Non è un’intelligenza da piccoli #finsubitoagevolazioni

L’intelligenza artificiale, nelle sue numerose e diversificate applicazioni, ha in sé la potenzialità di mettere le ali alle Pmi, e quindi all’economia italiana. Buone notizie, dunque? Mica tanto: secondo i dati dell’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano, la diffusione degli strumenti di AI tra le Pmi è ancora molto scarsa. Il mercato italiano è cresciuto nel 2023 di oltre il 50% a quota 760 milioni, ma il 90% è appannaggio delle grandi aziende, il 5% della PA e solo il restante 5% riguarda le Pmi. Il 61% delle grandi imprese ha attivo almeno un progetto di AI, contro il 18% delle Pmi – ma se si scorporassero le M dalle P, il dato di queste ultime sarebbe nettamente più basso. Eureka, si potrebbe concludere: per far decollare la nostra economia è sufficiente portare le tecnologie di AI nelle nostre piccole e medie imprese! A meno che non ci sia un problemino più a monte…

«L’AI è un grande strumento di velocizzazione di un compito, ma se quel compito viene svolto in maniera disorganizzata quello strumento non è utilizzabile, perché non sa su cosa poggiarsi». Marco Taisch, presidente del Made Competence Center Industria 4.0 di Milano, indica il vero motivo della scarsa diffusione dell’AI tra le Pmi: la mancanza dei prerequisiti. Taisch però vede il risvolto positivo: «L’intelligenza artificiale è una leva che può spingere le Pmi a fare i compiti a casa che non hanno mai fatto, perché altrimenti non hanno i requisiti necessari per poterla utilizzare con successo». Ma partiamo dall’inizio: che cos’è l’AI? «Ce ne sono di due tipi», spiega il presidente del Made, «c’è quella di tipo predittivo, che si utilizza per prevedere come evolverà un fenomeno, che è la tecnologia più vecchia: esiste dagli anni 60 – 70, poi magari non si è diffusa subito perché mancava la capacità di fare calcoli, non c’erano il computer e la memoria veloci. Poi c’è quella più recente che ha portato alla ribalta l’intelligenza artificiale, che è quella di tipo generativo, che con strumenti come chat Gpt ha democratizzato e portato all’attenzione dei media il termine AI. Sono due tecnologie molto diverse con applicazioni molto diverse». Eccone un esempio: «Quando facciamo previsioni all’interno delle fabbriche o della domanda di un prodotto sul mercato utilizziamo l’AI di tipo predittivo. È un bellissimo approccio basato su algoritmi che ci consente di analizzare grandi quantità di dati in una maniera più efficiente ed efficace, ottimizzando l’analisi della domanda, il carico di lavoro sulle macchine, l’utilizzo degli operatori» mette in evidenza Taisch. «Quella generativa nelle Pmi può essere utilizzata per generare testi, supportare la generazione dell’offerta commerciale con una bella presentazione in ppt, nella comunicazione e interazione con clienti e fornitori, è interessante per le Pmi perché consente di essere più veloci».

E veniamo ai compiti a casa che tante Pmi non hanno ancora fatto. «Per quanto riguarda l’AI predittiva, il problema è che le Pmi non hanno la cultura del dato, quindi non sono abituate a raccogliere numeri. A maggior ragione non possono avere la cultura del prevedere un fenomeno o un comportamento del mercato, perché non sono abituate a farlo in maniera quantitativa. Senza cultura del dato insomma non si sente neanche l’esigenza di usare l’AI, che è un ottimizzatore dell’uso di dati». Ma il problema dei prerequisiti riguarda anche l’AI generativa. «Per migliorare la presentazione di un’offerta in ppt, si deve aver già sviluppato un’organizzazione del lavoro per la quale si interagisce con i clienti in un certo modo: ecco che l’AI dà un aiuto. Ma se quella relazione è ancora artigianale, se si fanno le trattative al telefono a botte di sconti, allora di quell’aiuto non se ne sente il bisogno».

