L'intelligenza artificiale sta già alimentando gran parte della tecnologia contribuendo a guidare l'economia moderna. L'intelligenza artificiale è ora una parte essenziale del modo in cui utilizziamo Internet, ma può essere trovata anche nelle borse, stabilimenti avanzati e magazzini automatici. Sta iniziando a guidare le nostre auto e persino ad aspirare i nostri pavimenti. Eppure solo una piccola parte delle aziende che trarranno vantaggi significativi dall'IA sta sfruttando questo approccio per fornire i propri prodotti e servizi.

Una ragione importante per questo è la mancanza di dati di alta qualità. Giganti della tecnologia come Google, Microsoft e Amazon sono state in grado di fare grandi passi avanti nell'intelligenza artificiale, sviluppando software per rispondere alle nostre domande e identificare cosa c'è nelle nostre foto, grazie alle loro vaste operazioni di raccolta dei dati. Ma molte industrie consolidate che potrebbero trarre vantaggio dall'intelligenza artificiale e dalla robotica avanzata stanno lottando per raccogliere, gestire e utilizzare i dati in modo utile.

Avere dati affidabili e di alta qualità è fondamentale per aiutare le aziende a comprendere meglio i propri mercati e clienti e consentire il processo decisionale automatizzato. A livello di infrastrutture, i dati possono guidare progettisti e sviluppatori e aiutare a ottimizzare l'uso e la manutenzione degli edifici, strade e ferrovie. Ciò potrebbe anche aiutare a ridurre le emissioni di carbonio facendo durare più a lungo la nostra infrastruttura e funzionare in modo più efficiente, contribuendo a ridurre lo spreco di energia e il traffico non necessario.

Fondazione dell'AI

I dati sono, semplicemente, le basi dell'intelligenza artificiale. Per addestrare l'intelligenza artificiale a svolgere un compito specifico, in genere è necessario eseguire dati di esempio attraverso i suoi algoritmi di apprendimento progressivo in modo che possa adattarsi e migliorare la sua capacità di riconoscere i modelli e rispondere di conseguenza. Alcune IA possono quindi automatizzare il processo ripetitivo di scoperta di informazioni utili da nuovi dati e persino diventare più bravi nell'individuare schemi rispetto agli umani o identificare cose che non potremmo mai fare. In alcuni casi, più dati vengono elaborati dall'IA, meglio impara a funzionare.

Però, nonostante i potenziali benefici, la ricerca mostra che in alcuni settori solo il 10% delle aziende ha sbloccato questo tipo di approcci di analisi avanzata. Settori come le telecomunicazioni, i servizi automobilistici e finanziari stanno cercando di mettersi al passo con i giganti della tecnologia. Ma molti settori, compresa la sanità, formazione scolastica, governo e costruzioni, non sono ancora vicini a raggiungere il pieno potenziale dell'utilizzo dei dati e dell'intelligenza artificiale.

Ad esempio, accelerare la diagnosi medica e renderla più accurata potrebbe far risparmiare 400 miliardi di dollari nel solo settore sanitario statunitense. Ma le regole e gli incentivi giusti per incoraggiare un numero sufficiente di persone a condividere i propri dati medici con gli sviluppatori di intelligenza artificiale non sono ancora in vigore e quindi il settore deve ancora realizzare questo potenziale.

Quindi, come possono più aziende iniziare a raccogliere i dati che li aiuteranno a ottenere il massimo dall'AI? In genere ci sono diversi problemi chiave che possono trattenere le aziende. I dati necessari potrebbero non esistere, potrebbe essere inaccessibile (ad esempio perché privato), potrebbe esistere in troppi luoghi, fonti o formati per essere utili. Può anche essere di qualità limitata o non essere raccolto per l'uso con l'intelligenza artificiale e quindi non avere le informazioni corrette.

Potrebbe anche essercene troppo. Si sente spesso parlare del valore dei "big data", set di dati molto grandi da cui è possibile trarre modelli e altre informazioni utili. Ma la raccolta di più dati non porta sempre a risultati di analisi migliori e talvolta può essere inutilmente complicata e dispendiosa in termini di risorse.

Questi problemi possono spesso verificarsi perché le aziende non dispongono della strategia o delle competenze adeguate. La ricerca mostra che molte aziende non hanno ancora team dedicati ai dati per assicurarsi che vengano raccolti i dati giusti, gestito e quindi correttamente utilizzato. Però, io e i miei colleghi abbiamo recentemente condotto una ricerca che mostra che le aziende tecnologiche con meno di 50 dipendenti utilizzano spesso in modo massiccio l'analisi dei dati. Ciò suggerisce che le start-up innovative possono essere più consapevoli del valore dei dati e sufficientemente agili da utilizzarli in modo efficace rispetto alle grandi aziende tradizionali.

Se le aziende tradizionali e le altre organizzazioni che potrebbero beneficiare maggiormente dei dati e dell'IA vogliono essere in grado di competere, profitto e costruire un mondo sostenibile, devono iniziare ad accogliere i dati. Le soluzioni di intelligenza artificiale possono essere buone solo quanto la qualità dei dati su cui sono costruite. Ciò significa assumere le persone giuste e mettere in atto le politiche necessarie per raccogliere i dati corretti, renderlo accessibile, valutarne la qualità e poi utilizzarla per sviluppare soluzioni di intelligenza artificiale. Solo in questo modo queste organizzazioni saranno in grado di trarre veramente vantaggio dalla prossima rivoluzione industriale.

Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.