L’hype innescato dalla diffusione degli strumenti di AI (artificial intelligence) generativa, oggi accessibili mainstream, ha concentrato l’attenzione di persone ed aziende sul tema delle intelligenze artificiali, di cui si parla molto di più rispetto a quanto questi ‘digital enabler’ siano effettivamente conosciuti. Accade, tra l’altro, in un momento di rapidissima crescita: basta considerare che secondo gli analisti parliamo di un mercato che è prossimo a raggiungere il valore di circa 500 miliardi già nel 2024, con una crescita di oltre il 50% rispetto solo a due anni fa (fonte: Idc), mentre per Gartner solo il mercato del software per l’AI varrà nel 2025 quasi 135 miliardi di dollari.
L’approccio all’AI, oltre alla giusta attesa per i vantaggi incommensurabili che essa porta, richiede alle aziende un approccio responsabile per almeno cinque motivi fondamentali. Spieghiamo: può avere un impatto significativo sulle persone e sulla società nel suo complesso ed un approccio responsabile può aiutare a vigilare sul fatto che l’AI sia sviluppata, implementata e utilizzata in modo etico, giusto e sicuro – minimizzando i rischi e massimizzando i benefici per tutti gli interessati (1). L’adozione di un approccio responsabile all’AI contribuisce a preservare la fiducia dei clienti, degli utenti e del pubblico in generale. Infatti, se le aziende non operano in modo responsabile potrebbero pagare poi conseguenze molto negative, tra cui danni reputazionali, perdita di clienti, oltre a subire potenziali azioni legali, mentre dimostrare un impegno per l’AI responsabile può consolidare la fiducia dei clienti e migliorare l’immagine complessiva dell’azienda (2).
E’ necessario quindi valutare un approccio responsabile all’AI anche in relazione agli aspetti legati alla privacy e alla protezione dei dati. L’AI richiede grandi quantità di dati per l’addestramento e l’apprendimento automatico, e bisogna vigilare affinché tali dati siano raccolti e utilizzati in conformità alle leggi sulla privacy e alla normativa applicabile. In gioco vi è il rispetto dei diritti degli individui sulle proprie informazioni personali e l’implementazione di adeguate misure di sicurezza per proteggere i dati da accessi non autorizzati (3). Non solo, le aziende devono essere in grado di spiegare come l’AI prende decisioni o fornisce risultati, soprattutto quando queste decisioni potrebbero influenzare le scelte delle persone; ogni realtà dovrebbe essere pronta ad assumersi la responsabilità almeno delle conseguenze delle decisioni prese dall’AI offrendo una via di ricorso in caso di errori o comportamenti inappropriati (4). Ultimo, ma anche forse l’aspetto più importante, un’AI davvero responsabile vede le aziende ponderare con estrema attenzione la possibilità che essa possa riflettere pregiudizi presenti nei dati di addestramento o nel processo di sviluppo, portando a risultati ingiusti o discriminatori. Serve pertanto adottare misure per identificare, comprendere e mitigare questi pregiudizi a vantaggio di un’effettiva qualità dell’AI e della sua eticità (5).
IBM, l’AI responsabile richiede governance strategica
Sono queste le tracce di un percorso che vede l’impegno sul campo anche da parte di IBM che è consapevole di come l’AI sia diventata parte integrante delle strategia aziendali, sia per le grandi che per le piccole aziende e compare come leader nella valutazione dei fornitori di servizi di intelligenza artificiale a livello mondiale secondo IDC MarketScape.
L’AI rappresenta un’enorme opportunità ma, mano mano che i “modelli” e le “intuizioni” dell’AI diventano sempre più critici per il business, serve essere certi della loro affidabilità e di garantirsi visibilità e ‘responsabilità’ durante i processi. Decisioni analitiche basate su set di dati incompleti, modelli, flussi di lavoro e processi imprecisi, possono avere conseguenze gravi.
