Uno degli argomenti più dibattuti continua ad essere quello della GenAI, o intelligenza artificiale generativa. Ma cosa c’è davvero dietro? Quali sono i vantaggi per le aziende che decidono di investire? Quali gli ostacoli? E soprattutto: che ruolo hanno i grandi player del mondo del tech nel supportare le imprese? Abbiamo parlato con Nicola Scarfone, Generative AI Team Leader di SAS, nota azienda attiva a livello mondiale, specializzata in analytics e intelligenza artificiale per rispondere a queste domande e capire come un grande vendor come SAS approccia il tema, sicuramente di grande hype. Quello che emerge è che ci troviamo ora nel momento della concretezza ed è il tempo di scaricare a terra tutto il potenziale di questa tecnologia, uscendo dai laboratori e scontrandosi e facendo i conti con la realtà concreta.
Quella della GenAI è una vera e propria rivoluzione: quali sono in concreto le opportunità per le aziende?
“La GenAI ha accelerato notevolmente l’utilizzo e la diffusione di strumenti che già da anni troviamo all’interno delle organizzazioni e mi riferisco a machine learning e intelligenza artificiale – spiega Scarfone -. Tra i vantaggi portati dalla GenAI troviamo un miglioramento dell’efficienza operativa delle organizzazioni; una maggiore capacità di innovare strumenti e servizi e di creare esperienze per il cliente personalizzate e scalabili in maniera molto rapida”.
In che modo la GenAI consente di fare queste cose?
“Il concetto più importante è quello di automazione, seguito dall’ottimizzazione dei processi”.
Cosa si intende per automazione?
“Con automazione intendiamo un’automazione del lavoro ripetitivo che si traduce in uno sviluppo di nuovi contenuti e di nuovi prodotti.
Un altro vantaggio molto importante è la vera democratizzazione degli analytics perchè con la GenAI abbiamo un oggetto in un certo senso parlante che mette a disposizione delle persone che hanno le competenze analitiche tutto ciò che serve per sfruttare i dati all’interno delle proprie operazioni quotidiane. Ad esempio, sulla parte dei motori di ottimizzazione, che dal punto di vista analitico statistico-matematico sono tra i più complessi oggetti che abbiamo all’interno delle nostre organizzazioni, uno strumento di Generative AI può consentire l’utilizzo e la modifica di un motore di ottimizzazione anche a chi non ha le fa le competenze matematiche per intervenire”.
Tutto questo pone le organizzazioni di fronte a nuove sfide…
“Assolutamente sì: sfide legate all’adozione di una nuova tecnologia e alla gestione dei dati. Un altro problema è quello relativo alla formazione delle risorse che si trovano di fronte a strumenti completamente nuovi e alla difficoltà di reperire risorse, e sono molto poche, già opportunamente skillate”
Le nostre imprese sono effettivamente consce dei vantaggi della GenAI? Guardano con interesse a queste tematiche?
“C’è molto hype intorno a questa tecnologia: l’interesse è molto forte e continua a crescere, così come cresce la consapevolezza dei vantaggi che derivano dall’impiego dell’AI generativa”.
Quali sono i settori più recettivi?
“A livello mondiale troviamo molto interesse verso la GenAI in tutto il mondo dell’industria creativa e culturale, del design e della moda, della pubblicità e della comunicazione: tutti ambienti dove la creazione di contenuti digitali tramite GenAI viene sperimentata ormai da tempo. Da una ricerca SAS, vediamo tra i settori più attivi telco, retail e seguono il mondo del Finance, con banche e assicurazioni che si stanno muovendo in maniera molto rapida in questa direzione.
La stessa cosa vale anche per l’Italia?
“Sì, in Italia la situazione è simile ma troviamo esasperato il problema delle competenze da un duplice punto di vista: da un lato abbiamo la difficoltà di formare nuove risorse perché manca chi ha già queste competenze e dall’altro lato abbiamo il problema di reperire talenti già formati sul mercato, che sono davvero pochi. Troviamo poi in modo trasversale a livello worldwide i temi classici di resistenza al cambiamento all’interno delle organizzazioni che derivano anche da una non completa comprensione dei vantaggi legati alla GenAI e alla sua complessità nel passare dalla fase consultiva a quella dispositiva. Un’altra criticità, , è poi quella riguardante la reperibilità, la privacy e sicurezzae l’utilizzo dei dati. Gli investimenti in GenAI ci sono ma ora ci troviamo nel momento di svolta in cui è necessario capire in che modo questi investimenti possano generare il ritorno atteso”.
Per le imprese che investono nella GenAI è necessario mettere in piedi una vera e propria strategia dove nulla è lasciato al caso, a partire dalla necessità di integrare gli LLM nei processi decisionali dell’azienda. Perché è fondamentale?
“Gli LLM sono uno strumento abilitante perché consentono di avere a disposizione informazioni in tempi rapidissimi, e per di più informazioni molto dettagliate e al livello necessario alla persona che le utilizza. L’inserimento degli LLM all’interno dei processi decisionali va incontro a questa direzione: è la chiave per ottenere quella efficienza operativa di cui parlavamo prima.
L’utilizzo di strumenti come ChatGPT in ambito casalingo ha semplificato la vita a molte persone ma la situazione a livello aziendale è ben più complessa perché dietro si nascondono delle criticità: chi utilizza questo strumento? Quali dati vanno in input? Quali dati vengono restituiti in output? Se ci sono informazioni critiche, dove vanno i dati? Entra in gioco un processo estremamente complesso che deve essere gestito quindi l’importanza di poter integrare questi strumenti deve andare necessariamente di pari passo con la consapevolezza dell’importanza di come questi strumenti devono essere parte fondamentale del processo”.
