Ammagamma ha selezionato i trend che nel 2023 potrebbero avere l’impatto più profondo sull’adozione dell’IA in azienda, sia al suo sviluppo tecnologico, e traccia alcune linee guida possibili per migliorare la competitività delle imprese e del sistema Paese.
Le imprese, principalmente le medie e le piccole, potrebbero essere spinte ad adottare dei sistemi di intelligenza artificiale per ottimizzare la produzione, con due benefici principali: la diminuzione dei costi e l’aumento nella puntualità delle consegne.
La sfida energetica metterà seriamente a dura prova il mondo produttivo. L'intelligenza artificiale, all’interno di uno scenario così sfidante, potrà giocare un ruolo determinante per le aziende. Dall’ottimizzazione della produzione, all’applicazione di controllori predittivi, alla manutenzione predittiva degli impianti: sono innumerevoli le opportunità di risparmio che potranno aiutare le imprese ad affrontare in maniera efficace il nuovo contesto e a raggiungere l’efficienza energetica. Nelle grandi aziende, così come nelle PMI, si parla di risparmi dal 10 al 20% negli edifici, grazie all’ottimizzazione dei cosiddetti BEMS, Builiding energy management systems, e a un aumento indicativamente del 30% di risparmio, attraverso la pianificazione ottimizzata di tutte le fasi produttive.
La capacità di prendere decisioni strategiche più solide e affidabili, in un contesto di volatilità e incertezza elevate, sarà una priorità delle aziende a tutti i livelli: dalla pianificazione aziendale al budgeting, alla definizione degli obiettivi, fino alla gestione del magazzino, della supply chain, degli investimenti. Gli strumenti di intelligenza artificiale a supporto del forecasting hanno visto un’accelerazione della domanda continua, nel 2022. Non è ipotizzabile che questa tendenza si inverta, tutt’altro. Gli strumenti più avanzati di forecasting disponibili oggi si sono dimostrati in grado di migliorare le capacità predittive di un’azienda fino al 60%, rispetto agli strumenti di previsione tradizionalmente in uso.
La soluzione di intelligenza artificiale viene composta a partire da blocchi già prodotti, disponibili e testati. Un numero crescente di imprese sta abbracciando questa tendenza, che consente di avere soluzioni più stabili, che hanno bisogno di minore manutenzione e che si adattano con costi e rischi molto contenuti all’infrastruttura informatica già esistente in azienda. Ancora più importante, questo approccio consente di intervenire in tempi rapidi su criticità concrete e immediate, con una riduzione del 40% dei tempi di rilascio della soluzione: un processo molto più rapido rispetto a un approccio sartoriale "from scratch", ma molto più performante rispetto all'integrazione di software pre-sviluppati con approccio monolitico. La composizione delle funzionalità rende questo approccio estremamente adattivo e performante in un contesto volatile.
Le imprese che saranno disposte a investire sull’affidabilità dei propri sistemi di IA, ovvero adottare modelli affidabili e duraturi, avranno l’opportunità di generare un valore reale e continuativo, attraverso tali sistemi, nonché di assumere decisioni più efficaci e più sicure nel tempo. L’affidabilità è ormai un requisito imprescindibile dello sviluppo dei modelli di IA: copre tutti gli aspetti relativi a una corretta gestione del dato, verso una completa trasparenza, l’assenza di discriminazioni, l’imparzialità e l’accountability di tutte le figure coinvolte, l’interpretabilità dei risultati dei modelli, una corretta valutazione dei rischi per gli utenti, oltre che la robustezza tecnica e di processo, che può essere implementata attraverso pratiche molto efficaci quali il Machine Learning development operations Disporre di modelli di IA affidabili, in azienda, ha un impatto positivo su tutti i processi interni e di decision making, contribuendo ad aumentare le performance complessive dell’azienda e il livello di sicurezza interno ed esterno ad essa, nei confronti dei propri stakeholder.
Il focus si deve spostare molto di più sui dati che sugli algoritmi. Migliori dati significa migliori modelli che a sua volta vuol dire migliori processi. Le aziende che adotteranno modelli data-centrici di IA, valorizzando i propri dati, potranno infatti godere di nuovi importanti benefici rispetto al passato. Tra questi: una miglior accuratezza dei modelli, tempi di implementazione dell’IA drasticamente ridotti, un’applicazione più veloce ed efficiente dei nuovi sistemi, un miglior rendimento dei processi e infine una maggior competitività sul mercato.