E’ evidente quindi che la sfida cui ci si trova di fronte è una sfida di “governance”. La governance dell’AI richiede la capacità di indirizzare, gestire e monitorare le attività di AI e di studiare un framework entro il quale agire. Le organizzazioni che rimangono proattive e integrano la governance nelle loro iniziative di AI fin dall’inizio possono contribuire a ridurre i rischi e al contempo rafforzare la loro capacità di rispettare i principi etici e le normative governative, senza contare che già oggi organizzazioni ed aziende in settori regolamentati, come quello bancario e dei servizi finanziari, sono tenute a fornire un certo livello di trasparenza sui loro modelli di AI per soddisfare i regolamenti.
IBM individua tre specifici “building blocks” che effettivamente permettono il pieno controllo, un’effettiva governance dell’AI, in uno scenario così sfidante. Sono le persone, i processi e le tecnologie.
Per quanto riguarda il primo punto, le persone, IBM è convinta che per implementare correttamente l’AI sia fondamentale poter contare su una solida squadra interfunzionale che senza sovraccaricare i compiti già impegnativi di figure preziose come quelle dei data scientist sia pronta a partecipare all’ideazione dei progetti, a concordare sugli obiettivi e ad adottare un’AI responsabile. Serve ovviamente adottare anche le ‘misure’ idonee a garantire che vengano definiti il corretto set di metriche, i KPI e gli obiettivi in conformità con i requisiti aziendali e le normative, mantenendo alta l’attenzione sul monitoraggio delle metriche specifiche individuate nell’utilizzo dei modelli di AI.
La governance dell’AI richiede di tracciare e documentare l’origine dei dati, i modelli associati e i metadati, nonché l’intero flusso delle informazioni per fini di audit. Si tratta di poter documentare come le tecnologie siano state utilizzate per addestrare i modelli, con le metriche delle fasi di test. Trasparenza e visibilità sul comportamento del modello durante tutto il suo ciclo di vita sono le parole chiave. Come anche l’analisi su come i dati hanno influenzato lo sviluppo del modello e i possibili rischi associati. Si tratta di intraprendere un “percorso” anche di valutazione di tecnologie e processi per comprendere quali siano effettivamente “allineati” e quali richiedano di essere ripensati, fino ad approdare a flussi di lavoro automatizzati in linea con i requisiti di conformità. I modelli saranno innestati in questi flussi di lavoro con i sistemi di controllo necessari per avvisare i proprietari e gli utenti quando le metriche di un modello superano quelle ritenute come le soglie di errore accettabili.
Arriviamo, appunto, al valore delle tecnologie. L’implementazione di un progetto di AI gestito richiede, secondo IBM, una soluzione che governi l’intero ciclo di vita dell’AI e abbia la capacità di integrare dati di diversi tipi e provenienti da diverse fonti nei diversi contesti; ma sia anche aperta e flessibile pronta a funzionare con gli strumenti già in uso. Serve un’accessibilità “self-service” ma con tutti controlli necessari sulla privacy e il tracciamento delle origini dei dati; quindi in grado di automatizzare la costruzione, l’implementazione, la scalabilità, l’addestramento e il monitoraggio dei modelli, con la capacità di collegare tra loro i più efficaci fino a generare flussi di lavoro personalizzati per sulla base dei metadati di governance.
In particolare, proprio sul tema dell’approccio tecnologico, IBM aiuta a gestire e monitorare le attività di AI a partire dalla proposta di una piattaforma che fa leva sull’automazione del software per garantire la soddisfazione dei requisiti normativi e affrontare le preoccupazioni etiche. La proposta copre l’intero ciclo di vita del progetto, dalla progettazione, appunto, all’implementazione, al monitoraggio e alla centralizzazione della gestione del dato per “spiegare l’AI”.
