“Nell’industria 4.0 le decisioni più efficaci non sono quelle basate sui dati, ma sulla comprensione” spiega Boris Evelson, vice presidente e principal analyst di Forrester Research, uno dei leader globali nell’analisi dell’impatto delle tecnologie esistenti e in via di sviluppo per la business intelligence. “La differenza è che se ho semplicemente un flusso di dati saprò rapidamente quando, nella mia azienda, sta per terminare un determinato prodotto e devo ordinarlo – spiega Evelson, a Milano nel quadro del Cogito Day organizzato da Expert System, l’aziende modenese tra i leader internazionali nelle tecnologie semantiche –, ma se possiedo una reale comprensione, ovvero un ‘insight’ del mio business, il mio sistema sarà anche in grado di suggerirmi quale fornitore utilizzare e perché. Non solo: una volta che ho deciso l’ordine, continuerà a tracciarne le ricadute per poi propormi una sintesi dell’impatto della scelta fatta”.

Questo upgrade di intelligenza è oggi possibile in quasi tutti i business grazie alle tecnologie dell’intelligenza artificiale. “Oggi c’è molto hype  intorno all’Ai – osserva Evelson che ha alle spalle trent’anni di esperienza nell’It con ruoli in JPMorgan oltre a un diploma in musica dalla celebre Scuola Gnessin di Mosca – ma bisogna capire che si tratta in realtà di tecnologie diverse e a diversi gradi di maturazione. Il machine learning, per esempio, esiste da decenni anche se oggi è diventato estremamente più performante grazie all’aumento della potenza di calcolo dei chip”. Questa parte dell’Ai richiede ancora una forte presenza umana per addestrare le macchine. Un esempio sono le aziende come la Wipro di GE Healthcare che stanno investendo sull’automazione dell’imaging medicale che si servono di decine di medici per indicare alle macchine cosa osservare per rivelare una patologia. “In questo senso – aggiunge Evelson – l’impatto dell’Ai sull’occupazione è soprattutto un tema di cambiamento delle skills analogo a quello già vissuto con la diffusione nelle aziende dei pc e va affrontato puntando sulla formazione”.

Una cosa diversa è il Deep Learning nel quale, l’utilizzo di reti neurali permette di avere macchine che apprendono da sole. Un campo di applicazione molto interessante per questi sistemi è, per esempio, lo studio degli spostamenti delle persone all’interno di un negozio o di un casinò, per capire quando è meglio proporgli un bonus per incoraggiarle a spendere o a rischiare ancora. “La parte più avveniristica che si svilupperà nei prossimi anni – osserva Evelson – è però quella delle interfacce in grado di esprimersi con linguaggio naturale (Nlg – natural language generation”, ovvero sistemi in grado di rispondere a domande complesse estraendo senso dai dati sottostanti). È questo che determinerà il vero salto di qualità perché per un tecnico o un business analist che usano sas o excel tutti i giorni non è un problema interrogare i dati, ma i vertici aziendali più senior o il commerciale che incontra un cliente ha bisogno di una comprensione mediata da un sistema intelligente che non lo obblighi a consultare grafici e tabelle”.

Ma quanto sono preparate le aziende italiane ad affrontare questo nuovo salto in campo digitale. “La situazione è molto eterogenea – osserva Marco Varone, presidente e cto di Expert System contribuito a fondare – ma la distanza rispetto ad altri paesi è ancora importante, perché molte aziende anche di grandi dimensioni, non hanno ancora completato pienamente la propria digitalizzazione. Questo spesso impedisce di portare i sistemi sul cloud ma bisogna pensare pragmaticamente”. A quanto pare per gli specialisti dell’Ai l’ostacolo maggiore nel parlare con le aziende è proprio sfatare il mito che un algoritmo e un po’ di dati possano risolvere tutto. “Il mio consiglio è sempre di partire da un business-case e pianificare come risolverlo. Ma è chiaro che ci vogliono anche investimenti che sostengano questa visione di trasformazione delle aziende”.