L'agenda globale dell'IA: promessa, realtà e un futuro di condivisione dei dati

In associazione con Genesis, Philips

' L'agenda globale dell'IA: promessa, realtà e un futuro di condivisione dei dati ' è un rapporto MIT Technology Review Insights prodotto in collaborazione con Genesys e Philips. È stato sviluppato attraverso un sondaggio globale condotto a gennaio e febbraio 2020 su oltre 1.000 dirigenti in 11 diversi settori e una serie di interviste con esperti con responsabilità o conoscenza specifica dell'IA. L'articolo che segue è un estratto del rapporto completo.

Questo contenuto è stato prodotto da Insights, il ramo dei contenuti personalizzati di MIT Technology Review. Non è stato scritto dalla redazione del MIT Technology Review.

Scarica il rapporto completo .

Pochi campi emergenti della tecnologia hanno generato tanto entusiasmo e dibattito negli ultimi anni quanto l'IA. La maggior parte dell'entusiasmo finora si è concentrata sull'industria tecnologica, che negli Stati Uniti, in Cina e, in una certa misura, in Europa ha investito miliardi nello sviluppo delle sue capacità di intelligenza artificiale. Le organizzazioni di altri settori potrebbero non spendere per l'IA con lo stesso abbandono, ma il sondaggio suggerisce che la maggior parte sta almeno testando le acque.

Entro la fine del 2020, il 97% delle grandi aziende intervistate per questo rapporto utilizzerà l'IA. I primi ad adottare sono state le aziende IT e di telecomunicazioni, con l'81% che ha utilizzato l'IA entro il 2018, appena prima delle società di servizi finanziari (78%) e dei beni di consumo e della vendita al dettaglio (75%). Anche il settore pubblico sta trovando numerosi casi d'uso per l'IA: entro la fine del 2019, il 94% degli intervistati del governo ha dichiarato di aver implementato l'IA.

L'IA svolgerà naturalmente ruoli diversi in diversi tipi di attività. Per alcuni, le sue capacità aiuteranno a migliorare gli aspetti dell'efficienza operativa. Altri si aspettano che cambierà il gioco. Per noi, afferma Jeroen Tas, chief innovation and strategy officer presso Philips, fornitore di apparecchiature per la cura dei consumatori e della salute, l'IA è una tecnologia fondamentale che nei prossimi due anni si troverà nella stragrande maggioranza delle nostre proposte. E per alcune aziende nate nell'ambiente online, il successo del modello di business si basa su di esso. Uno è Lemonade, un fornitore online di assicurazioni sulla proprietà e sugli incidenti con sede a New York, descritto come un perturbatore del settore assicurativo consolidato. Il suo amministratore delegato Daniel Schreiber ritiene che i robot basati sull'intelligenza artificiale come quello di Lemonade siano il futuro delle assicurazioni.

Un passo alla volta

Per quanto ampiamente distribuita, l'IA non ha intenzione di conquistare l'impresa. Pochissimi dirigenti intervistati (4%) ritengono che sarà utilizzato in più della metà dei loro processi aziendali tra tre anni. Meno di un terzo (30%) prevede che venga utilizzato tra il 31% e il 50% dei processi. La maggioranza, il 60% degli intervistati, ritiene che l'IA troverà un posto nell'11%-30% dei propri processi, un'influenza notevole ma non necessariamente dominante sul modo in cui opera la maggior parte delle aziende. In base a questa misura, l'IA svolgerà un ruolo particolarmente importante nelle operazioni di fornitori di servizi finanziari, produttori e aziende tecnologiche.

I settori dei servizi finanziari, manifatturiero, IT e delle telecomunicazioni hanno le più grandi aspirazioni all'IA entro tre anni.