Prima che un modello venga messo in produzione, viene convalidato; una volta che il modello è attivo, viene monitorato continuativamente per garantirne equità, qualità ed il rilevamento di eventuali deviazioni. E’ possibile accedere alla documentazione del modello, e quindi fornire spiegazioni sul comportamento e sulle previsioni del modello stesso. Le aziende possono così tracciare e documentare l’origine dei dati, i modelli e i metadati associati e i relativi flussi di dati, con anche le tecniche utilizzate per addestrare ciascun modello.
IBM watsonx, platform per l’AI responsabile ed efficace
Queste potenzialità convergono oggi nella proposta IBM watsonx, una nuova piattaforma che consente alle imprese di scalare e accelerare l’introduzione di sistemi di AI basati su dati affidabili, attraverso l’accesso a uno stack tecnologico completo che consente di addestrare, operare fine-tuning e distribuire modelli di intelligenza artificiale basati su dati affidabili, velocità e governance, appunto, in un unico luogo e in qualsiasi ambiente cloud. Più nel dettaglio con watsonx, IBM offre un’ambiente di sviluppo di modelli di AI con l’accesso a Foundation Model addestrati da parte di IBM e l’accesso a modelli open source, ma anche l’accesso a un archivio di dati per “consentire la raccolta e la pulizia dei dati di addestramento e messa a punto di nuovi modelli” (Prepare, Train Validate, Tune, Deploy, è il mantra) e un toolkit che include strumenti per la governance dell’AI direttamente utilizzabili da parte delle aziende per un flusso di lavoro end-to-end volto a consentire la realizzazione di modelli di AI di facile accesso, adattabilità e scalabilità.
Le aziende possono quindi accedere al set di strumenti, alla tecnologia, all’infrastruttura e all’esperienza dei consulenti IBM per costruire i propri modelli di AI, adattare quelli già disponibili, distribuirli in modo scalabile in un ambiente affidabile e aperto. Questo sulla scorta di tre set di soluzioni: IBM watsonx.ai, IBM watsonx.data e IBM watsonx.governance. Il primo set è un “AI Studio” di nuova generazione, la cui disponibilità generale è prevista per luglio 2023, che consente a chi sviluppa l’AI di addestrare, testare, mettere a punto e distribuire sia modelli realizzati con metodi tradizionali che con nuovi metodi di AI generativa facendo leva su fondation model e attraverso un’interfaccia utente aperta e intuitiva. Watsonx.data è invece un data store specializzato, costruito su un’architettura lakehouse aperta, ottimizzato per ospitare informazioni relative a data governance e AI workload e in grado di fornire servizi di query, governance e formati open-data per l’accesso le la condivisione dei dati e IBM watsonx.governance viene proposto come un toolkit di governance dell’AI per abilitare flussi di lavoro affidabili per l’AI.
La soluzione, la cui disponibilità generale è prevista per la fine di quest’anno rende operativa la governance per contribuire a ridurre i rischi, i tempi e i costi associati ai processi manuali e fornisce la documentazione necessaria per ottenere risultati trasparenti e spiegabili. Inoltre fornisce i meccanismi per proteggere la privacy dei clienti, rilevare in modo proattivo le distorsioni e le derive dei modelli e aiutare le organizzazioni a rispettare gli standard etici.
E’ così che IBM watsonx indirizza le esigenze delle aziende in cinque aree chiave del loro business: interagire e conversare con clienti e dipendenti; automatizzare i flussi di lavoro aziendali e i processi interni; automatizzare i processi IT; proteggersi dalle minacce e affrontare gli obiettivi di sostenibilità.
Il potenziale del quantum computing
I carichi di elaborazione dati legati ai progetti con l’intelligenza artificiale hanno bisogno di risorse importanti di calcolo. IBM a questo proposito si trova in una posizione di ulteriore vantaggio anche perché, in anticipo sui tempi, ha investito risorse consistenti anche nella ricerca sul quantum computing e da pochi giorni ha annunciato l’intenzione di aprire il suo primo data center quantistico con sede in Europa per facilitare l’accesso di aziende, istituti di ricerca e governi a sistemi di calcolo quantistico all’avanguardia. Operativo già nel 2024, il data center sarà ubicato presso la sede IBM di Ehningen, in Germania e fungerà da Quantum European cloud region di IBM.
