Home Episodio 17

Podcast Episodio 17

L'intelligenza artificiale utile e come realizzarla

con Sreedhar Sistu, vicepresidente delle offerte AI di Schneider Electric

L'intelligenza artificiale è un'idea fantasiosa e gli esseri umani tendono a entusiasmarsi per le cose fantasiose, il che è naturale. Ma se si fa così quando si integra l'IA, si rischia di fallire. Ascoltate questo episodio di Automating the Enterprise, in cui discutiamo con Sreedar Sistu, vicepresidente delle offerte di IA di Schneider Electric, di come avere un APPROCCIO DISCIPLINATO CON L'IA, di come trovare uno scopo nei vostri sforzi di IA e di molto altro ancora.

Trascrizione completa

Dayle Hall:  

Salve e benvenuti al nostro podcast, Automatizzare l'impresa. Sono il vostro ospite, Dayle Hall, CMO di SnapLogic. Il nostro podcast è stato progettato per fornire alle organizzazioni là fuori le intuizioni e le best practice su come integrare, automatizzare e trasformare la propria azienda. Il nostro ospite di oggi è un leader di pensiero nelle innovazioni tecnologiche, in particolare nell'area calda dell'intelligenza artificiale. È convinto che l'intelligenza artificiale sia un potente strumento di trasformazione per tutte le aziende, ma se utilizzata con un approccio molto disciplinato. Attualmente ha un team che accelera l'adozione dell'IA per le aziende che vogliono ottimizzare l'uso dell'energia e migliorare i loro sforzi di sostenibilità. Un aspetto molto interessante, che non abbiamo mai avuto in questo programma. 

Diamo il benvenuto al podcast a Sreedhar Sistu, vicepresidente delle offerte AI di Schneider Electric. Sreedhar, benvenuto al podcast.

Sreedhar Sistu: 

Grazie, Dayle. Sono felice di essere qui.

Dayle Hall: 

Sì, siamo felici di avervi qui. Lo dico subito perché sono molto orgoglioso del fatto che Schneider sia un nostro cliente. Quindi lo dico subito. Ma non si tratta di una campagna di vendita. Quindi chi ha appena sentito questa frase in questo podcast e pensa: "Oh, lo spengo, no, no, resta con noi, te lo prometto, non ha nulla a che fare con l'acquisto di altri SnapLogic". Posso vedere la faccia di Sreedhar nel video. Dice: "Grazie al cielo". Comunque, siamo entusiasti di averti qui, amico. 

Quindi, prima di addentrarci in questo settore, mi dia un po' di informazioni di base sul settore, su come è entrato in quest'area specifica all'interno di Schneider, perché non è qualcosa che assocerei immediatamente alla sua azienda.

Sreedhar Sistu:

Sì, certo. Vi illustrerò da due punti di vista: quello personale, il mio percorso, e quello di Schneider, come siamo arrivati a questo. Sono nel settore tecnologico da molto tempo, nel software aziendale, in cloud applicazioni SaaS, cercando lentamente di considerare i vantaggi del SaaS, ovvero la disponibilità di dati che possono aiutare i clienti. Tuttavia, la mia esperienza con l'intelligenza artificiale risale a molto tempo fa, credo che i veterani del settore ricordino il Lisp e il Prolog, che sono stati uno dei primi linguaggi di programmazione che ho imparato ai tempi dell'università. Vedo che si sta verificando una grande trasformazione nel software, dove prima c'erano applicazioni che riguardavano più che altro il sistema di registrazione, dove si memorizzano le cose in un unico posto e tutti possono accedervi, un grande valore. E poi c'è il giusto tipo di flusso di lavoro, per spostare le cose da una persona all'altra, da un reparto all'altro. 

