Partiamo dalla cosa più semplice: cosa si intende esattamente per intelligenza artificiale, una delle buzzword di oggi? Si parla di intelligenza artificiale quando macchine e algoritmi vengono dotati di facoltà cognitive simili a quelle umane; in questo ambito, il machine learning è visto come principale tecnologia abilitante e le applicazioni riguardano i predictive analytics, il marketing customizzato in base alle preferenze dei singoli consumatori, le smart grid per il risparmio di energia elettrica, ma rientrano anche i robot connessi in cloud che lavorano, per esempio, a contatto con il pubblico e temi molto delicati come la cura dei pazienti affetti da malattie gravi grazie all’analisi dei big data. Gli investimenti in intelligenza artificiale sono in aumento. Si stima che alcuni giganti come Google e Baidu (il principale motore di ricerca cinese) abbiano investito tra i 20 e i 30 miliardi di dollari nel 2016 in progetti in questo settore, concentrando il 90% delle risorse in ricerca & sviluppo e il restante 10% in acquisizioni. McKinsey ha svolto la survey Artificial Intelligence: The next digital frontier? su 3.037 manager di aziende sensibili alle tecnologie di AI. Il campione è eterogeneo per distribuzione geografica (10 diversi paesi, dall’Europa, all’Asia, all’America), numero di dipendenti (da 10 a 10.000) e settore (14 vertical differenti, dall’energia al travel & tourism, dalle telecomunicazioni alla salute). Vediamo le principali evidenze.
La differenza tra early adopters e gli altri
I dati evidenziano che solo il 20% delle aziende utilizza sistemi di intelligenza artificiale su larga scala o nel core business, soprattutto a causa di diffidenze sul reale ritorno degli investimenti o di scarsa familiarità con la tecnologia. La survey sottolinea anche un forte gap tra le aziende già decisamente digitalizzate e quelle che invece sono più “timide” verso l’adozione dei nuovi paradigmi tecnologici, mettendo in rilievo che la differenza, anche a livello di risultati economici e d’innovazione è destinata ad accentuarsi. La maggiore adozione di intelligenza artificiale si trova nell’hi-tech, nelle telecomunicazioni, nell’automotive e nei financial services; seguono le applicazioni per il retail, l’industria dei media ed entertainment, i consumer packaged goods; l’education, la salute, il travel & tourism sono invece settori a bassa adozione.
Le sfide all’orizzonte poste dall’AI
L’intelligenza artificiale pone sfide sia tecnologiche sia culturali alle aziende, per adeguarsi alla digital transformation in atto e per coglierne appieno i benefici: tra quelle principali vi sono la necessità di avere un’infrastruttura digitale già solida in azienda, con adeguate quantità di dati per “addestrare” gli algoritmi, e la capacità di analizzare gli stessi dati in modo rapido tramite tool per estrarne il massimo valore. Dal punto di vista culturale, le sfide riguardano invece principalmente la leadership e lo stile di management, per integrare efficacemente la componente umana e quella tecnologica.
In base ai dati della survey (figura 1), l’investimento globale stimato a livello mondiale in sistemi di intelligenza artificiale varia da 26 a 39 miliardi di dollari. Il dato prende in considerazione non solo le attività di ricerca e sviluppo e le acquisizioni da parte dei big player, ma anche il contributo del settore venture capital e private equity, il seed funding e gli investimenti iniziali nelle startup. Più nel dettaglio, un quinto del totale si è dichiarato “adopter”, il 40% ha investito parzialmente o è in fase di sperimentazione perché incerto sui benefici, e altrettanti si dichiarano indecisi. Quello che sembra chiaro è comunque che le tecnologie più innovative trovano prima la propria strada in azienda in quei gruppi che sono già aperti all’innovazione, mentre fanno più fatica negli altri casi.
Esplosione dei dati e innovazione continua
Di fatto, l’esplosione dei dati (si calcola che nel mondo ne vengano prodotti nell’ordine dei miliardi di gigabyte ogni giorno) favorisce l’adozione dell’intelligenza artificiale, che ha un cuore software costantemente affamato di dati per “imparare” e autocorreggersi.
Il modo migliore per iniziare a usare l’AI è quello di accettare la sfida dell’innovazione. Nello studio vi è oltre un centinaio di business case analizzati da questa prospettiva: sono state individuate le caratteristiche comuni delle aziende che hanno deciso di puntare su questa tecnologia e sui robot come vantaggio strategico per la crescita. Tra queste, la competenza tecnologica, il coraggio di impiegare i nuovi sistemi nei processi core, la spinta sulla crescita e l’innovazione piuttosto che sul taglio dei costi, e un forte supporto manageriale. I settori chiave di impiego per creare valore interessano diversi aspetti della value chain: dalla ricerca e sviluppo all’ottimizzazione della produzione, dal marketing personalizzato alla user experience di nuova generazione.
