Da anni si discute di trasformazione digitale e molte organizzazioni già si trovano lungo questo percorso evolutivo. Nel frattempo, l’intelligenza artificiale è emersa come una tecnologia sempre più concreta, anche per chi inizialmente la guardava con scetticismo.
Ci si chiede quindi se questo significhi dover affrontare due trasformazioni distinte e magari una terza quando il quantum computing diventerà una realtà.
Occorre cambiare la direzione della trasformazione già avviata? Oppure, data la complessità del contesto, è preferibile attendere e lasciare la decisione alle future leadership aziendali?
Sarebbe più facile rispondere a queste domande se ci trovassimo d’accordo su cosa sia la trasformazione digitale e, forse, su quali saranno le implicazioni dell’IA per il business. Purtroppo non c’è consenso, ma vorrei proporre alcune definizioni sulle quali è possibile lavorare.
Indice degli argomenti
Le definizioni da cui partire
La trasformazione digitale è il processo di introduzione di tecnologie, pratiche e cultura digitali all’interno di un’organizzazione. Un’azienda digitalmente evoluta offre al cliente un’esperienza migliore attraverso i canali digitali e adotta pratiche e mentalità proprie dell’era digitale per diventare più agile, veloce ed efficiente in termini di costi.
L’intelligenza artificiale è un insieme di tecnologie che operano secondo logiche simili al pensiero umano piuttosto che al calcolo meccanico. Esistono molti approcci all’IA, tra cui il ragionamento simbolico e i modelli di risoluzione dei problemi, causali e generativi, e presto ne saranno sviluppati altri. L’intelligenza artificiale è una frontiera: è l’area dell’IT in cui l’innovazione procede più rapidamente. Nuove idee e nuovi prodotti emergono a grande velocità man mano che la scienza di base si evolve. I costi non si sono ancora stabilizzati.
La capacità è oggi limitata a causa dei vincoli hardware, ma aumenterà rapidamente. Nel frattempo, il denaro sta affluendo in questo settore, con un ritorno economico ancora da determinare.
Gli elementi comuni
Questo ci porta alla nostra prima osservazione sul rapporto tra IA e trasformazione digitale. La trasformazione digitale ci insegna come gestire i rapidi cambiamenti e l’incertezza, mantenendo un approccio flessibile e promuovendo l’apprendimento continuo. Attraverso la trasformazione digitale, le organizzazioni sviluppano agilità sia tecnica sia culturale. Riescono a fornire prodotti IT in modo rapido e incrementale, con cicli di feedback brevi e miglioramenti continui.
Un’organizzazione che sviluppa flessibilità attraverso la trasformazione digitale è in una posizione favorevole per gestire l’incertezza dell’IA e di altre tecnologie emergenti, come il quantum computing. Si potrebbe dire che la trasformazione digitale è un prerequisito per adottare con successo l’IA.
La centralità dei dati
Un secondo ambito in cui la trasformazione digitale e quella basata sull’intelligenza artificiale si sovrappongono riguarda la centralità dei dati. Le organizzazioni che intraprendono una trasformazione digitale mirano a diventare data-driven, riconsiderando lo stato dei propri dati e la loro disponibilità tra i diversi silos aziendali, gestendoli al contempo in modo da garantire la privacy e proteggere la proprietà intellettuale.
Anche l’intelligenza artificiale (ovviamente) è incentrata sui dati. I dati vengono utilizzati per addestrare e perfezionare i modelli di machine learning; vengono inoltre forniti ai modelli tramite la RAG e utilizzati per creare grafici di conoscenza specifici per dominio. L’IA fa parte della pipeline di dati di un’organizzazione. Quindi la trasformazione digitale, con la sua forte attenzione ai dati, è una componente della trasformazione legata all’IA.
Un cambio nel modo di lavorare
La trasformazione digitale introduce nuovi modi di pensare e lavorare, come la delivery incrementale e iterativa con cicli di feedback rapidi.
Questi approcci sono ancora più importanti con l’IA, che ha comportamenti imprevedibili che richiedono una mentalità del tipo “prova e vedi”. Una cultura che accetta l’incrementalità e la sperimentazione favorisce sia la trasformazione digitale sia quella basata sull’intelligenza artificiale.
Nuove funzionalità
L’IA cambia alcune cose. Ad esempio, amplia notevolmente l’insieme dei problemi aziendali che possono essere risolti con una soluzione IT. A rischio di semplificare eccessivamente, l’IT è ora in grado di soddisfare una vasta gamma di esigenze aziendali che prima non poteva soddisfare, fornendo soluzioni approssimative e non deterministiche. È in grado di “risolvere” problemi aziendali che sono definiti in modo imperfetto, ma comunque comprensibili agli esseri umani.
La portata di questi problemi è aperta alla vostra immaginazione. Potreste scoprire che alcune iniziative di IA ora superano le priorità precedenti nella vostra roadmap di trasformazione digitale. I vostri obiettivi potrebbero rimanere invariati, ma l’intelligenza artificiale potrebbe offrire modi migliori per raggiungerli. Potreste persino essere in grado di saltare alcuni passaggi passando direttamente a soluzioni basate sull’IA.
Incertezza e non determinismo
Proprio come l’intelligenza umana è un mistero sotto molti aspetti, lo stesso vale per l’intelligenza artificiale. L’intelligenza di un modello di IA generativa è contenuta in centinaia di miliardi di parametri, troppi perché si possa comprendere appieno come prende le sue decisioni.
