Il Gruppo Renault annuncia la nomina di Luc Julia, esperta mondiale di intelligenza artificiale e co-creatore della tecnologia Siri, a Groupe Chief Scientific Officer. "L'arrivo di Luc Julia è una grande notizia per l'azienda. La sua eccezionale esperienza nell'intelligenza artificiale, nei dati e nella connettività degli oggetti sarà la chiave per accelerare l'implementazione della nostra strategia e diventare un'azienda tecnologica che integra veicoli. Renaulution punta tutto sul talento, competenza e inventiva del team, e siamo molto lieti di dare il benvenuto a Luc in questo momento di trasformazione per l'azienda ", ha affermato Luca de Meo. "Sono molto felice e orgoglioso di entrare a far parte del Groupe Renault oggi, il fiore all'occhiello dell'industria automobilistica francese. Sono anche felice di iniziare la Renaulution e di unirmi ai team che stanno costruendo l'azienda tecnologica automobilistica di domani. Insieme, attingendo al mio esperienza nell'interfaccia uomo-macchina e IoT, svilupperemo esperienze nuove e uniche per i nostri clienti dentro e fuori bordo e creeremo valore per i marchi del Gruppo ", ha affermato Luc Julia. Luc Julia sarà responsabile del supporto delle funzioni e dei marchi nella concezione e implementazione della roadmap del Gruppo per l'innovazione e le tecnologie chiave per affrontare le sfide della mobilità di domani. In questa veste, agirà come esperto in campi diversi come l'intelligenza artificiale, le interfacce uomo-macchina, la connettività e il software. Supervisionerà la ricerca e lo sviluppo di queste tecnologie e innovazioni per la loro integrazione nel piano di prodotti e servizi del Gruppo. Si interfaccia anche con i principali attori e partner del settore, in particolare nel quadro del Software République. Al fine di accelerare il passaggio dell'azienda verso una catena del valore più focalizzata sui servizi e sui prodotti di prossima generazione, Luc Julia sarà anche responsabile dell'instillazione del...
Continua a Leggere

L'intelligenza artificiale (AI) e l'apprendimento automatico (ML) offrono alle aziende l'unica cosa che gli esseri umani non possono fare: la scalabilità. Nel tempo, gli esseri umani limitano la capacità di scalabilità di un'azienda; possono lavorare solo tante ore con una data efficienza. D'altra parte, AI e ML possono funzionare 24 ore su 24 concentrandosi esclusivamente su un determinato progetto. Mentre le organizzazioni navigano attraverso l'impatto di COVID-19 e il futuro di una forza lavoro remota, la scalabilità e l'efficienza possono essere la chiave per il successo del ripristino di un'organizzazione. I vantaggi di AI e ML non vengono senza le loro sfide; tuttavia, le sfide principali sono la mancanza di competenze e di tempo per una corretta attuazione. A luglio, Deloitte ha rilevato in un sondaggio che il 69% degli intervistati ha affermato che il divario di competenze per l'implementazione dell'IA variava da moderato a grave a estremo. Allo stesso tempo, molte aziende trascurano l'investimento necessario per costruire i processi e l'infrastruttura necessari per addestrare, testare, distribuire e mantenere con successo AI e ML nella loro azienda. Tali sfide spesso inducono le aziende a ridurre la priorità dei progetti AI e ML, soprattutto in tempi di incertezza. Ciò è stato sempre più evidente durante la pandemia COVID-19. Ma mentre alcune organizzazioni hanno attinto ai loro sforzi, l'attuale stato globale richiede una maggiore necessità di AI e ML per supportare processi aziendali critici. Ciò è particolarmente vero oggi, data la crescente forza lavoro remota, le considerazioni per il ritorno al posto di lavoro e il lavoro che si svolge in silos in tutto il mondo. Sebbene impegnativo, non è impossibile implementare correttamente AI e ML. In questo panorama aziendale in continua evoluzione influenzato da COVID, quattro passaggi sono fondamentali per implementare efficacemente un forte sistema di intelligenza artificiale e ML che aiuti a sempli...
Continua a Leggere