E credo che quella a cui stiamo assistendo sia la prossima evoluzione, in cui i dati generati dalle persone che lavorano insieme genereranno di fatto il modo in cui i flussi di lavoro e forniranno spunti alle persone per diventare più efficaci. È così che vedo l'AS diventare la prossima tecnologia di trasformazione. E alla Schneider, che - tanto per fare un rapido accenno - è una delle più grandi aziende di gestione dell'energia al mondo, non produciamo elettricità, non la trasmettiamo, ma ci occupiamo di distribuire l'energia agli edifici, ai centri dati, alle case e a tutto il resto, e di gestirla in modo molto più efficiente. Vendiamo molti prodotti che sono buoni, sono sicuro che lo vedete. E vendiamo anche molto software. E abbiamo una grande piattaforma IoT, perché tutti i dispositivi che vendiamo ora sono connessi ed emettono dati, hanno molti sensori. E quello che vediamo è che, utilizzando tutti questi dati, possiamo generare molte informazioni. Ma questo non è qualcosa che gli esseri umani possono fare. È qui che l'intelligenza artificiale gioca un ruolo importante. 

Mi fermo qui e vi lascio approfondire un po' di più.

Dayle Hall: 

Si'. No, credo che questo sia l'aspetto fondamentale: sia che si tratti di un'azienda di hardware o di software, al giorno d'oggi, il modo in cui i dispositivi sono connessi, il modo in cui le nostre applicazioni sono connesse, si tratta di dati, ogni azienda - avete sentito l'espressione, ogni azienda è un'azienda di dati. E penso che Schneider, nello specifico, sia molto vero. Ora, ovviamente, poiché siete clienti di SnapLogic, gran parte del lavoro che svolgiamo riguarda l'integrazione di questi punti di dati e così via. 

Credo che la prima domanda da parte mia sia: dato che vi siete occupati di cose come la connessione di dispositivi o applicazioni software e così via, come avete visto evolvere e cambiare lo spazio dell'integrazione e dell'automazione, e come l'IA sta diventando una parte importante di tutto ciò?

Sreedhar Sistu:

Sì. Per quanto riguarda l'applicazione dell'IA, possiamo certamente considerare ciò che facciamo nel settore dell'integrazione come un candidato privilegiato per l'applicazione dell'IA, perché si tratta della prossima evoluzione di qualsiasi tipo di integrazione aziendale, che consiste nel mettere insieme vari pezzi, scrivere regole, scrivere logica. E indovinate un po'? Probabilmente è possibile ricavarne una parte utilizzando i dati, il modo in cui le persone effettuano effettivamente l'integrazione, i sistemi da cui raccolgono i dati e quelli che integrano. 

Ora, passando all'altro versante, quello dell'IoT e dei dispositivi connessi, dove vediamo una grande opportunità dal punto di vista di Schneider Electric, abbiamo persone che si occupano di IA in settori come le raccomandazioni, la vendita di pubblicità e altro, è un ottimo modello di business, non c'è dubbio. Ma l'ambito in cui vediamo un impatto maggiore è quello dell'efficienza energetica e dell'automazione, giusto? Oggi sappiamo tutti cosa sta succedendo nel settore con la crisi energetica in Europa. E se possiamo usare la tecnologia per migliorare l'utilizzo dell'energia, uno dei problemi principali è rappresentato dai picchi di carico. Come si gestiscono i picchi di carico sulla rete in modo da non interromperli? Ci sono quindi molti casi d'uso che vediamo dal punto di vista dei nostri clienti e che pensiamo di poter risolvere in modo efficace utilizzando l'IA, ed è così che abbiamo iniziato il nostro viaggio nell'IA.

Dayle Hall:

Sì. Se guardo a ciò che fa SnapLogic. Sì, se guardo a ciò che fa SnapLogic, la nostra AI aiuta, diciamo, a pre-scrivere il punto di connessione in modo che le persone non debbano scrivere il codice. Hanno suggerito che, se avete queste applicazioni, questo è il modo in cui si connette più facilmente. Si tratta quindi di un caso d'uso, di un modello di efficienza. E mi piace quello che sta facendo Schneider, che non si limita a dire come possiamo usare l'IA ovunque, ma si chiede quali sono i casi d'uso che possiamo risolvere. E quando si parla di cose come la crisi energetica, l'impatto globale è enorme. Quindi, se si può contribuire a risolvere questi problemi su scala più piccola con clienti specifici e determinate regioni, si possono aiutare le crisi più grandi a cui si fa riferimento in precedenza. Quindi c'è anche un po' di altruismo, non voglio dire che sia un gioco altruistico, ma sicuramente c'è un beneficio per la vostra azienda, ma c'è anche un beneficio potenzialmente maggiore per tutti coloro che consumano qualsiasi tipo di energia.