Incerte sulle sue capacità effettive (anziché presunte) e consapevoli delle sfide che pone, le aziende hanno adottato un approccio iterativo all'implementazione dell'IA. Secondo Dirk Jungnickel, vicepresidente senior, Enterprise Analytics, presso Emirates Group, i primi tentativi intrapresi dalla sua azienda nel 2015 e nel 2016 per sviluppare capacità di intelligenza artificiale spesso non sono andati oltre la fase di prova o pilota. Le cose hanno iniziato a cambiare a metà del 2018 quando, afferma, l'azienda ha iniziato a rendere operativi i suoi sforzi di sviluppo dell'IA e a industrializzare la scienza dei dati.

Céline Le Cotonnec, Chief Data Innovation Officer presso Bank of Singapore, osserva che molte organizzazioni aziendali desiderano fornire casi d'uso dell'IA prima di aver prima impostato le giuste basi in termini di architettura IT, capacità dell'IA, modello operativo target o governance dei dati. La mia risposta è 'prima le cose', dice. Prima di andare avanti, dobbiamo creare la base giusta per i dati. Ciò include la presenza di traduttori di analisi, persone che conoscono l'IA e il business per definire l'ambito dei progetti, gestire la consegna, misurare il ritorno sull'investimento e capire quanto sarà fattibile aumentare.

Per le grandi aziende che mettono da parte budget sostanziali per sviluppare capacità di intelligenza artificiale, lo sviluppo e la definizione delle priorità dei casi d'uso rappresenta una sfida considerevole. Secondo Mike Hanrahan, CEO dell'Intelligent Research Lab (IRL) di Walmart: la prima cosa su cui dovevamo investire tempo era decidere dove concentrare le nostre risorse. Il suo team ha identificato oltre 250 diversi casi d'uso e poi li ha filtrati fino a ridurli a una manciata. Il processo di filtraggio è stato piuttosto complesso per decidere su cosa lavorare, dice Hanrahan. Si trattava di decidere quali casi fossero i più pratici da scalare.

Per Walmart, i casi prioritari riguardano la gestione dell'inventario, che rappresenta una grossa fetta della base dei costi della multinazionale, e dove anche piccoli miglioramenti di efficienza generano risparmi significativi. In tutti i settori, tuttavia, le aziende stanno perseguendo una varietà di casi d'uso, nella speranza che almeno un paio genererà rendimenti anticipati e serva a creare fiducia ed entusiasmo nell'IA in tutta l'organizzazione.

Casi d'uso oggi e domani

Tra il campione del sondaggio nel suo insieme, il controllo qualità, l'assistenza clienti e il rilevamento delle frodi sono attualmente i principali casi d'uso dell'IA. Una visione più dettagliata, tuttavia, rivela una notevole varietà nei principali casi d'uso perseguiti dai diversi settori. Ad esempio, oltre la metà delle società di servizi finanziari (58%) e delle organizzazioni governative (55%) cita il rilevamento delle frodi come il principale caso d'uso dell'IA. Céline Le Cotonnec afferma che nel suo precedente ruolo presso una compagnia assicurativa globale, i casi d'uso di rilevamento delle frodi sono stati i primi ad essere implementati, poiché il vantaggio prometteva di essere considerevole: secondo un sondaggio del Reinsurance Group of America (RGA) del 2017, 3- Il 4% di tutte le richieste globali sono fraudolente, con l'incidenza più alta (4,16%) in Asia.

Tra il campione del sondaggio nel suo insieme, il controllo qualità, l'assistenza clienti e il rilevamento delle frodi sono attualmente i principali casi d'uso dell'IA a livello globale.

Per l'operatore di telefonia mobile Vodafone, i casi d'uso di maggior successo si trovano nel servizio clienti, secondo Adi Chhabra, responsabile dell'innovazione di prodotto presso Vodafone UK. I vantaggi, afferma, derivano sia dall'efficienza dei costi che dall'esperienza del cliente. Nel settore delle telecomunicazioni, il servizio clienti assorbe molti costi. L'integrazione dell'IA con l'IVR (risposta vocale interattiva) rimuove quasi istantaneamente i costi da queste operazioni e porta a prendere decisioni più rapide per affrontare i problemi dei clienti.

