Potenziare l'automazione aziendale con l'intelligenza artificiale e l'apprendimento automatico

Dayle Hall:

Salve, state ascoltando il nostro podcast "Automatizzare l'impresa". Sono il vostro conduttore, Dayle Hall. Questo podcast è stato ideato per fornire alle organizzazioni approfondimenti e best practice su come integrare, automatizzare e trasformare la propria azienda. Oggi abbiamo un ospite molto speciale. È il direttore senior, il responsabile dell'AI e del Machine Learning Product Management di Qualcomm. Diamo il benvenuto alla trasmissione al dottor Vinesh Sukumar.

Vinesh Sukumar:

Ciao a tutti. E grazie, Dayle, per avermi dato l'opportunità di parlare nel tuo programma.

Dayle Hall:

Assolutamente sì, Vinesh. Siamo entusiasti di averti con noi. Un'esperienza fantastica, un'azienda straordinaria. Non vediamo l'ora di passare alle domande. Perché non ci dedica qualche minuto a come è arrivato a ricoprire questo ruolo, in particolare all'AI e all'apprendimento automatico? Ovviamente ne sentiamo parlare molto in questi giorni. Ma come è arrivato a questo ruolo? Da dove è nata questa passione per lei?

Vinesh Sukumar:

Per quanto riguarda la mia formazione professionale, ho iniziato la mia carriera lavorando per il Jet Propulsion Labs, JPL, molto tempo fa. In quel periodo cercavo di progettare circuiti per telecamere a immagine, in pratica telecamere basate su CCD di grandi dimensioni. Poi, da un'organizzazione basata sulla ricerca, sono passato a un'industria più commerciale, orientata ai consumatori. Uno dei primi prodotti che ho iniziato a progettare è stato il telefono Motorola Droid. Se non ricordo male, circa 15 anni fa, credo fosse l'icona più popolare di quei tempi. È così che ho iniziato a occuparmi di fotocamere. E una delle prime cose che abbiamo notato è che le persone hanno iniziato ad amare molto le foto e i video.

Poi, nel corso del tempo, ha iniziato a realizzare alcuni progetti interessanti, ha iniziato a lavorare per Apple, per il primo iPhone che ha lanciato. Poi hanno voluto concentrarsi maggiormente sull'analisi visiva per classificare le immagini, per rilevare determinate immagini. È così che ho messo piede nel settore della computer vision. Stavo anche conseguendo un dottorato in AI/CV. Ma a quei tempi non si capiva bene cosa significasse intelligenza artificiale. Quindi all'epoca si trattava di uno studio prevalentemente teorico. Ma quando ho iniziato ad avere molti più casi d'uso ed esempi pratici, la cosa mi ha entusiasmato e sono stato in grado di tradurre i miei studi teorici in applicazioni pratiche.

È così che ho iniziato a occuparmi di CV e IA. A quei tempi non c'era l'intelligenza artificiale, si trattava solo di CV o computer vision. Con l'esperienza, man mano che le persone iniziavano a essere più istruite su cosa fosse l'intelligenza artificiale e su cosa potesse effettivamente fare nello spazio della visione o della tecnologia, mi sono appassionato un po' di più alla progettazione dei sistemi. È così che ho iniziato a lavorare sull'architettura, sull'ingegneria, sulla progettazione del sistema, sulle applicazioni che si adattano e ora guido il team di prodotto, assicurandomi che possiamo proporre qualcosa di entusiasmante, migliorando l'esperienza dell'utente da questo punto di vista.

Dayle Hall:

Giusto. È interessante, visto il tuo background, vedere alcuni di questi sviluppi tecnici e parlare teoricamente di IA, e sembra che abbiamo fatto molta strada in questi anni. E ora stiamo rilasciando prodotti che hanno l'intelligenza artificiale incorporata. Quindi sembra che parte di quella teoria, forse l'avete vista in alcuni dei film che pensavamo sarebbero usciti sull'intelligenza artificiale. Non siamo ancora a quel livello. Non ci sono terminator, grazie a Dio. Sento che stiamo andando così veloce. Lei parla del ciclo di sviluppo della tecnologia e dell'innovazione, ci sono così tante opportunità.

