La strategia

Intelligenza artificiale, il “debito tecnico” frena le aziende: che fare

Il debito tecnico accumulato dalle aziende rischia di frenare l’avanzata dell’Intelligenza artificiale in ambito Industria 4.0 e internet delle cose. Per ovviare al problema, sono necessarie pratiche virtuose quali l’investimento sulle persone e la creazione di una cultura di gestione dei dati

29 Ago 2019
Guglielmo Iozzia

Associate Director - Business Tech Analysis, IT and Analytics presso MSD

intelligenza-artificiale_519560572

Se in molti settori l’impiego dell’intelligenza artificiale è già una realtà, per altri è ancora un terreno da scoprire valutando possibili vantaggi di business: è il caso di Industria 4.0 e IIoT (internet delle cose). Una spiegazione di questo ritardo secondo la mia personale esperienza in Big Data e AI è da ricercarsi nel cosiddetto debito tecnico accumulato da gran parte delle aziende che possono essere classificate come appartenenti a tale categoria. Ecco di cosa si tratta e i consigli per una strategia che punti a superare il problema.

Il debito tecnico delle aziende

È un concetto dell’ingegneria del software introdotto nel 1992 dall’informatico statunitense Howard G. Cunningham ed è analogo al debito fiscale. Un progetto software può accumulare debito tecnico (intendiamoci, alle volte, per diversi motivi, è normale accumularne una percentuale), ma, esattamente come per il debito fiscale, esso deve essere rimborsato. Quando ciò non accade iniziano a sorgere seri problemi. Ogni minuto speso nello scrivere codice di scarsa qualità incide come interesse su quel debito.

Evento in presenza
SAP NOW, 20 ottobre | Sostenibilità e innovazione per un ecosistema digitale che rispetta il pianeta
Cloud
Datacenter

In ambito software esistono diversi modi per effettuare il “pagamento”, ma bisogna comunque sempre tenere a mente che l’obiettivo di tali pagamenti non è aggiungere nuove funzionalità ad un’applicazione/sistema, ma semplicemente introdurre migliorie, ridurre il numero di bugs e migliorarne la manutenzione. Il pericolo proveniente da questo tipo di debito è spesso nascosto e una strategia di rinvio di tali pagamenti si traduce alla fine in costi spropositati (senza contare altri tipi di conseguenze negative derivanti da questi ultimi).

Iniziative di Intelligenza Artificiale in Industria 4.0

Vediamo adesso in che maniera questo concetto si può applicare all’adozione di iniziative AI in ambito Industria 4.0. Quando si parla di tale argomento i riflettori sono tutti sugli algoritmi di AI da adottare o implementare per il caso specifico: il che, da un punto di vista del business non è sbagliato, ma questo dovrebbe andare di pari passo con altre considerazioni che vado adesso a spiegare. La prima cosa a cui bisognerebbe dedicare attenzione sono i dati (e quando si tratta di Deep Learning o Machine Learning stiamo parlando di Big Data, in termini quindi non solo di volume, ma anche di varietà e velocità). Per migliorare l’accuratezza dei modelli è fuor di dubbio che sia necessario disporre di dati. Il progresso tecnologico degli ultimi dieci anni ha reso possibile raccogliere dati provenienti da molteplici sorgenti (molte delle quali impensabili fino a qualche anno fa) e quindi nel 90% delle situazioni di IioT non c’è affatto carenza di dati, ma si tratta di una grande disponibilità di dati grezzi (se considerati dal punto di vista degli algoritmi). Dopo essere stati raccolti, i dati devono essere analizzati e per-processati prima che possano essere utilizzati per scopi di training e validazione dei modelli. E questa è l’area in cui il debito tecnico può accumularsi maggiormente. Esso è quindi difficile da rilevare perché esiste a livello di sistema e di dati piuttosto che a livello di codice. L’accuratezza e le predizioni di modelli AI rischiano di essere seriamente invalidati da dati non corretti.

Per avere una panoramica più precisa di tale fenomeno possiamo osservare il seguente diagramma, tratto da una ricerca di Google del 2014, che mostra le proporzioni tra i diversi componenti di un sistema AI (o anche Machine Learning o Deep Learning):

In esso si può notare quanto sia piccola la zona relativa al codice IA/ML/DL (il rettangolo nero al centro) se confrontata con le altre parti che compongono il sistema. Ciò significa che le aree più inclini ad accumulare debiti sono al di fuori del codice dello specifico campo di applicazione (ed è evidente in particolare nelle aree a sinistra e in quelle centrali come i Big Data abbiamo un ruolo chiave).

