Il secondo giorno della co-locazione Fiera dell’intelligenza artificiale e dei big data E Settimana della trasformazione digitale a Londra ha mostrato un mercato in netta transizione.
L’entusiasmo iniziale per i modelli generativi sta svanendo. I leader aziendali ora si trovano ad affrontare la difficoltà di inserire questi strumenti negli stack attuali. Le sessioni del secondo giorno si sono concentrate meno sui grandi modelli linguistici e più sull’infrastruttura necessaria per eseguirli: derivazione dei dati, osservabilità e conformità.
La maturità dei dati determina il successo della distribuzione
L’affidabilità dell’intelligenza artificiale dipende dalla qualità dei dati. DP Indetkar della Northern Trust ha messo in guardia dal permettere all’intelligenza artificiale di diventare un “robot da film di serie B”. Questo scenario si verifica quando gli algoritmi falliscono a causa di input inadeguati. Indetkar ha osservato che la maturità nell’analisi deve venire prima dell’adozione dell’intelligenza artificiale. Il processo decisionale automatizzato amplifica gli errori anziché ridurli se la strategia dei dati non è verificata.
Eric Bobek di Just Eat ha sostenuto questo punto di vista. Ha spiegato come i dati e l’apprendimento automatico guidano le decisioni a livello aziendale globale. Gli investimenti nei livelli di intelligenza artificiale sono sprecati se la base dati rimane frammentata.
Anche Mohsen Ghasempour di Kingfisher ha sottolineato la necessità di trasformare i dati grezzi in informazioni utilizzabili in tempo reale. Le aziende di vendita al dettaglio e di logistica devono ridurre la latenza tra la raccolta dei dati e la generazione di insight per ottenere un ritorno.
Scalabilità in ambienti regolamentati
IL finanzai settori sanitario e legale hanno una tolleranza quasi zero per gli errori. Pascal Hetzscholdt di Wiley si è occupato direttamente di questi settori.
Hetzscholdt ha affermato che l’intelligenza artificiale responsabile nella scienza, nella finanza e nel diritto si basa su accuratezza, attribuzione e integrità. I sistemi aziendali in questi campi necessitano di audit trail. Danni alla reputazione o sanzioni normative rendono impossibili le implementazioni della “scatola nera”.
Konstantina Kapetanidi di Visa ha sottolineato le difficoltà nella creazione di applicazioni di intelligenza artificiale generativa multilingue, scalabili e basate su strumenti. I modelli stanno diventando agenti attivi che eseguono attività anziché limitarsi a generare testo. Consentire a un modello di utilizzare strumenti, come interrogare un database, crea vettori di sicurezza che necessitano di test seri.
Parinita Kothari del Lloyds Banking Group ha dettagliato i requisiti per l’implementazione, la scalabilità, il monitoraggio e la manutenzione dei sistemi di intelligenza artificiale. Kothari ha sfidato la mentalità “schiera e dimentica”. I modelli di intelligenza artificiale necessitano di una supervisione continua, simile all’infrastruttura software tradizionale.
Il cambiamento nei flussi di lavoro degli sviluppatori
Naturalmente, l’intelligenza artificiale sta cambiando radicalmente il modo in cui viene scritto il codice. Un panel con relatori di Valae, Charles River Labs e Knight Frank ha esaminato il modo in cui i copiloti di intelligenza artificiale rimodellano la creazione di software. Se da un lato questi strumenti accelerano la generazione del codice, dall’altro costringono gli sviluppatori a concentrarsi maggiormente sulla revisione e sull’architettura.
Questo cambiamento richiede nuove competenze. Un panel con rappresentanti di Microsoft, Lloyds e Mastercard ha discusso degli strumenti e della mentalità necessari per i futuri sviluppatori di intelligenza artificiale. Esiste un divario tra le attuali capacità della forza lavoro e le esigenze di un ambiente potenziato dall’intelligenza artificiale. I dirigenti devono pianificare programmi di formazione che garantiscano che gli sviluppatori convalidino sufficientemente il codice generato dall’intelligenza artificiale.
Il dottor Gurpinder Dhillon di Senzing e Alexis Ego di Retool hanno presentato strategie low-code e no-code. Ego ha descritto l’utilizzo dell’intelligenza artificiale con piattaforme low-code per realizzare app interne pronte per la produzione. Questo metodo mira a ridurre l’arretrato delle richieste di strumenti interni.
Dhillon ha sostenuto che queste strategie accelerano lo sviluppo senza compromettere la qualità. Per i dirigenti, ciò suggerisce una fornitura di software interno più economica se i protocolli di governance rimangono in vigore.
Capacità della forza lavoro e utilità specifica
La forza lavoro più ampia sta iniziando a lavorare con i “colleghi digitali”. Austin Braham di EverWorker ha spiegato come gli agenti rimodellano i modelli della forza lavoro. Questa terminologia implica il passaggio dal software passivo ai partecipanti attivi. I leader aziendali devono rivalutare i protocolli di interazione uomo-macchina.
Paul Airey di Anthony Nolan ha fornito un esempio di come l’intelligenza artificiale fornisce un valore che cambia letteralmente la vita. Ha spiegato in dettaglio come l’automazione migliora l’abbinamento dei donatori e le tempistiche dei trapianti di cellule staminali. L’utilità di queste tecnologie si estende alla logistica salvavita.
Un tema ricorrente durante l’evento è che le applicazioni efficaci spesso risolvono problemi molto specifici e ad alto attrito piuttosto che tentare di essere soluzioni di carattere generale.
Gestire la transizione
Le sessioni del secondo giorno degli eventi co-locati mostrano che l’attenzione dell’impresa si è ora spostata sull’integrazione. La novità iniziale è scomparsa ed è stata sostituita da richieste di operatività, sicurezza e conformità. I responsabili dell’innovazione dovrebbero valutare quali progetti dispongono dell’infrastruttura dati per sopravvivere al contatto con il mondo reale.
Le organizzazioni devono dare priorità agli aspetti fondamentali dell’intelligenza artificiale: pulire i data warehouse, stabilire barriere legali e formare il personale per supervisionare gli agenti automatizzati. La differenza tra una distribuzione riuscita e un pilota in stallo sta in questi dettagli.
I dirigenti, da parte loro, dovrebbero indirizzare le risorse verso strutture di ingegneria dei dati e di governance. Senza di essi, i modelli avanzati non riusciranno a fornire valore.
Vedi anche: AI Expo 2026 Giorno 1: governance e disponibilità dei dati abilitano l’impresa basata sugli agenti
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici tra cui Fiera sulla sicurezza informatica e sul cloud. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
