Sas Innovate on Tour fa tappa a Milano. L’evento riunisce esperti e professionisti del settore per discutere le ultime tendenze e innovazioni nell’ambito dell’intelligenza artificiale (AI) e degli analytics. Circa 300 sono i partecipanti alla due giorni milanese. Mirella Cerutti, regional vice president di Sas apre i lavori della prima giornata sottolineando come le aziende italiane stiano progressivamente adottando tecnologie avanzate per rimanere competitive sul mercato globale, consapevoli che “la trasformazione digitale non è più un’opzione, ma una necessità e le aziende che non l’abbracciano rischiano di rimanere indietro”.
Al centro, quasi non serve dirlo, l’evoluzione della Generative AI e del suo utilizzo in Italia. Sta cambiando il modo di lavorare di tanti settori ma “solo il 3% delle aziende italiane ha completato l’implementazione della GenAI, nonostante l’entusiasmo generale per il suo potenziale, con il 94% però che ha già almeno pianificato investimenti in questa tecnologia per il prossimo anno”, spiega Cerutti.
Più nello specifico, la ricerca condotta da Sas con Coleman Parkes Research rivela che in Italia oltre la metà delle aziende ha iniziato a integrare l’intelligenza artificiale generativa o prevede di farlo entro i prossimi 12 mesi, e oltre la metà dei decision-maker vede la GenAI come un’importante innovazione per migliorare l’esperienza dei clienti e la produttività aziendale. Non mancano ostacoli significativi: la mancanza di tool appropriati (57%), dubbi sui dataset (56%), complessità nell’implementazione pratica (51%) e mancanza di competenze interne (40%). Le preoccupazioni principali includono la privacy dei dati (79%) e la sicurezza (73%).
Sas, evoluzione della proposta con AI
Spetta a Bryan Harris, executive VP e Cto di Sas tracciare quindi l’evoluzione della proposta con un riferimento costante a quelli che sono i temi chiave oggi nell’utilizzo della GenAI: governance, produttività e prestazioni, fiducia. L’obiettivo di Sas è sempre quello di potenziare le organizzazioni con dati e intelligenza artificiale. “Siamo un’azienda di persone che aiutano altre persone – Harris cita il Ceo James Goodnight – e l’AI è semplicemente lo strumento in più innestato nelle soluzioni, non un’aggiunta a parte”.
Governance, quindi. Tra gli annunci in questo ambito le Model Card come etichette informative per un’AI affidabile. Convertire un modello di AI in qualcosa di più digeribile in azienda è difficile. Per tutti coloro che sono coinvolti nel ciclo di vita dell’AI, la capacità di comprendere e condividere con le autorità di regolamentazione le prestazioni di un modello è fondamentale. Le Model Card, una funzione di prossima introduzione nella platform Sas Viya, serviranno agli sviluppatori come ai board director, per trovare valore in uno tool dedicato che supporta sia modelli proprietari sia open source.
“Offrono quindi trasparenza e fiducia nei modelli AI – spiega Harris – dettagli cruciali come l’accuratezza, la correttezza e le derive dei modello, aiutando le aziende a monitorare le prestazioni dei modelli e a garantire che rimangano conformi agli standard etici e tecnici”. Le Model Card vengono generate automaticamente per i modelli registrati nei prodotti Sas, eliminando l’onere di crearle manualmente. “E questo consente alle aziende di concentrarsi sull’ottimizzazione dei propri modelli, assicurando al contempo che siano conformi alle normative emergenti e alle migliori pratiche del settore”.
Ma “le aziende chiedono sempre di migliorare la produttività e le prestazioni riducendo al contempo i costi”. E non mancano i casi d’uso dei clienti: Migros con Sas ha incrementato il numero di iscritti al programma fedeltà del 33% e “Sas Viya permette di aiutare le aziende a trattenere in modo proattivo i talenti prevedendo i dipendenti a rischio con un tasso di precisione del 70%”.