Le dipendenze dei dati

Il debito tecnico relativo al codice e quello relativo alle dipendenze dai dati non hanno lo stesso peso: il secondo è molto più pericoloso, sia per la natura dei modelli di IA, sia perché non c’è ancora la stessa disponibilità e varietà di strumenti DevOps specifici per i dati, così come esiste per il codice. Tra le dipendenze dei dati, quelle che hanno il maggiore impatto sul debito tecnologico sono le seguenti:

  • Dati instabili: alcune sorgenti possono appartenere a terze parti (interne o esterne all’azienda). Spesso non sono sotto il nostro controllo e quindi c’è da aspettarsi talvolta il fenomeno del cosiddetto data drift (cambiamenti nella struttura, nella semantica o nella sorgente stessa dei dati).
  • Dati poco utilizzati: questi possono rendere un sistema IA inutilmente e catastroficamente vulnerabile ai cambiamenti. Tali dati sono tipicamente relativi a funzionalità legacy.
  • Basso livello di maturità dei tools per l’analisi statica delle dipendenze dei dati.
  • Strategie di test sui dati.
  • Riproducibilità.
  • Cultura: a volte le best practice che possono migliorare l’accuratezza di un sistema a qualsiasi livello non sono incoraggiate. Di pari passo non viene fatto uno sforzo per allineare e rendere i team coinvolti equamente qualificati in termini di competenze sia di Data Science che di Data Engineering.

La definizione di debito tecnico purtroppo non fornisce una chiara definizione di metriche rigorose che dovrebbero essere monitorate nel tempo per poterlo ridurre, perché tali metriche dipendono dall’implementazione del sistema specifico. Ma la consapevolezza di ciò che il debito tecnologico è e di quali siano le sue dipendenze dai dati certamente aiutano a identificare metriche e rimedi.  Tornando al diagramma presentato precedentemente si può intuire che la dipendenza dai dati non è l’unico fattore che incide sulla generazione di debito tecnico, ma sicuramente è la prima sfida da affrontare.

Le pratiche per una strategia di successo

In generale, una strategia destinata ad essere di successo per tenere conto del debito tecnologico dei Big data per un sistema IA (ed estinguerlo al più presto) non può prescindere dalle seguenti pratiche:

  • Investimenti sulle persone, in particolare su quelle aventi gli skill necessari per questo tipo di iniziative. Non bisogna mai dimenticare mai che i sistemi e i servizi sono fatti dalle persone e che quindi queste sono il valore principale.
  • Dare una chance alle tecnologie Open Source. Uno dei problemi più diffusi che vedo in ambito Industria 4.0 è l’adozione di costosissimi sistemi closed source proprietari. In genere i sistemi Open Source offrono la flessibilità necessaria per adattarsi al contesto specifico, hanno una maggiore scalabilità e forniscono strumenti e funzionalità che permettono di identificare più rapidamente e monitorare in maniera efficiente le metriche del debito tecnologico. Una delle maggiori preoccupazioni dei decision maker riguardo soluzioni Open Source è stata la mancanza di supporto per esse, ma ormai per tutte le più diffuse tecnologie OS disponibili per Big Data ed AI esistono aziende che ne forniscono supporto commerciale.
  • Adozione di Open Standards. Questi esistono, ma diverse aziende in Industry 4.0 continuano a fare una certa resistenza in questa direzione, con la conseguenza di far lievitare i costi di implementazione (a causa di problemi di comunicazione tra diversi machine vender per la stessa catena produttiva, richiesta di funzionalità custom non banali che richiedono tempi lunghi e talvolta non sono realizzabili, etc.).
  • Adozione di processi agili, non solo a livello tecnico, ma anche di business.
  • Rendere il monitoraggio e la risoluzione del debito tecnico parti integranti del processo agile.
  • Passaggio ad una mentalità DevOps (a patto ovviamente di essere “agili”) per ridurre i rischi di difetti in produzione e i costi di rilascio/manutenzione in ambienti di produzione.
  • Identificazione di una strategia DataOps.
  • Creazione di una cultura di gestione dei dati. Così come per la qualità, in iniziative AI in Industry 4.0 i dati devono essere visti come una responsabilità condivisa attraverso diversi attori coinvolti nel processo e non possono esserlo solo per poche persone: tutti, dal business allo sviluppo, devono essere data stewards. Questo passo è importante perche’ una azienda possa veramente definirsi data-centric.

Mentre gran parte di queste pratiche (se non tutte in molti casi) sono già consolidate ed ampiamente diffuse in altri settori, nelle realtà dell’Industria 4.0 in Europa in molti casi siamo ancora agli albori, con una livello di maturità inversamente proporzionale alle dimensioni dell’azienda. Ma questo trend adesso sta cambiando, perché’ le aziende coinvolte ne hanno intuito il valore strategico e hanno raggiunto la consapevolezza che l’alternativa è rimanere tagliati fuori dalla cosiddetta rivoluzione 4.0.

@RIPRODUZIONE RISERVATA

Speciale PNRR

Tutti
Incentivi
PA
Sostemibilità
Analisi
Formazione
Salute digitale
Sicurezza
Sostenibilità
Digital Economy
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr

Articolo 1 di 4