelligenza artificiale per migliorare le sue previsioni. Più dati si hanno, più le predizioni sono corrette.

Adesso, immagina una manopola del volume che, se girata, aumenta o diminuisce la precisione dell’IA.

Manopola Volume

Ruota la manopola fino al punto in cui l’accuratezza della previsione raggiunge quasi la perfezione. In questo punto, l’algoritmo è in grado di consigliarci i prodotti giusti al momento giusto.

La predizione diventa così tanto precisa al punto in cui Amazon decide di spedirti le merci prima ancora che tu le acquisti.

D’altronde, perché mai dovrebbe perdere tempo ad aspettare che tu le ordini?

In questo caso, Amazon ti spedirebbe ogni settimana gli articoli che prevede che vorrai. Quello che tu dovrai fare, nel comfort della tua casa, sarà controllare i prodotti e scegliere quali tenere o quali riconsegnare.

In altre parole, superata una certa soglia di accuratezza, il modello di business di Amazon cambia completamente.

Amazon Logo

Questo approccio offre due vantaggi ad Amazon

  1. La comodità della spedizione predittiva rende molto meno probabile l’acquisto degli articoli da un rivenditore concorrente. Ovvio, i prodotti vengono comodamente consegnati a casa tua prima ancora che tu possa comprarli altrove…
  2. La spedizione predittiva ti spinge ad acquistare articoli che stavi pensando di acquistare ma che potresti non essere riuscito a raggiungere

In entrambi i casi, Amazon ottiene una profitto più elevato. Aumentare abbastanza la capacità di previsione cambia il modello di business di Amazon da shopping-then-shipping a shipping-then-shopping (da “acquista, poi spedisci” diventa “spedisci, poi acquista”)

E per restituire gli articoli che non vogliamo? Amazon potrebbe investire in infrastrutture per la restituzione dei prodotti; magari una flotta di camion che effettuano ritiri una volta a settimana, e che raccolgono comodamente gli articoli che i clienti non desiderano.

Se questo è un modello di business migliore, perché Amazon non lo ha già fatto? Beh, probabilmente ci stanno già lavorando; ma ad oggi, l’accuratezza delle previsioni non è così tanto evoluta.

Se una cosa del genere fosse implementata adesso, il 95% degli articoli che vengono spediti “in anticipo” verrebbero restituiti. I costi di questo errore sarebbero troppo elevati, e noi troveremmo irritante vederci arrivare a casa decine di prodotti che non vogliamo davvero.

Pacchi Amazon

Il trend è chiaro: chi non si adegua al cambiamento è desinato perdere competitività a una velocità incredibile.

Lo use case di Amazon, o meglio, l’esperimento mentale che ti ho descritto poco fa, è ancora ai confini della nostra immaginazione, ma non per questo impossibile.

Il messaggio che voglio trasmetterti con questo articolo è il seguente: l’aumento della capacità di previsione è capace di cambiare i modelli di business in modo inaspettato e dirompente.

Ma quanto sta aumentando nel tempo la capacità dell’intelligenza artificiale di capire, predire e classificare?

Questa è una domanda fondamentale per le nostre aziende.

Quanto è veloce l’evoluzione dell’AI ?

Per quanto sia difficile rispondere, l’intelligenza artificiale è una tecnologia alimentata da 3 fattori che da anni sono in costante crescita:

  1. Dati
  2. Potenza computazionale
  3. Algoritmi

Dati

I dati sono per gli algoritmi come l’acqua è per gli esseri viventi.


La cosa interessante è che ad oggi analizziamo solamente lo 0,5% dei dati disponibili (per lo più strutturati). Il restante 99,5% viene “ignorato” a causa di una tecnologia che non è ancora abbastanza potente.

Prova solo a immaginare quanto valore potrebbe essere nascosto in tutti quei dati.

Senza contare che la digitalizzazione è un hard trend in costante crescita che non può che aumentare di velocità grazie alla diffusione capillare di strumenti intelligenti e IoT.

Potenza computazionale

La potenza computazionale è quell’elemento che ha portato gli algoritmi oggi conosciuti a “funzionare” con un sufficiente livello di predizione.

Sappiate che il 90% degli algoritmi che usiamo oggi sono esattamente gli stessi che usavamo 20 anni fa.