Tornando all’utilizzo predittivo dell’AI, il presidente del Made, competence center Industria 4.0, fa l’esempio dell’industria, che parte dall’uso dei sensori. «Nell’internet of things prima si devono avere i sensori per misurare, poi si deve poter trasmettere i dati, il che richiede una connettività wi fi o mobile; quindi il dato deve essere memorizzato su computer, server o cloud» scandisce Taisch. «Una volta che il dato è memorizzato, lui non parla se non si va a leggerlo: ecco che serve la quarta tecnologia, quella della visualizzazione dei dati, che può avvenire in maniera molto semplice, con numeri in grandi tabelle, oppure con qualcosa di più sofisticato, i dashboard, cruscotti con visualizzazioni grafiche, trend e altre metodologie di interfaccia e visualizzazione dei dati, lasciando sempre in questo caso l’interpretazione all’uomo. Il passo successivo è l’analisi dei dati, il big data analytics, l’analisi di una grande mole di dati che può essere potenziata dall’AI». In questo caso, dunque, i prerequisiti sono… quattro. In conclusione, per il presidente del Made, «la vera domanda non è quanto utilizziamo l’AI, è ancora più preoccupante: quanto siamo organizzati ed efficienti nei processi di business delle nostre Pmi? Quanto è diffusa la cultura dell’organizzazione? Quanto quella del processo, del management della progettazione dei processi? Queste sono le domande che ritengo essere più importanti, perché sono ancora più a monte».

Un altro aspetto problematico dell’AI è il modo in cui se ne sta parlando, molto sbilanciato dalla parte di Chat Gpt e delle sue sorelle. «Tutta questa attenzione sulla AI generativa è esagerata e prematura» dice Alfonso Fuggetta, docente al Politecnico e Ceo di Cefriel, centro di innovazione digitale che promuove e sostiene la trasformazione delle aziende italiane, «è una tecnologia che ha tante potenzialità ma anche limiti, è ancora immatura per certi versi, consuma tanta energia. Andrebbe fatto un discorso di ragionevolezza, invece di parlare di presunti cataclismi, come un milione di posti di lavoro persi o che si perderanno». Ma esiste invece un tipo di AI che è utilizzata da tempo ed è davvero utile per la crescita delle Pmi. «Tutte le tecniche di analisi dei dati con il deep learning permettono di capire il comportamento degli utenti o il funzionamento delle macchine, e di definire algoritmi di controllo» rimarca Fuggetta, «tutto ciò che è collegato al catturare intelligenza dalle informazioni, dagli eventi, dai comportamenti, al dedurre leggi di controllo piuttosto che informazioni sulla dinamica di sistemi: questo sì che è importante e molto utile. Imparare a vedere come un utente usa un dispositivo, il modo in cui si logora, permette di capire come può essere ottimizzato. Anche gli studi del comportamento degli utenti, le modalità di acquisto, è indubbio che ci sono praterie di applicazioni in cui le tecniche di AI vengono utilizzate da lustri, stanno dimostrando e hanno dimostrato il loro valore».

Gli esempi sono molteplici. «Non basta più avere la macchina con la migliore componente meccanica per la lavorazione del metallo se non è digitalmente controllata e integrata con l’azienda e con il fornitore stesso, così da poter fornire nuove tipologie di servizi: è la famosa servitization, tutto ciò che serve a non vendere semplicemente pezzi di ferro ma a offrire fornire servizi su base continuativa. L’AI gioca un ruolo importante in questo: si guarda come funziona un processo produttivo, si raccolgono i dati e grazie agli algoritmi e al machine learning è possibile ottimizzare i tempi di setup di una linea produttiva: lo si può abbassare in maniera drastica, essere efficienti verso il cliente, risparmiare risorse ed essere molto più agili nell’offrire il prodotto sul mercato. Sono tante le opportunità, e i benefici si dividono in due capitoli: l’azienda funziona meglio; ed è capace di essere presente sul mercato con prodotti e servizi più competitivi».

