G2 su AI e Analisi Aziendale: Cos'è Veramente e Perché è Importante?

L'intelligenza artificiale (AI) è diventata l'argomento più caldo nel campo della tecnologia. Il suo utilizzo nell'era della trasformazione digitale si estende ai settori commerciali e pubblici, alimentando il dibattito tra aziende, legislatori e pubblico. Ho messo penna su carta sull'argomento per alcuni anni; avendo recentemente aderito a G2 per favorire l'espansione delle nostre categorie di AI (così come delle nostre categorie di analisi, cloud e sicurezza), vorrei riassumere alcune delle mie opinioni, mentre preparo il terreno per un'esplorazione più dettagliata delle tecnologie, delle sfide aziendali e delle tendenze che stanno plasmando l'AI.

Spero che lo troviate utile e informativo e, come sempre, accolgo con favore i feedback da parte di utenti, acquirenti e costruttori. La conversazione sull'AI è in corso, e spetta a noi scoprire il vero valore dell'AI, rendere disponibili i dati che sono il suo carburante e fornire risultati migliori per tutti.

Esistono due tipi di AI, ma solo uno è attualmente realistico

Non sono solo nel proporre che l'AI possa essere pensata come divisa in due campi. In primo luogo, c'è un'AI generale: la replica dell'intelligenza simile a quella umana, che, se interrogata dagli umani, dovrebbe essere indistinguibile da essa.

Il secondo tipo è l'AI ristretta. L'AI ristretta è una capacità specifica per un compito che automatizza il lavoro umano in modo altamente definito e strutturato. L'AI ristretta trae benefici per gli utenti completando compiti su una scala più ampia, a velocità maggiori e con maggiore precisione di quanto potrebbe fare un essere umano.

L'AI generale è il colpevole quando si tratta di gran parte della confusione e della disinformazione nel mercato dell'AI. Perché? Perché, a questo punto (e per il futuro prevedibile), è l'argomento della fantascienza. Le percezioni popolari dell'AI sono guidate da esempi come Terminator o I, Robot. Conoscete la storia qui: macchinari incredibilmente (uso quella parola deliberatamente) intelligenti superano l'intelligenza umana, decidono che le persone sono una minaccia o incapaci di prendere decisioni da sole, e fanno qualcosa di catastrofico al riguardo. Sebbene sia importante discutere le implicazioni etiche dell'AI generale futuristica, possiamo concentrarci su ciò che è realistico per gli acquirenti di tecnologia oggi: l'AI ristretta.

Oggi, l'AI ristretta è utilizzata per la sua precisione e velocità. La tecnologia può completare compiti più rapidamente, con maggiore coerenza o su una scala più ampia (o una combinazione di questi) di quanto possa fare una persona. È importante notare che è anche un complemento naturale a molte tecnologie esistenti grazie alla capacità di integrarla al loro interno. Maggiori dettagli su questo più avanti.

La tecnologia AI non è nuova, ma i dati e la capacità di calcolo per eseguirla lo sono

Per coloro che sono interessati alla storia delle tecnologie AI, alcune di quelle utilizzate oggi esistono dagli anni '50 e '60.

Ma se l'AI esiste da così tanto tempo, perché abbiamo iniziato a usarla solo negli ultimi anni?

La risposta è semplice: solo recentemente c'è stato il volume di dati necessario per alimentarla e la potenza di calcolo per elaborarla. L'AI ristretta eccelle in compiti su una scala e a un ritmo che gli esseri umani faticano a gestire. I big data abbinati alla disponibilità di servizi di archiviazione e calcolo vasti e scalabili nel cloud pubblico lo rendono possibile e prezioso.

Il valore dell'AI si trova nei miglioramenti della produttività, per ora

Continuerò a sostenere che la maggior parte dei casi d'uso dell'AI riguarda davvero il miglioramento della produttività; cioè, produrre di più, ma usando meno per farlo. In sostanza, il mio argomento è questo: l'AI aiuta le persone a svolgere il loro lavoro più rapidamente (attraverso l'automazione del lavoro) o più efficacemente (scoprendo intuizioni precedentemente nascoste che influenzano positivamente le decisioni). In termini di una semplice formula per la produttività, questo riduce gli input (lavoro) per fornire output (lavoro completato), o aumenta la quantità di output per gli stessi input, o—ancora meglio—entrambi.

Questa è anche una situazione in evoluzione. L'"arte del possibile" si sta espandendo rapidamente. Ad esempio, il lavoro coinvolto nel monitoraggio di fonti di dati su scala internet per segnali e intuizioni è al di là delle capacità di un essere umano. Ciò significa che non solo sono disponibili guadagni di produttività per i tipi di lavoro e output esistenti, ma l'AI e le macchine che la eseguono possono e stanno creando usi precedentemente impossibili. Costi, ricavi e profitti non sono gli unici leve aziendali da tirare, inoltre. Considerate la scala e la velocità delle minacce alla sicurezza informatica; le macchine eccellono in questo tipo di sfida, e gli esseri umani non possono tenere il passo.

Un colpo di avvertimento deve essere sparato nell'interesse dell'equilibrio, e sarà l'argomento di un futuro post di G2: la riduzione del lavoro porterà inevitabilmente a perdite di posti di lavoro (attuali). È iniziato un grande dibattito sul fatto che l'AI inaugurerà una disoccupazione di massa o segnerà l'inizio di una nuova era di creatività e libertà economica. Che siate ottimisti o pessimisti riguardo all'AI in questo senso, queste domande socioeconomiche senza risposta necessitano di più tempo e sforzi investiti nella ricerca di un risultato positivo.