Questo è uno dei punti da cui volevo iniziare perché, data la sua esperienza, ha visto molti sviluppi tecnici. Mi ricordo di quelle piattaforme, quelle di Motorola, e di come si stavano sviluppando. Ma guardando alle imprese e alle loro opportunità, quali sono secondo lei le principali opportunità iniziali o di immersione nell'acqua per le imprese che utilizzano l'intelligenza artificiale e l'apprendimento automatico? Dove vedete che le imprese si stanno davvero attaccando?

Vinesh Sukumar:

Credo che al giorno d'oggi la maggior parte delle aziende si trovi in questa fase, in cui si cerca di utilizzare l'IA per ottimizzare le operazioni esistenti piuttosto che per trasformare radicalmente i propri modelli di business. Un esempio potrebbe essere quello dell'automazione o dell'eliminazione di compiti nell'ambito della produttività aziendale. Intendo dire che, durante la situazione COVID o durante la pandemia, si tenevano regolarmente molte riunioni virtuali. Molte persone partecipavano e diventava piuttosto difficile trascrivere le riunioni, prendere gli elementi d'azione, mapparli a un oratore specifico e organizzare le riunioni, per di più in modo piuttosto manuale.

Ora, con l'avvento dell'intelligenza artificiale, stiamo rendendo tutto più automatico. In altre parole, ora l'intelligenza è integrata nell'applicazione come parte di questi modelli aziendali, che possono trascrivere automaticamente queste riunioni, quindi queste trascrizioni sono mappate a un relatore specifico, che è registrato come parte della riunione. E poi, se ci sono punti d'azione, questi vengono registrati e automaticamente vengono esaminati gli slot aperti nei calendari dei diversi relatori e ci si assicura che questi vengano programmati in modo che ci sia continuità.

E se vengono condivisi dei dati, questi vengono effettivamente acquisiti, inseriti in una pagina Confluence o tradotti in un PowerPoint, il tutto in modo automatico dietro le quinte grazie al deep learning e al machine learning. Questo aiuta molto perché si tratta di un lavoro manuale. E se si usa l'intelligenza artificiale per aiutare davvero la produttività, si può far sì che le persone si concentrino sulla soluzione dei problemi piuttosto che su queste operazioni intermedie. Quindi, da questo punto di vista, credo che sia stato davvero utile usare un esempio di produttività.

Dayle Hall:

Sì. E credo che sia un ottimo punto di partenza per molte persone. E credo che questo sia un ottimo punto di ingresso per molte persone. Per le aziende, possono cercare di aiutare le persone nel loro lavoro. E credo che a volte le organizzazioni attraggano persone diverse, a seconda del tipo di ruolo che ricoprono. Ma se state cercando di reclutare, e sappiamo che il reclutamento è molto difficile al giorno d'oggi, ma se state cercando di reclutare e mostrate loro: "Ehi, abbiamo tutte queste tecnologie che vi aiutano a essere più produttivi, in modo che non dobbiate fare le cose manuali". Questo, secondo me, avrà un grande impatto sul reclutamento e aiuterà le persone a entrare, sapendo che posso essere più efficiente fin dal primo giorno perché avete messo in atto queste tecnologie. Pensa che queste tecnologie abbiano un impatto più ampio su aspetti come il reclutamento?

