Qual è, secondo la vostra percezione, il livello di recepimento delle soluzioni di AI da parte delle aziende italiane?

Dobbiamo distinguere il livello di interesse da quello dell’applicazione reale. Per quanto riguarda il primo, non ci sono dubbi: la stragrande maggioranza delle aziende è convinta dell’importanza dei dati come fonte di valore competitivo. Allo stesso tempo però il livello di iniziative introdotte, in concreto, per utilizzare quei dati ai fini di business risulta ancora limitato. C’è ovviamente una ragione. Per poter essere collezionati, trasformati e messi a disposizione in modo proficuo, i dati hanno bisogno di una sorta di “trattamento da raffineria”. In sintesi, di una data strategy. Ben inteso, sono stati compiuti passi importanti in molti settori d’industria ma la sua adozione, al momento, non può di certo considerarsi diffusa.

Quali ritenete essere i casi d'uso e le applicazioni che al momento rivestono maggiore interesse, in quanto in grado di portare immediatamente vantaggi pratici?

Molto dipende dagli obiettivi che un’azienda si pone, così come dalla capacità e dalle competenze disponibili. La casistica è ampia: puoi ricorrere ai dati per migliorare i processi di business, come quelli produttivi o quelli legati alla distribuzione, con vantaggi di breve periodo. Casi più avanzati possono invece riguardare la previsione dei fenomeni e quindi il supporto alle strategie di business. I dati possono poi essere analizzati con semplici strumenti di reporting oppure con sistemi avanzati di business intelligence, sino all’utilizzo di algoritmi di machine learning. Ciò detto, dal nostro osservatorio emerge che le imprese italiane hanno in agenda un impiego avanzato dei dati proprio per potersi assicurare vantaggi competitivi che annoverano l’acquisizione di nuovi mercati, la prevenzione dei rischi, il miglioramento della qualità dei servizi. Poi c’è l’ambito pubblico. Qui, se opportunamente combinata con l’Internet of things e l’edge computing, la data science può spalancare scenari innovativi. Si pensi alla protezione del territorio o al monitoraggio, in chiave predittiva, di infrastrutture strategiche per il Paese.

Come vi state attrezzando per aiutare le imprese italiane ad affrontare le tecnologie di AI?

Un proficuo utilizzo dei dati, finalizzato alla creazione di servizi innovativi, emerge da una serie di processi e procedure di gestione cui concorrono determinate figure professionali. Nello specifico, si parte dalla loro identificazione e dalla raccolta passando per le fasi della trasformazione e della memorizzazione, fino al training di sistemi di machine learning. Questo è, in sintesi, il percorso che porta all’individuazione di una data strategy. Per Kyndryl, che affianca imprese di ogni settore d’industria, essa ha tre domini principali. Il primo è identificato dai cosiddetti business processes per i quali si valuta l’impatto dei dati a seconda del loro fine. Il secondo chiama in causa l’aspetto organizzativo e quindi i ruoli e le responsabilità. L’ultimo, infine, si lega alle tecnologie richieste dalla catena di gestione del dato e dei suoi obiettivi e qui si parla di data platform. I servizi avanzati per la realizzazione di quest’ultima, così come la gestione di quelli legati all’AI per estrarre valore dal dato - machine learning, end-to-end analytics, syntetic data generation, visualization e advanced analytics – costituiscono il cuore dell’offerta di Kyndryl in questo ambito strategico.