Sreedhar Sistu:

L'avete capito bene. E questa è una delle cose di cui siamo molto orgogliosi, in quanto non si tratta solo di fare cose che aiutino noi, i clienti, a utilizzare direttamente le nostre risorse, ma di contribuire davvero al vostro obiettivo principale. Oggi la domanda di energia è destinata a crescere con l'aumento della popolazione. Se poi si considera l'elettrificazione, con l'arrivo di un numero sempre maggiore di veicoli elettrici, la domanda di rete è destinata a crescere ulteriormente. L'unico modo per farlo è rendere il consumo di energia più intelligente, e questo richiede tecnologie come l'intelligenza artificiale. 

Dayle Hall:

Giusto, giusto. Prima, quando abbiamo parlato di integrazione, automazione e utilizzo dell'IA, hai menzionato in particolare i processi aziendali. Cominciamo quindi da dove cominciare. Pensiamo agli aspetti più elementari dell'inclusione dell'IA in un'azienda e a cosa dovrebbe pensare l'azienda quando prende in considerazione l'integrazione di qualsiasi tipo di IA nei propri processi aziendali? Da dove cominciare? 

Sreedhar Sistu:

Già. C'è un po' di ironia rispetto all'IA di oggi: probabilmente non farà tutto quello che si pensava avrebbe fatto. 

Dayle Hall:

Davvero?

Sreedhar Sistu:

Esattamente. Lava i piatti e cucina. 

Dayle Hall:

Porterà a spasso il mio cane?

Sreedhar Sistu:

Purtroppo, dovrete aspettare per questo. Parlate con Sony. Ma probabilmente farà molto di più di quello che pensate che possa fare, che sia in grado di fare. Si tratta quindi di stabilire aspettative realistiche su ciò che l'intelligenza artificiale può fare. È facile farsi prendere la mano da queste idee di superintelligenza, intelligenza artificiale generale, eliminazione degli esseri umani, tutto in automatico. Penso che siano tutti concetti interessanti. Sono sicuro che li vedremo in futuro. Ma oggi si tratta di svolgere compiti davvero impegnativi dal punto di vista cognitivo, che richiedono molto tempo da parte delle persone e che possono essere automatizzati attraverso l'applicazione della tecnologia. Quindi, avere un'aspettativa realistica è un punto chiave dell'adozione in azienda. Il secondo aspetto, che potremo approfondire in seguito, è la necessità di disporre del processo e dei metodi giusti per l'implementazione dell'IA, che comprende diversi aspetti, tra cui l'identificazione dei casi d'uso giusti. Quindi...

Dayle Hall: 

Questo credo sia fondamentale. E credo che questa sia una delle aree su cui vorrei chiederle di parlare in modo specifico. Quello che ho sentito facendo questi podcast e parlando con i clienti è che il valore dell'IA si fa sentire o ha un impatto maggiore quando si inizia con un caso d'uso. Quindi mi interessa sapere, mentre parlate con i clienti, mentre pensate a come Schneider offre questo servizio sul mercato, come consigliate alle aziende di iniziare con i casi d'uso, e se lo capiscono, e se questo li rende più efficaci?

Sreedhar Sistu:  

