Tratto dallo speciale:

Come introdurre l’Intelligenza Artificiale in azienda

di Chiara Basciano

scritto il

I passaggi fondamentali per adottare concretamente soluzioni di Intelligenza Artificiale in azienda: ik framework per muovere i primi passi.

Riuscire a rendere concrete le potenzialità dell’Intelligenza Artificiale presuppone una lettura lucida delle esigenze aziendali. L’Osservatorio Artificial Intelligence del Politecnico di Milano ha da poco fornito una serie di consigli utili per introdurre la tecnologia in azienda in maniera consapevole.

Attraverso il framework chiamato AI Project Value Chain è possibile avere sotto gli occhi le principali attività da affrontare, che risultano essere otto in tutto.

=> Intelligenza Artificiale: vantaggi e rischi

  • La prima è la definizione degli obiettivi che si intendono raggiungere, con tutte le implicazioni interne ed esterne.
  • Segue la selezione delle fonti di dati necessarie al funzionamento del modello di intelligenza artificiale.
  • Si deve poi passare alla selezione dell’eventuale hardware su cui si basa il modello, come anche dei dispositivi che ne garantiscano la corretta integrazione con l’ambiente.
  • Con il passaggio successivo ci si dedica all’acquisizione, revisione e validazione dei dati, con la loro messa in relazione. Si tratta di un passaggio delicato, sui cui si basa la costituzione di una fonte di dati attendibile.
  • Si arriva così a quello che l’Osservatorio definisce il cervello della progettazione: la selezionepersonalizzazione del modello di intelligenza artificiale.

A questo punto si può dare inizio al training e testing, per analizzare in modo concreto se le scelte fatte sono quelle giuste. Se le cose procedono come dovrebbero, l’IA dovrà essere integrata con i sistemi esistenti, per creare un ambiente compatto e funzionante.

In teoria a questyo punto è tutto pronto, ma l’Osservatorio mette in guardia le aziende: se è infatti vero che le soluzioni dell’IA si adattano ad ogni ambiente è anche vero che sarà necessario effettuare integrazioni e adattamenti, monitorando costantemente la validità del modello sulla base dei nuovi dati che lo vanno ad alimentare e che potrebbero avere implicazioni non considerate nella fase iniziale.