La sicurezza informatica è diventata un importante imperativo strategico e le aziende oggi devono monitorare e difendere le proprie risorse IT dal panorama delle minacce informatiche in continua evoluzione. Tutte le aziende moderne necessitano di un programma di sicurezza informatica solido e completo per prevenire, rilevare, valutare e rispondere alle minacce e alle violazioni della sicurezza informatica. Per molti versi, la sicurezza informatica è unica: gran parte del rilevamento e del monitoraggio riguarda la correlazione e la previsione e può trarre vantaggio dall'infusione di soluzioni di intelligenza artificiale e apprendimento automatico per la valutazione, l'analisi e l'automazione. In un mondo digitale iperconnesso, le organizzazioni devono elaborare enormi quantità di dati provenienti da sistemi disparati per rilevare anomalie, individuare vulnerabilità e prevenire le minacce. A differenza della maggior parte dei metodi di tracciamento manuale, i sistemi basati su AI e ML possono monitorare milioni di eventi su base giornaliera e facilitare il rilevamento tempestivo delle minacce nonché una risposta appropriata e rapida. Gli algoritmi di intelligenza artificiale sono sviluppati sulla base di dati passati e attuali per definire il "normale" e possono identificare le anomalie che si discostano da questo "normale". L'apprendimento automatico può quindi riconoscere una minaccia da questi modelli e può anche essere utilizzato per valutare e classificare il malware e condurre analisi dei rischi. Un algoritmo di intelligenza artificiale può tracciare e registrare anche la più piccola anomalia e ha una curva di apprendimento più veloce che comprende e analizza meglio il comportamento degli utenti. Riduce quindi il carico di lavoro dei team di sicurezza che possono quindi concentrarsi sugli incidenti che richiedono prestazioni cognitive più elevate poiché gli algoritmi possono identificare e filtrare i falsi allarmi. Le organizzazioni possono anche ar...
Continua a Leggere

Le organizzazioni ad alta intensità di risorse stanno perseguendo la trasformazione digitale per raggiungere l'eccellenza operativa, migliorare i KPI e risolvere problemi concreti nelle aree dei processi di produzione e supporto. I modelli di previsione basati sull'intelligenza artificiale sono strumenti particolarmente utili che possono essere implementati in ambienti di produzione complessi. Rispetto ai comuni strumenti analitici, i modelli di previsione possono amplificare più facilmente le correlazioni tra diversi parametri in ambienti di produzione complicati che generano grandi volumi di dati strutturati o non strutturati. I colloqui regolari con i dirigenti di organizzazioni ad alta intensità di produzione indicano che l'uso dell'IA è in costante aumento. Ciò è in linea con la previsione di IDC secondo cui il 70% delle aziende del G2000 utilizzerà l'intelligenza artificiale per sviluppare linee guida e approfondimenti per il processo decisionale operativo basato sul rischio entro il 2026. La cifra è inferiore al 5% oggi. Comunque, non bisogna farsi distrarre dalle visioni di un potente "cervello centrale" in grado di gestire l'intera organizzazione. I casi d'uso tipici di tutti i giorni sfruttano principalmente l'intelligenza artificiale cognitiva incorporata negli strumenti di pianificazione e programmazione. Viene anche utilizzato nei modelli predittivi di qualità e manutenzione. Ciò che offre un valore immediato, e un ROI molto ragionevole, sono soluzioni che sfruttano motori basati sull'intelligenza artificiale che riconoscono immagini e suoni, valori numerici da vibrazioni, temperature e processi. Attualmente si vedono la maggior parte di questi casi d'uso in progetti pilota o implementazioni isolate. Dal punto di vista della scalabilità, ci sono due gruppi principali di progetti digitali che sfruttano l'intelligenza artificiale nelle aree di produzione. Ciascuno offre valore. Tuttavia, ognuno di essi offre tempi di scalabilità e tempi di...
Continua a Leggere

COVID-19 ha mostrato al mondo degli affari il vero potenziale dell'intelligenza artificiale. Ha accelerato il ritmo con cui le organizzazioni hanno adottato tecnologie dirompenti per far funzionare la nuova normalità. Entro il 2021, le aziende di tutto il settore hanno visto un aumento dei processi di iperautomazione che non è altro che una combinazione di intelligenza artificiale e apprendimento automatico con autonomia guidata dall'automazione dei processi cognitivi e dalla robotica. Avere un'implementazione strategica e ben ponderata dell'iper-automazione aiuterà a utilizzare l'investimento fatto per attività ripetitive mentre si avvia l'innovazione. L'iperautomazione è un potente strumento analitico e dispone di capacità che facilitano la collaborazione uomo-macchina, migliorano l'esperienza del cliente e aumentano la produttività. L'automazione può essere basata su regole o cognitiva. Quando viene impiegato in tutti i domini di un'azienda con intelligenza artificiale, il risultato è l'iperautomazione. Ciò può creare capacità umane che consentono ai sistemi di completare le attività in modo più rapido ed efficiente con meno errori. Tutto ciò fatto bene può sollevare gli esseri umani da compiti banali e dare loro la possibilità di concentrarsi su più aspetti che aggiungono valore. Alcuni casi d'uso di iperautomazione utilizzano la PNL (elaborazione del linguaggio naturale) per comprendere il linguaggio umano o tradurlo in molte lingue o utilizzare il riconoscimento ottico dei caratteri (OCR) per leggere le immagini alla ricerca di informazioni pertinenti o utilizzare l'apprendimento automatico per analizzare i modelli e rilevare i pregiudizi. Un centro di assistenza clienti può utilizzare i chatbot per analizzare i dati sul pubblico e fornire suggerimenti necessari e soluzioni rapide ai problemi in base alle transazioni e alla cronologia passate. Ciò può far risparmiare i costi dell'azienda per l'assistenza clienti. Durante le fasi iniziali della ...
Continua a Leggere

