Secondo Jack Vernon, analista di ricerca senior, European AI Systems, per IDC, il 69% delle organizzazioni sta già utilizzando l’IA o prevede di farlo nei prossimi 24 mesi.
“Ma ancora di più”, ha affermato Vernon, “l’IA è chiaramente passata dalla fase sperimentale a quella mission-critical, con le aziende che realizzano un valore reale, dal miglioramento della crescita e dei ricavi, alla riduzione dei costi, all’efficienza operativa. Ora più che mai, le aziende hanno bisogno di una piattaforma di intelligenza artificiale che sia adattiva, che si muova e si adatti anche alle condizioni di mercato più imprevedibili”.
DataRobot , una piattaforma di intelligenza artificiale globale ampiamente utilizzata, afferma di essere in grado di soddisfare richieste che non solo stanno aumentando rapidamente, ma stanno diventando sempre più sofisticate.
Navigare nell’imprevedibile
La società con sede a Boston ha rilasciato Cloud 8.0 , progettato per aiutare le aziende a navigare tra eventi e condizioni di mercato imprevedibili. Secondo Nenshad Bardoliwalla, chief product officer, i modelli di machine learning (ML) continuamente ottimizzati della piattaforma offrono prestazioni eccellenti, si connettono con un’ampia gamma di dati e generano previsioni complete e accurate.
“L’intelligenza artificiale è la tecnologia che le aziende devono adottare per gestire il mondo imprevedibile in cui viviamo”, ha affermato Bardoliwalla. “L’unico modo per affrontare i colpi di scena del mercato e le sfide geopolitiche è essere in grado di raccogliere i dati in modo intelligente. I dati sono un riflesso delle entità del mondo reale che contano per un’azienda”.
L’IA continua è “un’idea molto potente”, ha detto Bardoliwalla. Consente alle aziende di creare più strategie MLops, che stanno per machine learning (ML) e devops, per aggiornare costantemente i modelli di produzione. Questo può essere fatto a orari programmati o se si verifica una “deriva dei dati” o un calo di precisione. L’IA continua utilizza anche le funzionalità AutoML di DataRobot per creare e consigliare automaticamente nuovi modelli per consentire alle organizzazioni di essere preparate a qualsiasi situazione del mondo reale.
“Più modelli aggiungi, più hai bisogno dell’automazione”, ha affermato Bardoliwalla. “E se potessimo effettivamente automatizzare l’intero ciclo di vita dell’IA? Ecco perché la chiamiamo IA continua. È un processo costante”.
La società di ricerca Cognilytica stima che il mercato di MLops raggiungerà i 4 miliardi di dollari entro il 2025, rispetto ai 350 milioni di dollari del 2019. I principali attori di MLops includono DataRobot, Dataiku, Databricks, Cloudera e Iguazio. I più grandi giocatori Microsoft, Amazon, Google e IBM hanno anche un tipo o un altro di un’offerta MLops (o hanno in programma di aumentarne una presto).
Da parte sua, DataRobot AI Cloud 8.0 è disponibile per tutte le aziende con un’architettura multi-cloud ed è facilmente implementabile su cloud pubblici e on-premise nel data center e all’edge.
In particolare, il costruttore di app DataRobot è stato esteso con il supporto per la sua piattaforma Automated Time Services. Questa piattaforma suddivide le serie temporali in parti componenti e le aggrega in gruppi con clustering automatizzato; la spiegazione della previsione e la modellazione segmentata possono essere realizzate in ambienti senza codice. Questa funzione consente alle organizzazioni di essere più resilienti e soddisfare le esigenze di un panorama più fluido e imprevedibile.
In un esempio di previsione di serie temporali, il cliente 84.51°, la sussidiaria analitica della catena di vendita al dettaglio Kroger, ha utilizzato le capacità di DataRobot per determinare quali prodotti devono essere presenti in quali negozi e quando. (Diciamo, 200 pagnotte in più sugli scaffali di un negozio di una certa città un venerdì pomeriggio).
