Le Application Programming Interface (API) sono oggi un mezzo collaudato ed efficace per collegare le applicazioni aziendali con servizi software esterni, che realizzano in modo conveniente alcune specifiche funzionalità. Un mezzo comunemente sfruttato dai programmatori per aggiungere ai sistemi aziendali capacità che sarebbero altrimenti troppo complesse e onerose da realizzare e gestire in proprio.
Nell’era dei servizi informatici multi-cloud e dell’API economy è vantaggioso poter accedere e sfruttare, per il tempo che serve o per la funzione di cui si ha bisogno, le capacità software ed elaborative di servizi esterni. Capacità che sono rapidamente disponibili per aiutare lo sviluppo di business esistenti o per crearne di nuovi, attraverso componenti di riconoscimento vocale, geolocalizzazione delle informazioni, predizioni sui comportamenti d’acquisto dei clienti, funzionamento di prodotti e impianti.
Parliamo in particolare delle capacità di machine learning che possono essere aggiunte alle applicazioni aziendali, grazie a servizi e funzioni pronte e disponibili sul mercato.
Come impiegare le API di machine learning
Da un punto di vista strettamente tecnico, le API sono la modalità d’accesso standardizzata e documentata per collegare tra loro applicazioni e servizi. Le API di machine learning servono quindi per poter sfruttare le funzioni complesse associate a sistemi intelligenti senza perdere tempo, acquisire competenze specialistiche o dover sviluppare codice specifico. Sono oggi accessibili come API di machine learning i servizi per integrare capacità visive, voce, interpretazione linguistica/conversazionale, clusterizzazioni e analisi su big data.
Le API di machine learning supportano inoltre alcuni compiti chiave del data scientist per lo sviluppo delle soluzioni di AI. In quest’ambito rientrano i servizi per la scelta e la selezione dei dati più rappresentativi per l’istruzione dei modelli di machine learning, i supporti computazionali per il deploy delle reti neuronali o di sistemi previsionali, le librerie di dati o modelli già addestrati, gli strumenti per la valutazione continua dei modelli in produzione per capire quanto sono realmente efficaci.
Alcune delle funzionalità ospitate in container standard possono essere fruite indifferentemente in ambienti elaborativi on premise e in cloud, altre (quelle che impiegano algoritmi allo stato dell’arte o che si avvalgono di repository di dati in continuo aggiornamento), sono disponibili unicamente in cloud, in modalità function-as-a-service e con costi che variano in funzione del servizio, del tempo macchina usato, o del numero d’interrogazioni.
Alcune applicazioni per le API di machine learning
Le API di machine learning trovano impiego nei diversi compiti d’analisi del linguaggio naturale, per dare informazioni e supporto via chat ai clienti che stanno navigando sui siti web/e-commerce aziendali, per sistemi di raccomandazione, CRM di primo livello, fare sintesi di documenti, traduzioni in tempo reale. Aiutano il data scientist nel fare catalogazioni di archivi di dati non strutturati e big data (testi, immagini, video…) e rendere accessibile l’esperienza aziendale contenuta in dati e documenti che in altro modo nessuno avrebbe tempo di usare.
Le funzionalità di machine learning via API facilitano l’automazione di compiti onerosi, quali la moderazione in tempo reale dei commenti nei blog oppure l’analisi delle opinioni (il sentiment dei clienti) su differenti social network per individuare i problemi che possono riverberarsi sulle vendite dei prodotti o sull’azienda. Le stesse tecniche applicate ai dati transazionali consentono di distinguere le normali attività lecite da quelle anomale, che possono individuare i tentativi di frode.
Le API di machine learning applicate alla visione robotica aiutano la messa a punto dei sistemi d’automazione robotici basati sull’AI e di guida autonoma. Aiutano il data scientist a creare ausili per la sicurezza, per esempio, per controllare aree protette o tracciare comportamenti sospetti sfruttando le capacità di riconoscimento dei volti.
Le API di machine learning consentono inoltre di creare sistemi predittivi per fare cross selling in base ai precedenti comportamenti d’acquisto del cliente, così come d’inviare squadre di manutenzione e i giusti ricambi laddove le segnalazioni dei sensori IoT fanno prevedere l’imminenza di uno specifico guasto.
