Come l’adozione dell’IA deve ancora rivelare il suo vero potenziale
Dai migliori scienziati dell’intelligenza artificiale (AI) che avvertono che il deep learning spingerà i radiologi a perdere il lavoro, agli operatori sanitari che annunciano che l’IA ridefinirà la relazione medico-paziente, ai dirigenti tecnologici che promettono che le auto a guida completamente autonoma sono proprio dietro l’angolo, AI è stato contrassegnato da numerose previsioni fallite negli ultimi anni.
Nonostante i notevoli progressi nell’IA, deve ancora svolgere il suo ruolo di trasformazione in molti settori. Tuttavia, rispetto ad altre pietre miliari tecnologiche come il motore a vapore, l’elettricità e il motore a combustione interna, non sorprende che l’ adozione dell’IA sia lenta.
Ajay Agrawal, Joshua Gans e Avi Goldfarb, professori alla Toronto University e autori del nuovo libro Power and Prediction , ritengono che ci troviamo in una fase in cui il potere dell’IA è evidente ma la sua adozione diffusa deve ancora arrivare. E per affrontare meglio le sfide che ostacolano lo sfruttamento del potere dell’IA, dobbiamo comprendere non solo le applicazioni in cui viene utilizzata, ma anche i sistemi in cui opera.
Soluzioni puntuali e sistemi
In Power and Prediction , gli autori semplificano l’attuale tecnologia AI come software in grado di prevedere i risultati, ad esempio se un cliente acquista un prodotto consigliato o se una transazione finanziaria si rivela fraudolenta. Oggi non c’è dubbio che i modelli di machine learning (ML) hanno raggiunto il punto in cui, con i giusti dati di addestramento, possono fare previsioni impressionanti.
Tuttavia, quando si tratta di integrare la potenza delle macchine predittive in applicazioni e prodotti, esistono diversi livelli di sfide che le organizzazioni devono superare.
“I progressi tecnici di AI sono stati e continuano ad essere davvero impressionanti. Quindi è naturale aspettarsi che le loro applicazioni possano crescere allo stesso ritmo”, hanno dichiarato Agrawal, Gans e Goldfarb a VentureBeat. “Non l’hanno fatto, e la nostra ricerca ha deciso di scoprire perché. Abbiamo finito per pensare oltre la soluzione punto AI su cui le persone si stavano concentrando, pensando agli aspetti pratici della realizzazione di valore dall’IA nei sistemi attuali. Era chiaro che c’era un problema. Per utilizzare davvero l’IA devi essere aperto a una serie più ampia di azioni ma, per molte organizzazioni, non sono preparate per questo”.
Le soluzioni puntuali sono il frutto basso dell’intelligenza artificiale. Queste sono applicazioni in cui le organizzazioni stanno già facendo previsioni. Uno degli esempi citati dagli autori è Verafin , un’azienda canadese che utilizza l’intelligenza artificiale per prevedere le frodi. Con sede a St. John’s, Terranova, Verafin è diventato il primo unicorno AI del Canada, acquisito dal Nasdaq per 2,75 miliardi di dollari nel 2020. Né Verafin né St. John’s erano nel radar degli analisti che facevano previsioni sull’IA commerciale in Canada negli anni precedenti.
La ragione del successo di Verafin è che ha implementato un’importante soluzione AI point. La previsione delle frodi è sempre stata una parte importante del lavoro degli istituti finanziari e la sostituzione dei loro vecchi sistemi con una soluzione basata sull’intelligenza artificiale che fornisce previsioni migliori ha richiesto modifiche minime nella struttura organizzativa.
In altri domini, l’adozione dell’IA richiede modifiche non solo a livello tecnologico, ma anche una riprogettazione fondamentale a livello di sistemi, inclusi prodotto, struttura organizzativa, obiettivi aziendali, allineamento degli incentivi e altri aspetti delle imprese. Ciò rende molto più difficile per le aziende adottare l’IA al suo pieno potenziale.
“La nostra attenzione sulle possibilità delle macchine di previsione ci aveva reso ciechi rispetto alla probabilità di implementazioni commerciali effettive”, scrivono gli autori in Power and Prediction . “Sebbene ci fossimo concentrati sulle proprietà economiche dell’IA stessa, riducendo il costo della previsione, abbiamo sottovalutato l’economia della costruzione dei nuovi sistemi in cui le IA devono essere incorporate”.