Già. Uno degli aspetti poco apprezzati è la difficoltà di trovare casi d'uso realmente validi per l'IA. La maggior parte delle aziende è entusiasta di pensare: "Ehi, abbiamo questa nuova tecnologia, assumiamo qualche data scientist e qualche ingegnere di ML, e poi troveremo una soluzione", giusto? E si arriva a una grande demo, a una grande prova di concetto che piace a tutti, ma poi nessuno sa come portarla in produzione, nessuno sa come usarla davvero. E rimane nel centro demo per molto tempo, prima che arrivi il prossimo oggetto scintillante. Abbiamo quindi cercato di adottare un approccio che prevedeva di iniziare con i casi d'uso e di iniziare con casi d'uso che avessero un riscontro aziendale. Non si tratta quindi di una spinta tecnologica. Siamo felici di fare tutti i bei discorsi sulla tecnologia. Ma iniziamo con i casi d'uso aziendali. Formuliamo l'ipotesi del valore commerciale di questi casi d'uso fin dall'inizio, giusto? Ora, c'è un piccolo enigma. Alcuni temono che se si deve trovare il valore di business fin dall'inizio, sarà complicato, perché le persone si sentono sempre a disagio nel cercare di mettere dei valori in anticipo. Ora, quello che abbiamo fatto è stato adottare un approccio di tipo "stage-gate". Non si tratta solo di dire: "Ok, hai detto una cosa e la porteremo avanti per sempre", ma di partire dall'ipotesi iniziale, di fare una prima serie di esplorazioni per capire se ha senso, se ha un valore commerciale, se è fattibile dal punto di vista tecnico, per poi passare alla fase successiva, che dà fiducia e ci permette di essere un po' più, come dire, aperti e sperimentali nell'approccio, piuttosto che impegnare tutto per sempre.

Dayle Hall:

Giusto. Mi piace questo concetto. Vorrei solo chiedere un chiarimento su questo punto. Perché lei ha detto che alcuni progetti hanno il consenso dell'azienda, ma poi ha detto anche che i progetti che aggiungono valore all'azienda sono due cose separate, che si escludono a vicenda? Come lo avete visto nei vostri clienti?

Sreedhar Sistu:

Già. Quindi non è che le due cose si escludano a vicenda. Vedete, quello che succede è che chi è sul lato business, che sta cercando di migliorare quello che stiamo facendo oggi, giusto? Prendiamo un caso in cui vendiamo un software che cerca di ottimizzare l'uso dell'energia in un edificio, per esempio, giusto? Quindi si può dire che ci sono vari modi per ottimizzare, posso creare nuove funzioni, cercare di trovare nuovi controlli, ecc. Oppure possiamo dire che dobbiamo cercare di trovare qualcosa di intelligente, che richieda passi da gigante, o che la persona dal lato commerciale non sia del tutto esperta nell'arte del possibile con l'IA. Per questo motivo si potrebbe ancora pensare a un approccio incrementale, ed è qui che introduciamo quello che chiamiamo un modello hub-and-spoke. In questo caso, le persone che si occupano di IA con un background tecnologico e le persone che si occupano di business si siedono insieme per elaborare una proposta in cui i tecnologi dell'IA possono spiegare come l'IA può aiutare, ipoteticamente, voglio dire, non siamo ancora nella fase di sviluppo, e qualcuno del business può improvvisamente vedere il potenziale che può offrire ai clienti. Quindi questo tipo di... Abbiamo un altro termine che si chiama "coppia di potere", quindi questo è il modo in cui questi due soggetti possono unirsi per discutere e identificare i casi d'uso che hanno senso.

Dayle Hall: 

Mi piace il concetto di coppia di potere, sì, no, va bene. E poi, se guardiamo a... quando siete là fuori, quando parlate con questi esempi, quanto spesso dovete potenzialmente entrare e aiutare a tirar fuori quei casi d'uso, o l'azienda si rivolge a voi dicendo, cosa, li abbiamo e vogliamo vedere se potete aiutarci su questo? È una sorta di 50/50 e non ha molta importanza, finché non si fornisce valore a un progetto in corso o si fornisce valore all'azienda?

Sreedhar Sistu:

Sì. Penso che tu abbia portato molto del punto di vista pragmatico, Dayle, perché...

Dayle Hall:

Ci provo, ci provo. 

Sreedhar Sistu:

In un mondo perfetto, ogni ingegnere di intelligenza artificiale o scienziato dei dati vorrebbe che qualcuno si presentasse con un problema ben definito, che noi chiamiamo "problemi Kaggle", giusto? Voi portate tutto e io devo solo costruire l'algoritmo. 

Dayle Hall:

Sì, sì, ovviamente. 

Sreedhar Sistu:

No, è... credo che sia soprattutto la terza opzione che hai detto, ovvero che non importa chi porta l'idea e il caso d'uso, l'importante è che lavoriamo insieme come un unico team, tu porti la prospettiva commerciale e tu quella tecnologica, in modo da essere sicuri che a) abbia un valore commerciale, sia fattibile dal punto di vista commerciale, b) sia tecnicamente fattibile.