Vinesh Sukumar:

Assolutamente sì. Una delle sfide più grandi che le aziende tecniche devono affrontare, soprattutto quando si tratta di settori specializzati come l'intelligenza artificiale, è assicurarsi di avere il giusto gruppo di persone, con la giusta esperienza, che possano effettivamente contribuire fin dal primo giorno. E perché ciò avvenga davvero, si forniscono le proprie raccomandazioni, possibilmente a un reclutatore. Il reclutatore si occupa poi di esaminare i candidati filtrati. Ma se si dispone solo di un database, se un'applicazione è in grado di sintonizzare le raccomandazioni, non in base alle parole di ricerca, ma fornendo un estratto, questa è la persona che sto cercando, l'assistente virtuale o l'assistente intelligente come parte di un'applicazione può andare a cercare i curriculum come parte di un database esistente e quindi fornire domande là fuori e dire che questo è forse un candidato, sarebbe di interesse che corrisponde alle aspettative. Prevedo quindi che l'intelligenza artificiale sarà di grande aiuto. È solo il modo in cui la si manifesta a dare la risposta giusta.

Dayle Hall:

Anche in questo caso, si tratta di una di quelle aree in cui credo che siamo ancora agli inizi per quanto riguarda la comprensione dell'impatto più ampio per l'azienda. SnapLogic è essenzialmente uno strumento di integrazione e automazione. Non siamo RPA. Molte persone, quando sentono il termine automazione e AI e ML sono molto legati a questo, pensano alle attività ripetitive. E lei stesso ne ha parlato: come possiamo liberare il tempo delle persone per concentrarci sulle attività più importanti, per le quali è necessario un po' più di esperienza umana, per cui possiamo liberare alcune di queste attività da automatizzare in modo da poter dedicare più tempo alla crescita dell'azienda. 

Avete altri esempi di come rendere questa forza lavoro, quando entra a far parte dell'azienda o quando ne fa parte? Avete esempi di come stanno rendendo le persone più produttive e di successo? C'è qualcosa che potremmo fare? So che c'è sempre stato il timore che l'IA e l'ML portassero via posti di lavoro, ma sembra che il reclutamento stia diventando sempre più difficile, cercando di trovare le giuste competenze. In che modo l'intelligenza artificiale e l'intelligenza artificiale possono aiutarci a risolvere il problema della carenza di posti di lavoro, anziché preoccuparci di eliminare le persone dall'azienda?

Vinesh Sukumar:

Non credo che in questa fase l'IA stia davvero prendendo il sopravvento sui posti di lavoro. C'è sempre l'idea sbagliata che l'IA stia per conquistare il mondo. Almeno non ancora, non sta accadendo in questo momento.

Dayle Hall:

Lo vedi ancora, Vinesh? Lo senti ancora? Ci sono ancora notizie in merito, ma non ne vedo più così tante. Ma sento ancora che questo concetto, questa idea sbagliata è in circolazione.

Vinesh Sukumar:

Oh, certo. Questa idea sbagliata è sempre presente. Inoltre, credo che si rivolga ai casi d'uso che le persone utilizzano abitualmente. Ad esempio, le persone sono abituate alla guida manuale in auto. Se si vuole che l'intelligenza artificiale sia completamente automatizzata o che la guida sia automatizzata dal punto di vista degli ADAS, ci si siede dietro le ruote. C'è sempre un'idea sbagliata: come fa l'auto a decidere di svoltare a destra o a sinistra o di fermarsi perché c'è una vita in quella situazione? C'è un po' di preoccupazione. Anche se ci sono molte attività basate sulle transazioni, istituzioni finanziarie, molta automazione in quello spazio. La loro preoccupazione è: "Ehi, se do la mia carta di credito, se do le mie informazioni bancarie, che impatto avrà su di me? C'è sempre un po' di malinteso, ma in realtà dipende da come sono stati costruiti i dati e le applicazioni.

E se ci sono molti investimenti tecnici da fare e se è fatto nel modo giusto, sono abbastanza sicuro che la maggior parte di questo sparirà. Ma probabilmente ci vorrà del tempo. In base alla mia esperienza professionale, mi aspetto che un fotografo abbia sempre avuto una fotocamera DSLR per tutto. Poi, con il miglioramento della qualità dell'immagine delle fotocamere nei telefoni cellulari, le DSC sono passate di moda. E poi le fotocamere mobili sono diventate lo standard di fatto per le persone che scattano foto. Quindi ci vorrà un po' di tempo, sospetto, ma stiamo attraversando la fase in cui la gente ha bisogno di essere istruita. E sono abbastanza sicuro che con il tempo la concezione secondo cui l'intelligenza artificiale conquisterà il mondo e la mia privacy sarà perduta sarà probabilmente eliminata.