Il “tra i tempi” dell’adozione dell’IA
Agrawal, Gans e Goldfarb descrivono l’attuale situazione dell’IA come “Between Times” dell’IA, il che significa che siamo tra la dimostrazione delle capacità della tecnologia e la realizzazione della sua promessa riflessa nell’adozione diffusa.
C’è la precedenza per questo. Negli anni 1890, la principale proposta di valore dell’elettricità per i produttori era il risparmio sui costi del carburante perché la gente pensava ai sistemi dal punto di vista del motore a vapore. Ma l’elettricità non era solo un motore a vapore più economico. Il suo valore principale era disaccoppiare l’energia dalla sua fonte. Non era più necessario installare un motore a vapore vicino alla fabbrica. Ma questo era il modo in cui venivano progettate la maggior parte delle fabbriche e ci vollero fino agli anni ’20 perché questo potenziale fosse pienamente realizzato. A quel punto, furono progettate nuove fabbriche con l’idea che il generatore di corrente potesse essere posizionato a chilometri di distanza e che l’elettricità potesse essere portata in qualsiasi punto della struttura con un cavo o una presa di corrente.
Lo scienziato di intelligenza artificiale Andrew Ng ha descritto l’IA come la “nuova elettricità”. E il CEO di Google Sundar Pichai ha affermato che l’intelligenza artificiale è “più profonda dell’elettricità”. Probabilmente hanno ragione. Ma in Between Times, ciò che stiamo vedendo principalmente è l’adozione di soluzioni puntuali, come la previsione delle frodi basata su ML, la trascrizione di video, la classificazione delle immagini, ecc.
“Siamo in quella fase in cui, se l’IA sarà trasformativa, inizieremo presto a vedere i semi di quella trasformazione. Probabilmente proverrà prima da iniziative di avvio che utilizzano l’intelligenza artificiale per lanciare modelli di business completamente nuovi “, hanno affermato Agrawal, Gans e Goldfarb.
Attualmente, gli operatori storici sono i vincitori delle soluzioni puntuali. Ma la storia dimostra che le organizzazioni consolidate sono lente nell’adottare i cambiamenti di sistema richiesti dalle nuove rivoluzioni tecnologiche.
“Le startup hanno il vantaggio di non dover cambiare il vecchio. Possono partire da una tabula rasa”, hanno affermato gli autori. “Ma, allo stesso tempo, la storia ci dice che gli attuali leader aziendali dovrebbero essere ancora più vigili nel comprendere il potenziale di trasformazione dell’IA”.
Ad esempio, con diversi secoli di storia, il settore assicurativo ha molto da guadagnare dall’intelligenza artificiale. Le grandi compagnie assicurative stanno già utilizzando le soluzioni AI point per affrontare alcune attività come il calcolo dei premi e l’elaborazione dei sinistri. Tuttavia, la vera opportunità dell’IA sfida i modelli di business costruiti attorno alla massimizzazione dei premi e alla riduzione dei sinistri. Le nuove società insurtech possono creare sistemi e flussi di lavoro completamente nuovi che utilizzano l’intelligenza artificiale per prevedere e mitigare il rischio invece di trasferirlo da una parte all’altra.
“Lo svantaggio per le startup è che raramente accade che le attuali aziende incumbent non offrano alcun valore per il nuovo sistema. Quindi, a un certo punto, diventerà una sfida per loro. In passato, ciò ha portato a un giro di fusioni e acquisizioni”, hanno affermato gli autori.
Il futuro dell’adozione dell’IA
Mentre il tiro alla fune tra operatori storici e startup continua, quello che è certo è che il pieno potenziale dell’IA deve ancora manifestarsi. E il futuro dell’IA sarà probabilmente costituito da nuove applicazioni e nuovi sistemi fondamentalmente diversi da quelli che abbiamo visto oggi.
“Crediamo che ci siano ancora molte più opportunità da avere adottando l’IA come soluzioni puntuali o applicazioni che non siano troppo dirompenti per le imprese”, hanno affermato Agrawal, Gans e Goldfarb. “La vera trasformazione può avvenire solo quando i progressi tecnici nell’IA sono così pronunciati che vale la pena considerare di costruire nuovi sistemi attorno ad essi. Siamo fiduciosi che arrivi il momento, ma c’è molto valore da ottenere dal lato “più piccolo” della tecnologia prima di quel punto”.