Focalizziamoci ora sull’approccio di SAS, perché poi la GenAI va anche messa in produzione. Qual è la vostra strategia? Cosa proponete?
“Gli LLM sono solo una parte del mondo della GenAI, ma non l’unica perché poi c’è il tema dei dati sintetici, ci sono gli assistenti digitali e così via.
La strategia di SAS, soprattutto riguardo agli LMM, mira a mettere le aziende in condizione di poter utilizzare questi strumenti all’interno dei loro processi decisionali, indipendentemente da quello che è l’LLM di riferimento. Questo oggetto deve essere calato in un processo decisionale caratterizzato da una architettura scalabile e dalla possibilità di automatizzare i flussi di lavoro e di gestire il dato (data governance) con strumenti di decisioning e di gestione automatica. L’esito deve essere quello di creare dei processi che consentano, come dicevo, di calare il processo e mapparlo all’interno di un flusso decisionale.
Occorre rendere l’l LLM in grado di prendere le informazioni che servono e restituire quelle utili all’utente, garantendo allo stesso tempo tutta la filiera produttiva necessaria, quindi la gestione del dato, la gestione della privacy, senza sottovalutare l’ottimizzazione dei costi per portare a quell’efficienza operativa cui facevo cenno. Un ultimo punto, non meno importante, riguarda la parte di sostenibilità e impatti etici: quando andiamo a parlare di bias nei modelli Generativi, bisogna considerare il grado di trasparenza nelle decisioni che vengono prese, avere un motore in grado di mappare correttamente un processo e allo stesso tempo integrare all’interno di questo processo considerazioni di etica e di sostenibilità nell’approccio all’adozione della GenAI.
SAS è di fatto l’abilitatore necessario per andare ad automatizzare i processi di generative AI”.
Al centro di tutto ci sono i dati sintetici: come si verifica la qualità dei dati, la loro affidabilità e il pieno rispetto della privacy?
“Quando si parla di qualità del dato si fa riferimento al fatto che il dato sintetico deve garantire una coerenza con il dato reale, coerenza statistica innanzitutto, deve essere robusto rispetto ai dati reali su cui è addestrato: le misure statistiche del dato sintetico devono essere coerenti con quelle del dato reale e quindi il dato sintetico deve essere statisticamente sovrapponibile senza replicare il dato reale. Questo perché il secondo grande problema riguarda il tema della privacy, uno dei motivi per cui al posto dei dati reali si utilizzano i dati sintetici che fanno in modo di rendere impossibile dal dato sintetico risalite al dato reale.
Il terzo punto è la l’affidabilità del dato sintetico nel suo utilizzo all’interno del ciclo di vita analitico, in tutti quei casi in cui il dato sintetico, una volta generato, viene utilizzato per sviluppare un modello analitico o per perfezionare un modello analitico già esistente. L’affidabilità consiste nel sapere che il modello analitico generato da quel dato è un modello robusto e su cui è possibile fare affidamento e i cui risultati restano validi anche quando usato in produzione con dati reale: che sia, cioè, un modello utile alla mia analisi.
Quindi il dato sintetico viene sottoposto costantemente a queste tre forze e, evidentemente, una delle caratteristiche fondamentali è la ripetibilità del dato stesso: il dato sintetico non viene generato one shot in maniera random, ma dobbiamo essere in grado di generarlo in continuazione, sottoporlo in continuazione a questi test e garantire in continuazione la sua utilità secondo questi criteri
SAS ha annunciato da pochi giorni l’acquisizione del software di dati sintetici Hazy per potenziare il portafoglio di intelligenza artificiale generativa. Integrando la loro tecnologia, possiamo offrire ai nostri clienti opportunità senza precedenti per sfruttare i dati in modo sicuro ed efficace, consentendo loro di sperimentare e modellare scenari precedentemente inaccessibili e ottenere un vantaggio competitivo.
Un altro tema fondamentale quando si parla di GenAI è quello dei Copilot…
“I Copilot sono sostanzialmente degli assistenti virtuali avanzati che collaborano con l’utente per svolgere dei compiti complessi, per generare contenuti, per prendere decisioni e così via L’assistente virtuale e Copilot è in sostanza la scatola all’interno della quale viene raccolto tutto quello che ci siamo detti fino adesso: quello che una volta veniva chiamato chatbot ma che delle chatbot mantiene solo la forma del dialogo mentre consente all’utente che sta per esempio utilizzando una soluzione con un’interfaccia per governare un certo processo di governarlo al meglio senza perdere tempo nel capire come farlo. Semplicemente l’operatore chiede all’assistente virtuale, che oltretutto è capace di suggerire le azioni migliori da intraprendere, le investigazioni migliori da fare, e le analisi migliori da portare avanti per completare il task. In definitiva, Copilot consente di portare avanti il lavoro in maniera semplificata, più veloce ed efficiente”.
Per finire cosa si aspetta SAS da questo mercato, quali sono i suoi obiettivi?
“Ci troviamo di fronte ad un tema estremamente interessante che ha preso il via circa un anno e mezzo fa con il lancio di ChatGPT e strumenti analoghi, suscitando un forte hype. Ora è il momento che questo hype venga scaricato a terra e il posizionamento di SAS in questo ambito è sicuramente quello di aiutare le imprese nella scrematura della parte di hype da ciò che effettivamente porta valore alle organizzazioni. Lavoriamo per estrarre il vero valore dagli strumenti di GenAI e per renderla più pervasiva.
SAS con il suo lavoro nel machine learning e nella intelligenza artificiale ha sempre avuto la vocazione di portare l’innovazione al di fuori dei laboratori ed è quello che sta facendo anche ora con la GenAI”.
