Qual è il ruolo delle tecnologie cognitive nella Digital Data Transformation?

Nel mondo dei dati, non stiamo vivendo solo il solito, naturale, processo di evoluzione tecnologica: siamo nel bel mezzo di una vera e propria “disruption”, una mutazione generazionale del mercato che potremmo chiamare Data 3.0.
Praticamente ogni azienda sta pianificando o eseguendo un percorso di trasformazione digitale che coinvolge nuovi modelli di business, nuove tecnologie e nuovi processi organizzativi e, tra i diversi ingredienti essenziali per una trasformazione digitale di successo, è convinzione comune che i dati siano sicuramente il più importante.
Ma l’enorme quantità di dati ora disponibili per i processi decisionali rischia di sopraffare la mente umana. Non solo è difficile gestire la mole crescente di questi Big Data: spesso non riusciamo nemmeno a tenere il passo con le domande che dobbiamo porci per trarne un reale valore per il business. Ecco perché, oltre alle competenze e ai processi relativi ai dati, abbiamo sempre più bisogno di soluzioni di intelligenza artificiale e di apprendimento automatico. Ma non più solo dell’AI “tradizionale”, che si basava dai sistemi fissi, dichiarativi, basati su regole: ora l’intelligenza artificiale si è spostata verso sistemi statistici, probabilistici, basati sui dati e, grazie a nuovi algoritmi di Machine Learning, è in grado di dedurre correlazioni e modelli in insiemi di dati, per realizzare analisi predittive, riconoscimento vocale e altre soluzioni avanzate di cooperazione uomo-macchina.

In un recente sondaggio di Tech Republic, il 61% delle imprese nord americane sostiene di aver già implementato sistemi di AI all’interno delle proprie attività, mentre il 71% dichiara che l’intelligenza artificiale è parte delle strategie di innovazione delle proprie imprese e addirittura il 90% degli intervistati risulta interessato a integrare l’AI nelle applicazioni di business, per rendere più intelligenti i propri strumenti di analisi dei dati.
Di certo, però, sia l’AI che il Machine Learning non sono progetti che si possono improvvisare dalla sera alla mattina: richiedono molto tempo ed esperienza per essere operativi e necessitano di aggiornamenti continui. Non è sufficiente costruire gli algoritmi: bisogna addestrarli per assicurarsi che siano adatti allo scopo per cui sono stati costruiti, e questa formazione richiede un lavoro duro e spesso molto lungo.
È necessario soprattutto preparare bene i dati, che sono in grande quantità, di natura eterogenea e spesso distribuiti su diversi cluster e fonti esterne: si può dire che almeno i tre quarti dello sforzo per costruire un sistema di intelligenza artificiale riguardano l’acquisizione e la preparazione dei dati per il successivo addestramento del sistema di AI.

Quando si tratta di creare le basi dati per la trasformazione digitale, ci sono molte semplici domande a cui la maggior parte delle aziende fatica a rispondere:

  • Quanti database abbiamo? Quante tabelle / schemi abbiamo?
  • Dove memorizziamo i dati dei clienti? I dati finanziari? I dati dei dipendenti? I dati dei prodotti?
  • Quali dati abbiamo memorizzato su cloud? Quante app su cloud utilizziamo e quali dati hanno?
  • Quali fonti esterne di dati ci conviene integrare? Web? Social? Meteo?
  • Quale database è la “fonte della verità”? Quante copie duplicate di quei dati abbiamo?
  • Chi ha accesso ai nostri dati?

…e così via. Le piattaforme Cloud e Big Data, con la loro crescita, hanno reso ancora più difficili le risposte a queste domande, perché forniscono potenti capacità di elaborazione dati con interfacce friendly e a costi bassi, così che molti dipendenti cominciano a farne uso autonomamente (ad esempio, per applicazioni di self-BI).

Come può un’impresa mantenere il controllo sui propri dati in un ambiente in così rapida evoluzione?
È qui che entrano in gioco l’apprendimento automatico e l’intelligenza artificiale, non per dare una risposta perfetta, ma sicuramente una risposta abbastanza buona e pesata in termini di probabilità – la migliore che possiamo trovare con i dati a disposizione oggi e ulteriormente perfezionabile con i nuovi dati di domani. Pensiamo all’evoluzione, sempre più veloce in termini di precisione, dei motori di ricerca e di quelli di traduzione on-line di Google, o alle raccomandazioni del tipo “persone che hanno acquistato lo stesso articolo, hanno acquistato anche questo…” di Amazon: risposte ed indicazioni non sempre perfettamente precise e pertinenti, ma abbastanza valide per far avanzare il business, che è la cosa più importante.
Questi sistemi impiegheranno ancora del tempo per svilupparsi pienamente; una cosa, però, è chiara: l’intelligenza artificiale e le tecnologie cognitive stanno già trasformando radicalmente il modo in cui usiamo e comprendiamo i dati, quindi è meglio non aspettare troppo prima di iniziare a utilizzarle anche nelle nostre aziende.