Resta il problema della limitata diffusione di queste tecnologie, che pure potrebbero dare un grande contributo, tra le Pmi. «La mia è un’esperienza empirica, non avendo svolto analisi statistiche diffuse faccio delle valutazioni aneddotiche» premette Fuggetta. «La mia sensazione è che tante aziende hanno problemi di base. Inoltre c’è sempre il tema delle competenze, non solo nell’AI ma anche per capire l’impatto della tecnologia in azienda. Prima ancora dell’esperto di AI che aiuta a sviluppare questa o quella applicazione, a volte manca la comprensione di quale può essere la trasformazione dell’impresa grazie al digitale». La questione culturale, insomma: ma non solo quella. «Credo che un tema che andrebbe affrontato con maggior pragmatismo è quello della dimensione d’impresa» osserva il Ceo di Cefriel, «non possiamo pensare che aziende mediamente piccole, con milioni di aziende piccolissime, possano attrarre competenze e capitali per affrontare queste tematiche: questo diventerà sempre di più un problema. Se c’è un ecosistema che aiuta e assiste le imprese, con iniziative di trasferimento tecnologico e supporto all’innovazione, ben venga; ma se poi in azienda nessuno capisce cosa significa portare avanti un programma di innovazione digitale, se mancano le competenze interne quantomeno per gestire il rapporto con chi fornisce le soluzioni, allora è tutto molto difficile. Passo per pessimista e mi scoccia, ma cerco di essere realista». Ma proprio la dimensione dell’impresa ha un impatto importante. «Quel che serve sono competenze, risorse umane, risorse» evidenzia Fuggetta. «Un’azienda da 2 o 3 milioni di fatturato riuscirà ad attrarre un bravo laureato del Politecnico che si occupa di AI? Se è una startup allora ha una sua dinamica, ma se è una microimpresa è dura. Se non hanno una qualche dimensione e struttura le aziende faticano ad assumere persone di qualità e ad avere finanziamenti, che non sono così facilmente fruibili: quindi essere piccoli, in questo caso, non è bello. Anche altri paesi hanno una parte di aziende con dimensioni ridotte, ma noi siamo particolarmente schiacciati verso le piccole, con milioni di piccolissime, che non hanno quell’attrattività necessaria per portare a casa talenti e risorse».

Un fumetto spiega i data center

Si chiama 001 Missione Data Center la miniserie a fumetto che vuole far comprendere a tutti cosa sono i data center e il loro ruolo per l’evoluzione della nostra società. L’ha ideata IDA, l’associazione italiana Data Center. L’idea dell’associazione è stata quella di avvalersi di uno strumento di comunicazione semplice, innovativo e d’impatto come il fumetto, per abbattere le barriere di divulgazione su un mondo da sempre presentato come accessibile solo da parte di tecnici e addetti ai lavori. In 5 episodi Watt, accompagnata dal fidato DATA, porta i lettori nel cuore del Cloud, dove, attraverso l’incontro con i personaggi chiave della serie (il Responsabile della Sicurezza, l’Architetto Data Center, il Professore…), svela le dinamiche del mondo Data Center. Basata sul concept creativo sviluppato dall’agenzia di comunicazione per l’innovazione bbrand, la serie è stata realizzata da un nome ben conosciuto del design, Marco Scuto, illustratore, vignettista nonché caricaturista per alcuni dei più importanti quotidiani e periodici italiani.

