Di Redazione InnovAction – War Room
Intervista a Francesca Saraceni – CEO e Co-fondatrice di Intellico, Adjunct Professor @GSoM
Negli ultimi due anni, l’intelligenza artificiale generativa – come quella alla base di strumenti come ChatGPT – ha monopolizzato l’attenzione mediatica. Ma dietro l’entusiasmo e le promesse di rivoluzione, emergono domande più profonde: qual è il reale impatto sull’economia? E soprattutto, cosa sta succedendo davvero nelle aziende?
Durante l’intervista del 29 ottobre 2024 con Luca De Biase, all’interno del programma divulgativo War Room InnovAction, Francesca ha condiviso il suo punto di vista. In questo articolo riprendiamo le principali considerazioni emerse dal suo intervento.
Le quattro ondate dell’intelligenza artificiale: una guida per orientarsi nel futuro
Per Francesca, il primo passo per capire l’AI è dotarsi di una mappa. Quella che propone si ispira al modello delle quattro ondate elaborato da Kai-Fu Lee1, che aiuta a distinguere ambiti, tecnologie e livelli di maturità:
- Internet AI
È la prima ondata, basata sull’utilizzo massivo dei dati disponibili online. Qui rientrano sistemi di raccomandazione, motori di ricerca, piattaforme di e-commerce e, più recentemente, i modelli linguistici generativi. In questa fase, l’AI analizza preferenze, comportamenti e contenuti per offrire suggerimenti personalizzati. È l’AI che abbiamo ormai in tasca ogni giorno. - Business AI
In questa seconda ondata, l’AI entra dentro le organizzazioni, operando sui dati interni: ordini, vendite, disegni tecnici, report gestionali. L’obiettivo non è solo automatizzare, ma supportare e potenziare il processo decisionale. È l’ambito in cui Francesca, con Intellico, lavora più da vicino: qui l’AI diventa il collega di lavoro al servizio di tutte le funzioni aziendali, dalla progettazione alla logistica, dalla ricerca e sviluppo al marketing. - Perception AI
È l’intelligenza che “sente” e “vede”. Quella componente che rende sottile e a volte non percettibile il confine tra mondo fisico e mondo virtuale. Utilizza sensori, microfoni, videocamere e comandi vocali: pensiamo agli assistenti vocali, alla domotica, ai dispositivi smart. Quando ordiniamo la cena dal divano tramite il nostro dispositivo smart, siamo nel mondo fisico o in quello reale? Quando effettuiamo un pagamento utilizzando il Face ID, siamo nel mondo fisico o in quello virtuale? Qui, l’AI interpreta l’ambiente circostante per abilitare nuove forme di interazione uomo-macchina. - Autonomous AI
È la frontiera più avanzata – e anche la più dibattuta. Si tratta dell’intelligenza ad oggi non ancora conferita alle macchine ma su cui ricercatori e studiosi di tutto il mondo stanno lavorando. È l’intelligenza che tra tutte preoccupa di più, poiché più vicina all’idea di un’intelligenza artificiale totalmente in grado di replicare l’intelligenza umana. L’obiettivo in questo caso è dotare i sistemi di una vera autonomia decisionale. È l’AI dei veicoli autonomi, dei robot che si muovono nello spazio, dei sistemi capaci di adattarsi da soli a contesti mutevoli. Una sfida che richiede l’integrazione di tutte le ondate precedenti.
Autonomia non implica solo automazione ma capacità di ragionare, prendere decisioni, agire nel mondo reale, interpretare dei principi, proiettarsi verso una coscienza.
Business AI: l’intelligenza artificiale come strumento di trasformazione aziendale
È nella Business AI che oggi si gioca la partita più concreta per le imprese e le organizzazioni, siano esse pubbliche o private. Qui l’intelligenza artificiale non è più teoria, ma strumento di lavoro. E i risultati sono tangibili. Riprendiamo alcuni degli esempi più interessanti portati durante l’intervista:
- Progettazione industriale:
Nel settore metalmeccanico, ad esempio, le aziende che producono su commessa devono rispondere rapidamente a nuove richieste. L’AI, in questo contesto, analizza i disegni tecnici già realizzati per individuare progetti simili. In alcuni casi, si arriva a un design reuse dell’80%, con una drastica riduzione dei tempi di progettazione. - Formulazioni di prodotto:
Nel chimico, cosmetico o alimentare, l’approccio è analogo: l’AI scandaglia l’archivio delle ricette testate per individuare formulazioni simili a quelle richieste, evitando duplicazioni e accelerando la ricerca e sviluppo. - Pianificazione della produzione:
In contesti ad alta incertezza, l’AI esprime tutto il suo potenziale. Gli strumenti tradizionali, basati su regole deterministiche, non riescono a gestire la complessità. L’AI, invece, grazie a modelli probabilistici e reti neurali, costruisce scenari adattivi e ottimizza risorse e processi anche in condizioni dinamiche.
“Questi strumenti non finalizzati ad un mero efficientamento – sottolinea Francesca – sono soluzioni che contribuiscono direttamente al miglioramento del modello di business e al supporto delle scelte strategiche, permettendo di conseguire miglioramenti tangibili sul conto economico dell’impresa.”