Dayle Hall:

Sì, certo. E poco fa ha citato l'esempio delle riunioni Zoom. Ovviamente, questo è stato accelerato a causa della pandemia. La pandemia, pur essendo terribile per ciò che ha significato per la maggior parte di noi e per l'impatto che ha avuto sulle nostre vite e ovviamente nessuno vuole passarci, ha aiutato le organizzazioni e alcuni di noi singoli ad apprendere nuove pratiche e a sfruttare la tecnologia disponibile. Ritiene che la pandemia abbia aiutato altri settori a cogliere queste opportunità e a fare cose che forse non avremmo potuto fare se fossimo andati in ufficio e avessimo fatto le stesse cose nello stesso modo?

Vinesh Sukumar:

Assolutamente sì. Lo credo bene. Un vecchio detto dice che la necessità è la madre di ogni invenzione. Se la pandemia ha gettato uno stato di natura negativa sotto molti punti di vista, ha fornito una piattaforma per fare alcune cose in modo più efficace, soprattutto nell'ambito delle videoconferenze, ad esempio. Si è assistito a un aumento delle interazioni tra persone. E nell'ambito dell'interazione tra persone, è molto importante enfatizzare le immagini video e i flussi audio. E uno di questi elementi è stato: "Ehi, non ho un ufficio a casa mia. Come posso eliminare il mio sfondo? Come posso sostituire il mio sfondo con qualcos'altro, assicurandomi di avere un bell'aspetto o che la spazzatura sul retro non si veda? E noi usiamo l'intelligenza artificiale per fare tutto questo.

Non dovete nemmeno preoccuparvi di non essere abbastanza preparati per partecipare alla riunione, perché l'intelligenza artificiale può occuparsi di queste cose. Oppure, se vi capita di avere bambini a casa, molte persone che condividono la stessa stanza o rumori di fondo che non sono di grande aiuto quando avete una riunione importante con molte necessità urgenti, usiamo l'intelligenza artificiale per assicurarci che riconosca solo la voce di quell'utente specifico e che tutti i disturbi intorno a lui siano completamente attenuati o eliminati. Tutto questo è stato possibile solo grazie all'intelligenza artificiale. Forse due o tre anni fa, questo aspetto non è mai stato al centro dell'attenzione. Ora, dopo la pandemia, dato l'uso dell'applicazione specifica, c'è stato molto più interesse da parte dei ricercatori e della comunità ingegneristica. E si è potuto assistere a un'infusione molto più massiccia di intelligenza dei dati in queste applicazioni, rendendo queste esperienze molto migliori.

Dayle Hall:

E ovviamente, per i genitori che lavorano, ci sono bambini piccoli a casa. Sono sicuro che alcune di queste funzioni sono state utili. Se torniamo all'azienda e consideriamo molte persone responsabili di questo tipo di tecnologie, in genere si tratta dell'organizzazione IT, ma anche le linee di business stanno cercando di implementare nuove tecnologie, per aiutarle ad avere più successo. Ritiene che le organizzazioni IT aziendali stiano valutando in modo più ampio le tecnologie da implementare? Stanno valutando la necessità di un'iniziativa di tipo AI/ML? Oppure stanno ancora cercando di risolvere casi d'uso specifici e possono farlo con l'IA? Hanno iniziative di AI/apprendimento automatico più ampie? O si concentrano ancora sui casi d'uso? E c'è una sfida in entrambi i casi?