La customer intelligence di Sas ha poi ridotto i tempi di elaborazione dei dati per Vodafone da settimane a un giorno e ha ridotto l’abbandono dei clienti del 30%. Tra le case, merita un cenno anche quella relativa al servizio postale norvegese, Poston, che ha migliorato le prestazioni con Sas Viya, riducendo i tempi di esecuzione dei lavori batch e migliorando la velocità di lettura dei dati. Tutti i verticali sono impattati positivamente: quello farmaceutico, il finance, e quello manifatturiero in particolare.
Serve una strategia complessiva di investimento nell’intelligenza artificiale sulla base di tre tipologie di ‘attori’: i costruttori di AI, gli acquirenti di soluzioni e gli ‘abbonati’ ai modelli. Harris: “Le organizzazioni vogliono investire su tutti e tre”. Cogliamo l’esempio particolare del pharma: “Il farmaceutico in questo particolare caso vorrà essere un costruttore di intelligenza artificiale e Sas vuole essere la sua piattaforma di riferimento per costruirla e sviluppare nuove molecole”. Tuttavia, nell’industria farmaceutica esistono anche una serie di sfide, come ad esempio quella della produzione. “Non è il core business per il pharma, ma comunque si tratta di operare in modo più efficiente. Interessante allora risulterà una soluzione per la manutenzione predittiva per migliorare le operazioni della tua attività, come anche per ottimizzare la supply chain da applicare a più attività dell’organizzazione e che si integri rapidamente tramite Api nel tuo ecosistema tecnologico”.
Sas Viya semplifica in tutti i casi l’integrazione dell’intelligenza artificiale nell’intera azienda. A fronte dei rischi, delle derive di errore collegate ai large language model, la platform sfrutta “l’analisi visiva del testo e l’elaborazione del linguaggio naturale per scansionare una serie di prompt memorizzati, associare queste domande a un prompt convalidato memorizzato nel Llm e, così facendo, ottenere una domanda coerente, che generi una risposta coerente”. Grazie alla generazione di una domanda coerente, è possibile poi ottenere una migliore ricerca di somiglianza nell’infrastruttura base dei database vettoriali. Inoltre, la stessa domanda coerente può anche guidare l’orchestrazione in Sas Viya perché i Llm sono davvero scarsi nel ragionamento “quantitativo”.
Harris vuole aggiungere un ulteriore tassello evolutivo a marcare la roadmap di Sas, e riguarda il calcolo quantistico. “Nello sviluppo del quantum computing, Sas sta facendo un ottimo lavoro con le architetture ibride. Crediamo che nei prossimi uno o due anni l’informatica quantistica avrà sull’intelligenza artificiale lo stesso impatto che gli Llm hanno avuto sull’intelligenza artificiale generativa. Quindi è importante in questo momento concentrarsi veramente su quali sono queste nuove architetture emergenti”. Sas non è impegnata direttamente nella costruzione di un computer quantistico ma utilizza una combinazione di calcolo classico e computer quantistici. Punta sull’integrazione tra tecnologie Sas, lo fa anche per quanto riguarda lo sviluppo.
Sas Viya Workbench
“Nel corso degli anni – prosegue Harris – Sas Viya si è rivelata eccellente nella capacità di generare un ciclo di vita di dati e intelligenza artificiale completamente integrata. Sas Viya Enterprise fa questo, ma vogliamo anche abbattere la barriera all’ingresso in questo ecosistema. Da qui lo sviluppo di Sas Viya Workbench”.
Destinato agli sviluppatori, Viya Workbench è quindi proposto come un ambiente di calcolo self-service e on-demand per la preparazione dei dati, l’analisi esplorativa dei dati e lo sviluppo di modelli analitici e di machine learning. Nel dettaglio, consente agli sviluppatori di lavorare nel linguaggio di loro scelta, come Sas, Python e R (quest’ultimo entro la fine del 2024). Grazie a un’interfaccia intuitiva e flessibile, con due opzioni di ambiente di sviluppo: Jupyter Notebook/JupyterLab e Visual Studio Code.
L’accesso alle procedure analitiche Sas (Proc) e alle Api Python native all’interno di Viya Workbench dovrebbe consentire di accelerare lo sviluppo di modelli di intelligenza artificiale. Inoltre, le librerie Python personalizzate di ultima generazione, esclusive di Viya Workbench, possono migliorare la velocità e le prestazioni con modifiche minime al programma Python dello sviluppatore.