In questi contesti diviene ancora più importante fornire e richiedere soluzioni di AI “spiegata” (Explainable AI). Quando si tratta di introdurre soluzioni di Intelligenza Artificiale queste resistenze sono mediamente rilevanti: c’è il timore della sostituzione dell’umano e la paura di non comprendere/conoscere il ragionamento che il sistema ha eseguito per fornire una certa predizione Comprendere come e perché un sistema arriva a una certa raccomandazione è fondamentale – ancora di più in ambito B2B, dove ogni decisione può avere conseguenze estese e coinvolgere interi team o funzioni aziendali.
“Quando abbiamo fondato Intellico – ricorda Francesca – sapevamo che la fiducia negli strumenti di AI, la loro comprensibilità e trasparenza sarebbero stati prerequisiti fondamentali per l’adozione a livello aziendale.”
Se pensiamo ad esempio ad un responsabile di produzione o responsabile del marketing non potrà prendersi la piena responsabilità di un piano di produzione o di campagne marketing suggerito da uno strumento digitale non trasparente.
L’AI spiegata consente di affiancare alla raccomandazione la spiegazione dei fattori – i driver – che l’algoritmo ha considerato per giungere a quel risultato.
Disporre di queste spiegazioni significa non solo ricevere una predizione, ma anche comprenderne il perché e il come. In altri termini, avere strumenti decisionali più trasparenti, affidabili e realmente utilizzabili.
La qualità dei dati: il fattore determinante per il successo dell’intelligenza artificiale
Tutto questo, però, poggia su una condizione fondamentale: la qualità dei dati. Gli algoritmi sono importanti, ma è dai dati che deriva il vero valore.
Se guardiamo ai prossimi cinque anni, è plausibile che molti strumenti di AI oggi percepiti come distintivi e “unici” diventino progressivamente parte dello standard tecnologico aziendale. In questo scenario, dove si giocherà davvero la competizione? Una risposta è chiara: sui dati.
Le aziende che sapranno costruire, organizzare e valorizzare il proprio patrimonio informativo – fatto di conoscenza esplicita e implicita – saranno quelle meglio attrezzate per affrontare le sfide future. Tanto più queste informazioni saranno accessibili in modo intelligente, attraverso strumenti AI avanzati, tanto più l’organizzazione sarà capace di adattarsi, innovare e prendere decisioni migliori.
La vera differenza la farà la capacità di trasformare i dati in insight utili, integrando tecnologia e intelligenza umana in un ecosistema sempre più fluido e dinamico.
“Molte PMI italiane – spiega Francesca – stanno iniziando solo ora a strutturare la raccolta e la gestione dei propri dati. È un passaggio obbligato. Seppur partiamo da una situazione di debito tecnico significativo, sembra esserci un cambio di passo verso investimenti e azioni mirate per un aumento del livello di maturità delle nostre imprese. Le grandi imprese sono partite prima ma resta anche in questo segmento la necessità di approcciare la gestione del dato con una visione strategica e meno tattica. In questo senso, l’AI aiuta nella prioritizzazione degli ambiti che prima di altri serve far evolvere verso una gestione organizzata del dato.”
“Make or buy”? Come scegliere tra soluzioni AI interne e soluzioni pronte all’uso
Molte aziende si chiedono: conviene sviluppare un modello AI in casa o acquistare una soluzione esistente? Suggeriamo di non fare delle scelte binarie, la risposta va ad articolarsi su più livelli:
- Infrastruttura
È il livello in cui più frequentemente si propende per soluzioni “buy”. Data center, cloud computing, infrastrutture IaaS (Infrastructure as a Service) sono ambienti ormai consolidati e non sempre i costi e la complessità di gestione per replicarli internamente controbilanciano i benefici. - Modelli e librerie
Questo è il primo livello in cui si apre lo spazio per un approccio ibrido. Si può partire da modelli open-source e adattarli alle proprie esigenze, oppure fare ricorso a modelli e librerie già pronte all’uso, senza necessariamente dover reinventare la ruota. La scelta dipende molto dall’ambito applicativo e dall’obiettivo di business: in certi casi ha senso sviluppare, in altri è più efficace integrare. - Dati
Il vero valore aggiunto è nei dati aziendali. A seconda delle necessità, si può decidere se integrarli con dati esterni, coinvolgere partner o mantenere tutto in house. Anche in questo caso lo specifico ambito di applicazione permette di comprendere quale sia la strada più opportuna.
“Ogni azienda deve porsi le giuste domande– sottolinea Francesca –: qual è il mio vantaggio competitivo? Ho dati unici? Ho le competenze per personalizzare un modello? Sono pronto a investire in una governance dell’AI?”
Conclusioni: l’intelligenza artificiale come leva per amplificare l’intelligenza umana
Alla fine, il messaggio è chiaro: l’intelligenza artificiale non sostituisce, ma amplifica l’intelligenza dell’individuo. Bisogna ridefinire il termine di Intelligenza Artificiale in “Intelligenza Aumentata”, in quanto si tratta di potenziamento dell’intelligenza umana e non di sostituzione, con l’introduzione di intelligenze di secondo livello.
L’AI è già una realtà concreta per chi sa come utilizzarla. Ma per sfruttarne il potenziale, servono tre cose: dati di qualità, strumenti comprensibili e una cultura aziendale aperta al cambiamento.
La sfida non è tecnologica, è organizzativa. E le aziende italiane, con la loro tradizione e creatività, hanno tutte le carte in regola per affrontarla – purché decidano di investire nella propria trasformazione.
Referenze:
- Lee, K.-F. (2018). AI Superpowers: China, Silicon Valley, and the New World Order. Houghton Mifflin Harcourt.
