di Giorgio Luca

In termini di tendenze verso la tecnologia in base alle dimensioni dell’azienda, la differenza è enorme. Da un lato, mentre è aumentato il numero di grandi aziende che hanno avviato almeno un progetto di AI (59%, +6 punti percentuali rispetto al 2020), solo il 6% delle PMI ha avviato un progetto: nello specifico, il 4% sono semplici esperimenti e solo il 2% sono progetti su larga scala.

L’analisi dell’andamento dei progetti avviati dalle grandi imprese, in particolare, conferma la tendenza delle grandi imprese ad aumentare la sperimentazione nell’ultimo periodo (12 mesi). Il numero di grandi imprese che non hanno avviato un’iniziativa è sceso al 13%, mentre è aumentato il numero di grandi imprese che hanno avviato progetti pilota (18%, con un aumento di 5 punti percentuali rispetto al 2020). Il numero di aziende con almeno un progetto completo (41%, 40% nel 2020) e il numero di quelle che si dichiarano interessate a lanciare un’iniziativa in futuro (27%, 25% nel 2020) sono quasi invariati.

Un terzo (35%) del mercato italiano dell’AI riguarda progetti relativi ad algoritmi per l’analisi dei dati e l’estrazione di informazioni da essi (intelligent data processing), e questo settore mostra anche il più alto tasso di crescita, con un aumento del 32% rispetto al 2020.

Seguono le soluzioni che interpretano il linguaggio naturale (natural language processing) con il 17,5% (+24%) del mercato e gli algoritmi che raccomandano contenuti ai clienti in base alle loro preferenze personali (recommender systems) con il 16% (+20%). I chatbot e gli assistenti virtuali rappresentano il 10,5% degli investimenti e sono in forte crescita rispetto allo scorso anno (+34%). Ci sono anche iniziative di computer vision (11% degli investimenti, in crescita del 41%) per analizzare il contenuto delle immagini in contesti come la sorveglianza in luoghi pubblici e il monitoraggio delle linee di produzione. Infine, le soluzioni in cui l’intelligenza artificiale automatizza alcune attività e gestisce varie fasi di un progetto (Intelligent Robotic Process Automation) rappresentano il 10% del mercato.

1.4.1 Le opportunità e le scelte strategiche per la trasformazione digitale

Da circa 50 anni, un’importante realtà accademica come il Politecnico di Milano, si occupa di intelligenza artificiale, sia nel campo della ricerca di base che all’interno di corsi di studio in ingegneria informatica, in questo modo si prosegue nello sviluppo delle competenze necessarie alla ricerca sia di algoritmi, utili sia nel campo industriale che scientifico, nonché all’identificazione di soluzioni a nuovi problemi e sfide ingegneristiche. – commenta Donatella Sciuto, Prorettore Vicario del Politecnico di Milano – Inoltre, considerati i risvolti in campo etico e sociale che ha l’intelligenza artificiale, il Politecnico ha affiancato questi team di ricerca con esperti di filosofia della scienza in modo da valutare, in un’ottica più ampia, le implicazioni di queste soluzioni.

L’Artificial Intelligence è oggi fortemente maturata ed ha tutto il potenziale per diventare “un fattore centrale nella trasformazione digitale di imprese, PA e della società nel suo complesso” afferma Alessandro Piva, Direttore dell’Osservatorio Artificial Intelligence. In contro tendenza rispetto al 2020, condizionato dalla pandemia, nel corso dell’ultimo si è riscontrato un importante incremento dello sviluppo per l’ecosistema italiano dimostrato anche dalla crescita consistente e dalla ripresa del mercato. Per tutte le tipologie di progetti si evidenzia uno sviluppo, particolarmente concentrato nelle applicazioni della Computer Vision (+41%), nei Chatbot e Virtual Assistant (+34%) e nell’Intelligent Data Processing (+32%).