Per questo motivo (e perché alcune di queste decisioni vengono prese in modo casuale all’interno di parametri statistici), dobbiamo considerare l’IA generativa come non deterministica: non possiamo sempre prevedere cosa farà. Si tratta di qualcosa di molto diverso dalle tradizionali capacità dell’IT.
Il non determinismo basato su parametri statistici sarà un fattore importante anche nell’informatica quantistica. Si applica anche nell’ingegneria del caos, una buona pratica nella trasformazione digitale.
Quando i sistemi vanno osservati sul campo
L’ingegneria del caos si basa sul presupposto che i sistemi complessi possano fallire in modi che non possiamo prevedere: l’unico modo per conoscere e gestire i potenziali punti di rottura è sperimentare direttamente sul sistema. Allo stesso modo, a volte l’unico modo per sapere come si comporterà un LLM (Large Language Model) è sperimentarlo. Potremmo persino scoprire che ha capacità emergenti (cioè abilità che non ci aspettavamo).
Il non determinismo richiede nuove pratiche e nuovi modi di pensare. Ad esempio, approcci digitali comuni come CI/CD si basano su ipotesi di prevedibilità. Si basano su una suite di test automatizzati per convalidare il comportamento e su test di regressione per confermare che il comportamento rimanga stabile quando vengono apportate modifiche.
Partono dal presupposto che l’unica causa possibile di un cambiamento di comportamento sia qualsiasi (piccola) modifica incrementale apportata al codice; in caso contrario, il comportamento non dovrebbe “regredire”. Ciò riduce il rischio e supporta implementazioni frequenti. Le applicazioni di IA possono essere testate per assicurarsi che rimangano entro i limiti prestabiliti, ma non sempre vengono testate rispetto a comportamenti specifici noti.
Cambiare le basi della fiducia
È necessario anche un cambiamento parallelo nel modo di approcciarsi all’implementazione. Un’organizzazione è disposta a implementare un software quando ritiene che il rischio sia stato adeguatamente mitigato.
Raggiunge questo obiettivo solo testando accuratamente il software.
Tuttavia, se il comportamento del software è non deterministico, è più difficile capire quando si è raggiunto l’obiettivo prestabilito. Inoltre, con le interfacce in linguaggio naturale, si ha meno controllo su ciò che gli utenti possono digitare o su come utilizzeranno il software: quindi, è più difficile sapere quali casi devono essere testati. Se si utilizza un modello di base, anche l’aggiornamento o la modifica del modello comportano dei rischi di regressione, la cui portata è difficile da determinare.
Esistono modi per mitigare questi rischi, ad esempio impostando delle barriere di protezione utilizzando Amazon Bedrock Guardrails. Il ragionamento automatizzato può essere utilizzato per convalidare i risultati. Tuttavia, non è possibile eliminare completamente i rischi.
Il parallelismo con la fiducia nelle persone
Non è una novità. Quando si assume una persona, non si può sapere con certezza come si comporterà. È possibile intervistarla, monitorarla e darle un feedback. Tuttavia, c’è sempre il rischio che prenda decisioni sbagliate e compia azioni inappropriate. Le organizzazioni accettano questo rischio in parte perché possono riassegnare o licenziare i dipendenti. Ma a quel punto potrebbe essere troppo tardi.
Non è possibile implementare funzionalità, che siano fornite da esseri umani o da software, in produzione finché non ci si fida. La base della fiducia nell’IA è diversa. Sarà necessario supervisionare un cambiamento culturale che consenta di riporre fiducia nelle IA che agiscono in modo autonomo e di raggiungere un consenso sui criteri ragionevoli per tale fiducia.
Anche in questo caso, non si tratta di qualcosa di molto diverso dalla trasformazione digitale, dove i leader devono imparare a fidarsi di team autonomi e responsabilizzati. Gran parte del cambiamento culturale riguarda nuovi modelli di fiducia all’interno di un’azienda. Decidere se fidarsi dell’IA presenta molti parallelismi con la decisione di fidarsi dei propri dipendenti.
Una trasformazione digitale plus
Questo non è certamente un elenco completo di come l’IA cambi il corso della trasformazione digitale, ma mostra che molte delle considerazioni sono uguali o simili. Entrambe implicano la creazione di nuovi modelli di fiducia. Entrambe sono incentrate sull’aumento dell’agilità e della velocità, principalmente attraverso cicli di feedback rapidi e delivery incrementale.
Ed entrambe richiedono attenzione al movimento e all’uso dei dati all’interno dell’azienda.
Sì, nella modernizzazione dello stack tecnico dell’azienda per l’IA è necessario prendere in considerazione una nuova serie di strumenti. Se si utilizza il cloud, questi nuovi strumenti sono già a portata di mano e il loro utilizzo è simile a quello di altri servizi cloud.
Gli obiettivi di una trasformazione basata sull’IA sono perfettamente in linea con quelli delle nostre trasformazioni digitali. La grande differenza sta nell’imparare a lavorare con sistemi non deterministici, le cui dinamiche interne sono ancora piuttosto oscure. Indipendentemente dal fatto che consideriamo l’intelligenza artificiale “simile a quella umana”, gestiamo già un’incertezza simile con le persone.
Il successo della trasformazione basata sull’intelligenza artificiale dipende dalla creazione di modelli di governance e fiducia progettati per questo non determinismo, oltre che dai cambiamenti introdotti nella trasformazione digitale.
