Negli ultimi mesi ho passato molto tempo a studiare le applicazioni commerciali dell’intelligenza artificiale. Il mio obiettivo era capire quale fosse la migliore strategia per impiegare queste tecnologie nell’ottimizzazione dei processi aziendali o nel design di nuovi prodotti. Non è un compito facile per due motivi. Il primo è che la suggestiva espressione “intelligenza artificiale” racchiude sotto di sé un numero molto ampio di tecnologie che evolvono assai rapidamente e hanno quindi un grado di maturazione e affidabilità variabile. Il secondo motivo è che, man mano che le tecnologie evolvono, gli stessi problemi (comprensione del linguaggio, visione, gestione della conoscenza, traduzione del parlato in testo e via di seguito) vengono risolti in modi diversi. Per aiutarmi nell’esplorazione, ho creato un piccolo framework logico basato su due concetti: skill e facilità di integrazione.
Non esiste un’intelligenza artificiale generale e siamo ancora lontani da computer che “ragionano” come un umano. Oggi, abbiamo a disposizione un’intelligenza ristretta, ossia soluzioni che sono in grado di svolgere molto bene un compito, come trascrivere la voce, tradurre testi, riconoscere oggetti in un’immagine, raccomandare acquisti e via di seguito. Al momento ho mappato 6 gruppi di skill, che vanno dal riconoscimento delle immagini alla gestione di una conversazione. Per esempio, nel gruppo delle skill che riguardano l’analisi delle immagini, ci sono il riconoscimento di: animali, persone, oggetti, situazioni, loghi, testi, luoghi famosi, contenuti espliciti, facce.
Se guardiamo a una tecnologia dal punto di vista di un’organizzazione che potrebbe usarla, è importante capire qual è il costo di adozione e quanto è facile integrarla con
In basso, ci sono le tecnologie di base e gli algoritmi. A questo livello, siamo ancora nel mondo accademico e della ricerca e sviluppo, il che significa team specializzati in data science, costi elevati e tempi lunghi. In alto, ci sono i servizi basati su intelligenza artificiale che usiamo tutti i giorni come consumatori: la loro analisi ci permette di capire qual è lo stato dell’arte e che tipo di esperienze possiamo progettare.
Al centro, ci sono le piattaforme che mettono l’intelligenza artificiale a disposizione delle aziende. Qui troviamo i servizi di grandi vendor come IBM, Google, Microsoft e Amazon e un tantissime startup, che cercano di farsi spazio. La stragrande maggioranza delle soluzioni in questo livello sono integrabili tramite API nel giro di giorni o settimane.
Grazie a questo modello concettuale, dato un obiettivo di business, diventa abbastanza immediato individuare la skill che fornisce la soluzione giusta e che, allo stesso tempo, è facile da personalizzare e integrare con i sistemi di un’azienda. Per esempio, se avessimo bisogno di tradurre dei testi, potremmo testare IBM Watson Language Translator, Google Cloud Translation API oppure Microsoft Translator Text API. Se, invece, volessimo costruire un chatbot, dovremmo cercare una skill in grado di gestire una conversazione come IBM Watson Conversation oppure api.ai. E via di seguito.
Ho cercato di sintetizzare tutto quello che ho imparato finora in questa presentazione:
