Per arrivare ai risultati ampiamenti conosciuti, l’intelligenza artificiale ha bisogno sicuramente di competenze all’altezza e come primo requisito una base di dati abbastanza ampia e variegata da portare a un addestramento in grado di alimentare il sistema generativo vero e proprio. Per riuscirci, sono dispensabili risorse di calcolo spesso al di fuori della portata delle attuali infrastrutture IT, dove è quindi importante potersi affidare a servizi in cloud o di ottimizzazione delle proprie risorse, o entrambi. «In particolare quando si parla di IA, il dato grezzo va prima di tutto ripulito e riorganizzato – sottolinea Mario Rosati, CEO di E4 Analytics -. Subito dopo, si passa alla vera e propria fase di messa a punto di un progetto personalizzato».
Due passaggi collegati, ma diversi tra loro, con in comune però, una domanda estrema in termini di risorse di calcolo. Due punti intorno ai quali E4 Analytics ha costruito le proprie fortune, iniziando ad acquisire esperienza in tempi non sospetti. «Sin dal 2018, quando siamo nati come startup di E4 Computer Engineering, ci siamo occupati di alte prestazioni – prosegue Rosati -. Non è servito moto prima di capire come prima gli analytics e ora l’IA avrebbero risentito di limiti nelle prestazioni dei sistemi».
L’ecosistema per una IA a misura d’azienda
Da qui, l’idea i dedicarsi allo sviluppo di piattaforme abilitanti. Dopo l’appliance Gaia espressamente dedicata alla potenza vera e propria, ora l’ecosistema si allarga anche a Urania, soluzione orchestrata con Kubernetes per costruire un framework al servizio dell’azienda per realizzare la propria visione di intelligenza artificiale.
«In situazioni del genere, l’idea è partire da un modello open source generalista per realizzarne uno specifico e adattarlo al contesto. In questo caso, parliamo del patrimonio informativo aziendale, per cui la riservatezza è priorità assoluta».
Da qui, la possibilità di affidarsi sì a servizi in cloud, ma restando rigorosamente ancorati a una conservazione e gestione dei dati totalmente on premise. L’alternativa resta comunque collegata a provider nazionali in grado di garantire servizi Kubernetes con relative prestazioni, ma sempre sotto il controllo dell’azienda
Dove invece il contributo esterno resta imprescindibile in un progetto di IA generativa, sono naturalmente le competenze. Difficili da trovare all’interno, e comunque ad alto prezzo considerato il livello di specializzazione, si tratta i sviluppare un primo modello in linea con gli obiettivi aziendali, ma anche con la qualità dei dati disponibili e naturalmente le risorse.
Una volta messi a fuoco, E4 Analytics è pronta a farsi carico delle incombenze meno mirate alla qualità del progetto. Dalla stesura del codice, alla configurazione degli ambienti operativi o l’armonizzazione dei relativi componenti hardware e software, lasciando comunque ampia libertà di manovra nel modulare le risorse e tutta la scalabilità del caso.
I vantaggi dell’assistenza virtuale
A questo punto, l’attenzione può essere rivolta tutta agli aspetti concreti di un progetto di IA generativa. «In linea di massima si può pensare di realizzare qualsiasi cosa. In genere, in prima battuta si parla spesso di sistemi per dialogare con i dipendenti. Una sorta di assistente virtuale in grado di supportar ei dipendenti con la possibilità di accedere all’intera documentazione aziendale. A seconda della mansione e del compito, cambiando la tipologia dei documenti e il livello di informazioni».
Naturalmente, più si sale di livello intesto come qualità delle operazioni, più servono competenze specializzate per mettere a punto uno strumento all’altezza delle attese. Il rischio di contenuti inaffidabili resta elevato e per questo è indispensabile contare su strumenti e servizi adeguati.
Di fatto, oggi è già possibile parlare di un concetto di assistente più esteso, dal mondo creativo a quello redazionale. Non necessariamente con il tanto temuto effetto sostituzione, ma anche solo per trovare uno spunto, un fonte di ispirazione in più per snellire le parti meno creative di un lavoro. Da una prima traccia di un documento fino a un contributo per diminuire la scrittura manuale di righe di codice, alla fine la qualità del lavoro finale ne risente in meglio.
Sempre però, con un occhio attento alla realtà. «Dobbiamo essere consapevoli di come la situazione sia in continua evoluzione. Oggi si possono realizzare idee impensabili solo sei mesi fa e tra sei mesi sarà altrettanto». Tradotto in strategie aziendali, significa costruire un’infrastruttura dedicata ma anche flessibile. Contando sulla versatilità dell’open source, in grado quindi di essere aggiornata senza dover ogni volta ricostruire da zero e non trovarsi a dipendere da un’unica architettura.
Un’IA pronta a farsi carico dei lavori pesanti
Grazie ad argomenti come questo, in grado di tutelare meglio investimenti a lungo termine, l’interesse verso la proposta E4 Analytics non manca. «Negli algoritmi tradizionali legati alle previsioni, il passaggio da semplici software di statistica avanzata alle reti neurali non portava grandi vantaggi. Con l’IA generativa invece il salto di qualità è evidente e l’interesse non manca».
Tra le più interessanti e meno scontate, anche un vecchio problema per le aziende ormai di lunga data. Realtà dove non è raro trovare ancora in uso vecchi applicativi in linguaggi ormaI obsoleti, come per esempio il Cobol. Oggi è possibile addestrare un modello per assistere nel lavoro di traduzione in strumenti più recenti, risolvendo anche il problema della carenza di competenze.
«Questo ci aiuta a capire anche la direzione nella quale ci stiamo muovendo – conclude Mario Rosati-. Rendere le nostre piattaforme sempre più dotate di strumenti di IA generativa e fare in modo che il nostro cliente trovi già tutto pronto e configurato per la propria data science. Un passo importante anche per rendere i carichi di lavoro meno pesanti per le infrastrutture».