Gli strumenti di Intelligenza Artificiale (AI) che solo pochi anni fa sarebbero stati trovati solo nelle aziende più all'avanguardia stanno diventando ormai all'ordine del giorno. Ma mentre hardware, software e framework specializzati possono essere più diffusi in questi giorni, la conoscenza e l'esperienza per usarli in modo efficace non è stata mantenuta. Ecco cinque domande essenziali da porre ai team di sviluppo prima di finalizzare la propria strategia di intelligenza artificiale. Cosa si intende quando si dice di voler utilizzare strumenti di intelligenza artificiale?L'intelligenza artificiale copre un'ampia gamma di definizioni, algoritmi, approcci, strumenti e soluzioni. Ad esempio, ci sono gli approcci sottostanti come l'apprendimento automatico (sia supervisionato che non supervisionato) e sistemi basati su regole. In cima a questi approcci ci sono pacchetti che forniscono soluzioni dal riconoscimento delle immagini all'elaborazione del linguaggio naturale (PNL). Quali approcci e strumenti sono i migliori per affrontare il problema? Gli sviluppatori devono scegliere lo strumento giusto per il problema in questione. BERT, GPT e altri approcci complessi basati sulla rete neurale potrebbero essere spesso in primo piano, ma ciò non significa che siano lo strumento più appropriato per la maggior parte dei casi d'uso. L'algoritmo più semplice che risolve il problema è in genere il migliore e i leader dell'innovazione dovrebbero assicurarsi che i loro team stiano selezionando i loro strumenti di conseguenza, non sulla base di una campagna pubblicitaria.L'algoritmo più semplice è in genere il migliore e i leader dell'innovazione dovrebbero essere sicuri che i loro team selezionino i loro strumenti di conseguenza.Quanto bene si comprende il problema che si vuole che l'AI risolva?L'obiettivo degli strumenti di intelligenza artificiale è imitare l'intelligenza umana, quindi quanto bene capisci il problema? L'approccio che gli esperti in materia adottano per risol...
Continua a Leggere

Gli ultimi dodici mesi si sono rivelati una sorta di punto di svolta all'interno dello spazio aziendale. La pandemia COVID-19 in corso ha fatto sì che le organizzazioni di tutti i settori siano state soggette a una serie di richieste in rapida evoluzione. Naturalmente, questo ha significato che le aziende, grandi e piccole, hanno cercato soluzioni innovative per uscire dalla crisi. Il termine "nuova normalità" è stato una parola d'ordine per tutto questo periodo e con buone ragioni: un giorno in carica ora sembra molto diverso da quello all'inizio del 2020. Per la maggior parte, le aziende sono state reattive e stanno facendo adeguamenti necessari per rendere a prova di COVID le loro operazioni Stanno potenziando le loro strategie di trasformazione digitale molto prima del piano, automatizzando più processi che mai e generalmente adottando nuove tecnologie. Le esigenze aziendali sono cambiate radicalmente e anche l'atteggiamento nei confronti di tecnologie nuove ed emergenti come l'intelligenza artificiale (AI) sta cambiando. Molti si sono resi conto che la tecnologia è più necessaria che mai: una questione di salvaguardia del business, piuttosto che un lusso opzionale. Pertanto, mi aspetto che questo slancio in avanti continuerà a lungo dopo che la pandemia è passata, poiché le aziende apprendono che l'IA è più accessibile di quanto pensassero una volta. Quindi, con questo in mente, ecco alcune tendenze che le aziende dovrebbero prendere in considerazione nel 2021, mentre pianificano i loro piani per la maturità digitale … L'investimento nell'IA è in crescitaMolti leader aziendali fino ad ora potrebbero aver avuto erroneamente l'impressione che le soluzioni e l'automazione basate sull'intelligenza artificiale rimangano appena fuori portata. Ciò è in parte dovuto al fatto che spesso c'è molto gergo ed esagerazione nella commercializzazione di questi prodotti, facendoli sembrare più grandi della vita stessa. Ma a volte, "AI" in realtà significa solo che un ...
Continua a Leggere