Dayle Hall: 

Giusto. Si'. No, mi piace. Quindi, se penso che stiamo parlando di quel tipo di organizzazioni che ne vedono il valore o sono disposte a lavorarci, probabilmente sono un po' più avanti della curva. Perché, secondo lei, in alcune aziende o in generale, siamo in ritardo sul modello di maturità dell'IA e sulla sua messa in pratica nelle aziende? Oppure c'è una lentezza nell'adottarla, una reticenza perché non si sa come usarla? In base alla sua esperienza, a che punto siamo del modello di maturità dell'IA? So che ci sono molti casi d'uso diversi, quindi dire che si tratta solo di IA è un po' generico. Ma cosa sta vedendo?

Sreedhar Sistu:

Già. La mia esperienza è che, e non è per fare un'autocritica, ma penso che a livello aziendale l'adozione dell'IA sia generalmente un po' in ritardo, ok? Il motivo è da ricercarsi in diverse casistiche, ma posso probabilmente ipotizzarne alcune. Una di quelle che ho menzionato prima, ovvero che a volte ci sono aspettative poco realistiche su ciò che l'IA può fare, perché leggiamo la stampa, si parla di ChatGPT come la prossima grande novità, di come ChatGPT sia in grado di fare certe cose e se si guarda ad alcuni dei risultati di ChatGPT, a volte sono decisamente sbagliati.

Dayle Hall:

Già. Confidenzialmente sbagliato, è un ottimo modo per descriverlo.

Sreedhar Sistu:

In questo modo si dà l'illusione che l'intelligenza artificiale sia davvero intelligente, mentre non lo è, ma non lo sa. Credo quindi che nelle aziende ci sia un interesse a sfruttare questa tecnologia, ma anche un po' di esitazione nell'adozione. E posso provare a fare un contrasto con quello che abbiamo fatto in Schneider: non è che Schneider non si sia mai cimentata con l'IA prima d'ora. È una realtà che esiste da circa cinque anni, abbiamo provato diverse cose. Quello che abbiamo iniziato a fare è stato: si possono fare cose su piccola scala che risolvono alcune soluzioni puntuali, alcuni piccoli problemi che hanno comunque un valore commerciale, ma se non si adotta un approccio olistico e una strategia completa, non si riuscirà a scalare. E questo è ciò che abbiamo deciso. E fortunatamente abbiamo ricevuto un forte sostegno da parte del nostro ExCom, che ci ha detto di adottare un approccio globale, di avere il giusto livello di investimenti e il giusto modello operativo per fornire l'IA su scala. Non sono molte le imprese pronte ad assumersi questo impegno. E secondo me questo è uno dei motivi principali per cui non vediamo un'adozione così massiccia come sarebbe necessario.

Dayle Hall:

È interessante. Quando stavamo discutendo prima di questo podcast, mi hai fatto un'osservazione interessante: avere un approccio disciplinato all'implementazione. Hai parlato un po' di come le organizzazioni dovrebbero pensarci. Quando dici che, se qualcuno sta pensando: "Ok, stiamo valutando l'IA", forse ha un caso d'uso o forse ha un progetto che sta valutando. Quando descrive l'implementazione di questo approccio come un approccio disciplinato, cosa intende per approccio disciplinato? 

Sreedhar Sistu:

Già. Dal mio punto di vista, quando dico che abbiamo bisogno di un approccio disciplinato per l'IA su scala, abbiamo un processo interno che chiamiamo "funnel", ok? È un classico cancello a tappe. Non pretendo che ci sia qualcosa di super unico. Ma l'importante è applicarlo rigorosamente a tutto ciò che passa. La tentazione di guardare a un nuovo caso d'uso è quella di pensare: "Oh, abbiamo già la soluzione per questo, c'è una soluzione di terze parti disponibile, possiamo implementarla subito, o il data scientist è molto intelligente, può preparare qualcosa durante la settimana, boom, fatto". No, credo che si debba passare attraverso il cancello della fase per assicurarsi che tutti siano coinvolti, che tutte le parti interessate siano coinvolte e che si possa procedere al ritmo necessario per assicurarsi che tutti gli elementi siano coperti. 