È fondamentale evidenziare anche il contributo della Commissione Europea attraverso la proposta di regolamento, pietra indispensabile per costruire una fiducia trasversale nelle tecnologie. Dal canto suo l’Italia, attraverso il nuovo Programma Strategico, frutto del lavoro congiunto di tre Ministeri, ha prodotto 24 raccomandazioni di azione, che affrontano e pongono l’attenzione su alcuni “mali cronici” dell’innovazione nel nostro Paese.

A tal proposito, Nicola Gatti Direttore dell’Osservatorio Artificial Intelligence, rappresenta il prossimo passo da compiere, ovvero la creazione di un piano esecutivo, contemplando anche metodi di governance e controllo, la pianificazione temporale degli interventi, definire step di monitoraggio (milestone) e distribuzione delle risorse, indirizzando le priorità sulla base sia di quanto stabilito nel programma (top-down) sia delle proposte evidenziate dall’industria e dal mondo accademico (bottom-up).

1.5 L’evoluzione tecnologica ed il rapporto con i consumatori

Considerando che la crisi dei semiconduttori ha avuto un forte impatto e che i tempi di attesa per le schede hardware e i chip ad alte prestazioni per l’AI hanno raggiunto una media di 35 settimane, spiccano due linee di evoluzione tecnologica per l’AI.

La prima è il crescente interesse per la data analytics, che consente l’integrazione di dati eterogenei e l’elaborazione in tempo reale.

Alla luce di diversi studi che evidenziano come l’1% del consumo energetico mondiale sia associato ai data center in cui vengono eseguiti molti algoritmi di AI e, soprattutto, che l’addestramento di una rete neurale profonda può portare a una produzione di CO2 equivalente a quella di cinque automobili nel corso della sua vita, l’attenzione è rivolta alla sostenibilità. La sostenibilità energetica farà parte della progettazione delle soluzioni di AI e giocherà un ruolo sempre più importante dal punto di vista algoritmico, soprattutto nel mondo del deep learning.

Solo il 5% dei consumatori non ha mai sentito parlare di AI. La conoscenza è diffusa tra quasi tutti gli utenti, ma solo a livello superficiale, e solo il 60% si rende conto che i prodotti e i servizi che utilizza hanno capacità di AI.

Nel complesso, l’80% degli intervistati valuta l’AI in modo “moderato” o “molto positivo”. Tuttavia, permangono preoccupazioni su aspetti generali come la privacy, l’impatto sui posti di lavoro e le implicazioni etiche. Ci sono anche opinioni contrastanti su specifici scenari di applicazione dell’AI. Ad esempio, nel settore sanitario, il 48% degli intervistati si oppone all’ipotesi di robot “assistenti” che si occupino di anziani e malati. Una percentuale simile di coloro che si sono detti contrari (47%) si oppone anche alla gestione autonoma degli investimenti da parte di consulenti finanziari.

I progressi della meccanizzazione tra la fine del XIX e l’inizio del XX secolo hanno portato all’automazione di molti compiti fisici svolti dall’uomo, mentre i progressi della tecnologia dell’informazione nel XX secolo hanno standardizzato molti processi di elaborazione dei dati svolti dall’uomo. Tuttavia, nonostante questi progressi, molti compiti che possono essere svolti solo dall’uomo persistono ancora oggi.

Mentre alcuni studiosi sostengono che l’AI sia solo l’ultima ondata di un lungo processo di automazione, altri sostengono che l’AI sia molto diversa dal passato. La sua vicinanza all’intelligenza umana significa che rischia di diventare obsoleta e di sostituire il lavoro umano. Secondo la seconda ipotesi, l’AI è “l’ultima invenzione” (James Barrat, 2013) e potrebbe essere una forza dirompente nel mercato del lavoro a scapito dei lavoratori in tutte le professioni e qualifiche.

