“Ci troviamo in un momento storico caratterizzato da una forte incertezza, sia dal punto di vista economico, in ragione dell’incremento dei tassi di interesse, della spinta inflattiva, ma anche della minore capacità e propensione alla spesa da parte dei consumatori, sia dal punto di vista geopolitico. È un contesto nel quale si sono fatte pressanti grandi sfide, legate alla transizione ecologica, del cambiamento climatico e dell’inclusione. Ed è proprio questo clima di incertezza che per le imprese diventa categorico avere ben chiare le linee di indirizzo verso le quali orientare i propri investimenti”.
È questa la premessa di Stefano Rebattoni, Amministratore Delegato di IBM Italia, in apertura dell’edizione 2023 di Think Milano, svoltasi nella giornata di ieri.
“Le aziende devono creare le condizioni per crescere. Devono dunque trovare nuove linee di ricavo, ampliare la propria base clienti, guadagnare market share, mantenendo da un lato un focus molto preciso su aspetti quali la produttività, l’efficienza e gli utili, dall’altro non perdendo di vista la necessità di mantenere una continuità operativa anche di fronte agli imprevisti”.
Indice degli argomenti
La AI generativa tra le “sette scommesse” dei CIO
Se dunque la sfida oggi per le imprese è il raggiungimento di obiettivi crescita, efficienza e sostenibilità, vale a dire di un business sviluppato in un’ottica rigenerativa e non estrattiva, appare chiaro che il digitale giochi un ruolo determinante.
“È un dato che emerge anche da un ricerca condotta da IBM Institute for Business Value su una comunità di oltre 3000 CIO non a caso intitolata “Seven Bets”. È evidente come, per le priorità sulle quali scommettono i CIO, servono cloud ibrido, automazione, cybersecurity, così come serve e sempre più servirà l’AI Generativa”.
Ed è proprio l’AI generativa protagonista di questa edizione di Think Milano.
Un tema “sul tavolo di tutti”, sottolinea Rebattoni, che IBM ha deciso di affrontare secondo logiche di business, declinandola su tre casi d’uso ben definiti e con un’offerta che ne indirizza da subito le tre componenti chiave: watsonx.ai per l’addestramento e la convalida dei modelli di AI, watsonx.data per la gestione dei dati dell’AI, watsonx.governance, per una AI trasparente, bias free e trusted.
I casi d’uso e il ruolo dei Foundation Model per la AI generativa
Quanto ai casi d’uso, IBM ha scelto di focalizzarsi su ciò che definisce digital labor, vale a dire “tutto ciò che oggi è intensivo, in termini di dati: dal backoffice all’HR, fino al marketing, alla comunicazione, alla generazione di contenuti”; customer care, rivolto sia alla clientela interna, sia a quella esterna, per la gestione dei ticketing; AI per l’IT, in questo caso sviluppo software, sviluppo di codice, migrazione di ambienti, “mettendo a disposizione di sviluppatori e tecnici strumenti che possono accelerare di ordini di grandezza la modernizzazione di piattaforme e applicazioni, per generare quella agilità di cui il mercato ha bisogno”.
E non è un caso che proprio nell’ambito del customer care si trovi la prima referenza pubblica presentata da IBM; WindTre che ha adottato proprio watsonx per la gestione dei ticket con l’obiettivo di ottimizzare il processo di gestione dei reclami aperti dagli utenti e ridurre le attività ripetitive del service desk, grazie all’intelligent automation”.
Democratizzare la AI
L’AI generativa di IBM non è semplicemente “per il business”, ma è, o vuole essere “democratica”.
“Se con l’approccio tradizionale, basato su Deep Learning e Machine Learning, l’Intelligenza Artificiale era alla portata solo di grandi realtà, in grado di sostenere investimenti importanti in temini economici e di effort, oggi con i nostri Foundation Model la rendiamo molto più accessibile anche a chi non poteva a suo tempo investire in queste tecnologie”.
I Foundation Model sono di fatto modelli “pre-trained” e oggi sono disponibili anche per le PMI.
Un passo necessario per portare l’AI generativa a una adozione più capillare nel Paese, superando un divario al momento preoccupante.
“Non possiamo illuderci. È vero che in Italia il tasso di adozione della AI generativa è più o meno in linea con i tassi globali. Tuttavia esiste un divario troppo evidente nella sua distribuzione: se nelle grandi imprese siamo su tassi del 60%, nelle PMI si arriva a mala pena al 20%”.
Un’accelerazione serve, perché la AI generativa è in grado di portare nelle imprese efficienza e produttività.
Rebattoni parla di migliaia di ore uomo liberate e dunque disponibili per attività a più alto valore, più qualificate e qualificanti.
Ma soprattutto parla di una opportunità “per tutte le imprese in qualunque settore di mercato e di industria, con un potenziale di valore analogo a un nuovo PNRR”.
A riprova che la AI generativa non è solo una questione di tecnologia, ma di strategia, approccio e metodologia, interviene Tiziana Tornaghi, managing Partner IBM Consulting Italia.
“È una partita nella quale si crea il connubio perfetto tra tecnologia e consulenza. Lavoriamo insieme per realizzare pilot in grado di indirizzare le esigenze specifiche nei tre use case sopra citati”.
È una partita alla quale partecipano anche i centri di competenza di IBM di Napoli e Bari, con l’obiettivo di dar vita a una nuova factory dedicata proprio alla AI generativa.
A sua volta Alessandro Curioni, IBM Fellow e VP IBM Research Europa e Africa definisce la AI generativa come una vera e propria rivoluzione.
Una rivoluzione abilitata proprio dai Foundation Model che possono rendere vera quell’equazione secondo la quale proprio dall’unione di dati e intelligenza artificiale nasce il vero valore per le imprese.
I Foundation Model consentono di superare impasse prima insuperabili, riducendo gli effort un tempo necessari per risolvere un singolo task.
“Oggi siamo di fronte a modelli in gradi di poretare risultati in tempi rapidi, personalizzabili e soprattutto scalabili. Una volta creati possono essere specializzati per diverse applicazioni con l’aggiunta di poche note e pochi dati ulteriori. Il tutto con meno effort e meno costi”.
Tutto questo senza trascurare gli aspetti etici, di governance e di sicurezza.
“Siamo al lavoro con Governi e partner accademici per una “regolamentazione di precisione, che analizzi gli aspetti più rischiosi legati alle applicazioni non agli algoritmi. Chiunque crea i modelli deve prendersi la responsabilità di ciò che crea”.