Le aziende energetiche e le utility, secondo il 51% degli intervistati di quel settore, utilizzano l'IA per monitorare lo stato delle loro reti. Il monitoraggio e la diagnosi sono anche un obiettivo naturale dell'IA per le organizzazioni del settore sanitario e il 42% degli intervistati di queste organizzazioni sta perseguendo tali usi. Secondo Tas di Philips, l'intelligenza artificiale ha completamente cambiato il modo in cui l'industria diagnostica il cancro e le sue capacità ora si estendono ulteriormente alla selezione dei trattamenti: una volta diagnosticati, gli algoritmi di intelligenza artificiale ora ci aiutano a selezionare la terapia giusta. È complesso perché le opzioni potrebbero includere chirurgia, ablazione, chemioterapia, immunoterapia o radioterapia o una combinazione di queste. La selezione delle terapie e dei percorsi giusti sta diventando un esercizio basato sull'intelligenza artificiale.

Le sfide del ridimensionamento

È chiaro dai dirigenti intervistati per questo rapporto che la scalabilità dei casi d'uso dell'IA si sta rivelando difficile. I limiti tecnologici esistenti possono ostacolare un'adozione più ampia, suggerisce Hanrahan nel caso dell'analisi video in tempo reale. Quando si tratta di forme di IA personale, è necessario compiere progressi nell'elaborazione del linguaggio naturale prima che i chatbot, ad esempio, diventino veramente sofisticati, afferma Chhabra.

In alcuni settori, la regolamentazione ostacola l'applicazione più ampia delle innovazioni abilitate all'intelligenza artificiale. Un esempio calzante è la tariffazione assicurativa basata su algoritmi negli Stati Uniti. Secondo Daniel Schreiber di Lemonade, questo è attualmente consentito solo in una manciata di stati degli Stati Uniti. Negli Stati Uniti, il più grande mercato assicurativo del mondo, l'ambiente normativo non ha ancora consentito queste tecnologie di nuova generazione, afferma.

La carenza di talenti e competenze legate all'IA è una lamentela frequente di CIO e CTO e il 42% degli intervistati al nostro sondaggio afferma che la carenza di data scientist interni ed esperti correlati è un grave vincolo al loro uso dell'IA. Il deficit è sentito fortemente tra gli intervistati del settore manifatturiero e tecnologico, citato come un vincolo dell'IA rispettivamente dal 48% e dal 47% di loro.

La difficoltà di adattare i processi aziendali alle informazioni dettagliate sull'IA è stata citata come la principale sfida dell'IA a livello globale, seguita da problemi relativi alla quantità, qualità e disponibilità dei dati.

I dati, infatti, sono un altro importante vincolo, classificato al secondo posto per elaborare le problematiche da parte degli intervistati (citati dal 48% di loro). I modelli di intelligenza artificiale hanno bisogno di dati: più un modello ingerisce, più accurata è la sua analisi e più è probabile che le decisioni che richiede colpiscano nel segno. Tuttavia, il problema è minore con la disponibilità complessiva dei dati. Solo il 10% degli intervistati afferma di lottare con questo. Secondo Le Cotonnec, le difficoltà nell'integrare i dati in diversi formati, in particolare i dati non strutturati, sono il problema più grande. Gli assicuratori dovrebbero iniziare a sfruttare i loro dati non strutturati (registri delle chiamate, immagini, e-mail), afferma, al fine di migliorare l'efficienza del processo di sinistro o migliorare l'esperienza del cliente. Abbiamo abbastanza dati, ma la nostra capacità di estrarre valore da dati non strutturati è al momento limitata. Il settore assicurativo non è solo: è un problema vissuto dal 57% delle imprese intervistate (e da molti più servizi professionali, trasporti e organizzazioni governative).

L'integrazione di dati non strutturati, l'interfaccia con piattaforme di dati aperti e la distorsione nei modelli algoritmici sono le principali sfide relative ai dati dell'IA.