In sintesi si parla quindi di “un ambiente di sviluppo flessibile, scalabile, efficiente e on-demand, che richiede un supporto IT minimo, con un ambiente analitico dedicato che dispone di una potenza di calcolo Cpu/Gpu personalizzabile in base alle esigenze del progetto”. I modelli generati possono poi essere sfruttati in Sas Viya per la gestione dei dati, la governance e il deployment. “Gli utenti possono comunque semplicemente iscriversi ai modelli che creiamo e pubblichiamo sul mercato e utilizzarli tramite i copilota predisposti. Riteniamo di aver creato un moderno piano di intelligenza artificiale per la produzione trasversale a tutta l’azienda”. Non è comunque tutto “semplice” e non mancano le sfide di implementazione. Harris sottolinea “l’importanza della qualità dei dati per garantire l’accuratezza e l’affidabilità dei modelli AI”. Spiega che “utilizzare dati di alta qualità permette di ottenere risultati più precisi e affidabili, riducendo al contempo i rischi associati”. Ma fa riferimento anche alla “trasparenza nella fase di sviluppo dei modelli AI, spiegando come proprio le model card possano aiutare a documentare ogni fase del processo di sviluppo”. E chiude: “Documentare ogni fase del processo di sviluppo dei modelli AI è cruciale per garantire che siano performanti, etici e responsabili. E le model card sono uno strumento essenziale per raggiungere questo obiettivo”.
La qualità dei dati
E all’importanza della qualità dei dati si aggancia anche Marinela Profi, AI Product Strategy Global lead di Sas. “L’intelligenza artificiale e i dati possono insieme accelerare la possibilità di cogliere valore dal ciclo di vita dei dati stessi migliorando la capacità delle aziende di prendere decisioni informate, a patto di perseguire un significativo allineamento di intenti tra figure di business e tecniche“.
Sas stia aiutando le aziende a migliorare le prestazioni dei loro sistemi, riducendo il tempo necessario per ottenere risultati utili e integrando l’AI generativa nelle infrastrutture esistenti.
Non a caso “la piattaforma Sas Viya è progettata per essere flessibile e può essere implementata on-premise, nel nostro cloud o nel cloud di scelta del cliente. Soprattutto offre automazione intelligente per consentire ai clienti di tenere sempre conto delle decisioni e delle politiche aziendali specifiche, garantendo sicurezza e condivisione delle informazioni”.
Le principali novità nell’ambito AI di Sas sembrano rispondere a questi bisogni: hanno tutte l’obiettivo di aumentare la produttività sia degli utenti di business che degli utenti tecnici, con l’obiettivo ultimo di portare un allineamento fra queste due figure (che fino ad oggi hanno lavorato molto divise, in silos), e questo utilizzando anche l’opportunità che l’intelligenza artificiale generativa offre di chiudere il gap.
Modellizzando in sintesi la proposta in cinque passaggi: Sas Viya è stata estesa per permettere alle organizzazioni di utilizzare i Llm e di integrarli nei loro processi di business attuali, in modo da aumentare quelli che sono i processi di business attuali. Quindi i clienti che ad oggi utilizzano analytics o fanno analisi dati possono utilizzare Viya per rendere questa esperienza più facile, per integrare i Llm in maniera efficiente e governarli e orchestrarli. Il primo punto è quindi Sas Viya estesa come piattaforma di governance e orchestrazione di Llm. Il secondo punto è “l’estensione della funzionalità di Viya con Viya Copilot. Li abbiamo annunciati a Las Vegas questo aprile, li stiamo portando anche qui a Milano. Viya Copilot è da immaginare come un assistente personale che permette di avere un’interazione completamente testuale con i dati, con l’intelligenza artificiale”.
L’esperienza con i dati, con l’intelligenza artificiale diventa completamente conversazionale in questo modo, sfruttando la potenza di calcolo di SAS che rimane invariata.
Il terzo punto è che “stiamo investendo moltissimo su un mercato che fa parte dell’intelligenza artificiale generativa ma è nuovo ed è quello dei dati sintetici“.
