Innanzitutto, dove siamo oggi? Credo che per quel che riguarda l’Intelligenza Artificiale applicata siamo davvero ancora solo all’inizio. Per dare qualche riferimento più concreto, ritengo che siamo ancora nella fase “Technology trigger” del Gartner Hype Cycle, con attivo ancora prevalentemente il gruppo “Innovators” della Teoria della diffusione dell’Innovazione di Rogers.
Ma come? – penserete. È dai tempi di Mary Shelley con il suo Mostro di Frankenstein che il concetto di intelligenza creata in laboratorio permea la letteratura mainstream. Com’è dunque possibile che in più di 2 secoli non si sia avanzati nella sua adozione? In realtà è possibile, semplicemente perché oggi si può affiancare a “Intelligenza Artificiale” la parola “applicata”. È questo fa tutta la differenza del mondo.
La democratizzazione (incompleta) dell’AI
Non so se è chiaro. Si è passati, come molto spesso accade, dalla Fantascienza alla Scienza applicata, passando per decenni di ricerca attiva e diffusa.
L’attività di ricerca non è da intendersi come puramente “tecnica”. Quella è partita nel 1956 con il famoso seminario del Dartmouth College di Hanover. Internet e soprattutto il Cloud dal 2010 in poi hanno invece consentito di sbloccare un’attività di ricerca anche lato business, rendendo l’AI finalmente accessibile agli innovatori.
Mi fregio di far parte di questo gruppo di persone dal 2017, anno in cui assieme al mio socio Fabrizio Milano d’Aragona abbiamo dato forma a FinScience, esplorando le prime architetture e i primi servizi disponibili all’epoca (tutti molto più cari di quelli odierni!). L’intelligenza artificiale però non era tra questi. Ce la si doveva costruire in casa. Pezzo per pezzo (quando andava bene, libreria per libreria).
Questa esperienza ci insegnò quanto fosse complessa l’attività di ricerca e la messa a terra anche solo di alcuni algoritmi di Machine Learning. Per non parlare del volersi addentrare nei meandri del Deep Tech! Ci abbiamo dovuto rinunciare subito, sempre per via dei costi. Pensate che dopo circa 1 anno e mezzo di ricerca, assieme anche al mio attuale socio Angelo Cavallini, eravamo riusciti a mettere in piedi una infrastruttura che costava 10 volte meno rispetto a quelle di molti dei SaaS dell’epoca che trattavano Big Data.
Perché ne parlo? Perché anche oggi, nonostante una netta diminuzione dei costi, chi vuole approcciare seriamente il tema Intelligenza Artificiale deve prepararsi a pagarla. Ed essendo ancora tutta l’industria praticamente agli albori, non sarà così accessibile (persino modelli ora open source come Llama devono poi essere implementati, attivati e manutenuti).
L’Intelligenza Artificiale in Startup Bakery
Solo chi ha provato ad avere davvero le mani in pasta sa quanto è complesso e oneroso il tema. Per questo assieme al mio socio Angelo abbiamo valutato sin da subito di rendere Startup Bakery l’hub centralizzato di ricerca in ambito AI per tutte le startup del nostro gruppo.
Noi facciamo ricerca e selezione di algoritmi, librerie, progetti, applicazioni e servizi che vanno a costituire un framework subito pronto e integrabile nei nostri SaaS B2B tramite un semplice layer di API proprietario.
E data l’esperienza, abbiamo subito categoricamente escluso di puntare sul Deep Tech. Non perché non ci piacerebbe farlo (anzi!), ma perché per fare seriamente Deep Tech sono necessari davvero tanti fondi. Per capirci, parliamo di milioni in pre-seed e decine o centinaia in seed. Fondi che da noi sarebbe complesso raccogliere anche solo a livello centralizzato, figurarsi per ogni startup!
Il modo migliore per rimanere sempre aggiornati su una qualsiasi tematica non puramente teorica è metterla in pratica: abbiamo per questo anche realizzato un nostro SaaS proprietario, QuSeed. Esso consiste in un valido supporto per il monitoraggio del mondo dell’innovazione. QuSeed unisce infatti i dati strutturati provenienti dai round di investimento ai dati non strutturati provenienti dal mondo dell’informazione e li tratta grazie ad algoritmi proprietari di Intelligenza Artificiale. Come output abbiamo un utile supporto nella generazione o validazione delle business idea, ma soprattutto una sandbox per sperimentare le novità in tema AI.
L’importanza del dato
Un consiglio ai naviganti che stanno approcciando il tema in questi mesi: non focalizzatevi solo sull’output, ma partite sempre col selezionare il migliore input dato l’output che vorreste ottenere.