Sbloccare le opportunità per la condivisione dei dati

Nel giugno 2019, 10 grandi produttori farmaceutici hanno formato un consorzio con lo scopo esplicito di condividere i dati della ricerca sui farmaci che ciascuno può utilizzare per addestrare i propri algoritmi di intelligenza artificiale. Non è la prima volta che le major della droga si impegnano in una collaborazione di ricerca e sviluppo. Ma è il primo caso in questo settore della collaborazione nella ricerca in cui l'IA è sia abilitante che beneficiaria. I membri del consorzio esplorano i dati dell'altro utilizzando tecniche di apprendimento federato, che sono una forma decentralizzata di apprendimento automatico. Ciò consente ai dati ricercati di rimanere nei server di ciascuna azienda anziché essere raggruppati in un repository centrale. Le aziende possono salvaguardare ciò che considerano proprietario, mentre l'uso della blockchain garantisce la piena tracciabilità dei dati. L'obiettivo finale: semplificare e accelerare la scoperta e lo sviluppo di farmaci, portando al mercato nuovi farmaci e trattamenti meno costosi.

Questo esempio evidenzia come l'uso dell'IA, in combinazione con altre tecnologie, può facilitare la condivisione dei dati efficiente e sicura tra le aziende e i vantaggi che potrebbero derivare da potenti modelli di IA basati su dati condivisi. I vantaggi potrebbero assumere la forma di nuove efficienze, nuovi prodotti e servizi o persino nuove catene del valore che si formano attorno ad accordi di condivisione dei dati.

A livello globale, i settori manifatturiero, dei prodotti di consumo e della vendita al dettaglio, nonché dell'IT e delle telecomunicazioni mostrano il massimo interesse per le modalità di condivisione dei dati con terze parti.

Due terzi (66%) degli intervistati del nostro sondaggio esprimono la volontà di condividere i propri dati per questi scopi. I produttori, i beni di consumo e le aziende di vendita al dettaglio e le società tecnologiche sono i più entusiasti, sebbene tutti i settori mostrino un ampio grado di preparazione. Come stanno cercando di trarne vantaggio? I produttori vedono i loro principali vantaggi sotto forma di maggiore velocità e visibilità della catena di approvvigionamento, operazioni di produzione più efficienti e sviluppo di prodotti più rapido e innovativo. Gli intervistati dei settori dei beni di consumo e della vendita al dettaglio, farmaceutico e sanitario citano la stessa catena di approvvigionamento e guadagni nello sviluppo del prodotto. I dirigenti IT e telecomunicazioni vedono i vantaggi principalmente in esperienze di servizio clienti migliorate e una maggiore sicurezza informatica e prevenzione delle frodi, gli stessi vantaggi che sono al primo posto per gli intervistati del settore finanziario.

La condivisione dei dati attraverso le catene del valore e tra diversi fornitori nel percorso del cliente può essere un enorme vantaggio per i consumatori, afferma Tony Bates di Genesys. Generiamo miliardi di interazioni intorno alle quali possiamo costruire modelli di dati comuni. Ma abbiamo anche bisogno di altre forme di dati. È necessario condividere i dati tra i diversi grandi stack tecnologici che utilizziamo e gestiamo. Se riusciamo a farlo in modo anonimo e sicuro, come settore possiamo garantire che i nostri clienti ricevano esperienze molto più personalizzate di quelle che stanno ottenendo ora.

Gli intervistati percepiscono una maggiore visibilità attraverso le catene di approvvigionamento e uno sviluppo di prodotti più rapido e innovativo come i maggiori vantaggi della condivisione dei dati con terze parti.

In particolare per le aziende business-to-consumer, l'ostacolo principale fino ad oggi è stato la difficoltà di garantire l'anonimato dei dati dei propri clienti. Chhabra di Vodafone afferma che l'anonimato completo è stato sfuggente: per quanto tu voglia rendere anonimo, gli utenti di dati condivisi possono trovare modi per tracciare i clienti a cui si riferiscono i dati. Crede che blockchain e sviluppi più recenti come Ocean Protocol, che funziona in modo simile all'apprendimento federato consentendo la ricerca decentralizzata dei dati, alla fine garantiranno che i modelli di intelligenza artificiale possano essere eseguiti su dati completamente anonimi.

