Integrare l’Intelligenza Artificiale in processi e applicazioni reali richiede tempo e competenze molto specifiche di machine learning e una lunga ed accurata acquisizione di dati storici su cui costruire i modelli di riferimento.

Il funzionamento di una AI si esprime attraverso differenti livelli funzionali e i business digitali tengono sempre più in considerazione il valore di queste abilità intellettuali:

• comprensione e simulazione di capacità cognitive
• correlazione di dati, riconoscimento della realtà
• elaborazione logica di big data
  
• estrazione automatizzata delle informazioni
  
• analisi predittiva
• apprendimento automatico
• interazione naturale con l’uomo

I servizi cognitivi, i tool e le infrastrutture disponibili su piattaforme come AWS Amazon, Google, IBM Watson o Microsoft Azure consentono di integrare l’AI in applicazioni e siti web attraverso API, senza disporre di un team di data scientist.

È la Api Economy, in cui micro servizi e serverless computing sono altamente disponibili ad essere integrati a costi iniziali irrisori fino al dimensionamento su grande scala. La facilità con cui si possono testare e poi inserire queste funzionalità in cloud, attraverso poche linee di codice, permette una sperimentazione rapida e offre un mix di strumenti specializzati a costi assolutamente accessibili, utili alla valutazione di nuovi business. Stiamo parlando di applicazioni di AI debole, cioè adatte ad assolvere a task molto specifici. L’adozione parallela di più applicazioni AI in diversi ambiti e con diversi dataset su cui “formare” l’apprendimento della macchina, permette di automatizzare progetti estremamente elaborati e rispondere a soluzioni complesse.

Certamente la qualità dei risultati dipende dalla coerenza dei dataset disponibili e degli algoritmi, ma le molteplici configurazioni che i singoli tool dispongono permettono di avvicinarsi al risultato desiderato, e di elaborare un report di accuratezza, su cui successivamente argomentare e validare la propria idea di business. Disporre di tale potenza di calcolo e di dataset già pronti, velocizza drasticamente la sperimentazione e l’adozione di applicazioni effettive nel proprio business. Figure come il Business Translator o AI Business Adoption Expert facilitano le imprese nel comprendere i processi di adozione delle tecnologie AI, dall’analisi del business case fino alla valutazione delle KPI.

L‘analisi e l’aggregazione di big data unita alle capacità di apprendimento al variare del dataset, offrono molte soluzioni innovative di mappatura, di semplificazione, di correlazione, di automazione e di previsione , in ambiti come il marketing, la sanità, la sicurezza, la logistica e distribuzione, la scienza…

Diversi servizi cloud gratuiti (es. il Capthca di Google basato su riconoscimento umano di immagini o gli assistenti vocali dei sistemi operativi) hanno come scopo quello di alimentare i dataset disponibili alle applicazioni di AI per migliorarsi nella ricognizione della realtà fisica. Sono gli utenti stessi a fornire gratuitamente ogni giorno miliardi di dati (parole, foto, emozioni, tempo dedicato, posizioni geolocali, preferenze, acquisti, gusti, …) che vengono poi elaborati dalle macchine, per confermare o introdurre nuovi dati, a scopo di accuratezza e per individuare nuove variabili.

Oggi esistono in questi servizi cloud modelli già addestrati nel dominio dello sviluppo di applicazioni, che riguardano la visione (riconoscimento immagini, oggetti, video e creazione immagini di sintesi), il parlato e linguaggio (riconoscimento semantico, capire domande e formulare risposte, parlare in modo naturale), ricerche web (individuare contenuti attinenti e coerenti in base all’identità e ai bias cognitivi dell’utente), decisionale (elaborare previsioni e un panel di suggerimenti/opzioni, rilevamento di anomalie).

I servizi cognitivi sono progettati per essere produttivi, affidabili e pronti per l’uso nei business. Permettono di assemblare modelli di applicazione intelligenti con immediatezza e integrarli in processi più ampi, senza restrizioni di quantità. Naturalmente lo sviluppo di soluzioni proprietarie, rispetto ai servizi cognitivi basati su cloud, assicurano un maggior grado di personalizzazione e di gestione della privacy nel trattamento di dati sensibili, a fronte di tempi di sviluppo molto lunghi di acquisizione dataset, apprendimento e di competenze estremamente specializzate. I business digitali, attraverso una sempre maggiore integrazione IoT, che si tratti di ambito finanziario, industriale, amministrativo, trasporti, sicurezza… si baseranno interamente su AI o contempleranno sempre di più una componente AI.