Vinesh Sukumar:

Penso che probabilmente lo riassumerei come una combinazione di entrambi. Ci sarà sempre un elemento tattico che non riuscirete a risolvere e che può essere fatto in funzione dell'IA/ML. Un elemento tattico potrebbe essere, ancora una volta, l'utilizzo della pandemia come piattaforma, dato che molte persone lavorano virtualmente da casa. E ovviamente le cose si rompono. Le risorse IT sono limitate. Non si può essere in grado di lavorare con tutti e non si può andare in loco a chiedere aiuto. Per questo motivo si creano dei bot virtuali che fungono da assistenti virtuali per l'IT. A seconda della struttura del problema, i bot virtuali hanno fornito circa il 50%-70% delle risposte e li hanno guidati su cosa fare prima ancora di rivolgersi a una persona in carne e ossa. Penso quindi che questo sia stato di grande aiuto dal punto di vista tattico per affrontare davvero questi problemi.

Dal punto di vista strategico, è possibile utilizzare l'AI/ML per fare molte più cose dal punto di vista aziendale? Assolutamente sì. Si è sempre pensato a come enfatizzare maggiormente le storie dei clienti? Come posso enfatizzare l'assistenza virtuale? E tutto questo potrebbe essere adattato ai casi d'uso. Probabilmente dovrei spiegarlo con un esempio.

Dal punto di vista aziendale, c'è sempre il problema di migliorare le prestazioni complessive della macchina. È davvero possibile prevedere il guasto di un componente specifico prima ancora che si verifichi? Ma poiché si tratta di un guasto critico, ovviamente tutto è perduto.

Ora la domanda generale dal punto di vista dell'IT è: posso ottenere alcuni frammenti monitorando i dati, le prestazioni dei moduli chiave che indicano realmente che sta per verificarsi un guasto? E posso informare l'utente di assicurarsi di fare XYZ cose o di fornire una certa quantità di compensazione prima che l'intero componente si guasti, per esempio? In questo momento è totalmente diagnostico. E questo è un aspetto importante: assicurarsi che non si perda produttività, che non si perdano dati, soprattutto se si tratta di dati sensibili, e fornire all'utente raccomandazioni per apportare modifiche all'hardware anche in caso di guasto. Penso quindi che questo sia un altro esempio, per lo più futuribile, che può essere stabilito ma che si fa strada completamente nello spazio aziendale.

Dayle Hall:

Per ogni azienda, sia che stia cercando di risolvere un'iniziativa più grande, sia che stia cercando di risolvere un caso d'uso o che stia pensando a come migliorare, credo che ci siano tre aree specifiche con cui le aziende devono confrontarsi quando cercano di implementare e adottare queste tecnologie di tipo AI. Ora sappiamo che sono qui per semplificarci potenzialmente la vita in termini di attività. SnapLogic, ad esempio, ha un assistente che aiuta a creare le integrazioni senza dover inserire ogni singolo sistema. Identifica e dice: "Ecco cosa fate". Questo vi rende più produttivi.

Ma credo che le tre aree di cui si sente parlare di più siano l'adozione da parte dell'organizzazione e delle persone. La seconda area è la sfida tecnologica: come si implementa? Cosa devo studiare? Quali sono gli impatti sui sistemi? E la terza è il costo. È più costoso? Come si ottiene il ROI? Quindi, se prendiamo ciascuno di questi aspetti separatamente, iniziamo con le persone e l'adozione. Perché le organizzazioni, se lo stanno facendo, e voi pensate che lo stiano facendo, stanno ancora lottando per ottenere l'adozione da parte delle persone? Cosa li rende nervosi e come possono superarlo?

Vinesh Sukumar:

Probabilmente inizierò a rispondere alla domanda dicendo che, per far funzionare davvero l'IA in queste applicazioni, è necessario disporre dei dati giusti, ad esempio. I dati sono l'ancora di salvezza dell'apprendimento automatico. I modelli sanno solo ciò che gli viene mostrato. Pertanto, se i dati su cui operano sono imprecisi, non organizzati o distorti in qualche modo, i risultati dei modelli saranno errati. E ciò significa che l'esperienza dell'utente diventa scadente. E di conseguenza, l'adozione diventa minore. Quindi, per cominciare, evitate questa situazione. Questo è uno dei temi principali che ogni organizzazione affronta. Come si eliminano i pregiudizi, che sono un argomento di per sé molto vasto?

