Pubblicato originariamente su minutehack.com.
È universalmente riconosciuto che l'IA è un gioco che cambia le carte in tavola e sta avendo un impatto enorme sulle organizzazioni di tutti i settori. Nei prossimi anni, questo non cambierà.
In effetti, l'IA e l'apprendimento automatico diventeranno così pervasivi, rendendo le aziende più innovative e consentendo ai dipendenti di scaricare le parti più secche del loro lavoro alle macchine, che sarà sorprendente trovare organizzazioni che non siano in qualche modo supportate dall'IA.
Come ha detto il leggendario giornalista tecnologico Walt Mossberg nella sua ultima rubrica, "Una volta la tecnologia era sempre d'intralcio. Presto sarà quasi invisibile".
E sta accadendo rapidamente e ovunque. In tutti i settori, l'intelligenza artificiale sta trasformando il modo in cui le aziende automatizzano le attività ripetitive e ad alta intensità di dati.
Nel settore sanitario, l'IA viene utilizzata per analizzare milioni di dati per cercare di diagnosticare più precocemente i pazienti o trovare cure per le malattie. Nella vendita al dettaglio, l'intelligenza artificiale analizza i comportamenti e le preferenze dei clienti prima di fornire raccomandazioni accurate su altri prodotti o servizi che potrebbero essere acquistati.
Non sorprende che stia trasformando anche il modo in cui operano i dipartimenti IT aziendali, automatizzando le attività di programmazione e sviluppo ripetitive in modo che i team tecnologici possano concentrarsi su iniziative IT più strategiche e di maggior valore.
Ma se oggi l'IA e l'apprendimento automatico dominano i titoli dei giornali di economia e tecnologia, un decennio fa la maggior parte dei progressi dell'IA proveniva dal mondo accademico.
L'applicazione pratica, reale e mainstream dell'IA per le aziende era nel migliore dei casi confusa e pochi si aspettavano che maturasse con la rapidità con cui è maturata, tanto che le grandi aziende di tutto il mondo potevano fidarsi e affidarsi ad essa per alimentare i processi aziendali critici.
Ma come ho imparato dai CEO all'avanguardia che mi hanno preceduto, è saggio giocare a lungo termine e investire fino al 10% del budget aziendale per la ricerca e lo sviluppo in "grandi scommesse" che, pur essendo speculative in quel momento, possono ripagare enormemente in futuro. Per noi di SnapLogic, questa grande scommessa è stata fatta più di otto anni fa sull'apprendimento automatico.
Molteplici percorsi di innovazione
Nel 2010, mentre SnapLogic era in fase di avvio, il nostro team di leadership ha iniziato a studiare come le tecnologie di apprendimento automatico potessero essere applicate ai progetti di integrazione aziendale, il nostro core business.
In quel periodo mi fu presentato Greg Benson, allora (e tuttora) professore di informatica all'Università di San Francisco.
Mentre io ho sempre affrontato i dati con una lente commerciale, ponendo l'accento sulla praticità e sull'utilità di fornire risultati misurabili ai clienti, Greg ha portato una visione accademica decisamente diversa, in cui le ipotesi sono testate e la sperimentazione è apprezzata.
Ne sono scaturite molte discussioni animate, a volte anche dibattiti, tra noi due.
Mesi dopo, ho assunto Greg a tempo parziale in SnapLogic, ben sapendo che voleva continuare a insegnare all'Università di San Francisco.
Anzi, l'ho incoraggiato: le sue attività accademiche e le interazioni con la generazione emergente di tecnologi erano fondamentali per il valore che poteva fornire come dipendente di SnapLogic.
All'epoca avevamo solo una dozzina di dipendenti. Alcuni membri del nostro team hanno messo in discussione questa nuova assunzione; come piccola startup con poco personale e budget a disposizione, dovevamo essere saggi con ogni singola assunzione e c'erano altri ruoli importanti che dovevamo occupare con urgenza.
Ma sapevo che volevamo affrontare le cose in modo diverso in SnapLogic, e per farlo avevamo bisogno di menti brillanti che portassero una prospettiva diversa.
Greg si è occupato di apprendimento automatico e della sua potenziale applicazione all'integrazione aziendale. Il suo lavoro di applicazione dell'apprendimento automatico al collegamento predittivo dei campi, una tecnica per ridurre gli aspetti noiosi della creazione di integrazioni, è stato determinante per lo sviluppo iniziale del nostro prodotto principale.
Ma, per le giuste ragioni, altre urgenti priorità dei prodotti e dei clienti lo hanno allontanato per un po' dall'apprendimento automatico. Ma alla fine è ritornato - e di questo parleremo più avanti.