AI e ML per i non tecnici
Come ha spiegato Bardoliwalla, l’obiettivo è mettere le capacità di creazione di ML nelle mani delle persone, anche se non sono tecniche, e consentire loro di utilizzare le informazioni del modello per il processo decisionale nel mondo reale.
Come parte di questo, i modelli forniscono spiegazioni per la loro previsione. (Quindi, per tornare al pane, spiegando che il consumo aumenta durante il fine settimana, c’è un grande evento meteorologico in arrivo o un previsto aumento della domanda a causa di un lungo weekend di vacanza.)
“La tecnologia è valida solo quanto la prova che abbiamo che funziona”, ha detto Bardoliwalla. “Per convincere le persone che non sono data scientist a utilizzare l’IA e il ML, devono fidarsi di esso. Vogliamo democratizzare, consumare e portare l’IA a un pubblico molto più ampio rispetto ai programmatori di un’organizzazione”.
Come altro esempio, il cliente DataRobot Adecco Group ha applicato MLops per migliorare e aumentare le proprie assunzioni. Il progetto iniziale è stato valutato in base alle tre metriche di produttività, precisione e interpretabilità e sono stati lanciati oltre 60 progetti utilizzando più di 3.000 modelli. A sua volta, Adecco ha visto una riduzione del 37% del numero di CV da rivedere. Come ha osservato Bardoliwalla, i modelli erano granulari e utilizzavano IA etica e metriche di bias per ridurre il rischio e monitorare e gestire centralmente i modelli con MLops.
In un altro esempio, Oyak Cement ha utilizzato l’IA per aumentare di sette volte il suo utilizzo di combustibili alternativi e ridurre quasi il 2% delle sue emissioni totali di CO2, riducendo così i costi di 39 milioni di dollari.
“Stiamo consentendo alle aziende di anticipare meglio i momenti di cambiamento e ottimizzare continuamente i modelli di apprendimento automatico, anche quelli già in produzione, guidando al contempo nuove e più accurate decisioni fino agli utenti business in prima linea”, ha affermato Bardoliwalla.
Con il rilascio di Cloud 8.0, le funzionalità di IA continua di DataRobot sono disponibili negli ambienti on-premise e nei principali cloud pubblici. Ciò aiuta a proteggere dai cambiamenti del mondo reale causati da condizioni pandemiche prolungate, climi economici mutevoli e comportamento mutevole dei consumatori. L’IA continua si adatta e consiglia automaticamente a queste tendenze e suggerisce i modelli migliori in base ai dati storici e alle condizioni attuali.
Nel frattempo, la libreria di connessioni di DataRobot è stata integrata con Microsoft Active Director e Scoring Code per Snowflake. Le aziende ora hanno accesso a una libreria di modelli ampliata, un set completo di integrazioni predefinite e funzionalità di write-back nei più diffusi datastore cloud.
Come ha osservato Bardoliwalla, dalle continue sfide del mercato dovute alla prolungata pandemia, alle catene di supporto inaffidabili, al rapido ritorno al lavoro, “l’IA ha il potenziale per aiutare ogni azienda a gestire questo periodo senza precedenti. Ma la tua piattaforma di intelligenza artificiale deve essere in grado di anticipare e adattarsi in modo più rapido e intelligente anche alle condizioni di mercato più imprevedibili”.
Guardare avanti nell’IA continua, ha affermato, significa creare una connettività onnipresente e ottenere “quanti più hook” possibili nei dati. Tutte le aziende possono trarre vantaggio da previsioni matematiche, ripetibili, basate empiricamente e analisi “what-if”. Possono aumentare i ricavi, ridurre i costi e i rischi e armarsi di “un incredibile accesso alle informazioni” con l’uso di ML e AI.
“Le aziende di maggior successo hanno un accesso incredibile alle informazioni e incredibili capacità di ML”, ha affermato Bardoliwalla. “Puoi prendere qualsiasi attività che guarda indietro e trasformarla in ciò che potrebbe accadere. Devono essere in grado di agire per rendere il futuro quello che vogliono che sia”.