Dayle Hall:

Questo probabilmente si collega al pezzo successivo, che è la tecnologia. Se i dati che arrivano sono sbagliati, le probabilità che le persone siano effettivamente produttive e riconoscano che questa tecnologia le sta aiutando saranno minori. Quindi l'adozione sarà minore e le persone non si fideranno più di tanto. Poi si tratta di capire chi lo sta implementando. Chi sta affrontando queste sfide tecnologiche? E come si assicurano, per dirla con il tuo punto di vista, che non ci siano, conosciamo tutti il termine, crap-in, crap-out dal punto di vista dei dati? Come fanno le organizzazioni, come fanno le aziende ad assicurarsi che la parte tecnica sia fatta, che i dati che stanno estraendo siano credibili e corretti per assicurarsi che, quando intraprendono questa strada, possano aiutare a guidare l'adozione?

Vinesh Sukumar:

Una delle sfide più grandi che la maggior parte delle organizzazioni aziendali si trova ad affrontare è: come rendere prevedibili i risultati? Come rendere questi risultati più spiegabili? Come rendere questi risultati più coerenti indipendentemente dalla geografia? Forse se si tratta di Asia, Nord America o Europa, si ottiene lo stesso risultato. E mentre presentate questi risultati, posso spiegare il ragionamento alla base del risultato? Ed è coerente? Si tratta di un aspetto che si sta esaminando molto e che credo necessiti di molti più investimenti, sia dal punto di vista della ricerca, sia dal punto di vista dei data scientist e del modo in cui esaminano i dati, del modo in cui costruiscono il modello a partire dai dati e del modo in cui hanno una diversità sufficiente all'interno di quei campioni di dati per rendere la previsione molto più accurata. Quindi penso che sia più facile a dirsi che a farsi. E credo che questa sia stata un'attenzione costante da parte delle persone in tutte le organizzazioni aziendali.

Dayle Hall:

Quindi passiamo all'ultimo aspetto dell'introduzione di queste tecnologie: il costo, l'investimento, l'aspettativa di ciò che si otterrà e il ROI. Come avete visto le aziende affrontare questo processo? Dove si pone il limite che ci vorranno X anni per avere un ritorno? Conoscono almeno il ritorno di queste cose o pensano semplicemente di doverle fare? In che modo le aziende valutano il rapporto costi/benefici del ROI al giorno d'oggi?

Vinesh Sukumar:

Al giorno d'oggi, in ambito aziendale, non si tratta di capire perché usarlo, ma quanto velocemente può essere usato e come può essere usato in modo appropriato. La complessità tecnica continua a essere una delle maggiori sfide per l'uso aziendale dell'apprendimento automatico. Il concetto di base di fornire dati a un algoritmo e lasciare che questo impari le caratteristiche dei dati è abbastanza semplice. Ma per iniziare con esempi semplici, come ho detto, una di queste aree è la produttività. Come posso migliorare la produttività? Come posso migliorare le raccomandazioni, ad esempio, con i bot virtuali? Come posso migliorare le storie dei clienti, assicurandomi che se stanno cercando di fare un acquisto online, siano in grado di fidelizzare lo stesso cliente o consumatore attraverso i modelli di acquisto?

Quindi penso che si debba studiare e implementare continuamente e cercare di capire che quando si inizia a costruire un'applicazione, si hanno determinati indicatori chiave di prestazione e di esperienza. Quando le mettete in produzione, siete effettivamente in grado di soddisfare quegli indicatori? In caso contrario, posso modificare dinamicamente questi modelli? Posso modificare dinamicamente questi algoritmi per essere in grado di personalizzare un utente specifico? Nella maggior parte dei casi, quello che si vede in questi giorni è che si ha un modello generico che viene applicato a tutti, ma in genere non funziona.