E’ stato progettato per aiutare le organizzazioni a gestire i requisiti della normativa europea in materia di dati, quindi l’elaborazione di informazioni avviene all’interno dei confini dell’UE. Il DC è parte integrante dell’impegno globale di IBM sul quantum e rappresenta inoltre un’opportunità per l’azienda di collaborare fianco a fianco con i ricercatori europei di IBM, così come con i clienti stessi, mentre esplorano il modo migliore per applicare il quantum nel loro settore d’industria. Da una parte, quindi, i progetti sul campo, ma sempre senza trascurare il valore della ricerca a fianco delle aziende.
Parliamo in particolare degli sforzi prodigati dall’IBM Quantum Network. E’ composto da più di 60 organizzazioni in tutta Europa che accedono ad hardware e software quantistici mediante il cloud, tra cui Bosch, Bundeswehr University, Crédit Mutuel Alliance Fédérale, compresa la filiale tecnologica Euro-Information, e Tangobank, Deutsches Elektronen-Synchrotron (DESY), L’Organizzazione europea per la ricerca nucleare (CERN), Fraunhofer-Gesellschaft, Poznan Supercomputing and Networking Center (PSNC) e T-Systems.
Un centro di eccellenza per l’AI generativa
Gli sforzi di IBM non sono tuttavia indirizzati solo sulla proposizione di metodo e tecnologie. In particolare, proprio per quanto riguarda l’AI generativa è di maggio l’annuncio dell’istituzione dell’IBM Center of Excellence (CoE). Questo centro si affianca all’azione sul campo già di circa 21.000 consulenti che hanno partecipato ad oltre 40.000 progetti per clienti enterprise. Il CoE conta già oggi più di 1.000 consulenti con competenze specializzate nell’AI generativa, che collaborano con i clienti per valorizzare l’esperienza dei cliente e creare nuovi modelli di business, proprio sulla base dell’utilizzo della platform IBM watsonx. Solo nel 2023, IBM Consulting, attraverso il suo CoE ha interagito con oltre 100 clienti e concluso numerosi progetti bastati sull’AI generativa ed alcuni clienti hanno accelerato fino addirittura al 70% il raggiungimento dell’efficacia dei loro modelli di base, rispetto agli approcci di AI tradizionali.
Ora serve accelerare ma per farlo occorre una strategia “componibile e multi-modello”, nonché un approccio umano basato proprio sui principi di governance declinati.
Strategia e approccio proposti da IBM Consulting puntano su apertura e collaborazione per pianificare, costruire, implementare e gestire soluzioni di AI generativa che abbracciano modelli multipli e possono sfruttare gli scenari multicloud. Un’azione basata su un ecosistema aperto, infatti, aiuta i clienti a definire i modelli giusti e l’architettura giusta per ottenere i migliori risultati, per questo IBM collabora con un diversificato ecosistema di partner di AI, tra cui Adobe, Amazon Web Services (AWS), Microsoft, Salesforce, SAP, ma sfrutta anche il potenziale delle tecnologie open source per garantire che i clienti beneficino della soluzione tecnologica che meglio soddisfa le loro esigenze.
Una ricerca IBM Institute for Business Value mostra che il 79% degli executive dichiara che la loro organizzazione si trova di fronte alla sfida di garantire che i loro modelli di AI siano responsabili, sicuri e privi di discriminazione e bias. E’ la base delle competenze disponibili nel nuovo CoE, competenze approfondite nell’applicazione di un approccio eticamente responsabile all’AI e riconosciute.
Per saperne di più scarica il whitepaper: Ceo decision-making in the age of AI, Act with intention
Leggi tutti gli approfondimenti della Room Think, almost there by IBM
© RIPRODUZIONE RISERVATA
