Nel 2019, il 53% dei dati e delle analisi globali ha annunciato che è stata stabilita l’intelligenza artificiale o in pieno sviluppo all’interno della propria azienda. Ecco le previsioni sull’intelligenza artificiale per il 2020.

È importante notare che questi risultati sono tratti dalle statistiche che rivelano le percentuali calcolate dall’osservazione delle società Fortune 500. Le società Fortune 500 sono riconosciute come le più redditizie negli Stati Uniti. Lo studio mostra che negli ultimi anni il 29% degli sviluppatori ha lavorato sull’intelligenza artificiale e sull’apprendimento automatico. I risultati sono arrivati ​​da uno studio di Forrester.

La maggior parte delle statistiche di cui si parla nell’IA costituisce il 54% delle decisioni relative al trattamento dell’IA nel settore IT in cui operano le aziende interessate. E la maggior parte delle statistiche riguarda i benefici previsti dell’IA.

L’implementazione dell’automazione

Secondo Forrester, il 25% delle aziende di Fortune 500 pianifica l’implementazione di centinaia di processi di automazione. In altre parole, l’automazione di compiti specifici attraverso l’uso dell’intelligenza artificiale.

Pertanto, come parte dell’implementazione dell’IA comporta specifici compiti robotizzati automatizzati. Le aziende useranno l’analisi del testo e l’apprendimento automatico in particolare per elaborare una serie di e-mail e documenti in arrivo. Per quanto riguarda l’implementazione di risposte automatiche o chatbot (discussioni robotiche), i programmi sono progettati per conversare con utenti o clienti di Internet nelle vesti di un essere umano, chiamati anche agenti conversazionali .

Agenti di conversazione.

Questi programmi dovrebbero anche risparmiare tempo, in particolare per i dipendenti delle risorse umane e i team IT (Information Technology). Sarà necessario disporre di alcuni strumenti di monitoraggio che utilizzano Machine learning per l’ elaborazione di Big Data . I programmatori che hanno precedentemente creato algoritmi che consentono al computer di ordinare i dati.

Più gli algoritmi ordinano i dati, più AI sarà in grado di riconoscere i dati considerati normali e di trovare i dati che testimoniano comportamenti anomali e  l’operatore può concentrarsi più rapidamente sulle misure correttive da adottare.

L’aumento degli investimenti in questo tipo di processo automatico è in parte dovuto, secondo la ditta Forrester, all’anticipazione di una recessione economica legata alla recessione economica in Cina.

La recessione economica in Cina potrebbe rischiare di aumentare l’interesse, che potrebbe smorzare non solo i consumi e gli investimenti, ma anche ridurre il valore di mercato delle aziende. 

Non c’è da stupirsi che le aziende stiano cercando di sviluppare i settori per garantire l’efficienza dei loro servizi. Questo tipo di automazione mirata è anche più veloce da impostare e meno costoso di una trasformazione verso progetti di innovazione dell’AI, che richiede un investimento a lungo termine, specifica il rapporto.

Parametri di intelligenza artificiale, una nuova arma di competitività.

Man mano che il mercato dell’IA cresce e le piattaforme di elaborazione fanno fatica a essere riconosciute come i carichi di lavoro di intelligenza artificiale più veloci, più scalabili e meno costosi. I benchmark del settore dovrebbero svolgere un ruolo sempre più importante.

L’anno scorso, i benchmark MLPerf si sono distinti come benchmark in termini di competitività. Tutti i giocatori, da Nvidia a Google, si sono vantati di prestazioni superiori in questi test.

Nel 2020 i benchmark AI saranno un elemento cruciale della strategia di marketing e questo segmento diventerà un luogo comune solo nel tempo.

Forrester individuò i pericoli legati all’uso dell’intelligenza artificiale. Alcuni esempi dei rischi sono la disinformazione dovuta al filtraggio di determinati algoritmi sui social network, la sorveglianza tecnologica di massa grazie al riconoscimento facciale (come nel caso della Cina), la proliferazione di video “deep fake” grazie alla permutazione intelligente dei volti o discriminazione algoritmica.

L’intelligenza artificiale può mostrare (con mezzi autentici o falsi) una quantità di dati senza pari. I dati possono presentare una mancanza di diversità e riprodurre le discriminazioni delle nostre società. Ad esempio, siamo stati anche in grado di assistere all’origine di un incidente causato da un’auto autonoma di Uber.

Tutto ciò non ridurrà gli investimenti in IA nelle aziende nel 2020, secondo Forrester. Questi rapporti sugli incidenti porteranno a dimostrare l’importanza e la necessità dell’IA e ad essere “trasparenti” nel suo utilizzo. Inoltre, i risultati dell’IA mostreranno le aree che implorano la necessità di apportare miglioramenti, tutti descritti nel rapporto Forrester.