Tutti coloro che come me hanno fatto consulenza in ambito dati, già dal lontano 2012-2013, hanno impostato slide che mostravano i volumi di produzione di contenuti al minuto in rete per ogni piattaforma. Già all’epoca quelle slide venivano usate per vendere consulenza in ambito digital intelligence, posizionando il dato come “Il nuovo Petrolio”.
L’Intelligenza Artificiale ha potenziato il valore del dato, perché senza il dato la stessa non serve a nulla. E con un dato non corretto o “sporco” risulta spesso pure dannosa. Quando ad esempio in rete vedete i niubbi dell’AI scherzare l’output di ChatGPT perché non ritorna informazioni corrette, il problema non risiede tanto nella stupidità o meno del modello, ma molto spesso nella possibilità per il modello di poter acquisire e processare dati di qualità.
Come avrete capito, la curva di apprendimento delle dinamiche di sfruttamento dell’AI è davvero ripida.
Una AI pronta all’uso
Alla luce di quanto sopra, quanto pensate ci avrebbe messo la nostra Condeo a svilupparsi in casa un modello per l’Amministratore di condominio che consentisse la prioritizzazione automatica delle richieste e segnalazioni dei condòmini, basato sul contenuto e sul tono dei messaggi?
E quanto ci sarebbe voluto anche solo a fare scouting della libreria corretta o del servizio migliore da estendere e integrare? Perché se è vero che l’AI è pronta all’uso, bisogna però sempre saperne valutare le performance.
Infatti non tutte le librerie o i servizi sono uguali, alcuni sono più “precisi” di altri, ma magari l’implementazione di un modello preciso fa aumentare troppo i costi variabili e dunque vanno trovate delle soluzioni di second best, che nella maggior parte dei casi significa estendere o customizzare le soluzioni esistenti.
Ma poi non è detto che un modello che funziona bene per Condeo, funzioni altrettanto bene per Sencare, Veterly o EsgMax. Ne immaginate il motivo? Esatto. Sempre i dati.
In Startup Bakery maciniamo costantemente una gran quantità di paper scientifici e proviamo a replicare i risultati con dati reali prima di decidere quale servizio di AI è il migliore per ogni caso d’uso. E questo, se nel team non sono presenti almeno un Data Scientist e un Data Engineer, è semplicemente impossibile.
It’s a kind of magic
Anche disponendo del team corretto, il lavoro che c’è dietro il semplice utilizzo di Intelligenza Artificiale “pronta all’uso”, come i vari ChatGPT, Llama, Bard, Bert, ecc. è considerevole. Il fatto che per le nostre startup si tratti di una semplice chiamata API fa sembrare il tutto una sorta di magia.
Siamo però sempre più prossimi al momento in cui l’AI sarà davvero utile (e non solo disponibile) anche al gruppo più esteso di Early Adopters, in quanto quegli smanettoni degli Innovators hanno ormai prodotto davvero molti use case, che hanno reso un po’ più magico questo mondo.
Più questa magia sarà utile e applicabile, più si parlerà di “artificializzazione” dei settori e non più di mera “digitalizzazione”. Per settori non ancora digitalizzati è un’opportunità concreta non solo di recuperare un gap, bensì di fare un vero e proprio balzo evolutivo.
Il futuro prossimo
Da lettore di Harari, la speranza è che non si esageri nell’evoluzione verso l’Homo Deus. Anche se tale evoluzione è però già in atto e sarà arrestabile solo in caso di scenari geopolitici estremamente sfavorevoli.
Augurandoci però che tutto rimanga più o meno come ora, il 2024 sarà l’anno in cui gli use case si consolideranno e verranno applicati da sempre più aziende e settori, probabilmente tramite Open Innovation. Dal 2025 dovremmo assistere poi alle prime scremature di soggetti che già oggi cercano di cavalcare l’hype non avendone realmente le competenze, per assistere in seguito ciclicamente a “strappi” evolutivi di Intelligenza Artificiale sempre più ravvicinati, che richiederanno sempre meno tempo per dimostrare la propria utilità in applicazioni concrete che migliorino la società in cui viviamo.
Come sapete infatti, in Startup Bakery siamo fautori dell’Innovazione Sostenibile sin dalla nascita. E quella legata al mondo AI (e ai dati) è sicuramente un’innovazione che serve. A tutti. Da ieri.
Startup Bakery è lo startup studio italiano specializzato nella creazione di aziende SaaS B2B con Intelligenza Artificiale. Offriamo ad aspiranti Co-Founders l’opportunità di sviluppare un’idea di business. Creiamo opportunità di investimento per Investitori Professionali. Aiutiamo le aziende nel processo di innovazione.