A titolo di esempio, un recente studio ha dimostrato che il 47% dei posti di lavoro nell’economia statunitense rischia di essere sostituito dall’automazione attraverso l’uso dell’AI in settori correlati; tra i lavori in cui l’AI ha recentemente superato l’uomo vi sono molte applicazioni radiologiche, le operazioni sui mercati finanziari, i lavori paralegali, le assicurazioni e la guida autonoma.

La portata di questa “perturbazione” può dipendere da due fattori: il ritmo e la tendenza del progresso portato dall’AI e la misura in cui l’AI viene “disturbata” dall’uomo. Per quanto riguarda il primo fattore, la crescita della produttività è stata piuttosto modesta (secondo Google Trend, le ricerche sull’”intelligenza artificiale” sono quadruplicate negli ultimi quattro anni, quindi il mondo sembra essere stato “conquistato” dall’AI). Se entrano nell’economia allo stesso ritmo (come mostrano le statistiche sulla produttività), la transizione sarà più lenta e la distruzione risultante non sarà così grande.

In ogni caso, sono possibili tre opzioni. In primo luogo, alcuni studiosi suggeriscono che la produttività è sottostimata (ad esempio, perché non incorpora completamente i miglioramenti qualitativi). Le migliori stime disponibili suggeriscono che si tratta solo di un decimo di punto percentuale e che, al contrario, esistono anche distorsioni della produttività non misurate, ad esempio il deterioramento della qualità del servizio causato dall’automazione del servizio clienti.

In secondo luogo, le conseguenze degli sviluppi dell’AI possono avere un andamento ritardato, come nel caso dell’introduzione dei computer negli anni Ottanta.

Infine, potrebbero verificarsi discontinuità significative nella crescita della produttività, come suggerito dai sostenitori della singolarità tecnologica.

Le perturbazioni causate dalle innovazioni dell’AI dipenderanno dal tipo di AI, ovvero se si tratta di un’innovazione che aumenta o risparmia la manodopera. Di conseguenza, tali innovazioni possono portare a un aumento o a una diminuzione della domanda di lavoro.

Alcuni studiosi sostengono che la funzione dell’AI sia principalmente quella di aiutare i lavoratori ad aumentare la loro produttività e che la definizione corretta del termine sia “intelligenza di supporto all’innovazione” piuttosto che “intelligenza artificiale”. Sebbene questa interpretazione possa essere vera per alcune attività, come l’applicazione dell’AI nella risoluzione dei problemi, in realtà, da una prospettiva più ampia, è più probabile che l’AI sostituisca il lavoro umano e i lavoratori.

Da questo punto di vista, le principali sfide derivanti dalla diffusione dell’AI saranno legate alla redistribuzione del reddito.

In altre parole, le innovazioni tecnologiche potrebbero portare ricchezza ai pochi in grado di affrontare le sfide, lasciando indietro la maggioranza dei lavoratori comuni.

1.6 Relazione tra progresso tecnologico e benessere sociale

Per analizzare l’impatto del progresso tecnologico sul benessere sociale, è necessario innanzitutto definire la situazione di mercato. Questa situazione non riflette la realtà e si basa sulla redistribuzione del reddito generato dall’innovazione tecnologica per compensare le perdite subite da alcuni attori e per garantire che il progresso tecnologico porti in ultima analisi a miglioramenti monetari.

Al contrario, se i costi di redistribuzione sono elevati, gli attori danneggiati dall’innovazione non possono essere compensati, il che crea un antagonismo nei confronti del progresso.

Una situazione più ostile si verifica in condizioni di mercato imperfette, dove la frontiera di utilità paretiana si sposta verso l’interno (alcuni individui sono inevitabilmente danneggiati). È difficile stabilire quale modello descriva accuratamente l’economia reale. Il più applicabile è il caso di un mercato incompleto con costi di redistribuzione (escludendo così la prima ipotesi). A seconda dell’entità di questi costi, si possono considerare situazioni classificate come Caso 1 (i costi tendono a zero), Caso 2 (i costi sono elevati) o infine Caso 3 (mercato incompleto con alti costi di redistribuzione).


–segue–