Uno sguardo ad alcuni aspetti di disillusione dell’applicazione di Intelligenza Artificiale nell’Industria
In vari articoli abbiamo parlato dello sviluppo di soluzioni di Intelligenza Artificiale maggiormente richieste dal mercato che ci troviamo a implementare presso i nostri clienti. Tuttavia, non tutti i progetti riescono a portare il beneficio che cliente e consulente hanno ipotizzato in fase di definizione dei lavori.
In questo articolo però non ci concentreremo sugli aspetti prettamente numerici, come qualità del dato o prestazioni misurabili dei modelli sviluppati: anche gli algoritmi meglio addestrati, infatti, a volte faticano ad uscire dal contesto del pilota ed entrare in produzione.
Machine Learning come fattore di cultura
In molti progetti di analitica avanzata, come indica questo report, il fattore culturale può essere un forte freno allo sviluppo di soluzioni innovative ma, purtroppo, in qualche modo anche disruptive.
Il cambiamento deve essere accompagnato con un percorso di crescita e non di rottura, al fine di non creare nell’uomo che si trova improvvisamente a collaborare con una macchina, un rapporto di sospetto e sfiducia.
L’impatto di qualsiasi forma di Intelligenza Artificiale nel lavoro dell’uomo è un dibattito quanto mai attuale: quando si porta in un’azienda uno strumento di questo tipo è quindi importante preparare un terreno dove esso viene visto come un facilitatore, non come un sostituto dell’operatività umana.
L’obiettivo su cui focalizzarsi dovrebbe essere il supporto dell’attività umana, e non il suo intralcio: un qualsiasi sistema di supporto intelligente pensato in modo da stravolgere o ridurre l’efficienza dell’operatore umano è destinato a fallire.
Del ruolo degli strumenti intelligenti ne abbiamo già parlato nell’articolo dedicato all’idea di Industria 5.0 lanciato dalla Commissione Europea ispirata dagli impatti del Covid sull’attività lavorativa umana, a partire da telelavoro e trasformazione delle città.
In altre parole, lo sviluppo di soluzioni di intelligenza artificiale non è di per sé una condizione sufficiente né per garantire il successo di un’organizzazione né per renderne automatica l’adozione all’interno dell’azienda: occorre infatti costruire una solida cultura del dato, che in qualche modo deve essere accettata e riconosciuta anche su piani diversi da quello meramente tecnologico.
Misurare il concreto vantaggio modello di Machine Learning
Come in ogni progetto, anche quando si parla di applicare sistemi di Machine Learning nei processi industriali l’investimento è giustificato solamente quando si riesce a concretizzare un vantaggio.
Tale vantaggio potrebbe essere economico: diretto in termini di risparmio di risorse, oppure indiretto, in termini, per esempio, di risparmio di tempo nei processi coinvolti. Oppure potrebbe portare a un miglioramento qualitativo: per esempio nell’esperienza di acquisto del cliente o in semplici termini di immagine.
Alcuni progetti vengono tuttavia avviati come PoC (Proof of Concept) o Progetto Pilota per via dei costi ridotti di una prima sperimentazione in piccola dimensione di un sistema di Intelligenza Artificiale, senza dover fin da subito concretizzare e quantificare i vantaggi.
Quando il PoC ottiene risultati sufficienti a giustificare una reale messa in produzione, la necessità di un investimento decisamente più impattante, anche per via degli aspetti architetturali, si scontra con la difficoltà di calcolare il tempo necessario per rientrare dell’investimento, il cosiddetto ROI (Return on Investment).
Inoltre, anche laddove si sia riusciti a identificare il problema che un modello di Machine Learning potrebbe risolvere e si sia quantificata la soglia necessaria a rendere la sua implementazione vantaggiosa, capita di scontrarsi con l’impossibilità di raggiungere nel Progetto Pilota livelli di precisione o accuratezza sufficienti a giustificare l’investimento utile.
Per questo motivo, l’affascinante mondo dell’apprendimento automatico si porta con sé una triste realtà: tanti avanzatissimi e interessantissimi progetti resteranno soltanto un sogno nel cassetto.
Come evitare che un progetto basato su tecnologie AI fallisca? Regesta LAB è il tuo alleato nel consigliarti le soluzioni e strategie più adatte alla tua azienda, realizzate in modo sartoriale sulle tue esigenze.