Performance, productivity e trust: i pilastri dell’approccio SAS all’IA Generativa

L’IA generativa (intelligenza artificiale generativa o Generative AI) sta dominando le discussioni sull'IA, avendo già dimostrato di poter aumentare la produttività degli sviluppatori e dei cosiddetti knowledge workers (coloro che generano conoscenza, per esempio attraverso gli analytics) in modo molto concreto. Ciò ha indotto organizzazioni e industrie a ripensare i propri processi aziendali e il valore delle risorse umane, spingendo l'IA generativa al picco delle aspettative nell'Hype Cycle 2023 di Gartner.

Anche altri analisti di mercato, come McKinsey & Company, prevedono che l’IA generativa farà crescere di miliardi di dollari il fatturato annuo di molti settori come quello bancario, l'high tech, il settore life science e il settore Retail.

In questo contesto di forte crescita, l’approccio di SAS è cavalcare l’onda dell’innovazione ma solo quando è davvero possibile garantire la sicurezza dei dati e l'accuratezza dei risultati.

SAS ha scelto di focalizzare l’attenzione sull’uso dell’IA generativa in ambiti molto specifici quali:

• generazione di dati sintetici
  
• simulazione dei digital twin
  
• integrazione di modelli linguistici di grandi dimensioni (LLM – Large Language Model)

Si tratta di funzionalità fondamentali per consentire una maggiore velocità decisionale, vero grande obiettivo delle aziende che, per essere raggiunto, necessita di tecnologie solide, soprattutto in contesti dove l’utilizzo dei dati sensibili rappresenta un punto critico di attenzione molto forte.

Dove ha senso usare l’IA generativa in ambito aziendale

I dati sono essenziali per la costruzione di modelli, ma quelli di alta qualità possono essere difficili da trovare, parziali o costosi. Un modo per risolvere questi problemi è utilizzare dati sintetici, creati artificialmente con algoritmi e l’utilizzo dell’IA generativa. Utilizzando set di dati del mondo reale per generare dati sintetici aggiuntivi, con caratteristiche statistiche congruenti ai dati del mondo reale e proprietà appropriate per costruire buoni modelli di apprendimento automatico (Machine Learning e Deep Learning), si potranno addestrare modelli per qualsiasi scopo, persino per la ricerca di una malattia molto rara.

In quest’ottica, SAS ha scelto di introdurre nella propria strategia di IA generativa anche le cosiddette reti generative avversarie (GAN) per creare dati sintetici. Le GAN possono essere utilizzate per riflettere ambienti reali e addestrare modelli generativi di intelligenza artificiale, proteggendo al contempo la privacy e la sicurezza dei dati reali di un'organizzazione.

Non solo, le GAN possono essere usate anche nelle simulazioni dei digital twin per fornire alle aziende una conoscenza molto più estesa e per fare pianificazioni più efficienti degli scenari, capendo quali azioni intraprendere in varie circostanze.

Nei piani di SAS per l'intelligenza artificiale generativa c’è anche un focus sul miglioramento dell'NLP (Natural Language Processing), con un obiettivo molto chiaro: far sì che gli utenti possano essere più efficienti ponendo domande ai dati e ricevendo risposte in linguaggio naturale.

Alcuni dei vantaggi principali dell’AI generativa, infatti, riguardano il miglioramento dell'elaborazione del linguaggio naturale che consente una vera interazione naturale e libera con i dati, invece di richiedere agli utenti di formulare le query in modi specifici.

È in quest’ottica che ha senso introdurre i cosiddetti LLM, modelli linguistici di grandi dimensioni (quelli alla base dei noti sistemi GPT oggi tanto in hype), che dispongono di vasti vocabolari e sono in grado di comprendere il linguaggio naturale. Questi modelli, nella visione di SAS, hanno il potenziale di rendere più efficienti i processi di addestramento di dati e modelli, riducendo la quantità di codice da scrivere per renderli efficaci. Ma, è importante sottolineare che qualsiasi introduzione e integrazione di funzionalità e tecnologie della IA generativa nell’analisi avanzata dei dati deve passare attraverso la sicurezza dei dati e l’efficacia dei modelli (e dei risultati).

Ecco perché, ancora una volta, nella strategia aziendale prende forma la verticalizzazione e la focalizzazione per industry di mercato: SAS sta lavorando direttamente a fianco di alcuni clienti per sviluppare workflow basati sulla Generative AI per specifici settori come quello bancario, assicurativo, manifatturiero, del retail e del settore pubblico.

Se ti interessa approfondire l’argomento, ti invito a guardare il webinar SAS’ Generative AI Strategy for Enterprise Transformation

2 aprile 2024