Creare la possibilità di condividere i dati in modo sicuro è un pezzo del puzzle. L'altro, dice Chhabra, sta creando un incentivo per le aziende ad andare avanti e condividerlo. Coloro che stanno dietro Ocean Protocol, una piattaforma senza scopo di lucro sviluppata da una fondazione con sede a Singapore, vedono la sua tecnologia alla base della formazione di mercati di dati in cui aziende, consumatori e altre parti condividono o scambiano dati.

In qualunque forma di condivisione le aziende prendano parte, devono imparare a valutare i dati in loro possesso e i dati di cui hanno bisogno, afferma George Bailey, amministratore delegato del Digital Supply Chain Institute, un'organizzazione di ricerca. Può significare assegnare un prezzo monetario a diversi tipi di dati o identificare quali dati è disposto a scambiare in cambio di quelli di altre parti. Cita gli esempi di produttori di articoli sportivi che vedono un vantaggio nell'ottenere dati da aziende che supportano app per il fitness e produttori di beni di consumo durevoli che cercano dati sulle preferenze e sulle caratteristiche degli utenti finali dai rivenditori. Bailey sostiene anche la valutazione e il trading dei dati all'interno delle aziende come mezzo per superare i silo di dati radicati.

Una maggiore chiarezza normativa e lo sviluppo di standard di settore concordati sono necessari prima che le aziende intraprendano una condivisione dei dati più attiva.

Dalla visione alla realtà

La condivisione dei dati su una scala che porta a nuove efficienze, prodotti e catene del valore abilitati dall'intelligenza artificiale è una visione da realizzare piuttosto che una realtà attuale. Tutti coloro che abbiamo intervistato credono che accadrà, ma che ci vorrà del tempo prima che i dubbi del consiglio di amministrazione e della C-suite sui rischi per la sicurezza e la privacy di farlo si calmino. Tale punto di vista si riflette nel sondaggio, in cui il 64% degli intervistati afferma che la regolamentazione deve essere modificata o chiarita e il 58% che è necessario sviluppare standard di settore, prima che le loro aziende abbraccino ampiamente la condivisione dei dati.

Le rigide normative sulla privacy dei dati, come il Regolamento generale sulla protezione dei dati (GDPR) dell'Unione Europea, in vigore dal 2018, comprensibilmente danno ai dirigenti una pausa alla luce delle sanzioni che potrebbero subire per il mancato rispetto dei suoi requisiti. La tecnologia blockchain può essere parte della soluzione, ma Chhabra evidenzia anche quello che è noto come il paradosso della blockchain del GDPR: il primo richiede la capacità di cancellazione dei dati su richiesta di un individuo, mentre la non cancellazione, la piena tracciabilità, è inerente al secondo.

Resta da vedere come tali problemi vengano risolti, ma alcune organizzazioni sostengono l'istituzione di trust di dati per facilitare la condivisione. Uno è l'Open Data Institute (ODI), un'organizzazione senza scopo di lucro con sede nel Regno Unito: sostiene che c'è un forte appetito tra le imprese britanniche per tali trust costituiti come istituzioni indipendenti che agiscano come amministratori dei dati condivisi.

Philips, afferma Jeroen Tas, è un grande sostenitore della creazione di un trust non commerciale per la gestione dei dati sanitari ed è in trattative con la Commissione europea per supportare tali iniziative. C'è un consenso in questo settore che dice: 'Forse non dovremmo investire solo in ospedali fisici e altre strutture. Forse il futuro dell'assistenza sanitaria è un'infrastruttura di dati sanitari molto solida e sicura.

Per ulteriori informazioni, scaricare il rapporto completo .

nascondere