Credo che l’Italia possa giocare un ruolo di primo piano nella rivoluzione dell’Intelligenza Artificiale, senza inseguire modelli di sviluppo che non si adattano alle nostre risorse e specificità.
Dobbiamo superare l’idea di competere direttamente con i giganti americani nella creazione di modelli fondazionali ad alta intensità di capitale.
La nostra forza risiede da sempre altrove: nell’eccellenza delle nostre imprese in settori industriali specifici e nella nostra capacità di innovare attraverso soluzioni verticali e intelligenti.
Così facendo, l’Italia ha l’opportunità di diventare un leader nell’AI applicata, creando un modello di sviluppo che valorizzi le nostre eccellenze industriali e la nostra capacità di innovare.
Concentrandoci su soluzioni verticali, basate sull’apprendimento continuo e sulla collaborazione tra uomo e macchina, possiamo costruire un futuro in cui l’AI sia un motore di crescita sostenibile e di progresso sociale per il nostro Paese.
Abbracciare le verticalizzazioni di settore
Invece di disperdere energie in una “corsa agli armamenti tecnologici” insostenibile, se vogliamo fare la differenza dobbiamo concentrarci sullo sviluppo di applicazioni AI verticali.
Questo significa creare soluzioni su misura per i settori in cui le aziende italiane hanno dimostrato di essere più brave a creare valore:
● Manifattura: Ottimizzazione dei processi produttivi, manutenzione predittiva, controllo qualità avanzato
● Moda e Design: Personalizzazione della customer experience, previsione delle tendenze, gestione della supply chain.
● Agroalimentare: Agricoltura di precisione, tracciabilità dei prodotti, riduzione degli sprechi.
● Turismo e Cultura: Esperienze immersive personalizzate, gestione intelligente dei flussi turistici, valorizzazione del patrimonio culturale e artistico.
● Sanità: Diagnostica predittiva, medicina personalizzata, assistenza domiciliare intelligente.
● Servizi professionali: Sistemi di nuova generazione per una gestione AI-enabled di tutte le attività di consulenza, in ogni settore.
Sistemi di apprendimento continuo
La mia visione è quella di promuovere lo sviluppo di applicazioni AI che siano veri e propri sistemi di apprendimento continuo.
Queste applicazioni non sono semplici strumenti statici, come pressoché tutti i software creati fino ad oggi, ma asset dinamici che aumentano di valore nel tempo.
La loro resilienza risiede nella capacità di:
● Storicizzare sistematicamente i dati: Raccogliere e archiviare dati da diverse fonti (online, clienti, terze parti). Questo crea un patrimonio informativo unico che spesso le aziende non conservano e che invece è il loro autentico patrimonio di conoscenza.
● Integrare il feedback umano: Utilizzare il feedback di esperti e utenti per addestrare e migliorare continuamente il modello AI alla base. Questo ciclo virtuoso di apprendimento per rinforzo (Reinforcement Learning with Human Feedback, RLHF) è fondamentale per creare barriere all’ingresso.
I vantaggi dell’apprendimento progressivo, in un contesto di AI “applicata”
Un’applicazione AI basata sull’apprendimento progressivo offre vantaggi significativi:
● Accumulo di conoscenza: Impara dai dati raccolti, migliorando la precisione e l’affidabilità delle sue previsioni e raccomandazioni
● Affinamento continuo: Adatta i suoi suggerimenti in base al feedback dei clienti,diventando sempre più pertinente e utile
● Creazione di un database storico: Costruisce un database storico ricco e significativo, che può essere utilizzato per analisi più approfondite e per identificare nuove opportunità
● Valore crescente nel tempo: A differenza delle soluzioni software statiche, queste applicazioni diventano un investimento che matura, creando valore crescente per le aziende che le adottano e per il sistema Paese nella sua interezza
● Resilienza all’Innovazione: L’apprendimento continuo permette all’applicazione di adattarsi rapidamente ai cambiamenti del mercato e alle nuove tecnologie, potenziando la sua efficacia nel tempo.
Un esempio
Immaginiamo un’applicazione AI per l’analisi normativa e la compliance:
- Storicizzazione dei dati: Tutti i dati normativi, le analisi e le interazioni con gli utenti vengono sistematicamente archiviati. Viene creato in questo modo un database storico ricco e significativo, che alimenta il modello di apprendimento
- Fonti di dati multiple: Il monitoraggio continuo di fonti normative ufficiali e aggiornamenti; la raccolta di dati anonimizzati sull’utilizzo dell’applicazione da parte dei clienti; la possibilità di raccogliere dati (sempre in forma anonima e aggregata) sull’impatto della normativa sulle aziende clienti dei clienti accumulano la conoscenza
- Integrazione del feedback umano (RLHF): Gli utenti (esperti di compliance, legali, etc.) possono fornire feedback sulla qualità dei delle analisi e delle raccomandazioni. Questo feedback, anomimizzato, viene utilizzato per addestrare il modello AI, migliorando progressivamente la sua accuratezza e pertinenza.
Creare un ecosistema virtuoso
Credo che per realizzare questa visione, è fondamentale dare vita a un ecosistema virtuoso che coinvolga:
● Imprese: Investire nello sviluppo e nell’adozione di soluzioni AI verticali e basate sull’apprendimento continuo
● Università e centri di ricerca: Promuovere la ricerca applicata e la formazione di esperti in AI specifici per i diversi settori industriali
● Governo: Sostenere l’innovazione attraverso incentivi fiscali, finanziamenti e la creazione di un quadro normativo chiaro e favorevole
● Think Tank: Supportare e creare think tank che utilizzino l’AI per l’analisi e la generazione di idee di business addensando in opportunità concrete questa visione di Applied AI.