Iniziare con l'AI per la maggior parte è probabile che sia come una caratteristica di un prodotto esistente

Molte aziende sono giustamente entusiaste della prospettiva di utilizzare (anche se potrebbero non saperlo, l'AI ristretta) per migliorare le loro attività, ma come dovrebbero iniziare? Per alcuni, la risposta è stata tentare di costruire centri di competenza AI, assumendo i tanto discussi data scientist per guidare l'iniziativa. Due problemi tendono a emergere in questo scenario. In primo luogo, i data scientist sono scarsi e costosi. In secondo luogo, spesso c'è poca chiarezza su quali obiettivi un'azienda voglia raggiungere oltre a "Facciamo qualcosa con l'AI".

Fortunatamente, molti fornitori di software sono consapevoli di queste sfide e le stanno affrontando integrando l'AI ristretta nelle loro applicazioni e soluzioni. Gli esempi sono abbondanti, con il software di gestione delle relazioni con i clienti (CRM) probabilmente il più visibile, offrendo funzionalità potenziate dall'AI come la valutazione dei lead o la prossima migliore offerta. Le applicazioni intelligenti adattive di Oracle e i prodotti Einstein di Salesforce offrono capacità potenziate dall'AI per l'esperienza del cliente (CX), tra altre aree applicative. Le organizzazioni beneficiano della tecnologia senza richiedere una pletora di conoscenze e competenze AI. Le intuizioni fornite alle organizzazioni sono nel contesto dell'applicazione e dei suoi processi, rendendo il consumo semplice. Le aziende devono fare ulteriori considerazioni sui loro dati. Esploreremo il ruolo dei dati ampiamente in future colonne, ma è importante menzionarlo poiché molte aziende lottano ancora per gestire i loro dati. Nessun dato equivale a nessuna AI.

Per le aziende con il budget, requisiti molto specifici (ad esempio, alcune aree dei servizi finanziari) o con competenze interne esistenti, costruire la propria AI è un'opzione supportata da una gamma di ciò che sono più comunemente chiamate piattaforme di data science. Una piattaforma di data science fornisce gli strumenti per reperire e gestire i dati necessari, il kit di strumenti AI (più spesso machine learning, ma anche deep learning per alcuni casi d'uso), capacità di distribuzione e gestione dei modelli. Gli esempi includono Dataiku, Datascience.com, IBM Watson Studio, Microsoft Azure Machine Learning e RapidMiner.

Rendere l'AI più accessibile è la sfida immediata

Mentre una carenza di competenze e le sfide nel reperire i dati giusti per alimentare l'AI sono sfide immediate e in corso, l'industria e i governi nazionali stanno rispondendo.

Ecco tre tendenze che vedo plasmare come le aziende adotteranno e utilizzeranno l'AI nel prossimo futuro:

• L'augmented è la parola nell'AI in questo momento. Giustamente, poiché rappresenta accuratamente ciò di cui la maggior parte delle soluzioni AI è attualmente capace, e focalizza il dibattito sull'AI sul valore aziendale piuttosto che sulla filosofia tecnologica. Pensate all'augmented AI come a un copilota per gli utenti della tecnologia aziendale, nascondendo la complessità della tecnologia e le enormi quantità di dati che la alimentano lontano dall'utente e assistendoli con il completamento automatico di compiti banali e suggerendo proattivamente azioni che aggiungono valore o mitigano il rischio. Lo vediamo in azione oggi. Man mano che nuove capacità e casi d'uso diventano disponibili, e gli utenti accettano e si fidano delle capacità potenziate dall'AI, il copilota AI diventerà una parte indispensabile del lavoro quotidiano della persona d'affari.
• Il divario di competenze che attualmente limita l'adozione dell'AI sarà eroso dagli sviluppi tecnologici che guideranno l'accessibilità e aumenteranno i potenziali casi d'uso. Nello stesso modo in cui l'analisi si è spostata dal dominio di un piccolo gruppo di esperti utenti avanzati a uno strumento accessibile a milioni, le tecnologie AI diventeranno più accessibili attraverso l'uso di capacità drag-and-drop, low- o no-code e predefinite aperte a sviluppatori e utenti aziendali. Aspettatevi di vedere l'emergere di modelli di machine learning come servizio o mercati in cui le aziende possono accedere a IP sofisticati, predefiniti e configurabili per le loro circostanze uniche da una gamma di fornitori.
• Combinare molte capacità di AI ristretta per creare una soluzione potenziata dall'AI "più della somma delle sue parti" è un altro sviluppo che mi aspetto avrà un impatto significativo. La capacità di combinare e orchestrare queste AI ristrette nel contesto di, ad esempio, un processo aziendale (e probabilmente abbinato a automazione dei processi robotici) guiderà la produttività su una gamma molto più ampia di compiti all'interno delle organizzazioni.

Oltre alle mie previsioni, nei prossimi mesi ci saranno alcuni dei più grandi eventi per gli utenti di tecnologia dell'anno, tra cui il re:Invent di AWS, il Dreamforce di Salesforce e l'OpenWorld di Oracle. Aspettatevi una serie di annunci sull'AI da ciascuno. I nostri analisti di G2 saranno lì, offrendo agli acquirenti di tecnologia le nostre opinioni e opinioni su di essi mentre accadono, sul G2 Research Hub.