Un classico documento di Google di un paio di anni fa parlava dell'ambito di sviluppo dell'IA, in cui ci si concentra sullo sviluppo degli algoritmi della scienza dei dati, che rappresenta dal 5% al 10% del lavoro, giusto? E in ambito aziendale, se ci pensate, l'IA non è un prodotto a sé stante. L'IA tende quasi sempre a essere integrata in qualcos'altro. E se non si pensa in anticipo a come fornire le funzionalità di IA agli utenti finali, alla fine non si riuscirà a farlo o si subirà un ritardo. Quindi, quando parlo di approccio disciplinato, intendo assicurarmi che tutte le basi siano coperte. Il secondo aspetto della disciplina consiste nel rifiutare le idee, nell'eliminare le idee.

Dayle Hall: 

Spiegate cosa intendete con questo, uccidete o rifiutate le idee.

Sreedhar Sistu:

Quindi, la cosa più importante è che quando si identificano i casi d'uso, bisogna essere un po' audaci nel trovare cose che abbiano un certo livello di successo, non necessariamente che siano un colpo di fortuna, perché non si sa mai. Voglio dire, se si è davvero onesti con se stessi, finché non è fatta, non è fatta, giusto? Quindi si scelgono le idee. E si sa che quando si attraversa una fase, ad esempio un'esplorazione, si esaminano alcuni set di dati campione, si guarda al business. E ci si rende conto che forse, sai com'è, non è poi così bello, o è davvero difficile dal punto di vista tecnico, allora lasciamo perdere l'idea. E le persone si sentono davvero a disagio nel rifiutare e abbandonare le idee, perché viene visto quasi come un fallimento. Per me, questo è uno dei maggiori ostacoli. Se si è davvero disciplinati, si abbandona l'idea, si fa una grande esplorazione, si impara qualcosa, non è un grande caso di business, fermiamoci.

Dayle Hall:  

Sì, credo che per le persone sia sicuramente difficile dire di no, ma penso che sia qualcosa di più. Quando si imbarcano in un progetto, e credo che in questo caso l'organizzazione debba avere una disciplina o una governance che dica: "Sì, non pensiamo di... Anche se l'IA potrebbe essere utile, non pensiamo che avrà il valore che pensiamo, almeno per ora. Ma siamo onesti su questo punto e cerchiamo potenzialmente altre opportunità. Ma tutti vogliono che i loro progetti e le loro iniziative funzionino. Quindi posso immaginare che sia interessante. Prima di concludere, vorrei soffermarmi su un paio di aspetti, in particolare sulla sostenibilità, che riguardano Schneider. Un paio di cose di cui ho sentito parlare molto in questi podcast: una è l'etica dell'IA e il modo in cui state pensando a questo aspetto specifico. E ancora, le discussioni sull'etica dell'IA che ho avuto in questi podcast sono state molto incentrate sulle persone, almeno dal punto di vista delle risorse umane e così via, avete qualcosa da... Come Schneider pensa all'etica dell'IA in relazione a ciò che offrite oggi?

Sreedhar Sistu:

Già. È un argomento che prendiamo molto sul serio. E infatti, proprio in occasione della formazione dell'organizzazione centrale per l'IA, abbiamo un gruppo che sta lavorando con gli enti di standardizzazione per cercare di capire le implicazioni di un'IA spiegabile. Credo che il nostro obiettivo sia quello di capire cosa ci dice la macchina, prima di entrare nel campo dell'etica. In secondo luogo, prendiamo molto sul serio le norme sulla privacy dei dati. Abbiamo un patrimonio europeo e il GDPR, ecc. è davvero il fulcro di ciò che facciamo, abbiamo a che fare con i dati sensibili dei dipendenti, abbiamo linee guida più severe su come anonimizzare i dati per la formazione, ecc. Quindi, siamo al centro di ciò che facciamo.