La differenza è che ora abbiamo molti più dati e molta più potenza computazionale.

La capacità di calcolo identifica quante operazioni un computer è in grado di eseguire in un determinato lasso di tempo. Nel campo dell’intelligenza artificiale, maggiore potenza di calcolo vuol dire maggiore capacità di trovare quante più correlazioni possibili tra le informazioni di un dataset.

La potenza computazionale, come la digitalizzazione, è un hard trend; ovvero tendenze che, quasi certamente, sono destinati a crescere sempre di più.

In particolare, ci sono due leggi che guidano la crescita della potenza computazionale anno dopo anno: la Legge di Moore (dal fondatore di Intel) e la Legge di Huang (dal fondatore di Nvidia).

  1. Nel 1965 Moore ipotizzò che il numero di transistori nei microprocessori sarebbe raddoppiato ogni 12 mesi circa.
  2. La legge di Huang, invece, afferma che le prestazioni delle GPU raddoppieranno ogni due anni circa.
La Legge di Moore
Jen-Hsun Huang (fondatore di Nvidia)

Algoritmi

Infine, abbiamo forse l’elemento più statico dell’intero panorama intelligenza artificiale: gli algoritmi.

Come accennato prima, in questi anni non ci sono stati veri e propri breakthrough nel mondo degli algoritmi. Al massimo, abbiamo avuto ottimizzazioni che hanno sempre di più ridotto il bisogno di avere grandi dataset e potenza di calcolo.

Non si sa bene quando e da che parte arriverà una nuova rivoluzione scientifica, tuttavia posso farti ragionare su due fatti:

L’AI è una battaglia che si vince con cultura e strategia

Abbiamo visto quanto la capacità predizione possa impattare l’organizzazione di un’azienda. Poi, abbiamo visto come l’aumento di accuratezza abbia la capacità di cambiare la strategia aziendale, e quindi individuare un modello di business più profittevole.

Infine, spero di averti convinto di quanto l’intelligenza artificiale si stia evolvendo velocemente e di quanto il suo impatto si sentirà con grande forza.

Ora, invece, cerchiamo di capire come affrontare questa tecnologia con strategia e visione, e come cavalcare l’onda del cambiamento.

Di solito, ai miei clienti consiglio di approcciare un progetto d’intelligenza artificiale in tre distinte fasi:

  1. Cultura aziendale
  2. Definizione business case
  3. Selezione vendor, talenti o team di sviluppo

Potrebbe sembrare più facile e meno doloroso passare direttamente al secondo step con una soluzione plug-and-play, ma così facendo non staremmo davvero risolvendo il problema. Il passaggio culturale è necessario per creare un’ambiente aziendale reattivo e aperto alla cooperazione tra tecnologia e persone, tra dati e decision making, e tra business leader e personale tecnico.

È necessaria una leadership che comprenda a fondo le potenzialità di questa tecnologia.

Per un leader non serve per forza avere conoscenze tecniche: bastano le conoscenze strategiche che, non a caso, sono le più rare da trovare nel mercato italiano e straniero.

Comprendere queste potenzialità ti permette di ridisegnare processi e modelli di business facendo emergere opportunità mai nemmeno immaginate prima.

È necessaria una leadership che valorizzi i dati come asset strategico; che sappia coordinare team di data scientists massimizzando il ROI e la performance dei propri talenti.

Come abbiamo visto prima, andiamo in contro ad una tecnologia che si muove a velocità incredibili seguendo chiari hard trend.

L’unico modo per sopravvivere a cambiamenti così repentini è cambiare nel profondo cultura e organizzazione aziendale.

In un prossimo approfondimento cercherò di scavare a fondo su come trasformare la cultura aziendale, e su come portare la tecnologia in azienda in modo strategico con un forte focus sul ROI.

In sintesi, ci tengo a precisare le figure aziendali indispensabili per far si che questo cambiamento avvenga e si integri al meglio con le risorse aziendali:

Insomma, un mix tra tecnici, esperti del settore e manager che deve imparare a lavorare in squadra per favorire adozione e implementazione di questa incredibile tecnologia che ha cambiato e sta cambiando il modo di lavorare, di vivere e di pensare di tutti noi.