Il machine learning (ML), sottoinsieme dell’intelligenza artificiale (AI), è definito quale insieme di tecniche matematiche che, implementate su sistemi informatici, consentono di estrarre informazioni, scoprire modelli e trarre inferenze dai dati. In particolare, fa riferimento alla capacità di una macchina di utilizzare algoritmi e processi che sono in grado di generalizzare i dati e le esperienze passate per prevedere i risultati futuri.

Questo articolo si pone l’obiettivo di dimostrare quanto il machine learning sia pervasivo nella realtà odierna e sia stato capace di cambiare il modo di vivere e lavorare di ciascuno. Due considerazioni chiariscono l’importanza della questione. La prima, al giorno d’oggi non è esagerato affermare che ognuno di noi si imbatte nei sistemi di machine learning più volte al giorno: mobile banking, pop-up delle notizie più importanti, contenuti consigliati nei social network, chatbot – sono solamente alcuni esempi. La seconda, le aziende di ogni settore, affidandosi ai servizi di consulenza, utilizzano soluzioni basate sul machine learning per migliorare la produttività, il processo decisionale, l’innovazione di prodotti e servizi, il customer journey e altro ancora.

Machine learning e intelligenza artificiale: i numeri

Il mercato globale del machine learning è in costante espansione. Nel 2021 è stato valutato 15,44 miliardi di dollari e, in virtù della crescente adozione dei progressi in ambito tecnologico, Fortune Business Insights prevede che raggiungerà i 21,17 miliardi di dollari nel 2022. I miliardi saranno decuplicati entro il 2029: 209,91, con un CAGR del 38,8%. Nel 2023, il mercato dell’intelligenza artificiale dovrebbe toccare i 500 miliardi di dollari. Nel 2030 i 1.597,1 miliardi (CAGR del 38,1% dal 2022 al 2030). Inoltre, il report IBM “Global AI Adoption Index 2022” riporta che 34% delle aziende dichiara di utilizzare l’intelligenza artificiale nella propria attività. Un ulteriore 42% degli intervistati afferma di stare esplorando i sistemi di AI (media globale).

Ad oggi, il paese più avanzato risulta essere la Cina, con un tasso di adozione complessivo dell’88%. L’Italia si posiziona quarta, preceduta da Cina, Singapore e India. Ancora, dai dati nella relazione IBM si evince che le aziende più grandi hanno il doppio delle probabilità di aver implementato attivamente l’intelligenza artificiale. Mentre le realtà minori hanno maggiori possibilità di esplorare o non perseguire l’AI. Secondo Deloitte, il 46% delle organizzazioni prevede di implementare l’AI nei prossimi tre anni.

Forrester prospetta che entro il 2025 quasi il 100% delle imprese implementerà una qualche forma di intelligenza artificiale. Tra i principali fattori di adozione dell’intelligenza artificiale IBM identifica la crescente accessibilità della tecnologia, la necessità di ridurre i costi e automatizzare i processi chiave e l’aumento dell’implementazione dell’AI nelle applicazioni aziendali standard off-the-shelf.

Sebbene oggi i casi d’uso del machine learning siano sempre più vari, le applicazioni incentrate sul cliente rimangono le più comuni. Un’indagine condotta da Statista riporta che il 57% degli intervistati dichiara che l’esperienza del cliente rappresenta il principale caso d’uso di ML e AI. Il 50% afferma di utilizzarli per generare customer insights e intelligence; il 48% per l’interazione con la clientela.

Scopriamo i vantaggi

Essendo un’estensione, e non una sostituzione, delle capacità umane, il machine learning consente alle aziende di automatizzare processi complessi, migliorare la qualità, l’efficacia e la creatività delle decisioni dei dipendenti, scoprire lacune e opportunità nel mercato per introdurre nuovi prodotti e servizi, iper-personalizzare l’esperienza dei clienti e molto altro ancora.

Mediante la diffusione delle iniziative di ML e AI, le aziende stanno ottenendo un maggior valore dai loro investimenti. Secondo una ricerca IBM, il 30% dei professionisti IT globali afferma che i propri dipendenti stanno già risparmiando tempo grazie ai nuovi software e strumenti di AI e automazione. Inoltre, uno studio di Deloitte riporta che la riduzione media dei costi prevista dalle organizzazioni che adotteranno l’automazione intelligente per i prossimi tre anni sarà pari al 31%.