Dayle Hall: 

Ok. Sì, beh, è un'ottima cosa. Credo che questa sia un'area in cui si sente parlare di IA in generale, credo che la discussione sull'etica dell'IA stia iniziando a prendere piede. E la cosa più importante che ho sentito, e sono sicuro che lei sarà d'accordo, è la spiegabilità di come funziona e non solo il fatto che abbiamo questa scatola nera di IA, e questo è il suo funzionamento, e questo è l'output. Perché poi come si fa a sapere se ci sono pregiudizi, come si fa a sapere se ci sono i dati giusti, su cui l'IA sta facendo la valutazione? Quindi penso che vedremo sempre più discussioni su questo tema. Conoscendo il modo in cui nascono le aziende tecnologiche, sono sicuro che a un certo punto del futuro ci sarà un gruppo di aziende tecnologiche focalizzate sull'etica dell'IA, ma... 

Sreedhar Sistu:

Oh, sì. 

Dayle Hall:

[Schneider pensa anche a questo.

Sreedhar Sistu:

Sì, sì, sì. È un [EDI], infatti abbiamo pensato fin dall'inizio, e abbiamo iniziato a parlare seriamente di IA, che dobbiamo essere all'avanguardia su questo tema, e continueremo a farlo per assicurarci di rispondere alle preoccupazioni. 

Dayle Hall: 

Si'. No, va bene. Ok. Allora, mentre concludiamo il podcast, parliamo un po' nello specifico di Schneider, della vostra missione con la sostenibilità nell'AI. Come ha già spiegato, per me la missione di Schneider è quella di essere il partner digitale delle imprese quando si tratta di sostenibilità ed efficienza, il che, tra l'altro, mi sembra eccellente. Come sono questi progetti e quali sono gli aspetti chiave che Schneider sta facendo per lavorare con le imprese su alcune iniziative specifiche come questa?

Sreedhar Sistu:

Posso quindi fare un paio di esempi che danno concretezza a tutto questo, giusto? Prima abbiamo parlato delle sfide che stiamo affrontando nel settore dell'energia e di come dovremmo essere in grado di risolverle. Una delle soluzioni che miglioriamo con l'intelligenza artificiale è proprio quella che chiamiamo flessibilità energetica. Se si pensa a oggi, le microgrid sono un'idea emergente per la maggior parte delle aziende, degli edifici, delle fabbriche, delle industrie, ecc. Il cuore di questa idea è molto semplice, giusto? Si possono avere diverse forme di energia, risorse energetiche distribuite, come le chiamiamo noi, perché si può avere un pannello solare che produce elettricità durante il giorno, una batteria che la immagazzina e un generatore per le emergenze. Ovviamente l'elettricità proviene dalla rete. Non è... Quello che facciamo è ottimizzare l'uso dell'energia da varie risorse per soddisfare i vostri obiettivi di riduzione dei costi. 

Ad esempio, se si dispone di cariche variabili durante il giorno, come è sicuramente il caso della California, è possibile ottimizzare quando caricare la batteria, quando mantenere l'energia in modo da non colpire il picco della rete, e si può risparmiare utilizzando la produzione fotovoltaica in alcuni momenti della giornata. E soprattutto, con l'aumento dei veicoli elettrici negli edifici, è possibile anche caricarli in modo più ottimale: non tutti i veicoli devono essere caricati in mezz'ora, giusto? Se invece rimarrà nel parcheggio per tutto il giorno, sarà possibile ricaricarlo a goccia. Una delle soluzioni che forniamo è quindi quella di prendere in considerazione tutti questi fattori e di prevedere la domanda utilizzando algoritmi di apprendimento automatico, per poi cercare di ridurre i picchi di consumo energetico. In questo modo si può ridurre la bolletta dell'elettricità che si paga, oppure si può favorire una maggiore quantità di energia sostenibile in modo da ridurre l'impronta di CO2. 

Dayle Hall:

Interessante. 

Sreedhar Sistu:

Quindi penso che questa sia una soluzione davvero potente che vi aiuta sia a ottimizzare i costi che a raggiungere i vostri obiettivi di sostenibilità.