La survey si basa anche sul contributo di altri studi di McKinsey, tra cui The age of analytics: Competing in a data-driven world e A future that works: Automation, employment, and productivity, già analizzati da ZeroUno e dai quali emerge che “l’intelligenza artificiale ha il potenziale di innescare vere e proprie rivoluzioni nelle quote di mercato delle aziende e nei loro profitti, segni distintivi di settori ad alta concentrazione di tecnologia”. L’impatto della trasformazione è stato analizzato a livello di “mercati, governi e profili professionali”, sottolineano inoltre gli autori Jacques Bughin, Direttore del McKinsey Global Institute di Bruxelles, Eric Hazan, Senior Partner di McKinsey and Company, James Manyika, Direttore del McKinsey Global Institute di San Francisco, e Jonathan Woetzel, Direttore del McKinsey Global Institute di Shanghai.
Indicazioni utili dai casi analizzati
I casi studio analizzati vanno dal retail alle utility, dal settore industriale all’healthcare, all’education.
Di questo servizio fa parte anche il seguente articolo:
- AI, svolta nel retail: marketing targettizzato e una nuova user experience
Ad esempio, nel Regno Unito la partnership tra rete elettrica nazionale e DeepMind, acquisita da Google nel 2014, consente di prevedere le variazioni nella domanda di energia e quindi di pianificare l’offerta sulla base di algoritmi che studiano le condizioni meteorologiche e di sensori smart, con l’obiettivo di ridurre i consumi globali del 10% e spingere le energie rinnovabili. Amazon Go a Seattle è invece un outlet senza casse per pagare, dove i clienti entrano, mettono i prodotti nel carrello e li portano a casa. Un sistema di telecamere e tecnologie di computer vision permette di vedere chi acquista cosa, e di addebitare la spesa direttamente sul conto, mandando al cliente la ricevuta per email.
Uno dei maggiori interrogativi legati all’intelligenza artificiale è la sostituzione dei lavori svolti da personale umano, che rischia di perdere incidenza nel contesto dell’occupazione. I dati (figura 4) mostrano che attività ripetitive sono più facilmente automatizzabili; seguono impieghi come il commesso in negozio, i tecnici di laboratorio e gli infermieri; designer e quadri dirigenti in azienda sono meno sostituibili, mentre psichiatri e legislatori si può dire che ancora non lo siano. In più della metà delle occupazioni, il 30% delle attività può essere automatizzato.
Da più parti si esprime quindi il timore che questo fenomeno comporti una perdita dell’occupazione, con impatti sociali importanti; il tema è sicuramente complesso e non lo si può esaurire in poche righe, ma McKinsey sottolinea come questo rischio possa essere ridotto se ai lavoratori, precedentemente addetti ad attività ripetitive, verrà data, con un adeguato re-skilling, l’opportunità di acquisire nuove competenze su attività di maggior valore. D’altro canto l’intelligenza artificiale apre nuove opportunità di impiego: il 24% delle aziende intervistate per la survey e che hanno implementato algoritmi di intelligenza artificiale si aspetta un incremento del business e di conseguenza anche del numero di addetti; oltre l’80% delle compagnie prevede inoltre di assumere figure come i data scientist e i data translator.
Dove si sviluppano sistemi di intelligenza artificiale?
Gli hub tecnologici principali per lo sviluppo di sistemi di intelligenza artificiale si trovano nelle aree più avanzate d’America (in particolare la Silicon Valley, ma anche Boston e New York) e in Cina, soprattutto a Beijing e Shenzhen (figura 5). La San Francisco Bay Area è da sempre una destinazione privilegiata per le startup (sono circa 15.000 quelle attive) e ospita milioni di esperti del settore. Boston vanta il prestigioso MIT (Massachusetts Institute of Technology) che sviluppa alcune delle più avanzate tecnologie e richiama anche talenti da tutto il mondo. New York, oltre a ospitare il cuore della finanza americana e diverse università di prestigio vanta anche un formidabile ecosistema di finanziamenti. Beijing è tra gli hub tecnologici leader nell’intelligenza artificiale, identificati anche dal governo cinese come priorità di formazione e investimento. Per restare in Europa, uno dei centri più significativi è Londra, sia per la sua forte caratterizzazione finanziaria, sia per la presenza di università e startup.