Di più, una ricerca di PwC mostra che il PIL mondiale potrebbe aumentare fino a raggiungere un +14% nel 2030 (sino a 15,7 trilioni di dollari). Come? Attraverso l’accelerazione dello sviluppo e dell’adozione di ML e AI. Si prospetta inoltre che il 45% dei guadagni economici totali entro il 2030 sarà il risultato del miglioramento dei prodotti guidato dall’intelligenza artificiale. Quest’ultimo sarà in grado anche di stimolare la domanda dei consumatori. Tutte le aree geografiche trarranno quindi beneficio da machine learning e intelligenza artificiale. Cina e Nord America registreranno i maggiori ritorni economici, rispettivamente +26,1% e +14,5%.

Tuttavia, l’esponenziale crescita di questo mercato sta mettendo in difficoltà molte aziende che, volendo beneficiare dei numerosi vantaggi in questo campo, non riescono di fatto a trovare personale qualificato. Secondo Statista, l’82% delle organizzazioni ha bisogno di competenze di machine learning e solo il 12% delle imprese dichiara che l’offerta di competenze di ML è a un livello adeguato.

Questa carenza ha il potenziale di frenare l’innovazione digitale e la crescita economica. Secondo la ricerca IBM “Global AI Adoption Index 2022”, il 34% delle organizzazioni considera l’insufficienza di capacità, competenze o conoscenze in materia di AI la ragione principale che ne blocca il successo dell’adozione. Con la convinzione che un team specializzato possa sfruttare il machine learning e l’intelligenza artificiale al massimo delle loro potenzialità, il 68% delle imprese sta stanziando un budget per la riqualificazione e l’aggiornamento dei dipendenti esistenti; il 58% per identificare e reclutare talenti qualificati da altre aziende e organizzazioni; il 49% per l’assunzione di studenti universitari (indagine SnapLogic).

Tra le specializzazioni più richieste dalle aziende si ricordano: coding, programmazione e sviluppo di software (35% delle imprese), comprensione della governance, della sicurezza e dell’etica (34%), visualizzazione e analisi dei dati (33%), laurea avanzata in un campo strettamente correlato ad AI o ML (27%). Per quanto riguarda le soft skill necessarie per ricoprire questi ruoli, il 37% degli intervistati nell’indagine di IBM “Addressing the AI Skills Gap in Europe” ritiene che la capacità di risoluzione dei problemi sia la soft skill più critica e che il 23% dei recruiters del settore tecnologico fatica a trovare candidati con questa attitudine.

Quali sono le sfide

Secondo Statista e IBM, la sfida principale che impedisce ad AI e ML di raggiungere il loro potenziale è l’incapacità di svilupparne i progetti. L’85% dei professionisti IT concorda sul fatto che i consumatori sono più propensi a scegliere un’azienda trasparente circa come vengono costruiti, gestiti e utilizzati i suoi modelli di AI. A tal proposito la ricerca IBM “Global AI Adoption Index 2022” rivela che la maggioranza delle organizzazioni non ha adottato misure chiave per garantire che la propria AI sia affidabile e responsabile. Tra i principali problemi si riscontrano la mancata riduzione dei bias involontari (74% delle imprese), il non tenere conto delle variazioni di performance e della deriva del modello (68%) e il non assicurarsi di poter spiegare le decisioni basate sull’AI (61%).

Come si evince dalle statistiche di cui sopra, ogni azienda, indipendentemente dal settore, dispone di un numero infinito di scenari di adozione del machine learning e alte probabilità di successo nel caso in cui persegua nell’iniziativa di impiegarli all’interno dei propri processi. Il progresso nell’utilizzo di machine learning e intelligenza artificiale, finalizzato all’ottenimento di guadagni economici tangibili, necessita di essere supportato da un approccio olistico.

Risulta quindi fondamentale una visione che non si concentri sull’implementazione di soluzioni sparse in risposta a esigenze specifiche. Occorre considerare questi due elementi quali fattori di trasformazione aziendale. Che possono portare ad un processo decisionale migliorato, alla modernizzazione dei sistemi attuali. E che saranno, in un futuro non lontano, imprescindibili per qualunque realtà aziendale.

Asya Peruzzo