Avremo sempre più problemi di data quality (torna il tema), avremo sempre più problemi di data availability e “i dati sintetici rappresentano una possibilità per indirizzare quegli scenari dove il dato è sensibile, quindi non può essere usato per l’analisi, oppure negli scenari finance in cui, per esempio, le percentuali di frode sono molto più basse rispetto alle percentuali di non frode e le tecniche di intelligenza artificiale tradizionale non riescono ad essere accurate nel rilevare la frode”.
Con i dati sintetici è possibile inoltre lavorare anche su quegli scenari dove ci sono dati, ma non sono di buona qualità, hanno dei bias. “Sas Data Maker, attualmente è in private preview, è una solution as a service che il cliente può scaricare nel suo ambiente locale e che offre la possibilità di generare dati sintetici di qualità, dando la possibilità all’utente in tempo reale di misurare anche la qualità del dato, tramite dei grafici che vanno a paragonare quello che è il dato reale con le distribuzioni di caratteristiche statistiche del dato generato”. Viya Workbench, come ha già spiegato anche Harris, è un ulteriore pilastro per migliorare lo sviluppo e permettere a tutti i sviluppatori Python e Open Source di continuare a scrivere nel loro linguaggio di programmazione mentre dietro girano algoritmi Sas, quindi senza dover per forza sapere utilizzare il linguaggio Sas (quarto punto). Ed infine, ancora, la proposta dei Sas Model. “Per la prima volta i modelli saranno disponibili come prodotti, quindi ci sarà un marketplace dove il cliente potrà acquistare un modello Sas” per una specifica analisi (per le frodi, per l’analisi dei documenti, etc.) e tutto sarà disponibile tramite un marketplace. Conclude Profi: “Il nostro obiettivo è quello di accontentare un mercato che non ha bisogno necessariamente di tutto l’installato Sas ma ha bisogno soltanto della conoscenza e dell’esperienza che noi abbiamo nell’ambito dell’intelligenza artificiale”.
AI, questione etica e di governance
Un’esperienza messa a frutto anche per quanto riguarda tutta la complessa sfera delle riflessioni etiche, nel senso più specifico del termine. Parla infatti così dell’AI “trustworthy” Reggie Townsend, VP of Data Ethics di Sas. “L’intelligenza artificiale è una delle innovazioni più potenti e trasformative del nostro tempo, ma porta con sé una serie di sfide uniche. Queste sfide possono essere divise in due categorie: problemi che creiamo e problemi che ereditiamo. E l’AI affronta entrambi questi tipi di problemi, rendendo cruciale un approccio ponderato e responsabile”. Le persone spesso esitano a fidarsi dell’IA perché temono che non migliorerà la loro sicurezza, non capirà i loro bisogni o porterà benefici solo a una minoranza. Questa sfiducia può minare non solo il successo aziendale ma anche la coesione sociale.
Townsend cita a proposito il filosofo Paul Virilio, che afferma che “ogni nuova tecnologia porta con sé il potenziale per il fallimento”. L’AI non fa eccezione, e il cosiddetto “lato oscuro della crescita” deve essere affrontato con “franchezza, onestà, empatia e attenzione alle preoccupazioni socio-tecniche”. Le sfide socio-tecniche richiedono un’azione collettiva da parte di vari stakeholder, tra cui aziende tecnologiche, governi e media. Sfortunatamente, questi ultimi due soffrono spesso di sfiducia da parte del pubblico, complicando ulteriormente il panorama. Le aziende, invece, se puntano sulla fiducia possono giocare un ruolo chiave nel colmare il divario di fiducia. Townsend parla in proposito allora di “competizione sui valori”, una strategia che Sas adotta per dimostrare che la fiducia è un asset (anche commerciale) tanto quanto i prodotti e i servizi offerti.
Torna il tema chiave della giornata: strategico per guadagnare e mantenere la fiducia è la governance dell’AI. Model Card, utilizzo etico dei dati sintetici, gli stessi strumenti per lo sviluppo accessibile sono alla base di una proposta, quella di Sas, che vuole anche essere coerente con i principi che la ispirano.
© RIPRODUZIONE RISERVATA