Se si ha l'opportunità di continuare a ottimizzarlo in base a un utente specifico, imparando i modelli di quell'utente specifico o di un'applicazione o del fattore di forma di un dispositivo, si avrà un impatto molto migliore. Penso quindi che le aziende stiano iniziando a capirlo, cercando di studiare e ottenere più dati, modificando l'implementazione per passare da una visione centrata sul modello a una visione centrata sui dati. E penso che se continueranno a farlo, è più che probabile che vedrete un successo molto maggiore in questo segmento.

Dayle Hall:

Uno degli argomenti di cui abbiamo parlato è la paura di togliere il lavoro alle persone. Abbiamo parlato di assicurarsi che i dati siano corretti e che le persone possano effettivamente usare lo strumento e fidarsi di ciò che ne esce. E per quanto riguarda la sicurezza in generale? Le aziende si preoccupano della sicurezza, anche per i propri dati o in particolare quando utilizzano questi strumenti di intelligenza artificiale con i clienti? La discussione sulla sicurezza è un non-problema? O è qualcosa su cui si è molto cauti? Impedisce alle persone di agire?

Vinesh Sukumar:

Al giorno d'oggi la sicurezza sta diventando un tema molto importante. La sicurezza si manifesta ovviamente in molti modi. Può essere, ad esempio, la firma biometrica. Una firma biometrica può essere l'impronta vocale o l'impronta facciale. Dove viene memorizzata? È memorizzata all'interno del dispositivo o nel sito cloud? E quanto è facile accedere alla firma biometrica? Perché è noto che una firma biometrica può essere alterata. Una volta che qualcuno l'ha ottenuta, è sparita per sempre. Come posso quindi memorizzarla in modo estremamente sicuro? E cosa fanno le persone e le organizzazioni aziendali per proteggere il più possibile questa risorsa?

Poi c'è un'altra parte, cioè che mi capita di avere questi modelli. Tutti questi modelli sono fondamentalmente file binari, che sono fondamentalmente uno e zero. Questi file binari contengono fondamentalmente algoritmi per fare una certa previsione, per fare un certo rilevamento, per fare una certa classificazione. La maggior parte di questi algoritmi viene sviluppata sulla base di tonnellate e tonnellate di ricerca e di investimenti in capitale umano. Come si può essere certi che questi file binari non siano corrotti o siano stati estratti da qualche altra applicazione? Come si fa a capire esattamente qual è la salsa segreta di come vengono fatte le previsioni?

Un altro aspetto importante da capire è come immagazzinare e conservare in un luogo sicuro. Penso che stia diventando sempre più importante. E poi, andando avanti, le organizzazioni stanno ponendo molta più enfasi, sia sul lato hardware che su quello software, per assicurarsi che i modelli, i binari, gli algoritmi siano tutti fissati in modo sicuro e che le possibilità che qualcuno ne estragga informazioni utili possano essere ridotte il più possibile.

Dayle Hall:

La sicurezza è sempre stata un problema importante, soprattutto per quanto riguarda il software e l'accessibilità ai dati delle persone e così via. Ma quando si introducono l'intelligenza artificiale e l'intelligenza artificiale, come lei ha detto, qualcosa di così importante come la biometria, ovviamente bisogna fare molta attenzione. E credo che questo rallenti l'adozione in certi ambienti, con certe persone che ancora non si fidano della sicurezza. Quindi è un aspetto che prevedo diventi sempre più importante man mano che procediamo. Se vi dicessi di dimenticare per un attimo le tempistiche. Dimenticate che si tratta di cento anni, forse di 10 anni o 5 anni. Se guardiamo al viaggio dell'AI/ML e a tutte queste opportunità, siamo a metà strada? Siamo al 2% del viaggio di ciò che è possibile? E la mia domanda è: per quanto tempo finirete a lavorare in questo campo, qual è la cosa che sareste davvero entusiasti di vedere durante il vostro periodo di lavoro con questa tecnologia?

