Il 2023 può portare un incremento nella diffusione dell'AI nelle imprese italiane, sulla spinta delle richieste del mercato e delle possibili evoluzioni tecnologiche
L'adozione dell'Intelligenza Artificiale sta crescendo in maniera sensibile, con alcuni settori di mercato certamente più avanti di altri ma con un generale interesse crescente per le possibilità delle tecnologie di AI e machine learning. Mancano magari alcuni tasselli per una diffusione più massiccia dell'Intelligenza Artificiale, e in questo senso Ammagamma ha indicato quali trend, più di mercato da un lato e più tecnologici dall'altro, vedremo in azione nel corso del 2023.
L'adozione dell'AI nelle imprese italiane sarà legata, secondo Ammagamma, alla capacità che le tecnologie hanno di affrontare tre sfide di business particolarmente importanti a breve termine: ottimizzazione della supply chain, efficienza energetica, capacità di forecasting.
Il primo punto deriva sia dalle difficoltà delle supply chain globali che non si sono ancora riprese dai problemi del biennio pandemico e che devono subire una situazione geopolitica sempre complessa. Questo impone vincoli di produzione e complessità di gestione, che si uniscono in alcuni casi alla volontà di ridurre i costi di produzione per andare incontro ai clienti finali in uno scenario di pressione inflattiva. L'AI aiuta in vari modi, in particolare portando una diminuzione dei costi produttivi nell’ordine del 5-10% e un aumento nella puntualità delle consegne del 15-20%.
La sfida energetica dal canto suo è ormai ben nota. L'AI aiuta ad affrontarla agendo su vari fattori che portano opportunità di risparmio energetico: dalla citata ottimizzazione della produzione alla manutenzione predittiva degli impianti. Le stime sono indicativamente del 30% di risparmio, attraverso la pianificazione ottimizzata di tutte le fasi produttive.
Lo scenario economico e geopolitico particolarmente volatile aumenta l'importanza di un buon forecasting, a tutti i livelli. Dalla pianificazione aziendale al budgeting, dalla definizione degli obiettivi fino alla gestione degli investimenti. Gli strumenti di AI a supporto del forecasting hanno visto un’accelerazione della domanda continua nel 2022, sottolinea Ammagamma, e non è ipotizzabile che questa tendenza si inverta. Semmai il contrario.
Se questo è il generico scenario di mercato, lato tecnologia bisogna tenere d'occhio gli sviluppi che vanno verso una AI componibile, dato-centrica, affidabile.
L'AI componibile prevede soluzioni di Intelligenza Artificiale realizzate a partire da blocchi tecnologici già prodotti, disponibili, testati. Un numero crescente di imprese sta abbracciando questa tendenza, secondo Ammagamma, perché consente di avere soluzioni più stabili, che hanno bisogno di minore manutenzione e che si adattano con costi e rischi molto contenuti all’infrastruttura informatica già esistente in azienda. Cosa non da poco, poi, l'AI componibile porta una riduzione del 40% dei tempi di rilascio della soluzione.
L'idea di una AI "data centric" ribalta la concezione tradizionale per cui quello che conta sono gli algoritmi e la loro capacità di analisi, mentre i dati sono "big data" e quindi per definizione disponibili in grande quantità e varietà. Questo però non è sempre vero. E laddove i big data non ci sono - come nelle PMI - l'attenzione deve concentrarsi sui dati a disposizione e sulla loro qualità, massimizzandola. Senza questa attenzione, gli algoritmi non sono efficaci come potrebbero.
Il tema dall'AI affidabile è ad ampio spettro. Una AI di cui "ci si può fidare", tra l'altro, gestisce in maniera corretta e trasparente i dati, non ha problemi di bias, presenta decisioni interpretabili, ha una sua "solidità" tecnica e di processo. Queste caratteristiche stanno diventando un requisito imprescindibile, secondo Ammagamma, perché le imprese utenti devono sentire di poter investire a lungo termine sui propri sistemi di AI.