Un ponte tra il mondo accademico e l'industria
Avendo lavorato con Greg per diversi anni, sono convinto che si possa ottenere un enorme valore riunendo pensatori intelligenti e fuori dagli schemi provenienti sia dall'industria che dal mondo accademico, in particolare nell'area dell'IA e dell'apprendimento automatico.
L'intelligenza artificiale sviluppata nell'industria è spesso realizzata per casi d'uso molto specifici, spesso guidati da requisiti del cliente o legati a obiettivi di prodotto o di fatturato, con tempistiche prescrittive e risultati finali in mente.
Mentre nel mondo accademico lo sviluppo dell'IA avviene principalmente per motivi esplorativi, per testare teorie e ipotesi con il desiderio di vedere cosa l'IA è in grado di raggiungere, senza confini o limitazioni.
I due approcci richiedono spesso competenze diverse e perseguono obiettivi importanti, anche se apparentemente non correlati. Tuttavia, poiché l'IA è sempre più presente nelle nostre vite, è fondamentale riunire entrambi i gruppi per condividere idee e best practice e, soprattutto, per condividere i dati.
Per continuare a guidare e accelerare l'innovazione - per il miglioramento dell'industria, del mondo accademico e della società nel suo complesso - dobbiamo imparare e lavorare insieme.
L'intelligenza artificiale e l'apprendimento automatico sono nuovi, urgenti e richiedono una riflessione seria per portare a compimento le nuove idee. Il mondo accademico ha un'ottima capacità di pensiero, ma non ha necessariamente abbastanza tempo o risorse, o dati reali, per dare vita ad alcune delle sue idee.
Fortunatamente, negli ultimi anni il rapporto tra università e industria si è rafforzato.
Le università hanno iniziato a collaborare con i leader del settore dell'IA per aprire le porte e creare opportunità per gli operatori del settore di tenere corsi e condividere casi aziendali reali con i loro studenti, e per gli accademici di condividere le loro conoscenze e contribuire a progetti reali all'interno delle organizzazioni.
Nell'industria, se vogliamo che la prossima generazione di esperti di IA fiorisca, dobbiamo sostenerli nel loro sviluppo.
Alcuni team di laureati in informatica, ad esempio quelli dell'Università di San Francisco, collaborano regolarmente con i leader del settore nella Silicon Valley, tra cui SnapLogic, per mettere in pratica le loro teorie sull'intelligenza artificiale e l'apprendimento automatico. Programmi di tirocinio come questi consentono agli studenti di lavorare su progetti reali, ma anche di ricevere crediti per i loro corsi.
Significa anche che sono più occupabili e immediatamente produttivi, non appena finiscono l'università. Grazie al nostro programma SnapLogic, abbiamo assunto a tempo pieno diversi stagisti di spicco dell'Università di San Francisco.
Quando le grandi scommesse pagano
Circa quattro anni fa, ho chiesto a Greg di concentrarsi nuovamente sull'apprendimento automatico e, con i nuovi progressi tecnologici emersi negli ultimi anni, su come applicarli al nostro prodotto principale per aumentare la produttività degli utenti e il time-to-value per i nostri clienti.
È stato fatto molto lavoro - non una linea retta, a dire il vero, per ogni tre passi avanti ce ne sono stati un paio indietro - ma l'anno scorso abbiamo presentato Iris, la nostra visione e la nostra roadmap tecnologica per portare l'apprendimento automatico nell'integrazione aziendale.
La prima funzionalità fornita nell'ambito di Iris è stata SnapLogic Integration Assistant, un motore di raccomandazione che utilizza l'apprendimento automatico per fornire una guida esperta passo-passo per la creazione di pipeline di dati, con una precisione fino al 90%.
Iris utilizza algoritmi avanzati per imparare da milioni di elementi di metadati e miliardi di flussi di dati attraverso SnapLogic Enterprise Integration Cloud.
Quindi applica questo apprendimento per migliorare la velocità e la qualità delle integrazioni tra dati, applicazioni e processi aziendali.
Il risultato: i nostri utenti sono più efficienti e produttivi, le complesse integrazioni di app e dati possono essere completate in una frazione del tempo e dei costi e i team IT e aziendali possono concentrarsi sulla realizzazione di risultati aziendali significativi.
Siamo solo all'inizio con Iris, con molto altro ancora da fare, ma sono orgoglioso di dire che è stato un successo clamoroso per noi e per i nostri clienti.
Il nostro successo iniziale è in parte dovuto alle idee, agli approcci e al lavoro di sviluppo collaborativi che hanno permesso di unire le nostre menti e le nostre competenze sia in ambito aziendale che accademico.
L'intelligenza artificiale è il futuro. Per realizzare il futuro che tutti desideriamo, l'industria e il mondo accademico devono lavorare insieme per realizzare il suo pieno potenziale e trasformare veramente in meglio le imprese, l'istruzione e la società.