Dayle Hall:

Sì, mi piace. Vedo sempre più aziende nascere intorno alla sostenibilità e ovviamente, soprattutto in Europa, dove Schneider è fondata e ha la sede centrale, ci sono enormi opportunità, oltre a norme e regolamenti in vigore. Quindi penso che siate decisamente all'avanguardia. Quanto direbbe - no, non voglio che lei... Non deve dirmi la strategia aziendale di Schneider, per così dire. Ma è qualcosa che è sicuramente... Non sembra che sia un progetto secondario di Schneider. Sembra che stia per diventare un'iniziativa di punta. Quanto impegno sta mettendo Schneider in questo tipo di area?

Sreedhar Sistu:

Abbiamo quindi una linea di business dedicata alle microgrid. Abbiamo anche un'attenzione significativa per le [FC]. Recentemente abbiamo lanciato un nuovo sistema di gestione dell'energia domestica. Così stiamo passando dagli edifici commerciali alle abitazioni, dove è possibile ottenere un utilizzo ottimale dell'energia all'interno delle case. Abbiamo quindi una grande strategia intorno a quello che chiamiamo prosumer, perché le case non sono più solo consumatori di elettricità dalla rete. Le case possono produrre elettricità con il fotovoltaico. Questo cambia completamente le carte in tavola. E pensiamo di avere un ruolo importante da svolgere in questa trasformazione, che rappresenta sia un'opportunità per noi come azienda sia un ambiente sano.

Dayle Hall:

Si'. No, mi piace molto. È un'ottima cosa, e siamo sempre contenti che siate clienti di SnapLogic, ma mi piace che un grosso cliente di energia pensi alla sostenibilità e sostenga la famiglia media anche se non acquista Schneider direttamente come prodotto o servizio. Quindi, è eccellente. Ho un'ultima domanda da farle mentre concludiamo. Lei ha operato in questo settore, lo definirei un leader nelle innovazioni tecnologiche, in particolare nell'intelligenza artificiale. In qualità di leader nelle innovazioni tecnologiche, in particolare nell'IA, che cosa la entusiasma non solo di Schneider, ma in generale, delle opportunità legate all'IA nei prossimi, non so, due o cinque anni, che cosa non vede l'ora di vedere, che cosa la entusiasma nella sua area di competenza?

Sreedhar Sistu:

Prima di tutto, sono molto ottimista sui benefici dell'IA nei prossimi anni. Vedo un vero e proprio spostamento verso, come la chiamo io, un'IA utile piuttosto che l'IA stretta che abbiamo avuto negli ultimi 510 anni, che è stata necessaria per portare a maturazione la tecnologia, ma credo che inizieremo a vedere sempre più applicazioni utili dell'IA. E in realtà si tratta di aumentare gli esseri umani, non di sostituirli ma di aumentarli. Ci sono cose che gli esseri umani sono bravi a fare e continueranno a fare, e l'IA ci aiuterà. Volete che qualcuno sorvegli l'officina alla ricerca di difetti con gli occhi? No. Si vuole una telecamera con un'intelligenza artificiale incorporata che rilevi i difetti e spinga gli articoli sul sito. Penso quindi che inizieremo a vedere molte applicazioni utili dell'IA, che miglioreranno l'efficienza della produttività e, come ho detto, la sostenibilità del pianeta, quindi sono molto ottimista.

Dayle Hall:  

Credo che questa sia una conclusione appropriata per il podcast. Mi piace quello che hai detto, AI utile piuttosto che un giocattolo. La cosa più importante è che l'IA aiuterà ad aumentare gli esseri umani, non a eliminarli dal processo, e ci darà la possibilità, come esseri umani, di concentrarci su opportunità più interessanti, su lavori più interessanti. È un modo perfetto per concludere. Sreedhar, è stato un piacere. E spero che non sia stato troppo doloroso illustrare il vostro interesse per l'IA e le attività di Schneider. Grazie mille per aver partecipato al nostro podcast di oggi.

Sreedhar Sistu:

Grazie, Dayle. È stata una grande conversazione. Mi è piaciuta molto e ti ringrazio per avermi invitato al tuo podcast.

Dayle Hall: 

Sembra buono. A tutti gli altri, grazie per esservi uniti a noi oggi. Date un'occhiata al nostro prossimo podcast che uscirà a breve. E buon proseguimento di giornata.