Oggi disponiamo di numerose tipologie di intelligenza artificiale, con altrettanti algoritmi, che possiamo paragonare ai diversi mezzi di trasporto: scegliamo il mezzo più adatto in base all’esigenza.
Allo stesso modo, nell’intelligenza artificiale possiamo scegliere tra diversi algoritmi progettati per soddisfare varie necessità. Algoritmi generativi possono riassumere lunghe email o creare descrizioni di prodotti, mentre algoritmi di machine learning o statistici possono prevedere la durata di componenti come turbine eoliche. Negli ultimi decenni, molti algoritmi sono stati sviluppati, e la generative AI rappresenta solo una piccola parte di queste innovazioni.
L’AI è diventata “democratica” e disponibile a piccole aziende e sviluppatori grazie al cloud e alla riduzione dei costi. È cruciale però capire che è uno strumento, quindi prima di tutto comprendere le esigenze specifiche e solo dopo scegliere la tecnologia adatta. Raccogliere dati di alta qualità è fondamentale per l’efficacia dell’AI, focalizzandosi sui dati essenziali del processo. I dati reali sono cruciali, mentre quelli sintetici non sono affidabili per previsioni accurate, soprattutto nel machine learning che richiede precisione numerica. La sicurezza e la privacy dei dati sono prioritari, con crescente adozione di tecniche avanzate di crittografia come in WhatsApp.
Molte aziende non sono pronte per la generazione precedente di intelligenza artificiale e addirittura per la tecnologia web. Le piccole e medie imprese, che rappresentano il tessuto principale dell’economia italiana, sono particolarmente in ritardo, ad esempio rispetto alle grandi industrie e banche. Il cloud, soprattutto quello pubblico, è essenziale per ottenere capacità di elaborazione che i datacenter privati non possono offrire, ma fortunatamente oggi ci sono meno problemi di latenza e trasferimento dati, quindi le aziende possono anche avere i propri server in un cloud privato e comunicare, quando necessario, con il cloud pubblico, riducendo i problemi di performance e consumo di banda. I cloud pubblici fanno pagare la banda, ma esistono metodologie di ottimizzazione per minimizzare questi costi.
Per quanto riguarda le competenze, negli ultimi due anni le competenze disponibili in intelligenza artificiale sono notevolmente aumentate. In smeup abbiamo incontrato molte persone con queste competenze e investito in startup che utilizzano l’AI. Le competenze sul mercato sono oggi più concrete e disponibili rispetto a due anni fa, quando erano spesso fittizie e costose. Tuttavia, i salari richiesti dai professionisti dell’AI sono ancora piuttosto alti, creando una sorta di bolla in cui, molti sfruttano l’hype del momento per chiedere compensi elevati e le aziende finiscono per assumere persone competenti solo in AI, ma non in tutto il resto, che è necessario a rendere l’AI un valore. Probabilmente questo fenomeno si ridurrà con l’entrata di nuove leve, saturando il mercato. In futuro, l’AI diventerà una delle tante competenze di un ingegnere del software, piuttosto che la principale.
