Intelligenza artificiale, una rivoluzione che fa scattare la produttività nelle aziende italiane

Contrordine compagni. L'intelligenza artificiale non risolverà da sola ogni problema: qui bisogna proprio rimboccarsi le maniche. Chi vuole prendere il treno di questa fase che si può davvero definire rivoluzionaria deve organizzare una ricognizione profonda, una colossale riflessione sulla propria attività. Senza tutto ciò, anche i modelli più innovativi di intelligenza artificiale generativa potranno risultare inutili. La partita è già iniziata e non potrà che riguardare anche l'economia italiana. Nel campus del Mit a Cambridge c'è un viavai compassato che sembra quasi voler nascondere la frenesia di questi mesi: a fine 2022 i paper scientifici sull'intelligenza artificiale hanno superato le 500mila unità in un anno, 1.369 al giorno. Non passano 24 ore senza un annuncio di un investimento o di un nuovo prodotto: le startup del settore vengono corteggiate senza tregua, Big Tech scalpita, si sprecano i report e le previsioni di futurologi sui settori più colpiti.

Gran parte di questo rumore si deve al debutto pubblico di ChatGpt, che ha mostrato a milioni di utenti la sorpresa di un'interazione con un sistema che è in grado di ragionare: capisce le nostre domande. Ovviamente il rumore di fondo va distinto dai segnali, ma il treno dell'intelligenza artificiale è partito, e qualsiasi impresa desiderosa di rimanere sul mercato ancora a lungo si interroga sul significato per il proprio settore. Non è un caso che l'intera conferenza che il Mit organizza ogni anno sulle tecnologie emergenti sia stata dedicata all'intelligenza artificiale. Il messaggio principale che arriva da Cambridge è però un invito a rivedere i fondamentali.

L'area della competizione

Il primo elemento da capire riguarda i player in campo. I modelli di OpenAI hanno avuto enorme attenzione anche da parte dei consumatori: ChatGpt ha superato i 100 milioni di utenti in due mesi. Ma alla sfera business non interessa solo la velocità, e dunque è utile comprendere che OpenAI è solo una delle realtà in gioco. A sviluppare i Large language model (Llm), che poi svolgono i compiti che chiederemo loro, sono startup come Stability Ai e Hugging Face, oltre ai giganti della tecnologia come Google, Amazon, Meta e Microsoft. Questi modelli vengono allenati con un grande ammontare di parametri (miliardi), imparano, e poi sono in grado di svolgere un grande numero di funzioni: rispondere a domande, generare testo, tradurre, fare calcoli, consigliare, scrivere codici di programmazione. Alcuni dei modelli sono enormi, si sono allenati su miliardi di parametri (un allenamento costoso), altri sono più piccoli. "Ma penso che ci possano essere grandi opportunità proprio nei piccoli modelli che fanno bene una cosa", spiega Margaret Mitchell, ricercatrice di Hugging Face, un'azienda di New York che punta su un approccio condiviso a queste tecniche. Sulla propria piattaforma ospita circa 150mila di questi modelli aperti e pronti all'uso e altri 300mila che invece sono tenuti privati dalla community di sviluppatori. Un'altra piattaforma è Stability AI, a Londra, anche loro credono nell'open source. "I modelli devono essere come un bene pubblico. Noi siamo una società che farà profitti ma vogliamo rilasciare i nostri modelli", dice il product manager Bill Marino. L'elenco di società attive nel nascente settore potrebbe continuare. Cosa significa? La competizione abbasserà i prezzi, questi modelli potrebbero diventare commodity. Connettere le proprie funzioni aziendali a questi modelli sarà come pagare la bolletta dell'energia elettrica.

Le basi italiane

Ma come sempre, di fronte a una nuova tecnologia, conta la capacità di fare la giusta domanda. Quanto sono pronte oggi le aziende italiane a sfruttare queste tecniche? Una delle conseguenze della fase pandemica è un salto in avanti della digitalizzazione nei suoi indicatori tradizionali. Per esempio dal 2019 al 2022 cresce del 23% la quota di Pmi in cui più di un addetto su due ha accesso a Internet per il proprio lavoro. Ma nonostante la crescita, il 50,7% degli addetti nelle Pmi non usa Internet. E solo una Pmi su 10 impiega degli specialisti digitali e vende online. I numeri migliorano in modo sensibile all'aumentare della dimensione aziendale, nonostante notevoli ritardi rispetto alla media europea. Ma il carotaggio statistico dell'Istat sulla digitalizzazione riguarda funzioni di superficie, elenca il numero di addetti connessi o l'uso delle riunioni online, ma non può indagare in verità sulla comprensione dell'era digitale da parte delle imprese. La conseguenza è che il mercato dell'intelligenza artificiale in Italia sia ancora piccolo, stimato a quota 500 milioni di giro d'affari nel 2022 da un osservatorio del Politecnico di Milano. Oltre a far controllare i testi e preparare un'email formale a ChatGpt, insomma, che si può fare con l'intelligenza artificiale? E come fare a evitare che le "allucinazioni", come vengono chiamate le risposte scorrette, finiscano al cliente finale? "Bisogna analizzare le soluzioni e definire i rischi. Ma questo significa conoscere i processi", continua Mitchell di Hugging Face. Sicuramente le aziende che hanno capito l'epoca digitale, che hanno rivisto da tempo i propri processi, che raccolgono con ordine i propri dati, sono pronte. Per le altre il rischio è quello di un distacco a cui non sarà facile resistere. Perché - e questo è un raro punto su cui gli esperti concordano - uno degli effetti concreti dell'uso di intelligenza artificiale è un balzo della produttività, il vero problema dell'Italia. Questi anni potranno essere dunque formidabili o deleteri, perché l'efficienza introdotta dall'intelligenza artificiale per alcuni attori in un mercato potrebbe definitivamente mettere fuori gioco un mare di imprese con margini risicati.

Alla ricerca del dato

Da dove si parte, dunque? C'è un grande lavoro da fare nell'individuare i processi più adatti a essere potenziati. Sembra un paradosso, ma i tanti imprenditori italiani che rivendicano il proprio "know how", il saper fare, dovranno, almeno in parte, saperlo insegnare anche a questi modelli. Molto spesso servirà un approccio artigianale, all'inizio, per poi rendere funzionale l'uso dei modelli a livello aziendale. Non basta infatti avere tanti dati. Joelle Pineau, che guida il laboratorio di AI di Meta, spiega che "la qualità dei dati, raffinati, semantici, può cambiare la vita di un modello". Ovvero, la potenza (di calcolo) è nulla senza il controllo. Il Cto di Google Cloud, Will Grannis, considera "normale fare interagire i dati con sistemi diversi", che significa intelligenza artificiale "a chiamata" via cloud e tecniche intelligenti installate invece sulle linee di produzione dove sono necessari tempi rapidissimi di risposta. Un altro protagonista di questa sfida è Microsoft, che ha investito su OpenAI e sta rilasciando degli strumenti di AI nella suite Office (proprio come Google ha appena annunciato). "I miei figli non faranno mai una tabella pivot su Excel", dice il vicepresidente del colosso di Seattle, Jared Spadaro. Ma se queste tecniche diventano di tutti, dove si troverà il valore aggiunto? L'analisi sui processi interni, sulla delega dei diversi task, è appena iniziata.