È ormai difficile trovare un oggetto che non sia connesso a Internet: dai macchinari industriali alle videocamere di sorveglianza, passando per gli elettrodomestici di uso comune. L’Internet of Things, l’internet delle cose, è uno dei principali trend tecnologici di questi ultimi decenni, perché in grado di portare numerosi benefici, che vanno dall’ottimizzazione del funzionamento dei dispositivi sino alla disponibilità di maggiori informazioni per l’utente finale. Vantaggi che sono resi possibile dalla trasmissione costante, secondo dopo secondo, di dati digitali, dal device verso l’esterno.
Il volume di dati che arrivano dall’Internet of Things in continuo aumento
Una produzione di Bytes che sta diventando sempre più voluminosa: basti pensare che, secondo IDC, la quantità globale di dati generati dai dispositivi IoT (Internet of Things) raggiungerà lo stratosferico ammontare di 79,4 zettabyte (ZB) annui entro il 2025. Un ritmo di crescita che, di per sé, non rappresenta un vantaggio per le aziende, che anzi devono trovare il modo per conservare e gestire questa quantità di dati in modo da essere rispettosi della compliance e delle normative in vigore. La gestione di questo volume crescente non può più essere affrontata con gli strumenti tradizionali, vale a dire il classico database, ma necessita di strumenti innovativi, che consentano di processare i dati in tempi rapidi ed estrapolare le informazioni rilevanti (e utili al business) in essi contenuti. Per questo motivo il data management dell’IoT non può ormai prescindere dall’applicazione di tecnologie come l’intelligenza artificiale e il machine learning che, in buona sostanza, sono in grado di automatizzare la gestione e il processamento dei processi relativi di a una grande quantità di dati.
Cosa possono fare AI e Machine learning per l’IoT
L’Intelligenza Artificiale, lo ricordiamo, può essere definita come la capacità delle macchine di svolgere compiti e azioni tipici dell’intelligenza umana (pianificazione, comprensione del linguaggio, riconoscimento di immagini e suoni, risoluzione di problemi, riconoscimento di pattern, ecc), basandosi sull’utilizzo di speciali algoritmi. Il Machine learning fa invece riferimento ai metodi per consentire ai software di AI di adattarsi, permettendo così alle macchine di apprendere come svolgere un compito o una attività senza essere state preventivamente programmate.
Ma vediamo più da vicino in che modo AI e machine learning possono effettivamente migliorare il data management aziendale. Da un punto di vista operativo innanzitutto, occorre considerare che le aziende spesso fanno fatica a garantire che i propri sistemi di database siano in esecuzione in modo efficiente. Molto spesso hanno invece a che fare con query (interrogazioni) che sovraccaricano il sistema, consumano risorse eccessive o incidono su altri processi in esecuzione, con risultati negativi sulle prestazioni complessive. L’intelligenza artificiale può aiutare non poco questa fase, automatizzando la gestione delle query in base al probabile consumo di risorse, fornendo così un sistema più stabile e affidabile e, soprattutto, in grado di assegnare le priorità, riducendo la governance e il monitoraggio manuale del database.
Più accuratezza nell’analisi dei dati che arrivano dall’IoT sul campo
Altro beneficio significativo è rappresentato dal miglioramento delle prestazioni: l’intelligenza artificiale può avere un impatto notevole sull’aumento dell’accuratezza complessiva delle query. In questo modo le imprese possono ridurre il tempo impiegato per generare informazioni e migliorare le decisioni aziendali. L’intelligenza artificiale, inoltre, consente di automatizzare compiti “manuali” di cura dei database aziendali, come il provisioning e l’ottimizzazione delle prestazioni, liberando il lavoro degli amministratori per attività a maggiore valore aggiunto come la sicurezza. Un database equipaggiato con intelligenza artificiale, infine, da un lato facilita il lavoro dei data scientist e, dall’altro, rende veramente possibile prendere decisioni data-driven ai business analyst. Azioni di questo tipo, in apparenza molto tecniche, sono in grado di abilitare numerosi casi d’uso legati all’IoT: dalla manutenzione predittiva, sino alla videosorveglianza, passando dalle applicazioni per la casa intelligente sino al marketing contestuale nel retail. Eppure, al momento le aziende che utilizzano AI e IoT nel data Management sono ancora una minoranza, mentre la grande maggioranza ancora non riesce ad andare oltre una semplice raccolta di dati a causa della mancanza di una capacità di analisi, problemi di sicurezza o di una vera e propria strategia in materia.