L’impianto dell’IA nelle aziende incoraggerà necessariamente i manager a prendere le misure necessarie per facilitare il lavoro degli sviluppatori nel Machine Learning. Per la maggior parte, le aziende impiegano più del 70% del loro tempo a recuperare tutti i dati essenziali per il corretto funzionamento dei propri programmi.

L’intelligenza artificiale in modalità SaaS riduce la domanda di data scientist.

Dall’anno scorso, l’apprendimento automatico offerto come servizio da fornitori come AWS, Microsoft, Google, IBM e altri ha guadagnato slancio.

Con il crescere della tendenza dell’IA, sempre più utenti aziendali faranno affidamento su questi fornitori di cloud per soddisfare maggiormente le loro esigenze di intelligenza artificiale. I fornitori di servizi cloud consentiranno alle aziende di passare da team di data scientist impiegati internamente.

Fornitori di Saas e AI.

Entro la fine del 2020, i fornitori SaaS diventeranno i principali fornitori di elaborazione del linguaggio naturale, analisi predittiva e altre applicazioni AI. Queste applicazioni AI includeranno strumenti come servizi di piattaforma e strumenti DevOps ..

Sperimentazione continua nel mondo reale per l’AI aziendale.

Ogni iniziativa di trasformazione digitale aziendale si basa sull’uso dei modelli di apprendimento più adatti. L’approccio dei modelli di apprendimento richiede la sperimentazione in situazioni reali in cui i processi basati sull’intelligenza artificiale testano modelli alternativi di apprendimento automatico. Il modello ML sceglierà automaticamente quei test e modelli che consentono di ottenere il risultato desiderato.

Esperimenti nella vita reale nei processi aziendali.

Entro la fine del 2020, la maggior parte delle aziende implementerà esperimenti di vita reale in tutti i processi aziendali , sia a contatto con i clienti sia con quelli del back-end.

Man mano che le aziende si rivolgono ai fornitori in cloud per i loro strumenti di intelligenza artificiale, funzionalità come quelle lanciate di recente da AWS modelleranno studi di iterazione e dispositivi di tracciamento. Ci saranno esperienze multi-funzionali e dashboard di tracciamento dei modelli. Tutte queste funzionalità diventeranno la norma nei modelli basati su AI 24/7 degli ambienti applicativi professionali .

Nel corso del decennio, l’automazione basata sull’intelligenza artificiale e le funzionalità DevOps genereranno una best practice universale per l’ottimizzazione dei processi aziendali basati sull’intelligenza artificiale.

Il lavoro di modellistica degli sviluppatori di AI automatizzato da AI.

Le reti neurali sono al centro della moderna intelligenza artificiale. Nel 2020, i piani di lavoro degli scienziati dei dati aziendali inizieranno a incorporare una nuova metodologia basata sull’intelligenza artificiale chiamata “ricerca sull’architettura neurale”, che intende automatizzare la costruzione e l’ottimizzazione delle reti neurali in base agli obiettivi.

Man mano che viene adottato e migliorato, la ricerca nell’architettura neurale aumenterà la produttività dei data scientist, li aiuterà a prendere decisioni per costruire i loro modelli sulla base di algoritmi di apprendimento automatico consolidati, come la regressione lineare e gli algoritmi della foresta dell’albero decisionale casuale, o uno degli ultimi e gli algoritmi di rete neurale più avanzati.

Trasparenza end-to-end dell’AI regolamentata.

L’AI sta diventando un fattore di rischio sempre più importante nelle applicazioni aziendali. Mentre le aziende affrontano un’impennata di azioni legali su pregiudizi socio-economici, violazioni della privacy e altri effetti sfavorevoli delle applicazioni di intelligenza artificiale, i funzionari legali richiederanno il monitoraggio completo dei modelli di apprendimento automatico per scoprire come sono stati costruiti, formati e gestiti e come sono utilizzati in applicazioni aziendali.

Entro la fine del 2020, i responsabili legali della maggior parte delle aziende chiederanno ai loro team di data scientist di registrare automaticamente ogni fase del processo di apprendimento automatico e di spiegare in parole semplici l’inferenza automatica indotta da ciascun modello. Nel prossimo decennio, la trasparenza dei progetti di IA sarà decisiva per ottenere finanziamenti.

Infine, si può presumere con sicurezza che, nei prossimi anni, le richieste di regolazione della capacità basata sull’intelligenza artificiale per tutti i prodotti. Vedremo soprattutto quei prodotti che utilizzano informazioni identificabili personalmente – aumenteranno.

Oltre alla crescente importanza data alla trasparenza nello sviluppo dell’AI , è troppo presto per dire quale sarà l’ impatto di queste future normative sull’evoluzione delle piattaforme, degli strumenti e delle tecnologie sottostanti.