Vintiadis: «le regole? Sì, ma non bastano»

L’Unione Europea è la culla globale della regolamentazione. Ma c’è un aspetto ben più cruciale nel quale ahinoi eccelle molto meno: la capacità di guidare l’innovazione. È quel che sta accadendo ancora una volta con l’intelligenza artificiale, il cui primo regolamento europeo risale allo scorso febbraio. «Riflettere a lungo sulle implicazioni sociali delle nuove applicazioni e dei nuovi strumenti che arrivano quotidianamente sul mercato può anche essere importante, ma non possiamo limitarci alla loro mera regolamentazione» dice Marianna Vintiadis Founder e Chief Executive Officer di 36Brains. «Molti si ricorderanno la prima ricerca fatta su Google e la sconcertante differenza in termini di velocità e risultati che ha prodotto rispetto ai motori di ricerca tradizionali che si usavano all’epoca. Sebbene il dominio mondiale del motore di Google sia inconfutabile, esistono mercati in cui la sua leadership è stata messa in discussione. Prendiamo come esempio il motore di ricerca Baidu (Pechino, 2000) che nel 2023 deteneva il 67% della quota di mercato in Cina (dati Statcounter.com). Nello stesso periodo, il motore più popolare nella Federazione Russa è stato Yandex, con quasi il 70%». E il Vecchio Continente? Era troppo impegnato a… normare. «Da parte sua, la Ue non è riuscita a sviluppare un equivalente motore di ricerca che goda di una popolarità significativa: secondo la fonte appena citata, nel 2023 il 91,5% delle ricerche online in Europa è passata attraverso Google» aggiunge Vintiadis. «Ciò che ha fatto invece la Ue è stato cercare (disperatamente) di regolamentare il motore americano con motivazioni tese a tutelare la riservatezza dei suoi cittadini, il loro diritto all’oblio e la concorrenza stessa attraverso una serie di azioni antitrust». Considerazioni simili valgono per le vendite online: «a seguire i 554 miliardi di dollari di vendite di Amazon, troviamo prima altri rivenditori statunitensi per arrivare poi a due campioni cinesi, Alibaba e JD.com (Jing Dong), con vendite rispettivamente di 127 e 151 miliardi di dollari nel 2022. E l’Europa a che punto è? Otto, un venditore online tedesco, ha registrato nello stesso periodo un fatturato di poco inferiore ai 18 miliardi di dollari». È quel che sta accadendo anche con l’AI. «Se guardiamo al modo in cui la AI si sta evolvendo, la nostra unica speranza di darle una forma accettabile è in primis quella di svilupparla e utilizzarla noi stessi. L’Ordine Esecutivo (Excutive Order) sulla AI del Presidente Biden pubblicato lo scorso ottobre parte da un punto molto diverso: la cooperazione e la condivisione di informazioni tra le principali aziende statunitensi del settore della AI e il governo americano è posta come condizione sine qua non per poter procedere alla sua corretta regolamentazione». Di qui la condivisibile conclusione di Vintiadis: «Non sarebbe meglio subordinare la regolamentazione a un’azione volta all’ingresso deciso nel mercato della IA, incoraggiandone lo sviluppo e la concorrenza alle innovazioni altrui?».

Tre case histories Che allargano il cuore

VisionAnchor
Questo progetto utilizza l’AI per analizzare i fondali marini tramite boe dotate di telecamere e algoritmi di intelligenza artificiale. L’obiettivo è quello di identificare punti sicuri per l’ancoraggio delle barche, mappare l’inquinamento e individuare relitti, contribuendo così alla tutela dell’ambiente marino.

Fameccanica
In questo caso, l’AI viene utilizzata per innovare il modello di business di un’azienda produttrice di macchine industriali. Cefriel ha sviluppato uno strumento software che permette agli operatori di interagire con le macchine, riducendo i tempi di fermo e migliorando l’efficienza produttiva. Inoltre, modelli di apprendimento automatico predittivo ottimizzano la configurazione iniziale dei macchinari, riducendo il tempo di setup.

Sacco System
L’AI e il machine learning sono stati impiegati per ottimizzare il processo di produzione di probiotici. Analizzando milioni di dataset, sono stati identificati i fattori chiave che influenzano la qualità del prodotto. I modelli di machine learning sviluppati permettono di prevedere l’impatto di diverse variabili sul processo di produzione dei probiotici, migliorando la qualità dei prodotti e riducendo gli sprechi.