Vinesh Sukumar:

Credo che l'IA stia entrando in una fase in cui viene accettata molto di più in molti segmenti verticali. Dieci o 15 anni fa, quando ho iniziato la mia carriera professionale, l'IA era una fisica teorica della matematica. Non c'erano applicazioni. Ora si vedono molte applicazioni. In ogni aspetto della vita, telefoni cellulari, automobili, PC, occhiali, qualunque cosa si prenda, se ne vedono alcuni elementi. Ma credo che il prossimo elemento importante, direi l'evoluzione dell'IA, sia l'induzione del buon senso nell'IA, in modo che l'IA non faccia le cose solo perché i dati suggeriscono che deve fare certe cose.

Ma cerca di capire il contesto in cui si trova. Cerca di ricevere input da vari tipi di informazioni sensoriali e poi fa una previsione basata sullo scenario e sul contesto. Questo è ciò che intendo per buon senso. Come posso assicurarmi che l'intelligenza artificiale sia abbastanza intelligente da non darmi sempre la stessa risposta? Deve capire qual è il contesto e fornire una risposta. Ecco cosa penso. Si sta entrando nello spazio di un vero bot AI, un vero mondo virtuale AI. Ed è questo che mi entusiasma, l'aspettativa di arrivare a quella fase in cui l'IA diventa una vera IA intelligente.

Dayle Hall:

Mi piace molto. Quando arriviamo alla fine di questo discorso, potremmo parlare per tre ore, ne sono certo. Non sono sicuro che qualcuno possa ascoltarci per tre ore. Ma se guardo alle aziende là fuori, abbiamo parlato un po' dei casi d'uso rispetto alle grandi iniziative di AI. Abbiamo parlato di ottimizzazione delle app per la produttività. Avete parlato di dati reali come linea di vita dell'IA e del ML. Mi piace il buon senso dell'IA per capire davvero il contesto. Se potesse dare un ultimo consiglio, le imprese stanno valutando diverse iniziative di trasformazione digitale, ma diciamo che ne hanno diverse. Qual è il consiglio che daresti a un'azienda che dice: "Se vuoi iniziare questo viaggio, sia che si tratti di un caso d'uso, sia che si tratti di un'iniziativa più ampia, qual è il consiglio che devono seguire prima di iniziare a considerare la tecnologia da implementare, i costi e così via? Qual è la cosa a cui devono pensare quando iniziano questo percorso?

Vinesh Sukumar:

Direi che l'IA aziendale, così com'è ora, ogni nuova tecnologia che arriva ha i suoi rischi, ma a patto che se ne comprendano i punti di forza e si pianifichi il successo, l'IA farà cose fantastiche nello spazio aziendale. Inizierei le discussioni. E poi, ovviamente, è il modo in cui si guardano i dati, come si manipolano, come si usano i dati, che rende l'esperienza molto migliore. Questo è il mio obiettivo per il futuro.

Dayle Hall:

È fantastico. Beh, ascolta, ti ringrazio ancora una volta per il tuo tempo, Vinesh. Queste conversazioni, pur essendo relativamente brevi per un podcast, sono molto approfondite. Ho imparato molto e apprezzo il tuo tempo. Grazie per aver partecipato al nostro podcast di oggi.

Vinesh Sukumar:

Grazie, Dayle. È stato fantastico anche per me. E grazie per avermi dato l'opportunità di parlare di Qualcomm AI, del mio ruolo in Qualcomm e di alcuni dei fantastici rapporti che ho con l'organizzazione di ingegneria e ricerca. Grazie, Dayle, ancora una volta.

Dayle Hall:

Assolutamente sì. Terremo d'occhio tutte le cose che farete nel settore come uno dei leader in prima linea. Le siamo grati per il suo tempo. Grazie per esservi uniti a noi. A tutti gli altri, grazie per aver ascoltato questo episodio di Automating the Enterprise e ci vediamo al prossimo.