Mettere le sfide dell’intelligenza artificiale in prospettiva con le partnership

Mettere le sfide dell’intelligenza artificiale in prospettiva con le partnership

Timestamp: 25 ottobre 2023 4:27
Mettere in prospettiva le sfide dell'intelligenza artificiale con le partnership PlatoBlockchain Data Intelligence. Ricerca verticale. Ai.

Funzionalità sponsorizzata Man mano che la tecnologia viene ampiamente utilizzata in settori e industrie più verticali, la capacità dell’intelligenza artificiale (AI) di trasformare i processi aziendali, il processo decisionale strategico e le esperienze dei clienti viene ampiamente lodata dagli strateghi IT e dagli analisti economici.

Persino gli amministratori delegati, un tempo diffidenti nell’approvare gli investimenti di cui l’IA ha bisogno per fornire un valore ottimale, stanno iniziando a riconoscere il suo potenziale per migliorare l’efficienza operativa e aprire la strada a nuovi flussi di entrate.

Le previsioni di venerabili osservatori del mercato come PwC supportano la loro visione. Suo 'Studio globale sull'intelligenza artificiale' stima che l'intelligenza artificiale potrebbe contribuire fino a 15.7 trilioni di dollari alle economie globali nel 2030. Di questi, 6.6 trilioni di dollari potrebbero provenire da una maggiore produttività e 9.1 trilioni di dollari potrebbero provenire da "effetti collaterali sui consumi", afferma PwC.

Il recente lancio di diversi strumenti di intelligenza artificiale generativa è considerato un problema breakout punto per quello che in precedenza era stato un ramo altamente specializzato e "futuristico" dell'informatica. Nel Regno Unito nel 2022 l'Office for Artificial Intelligence segnalati che circa il 15% delle aziende ha adottato almeno una tecnologia AI, il che equivale a 432,000 aziende. Circa il 2% delle aziende sta sperimentando l’IA e il 10% prevede di adottare almeno una tecnologia AI in futuro (rispettivamente 62,000 e 292,000 aziende).

È comunque roba complessa

In questo fervore sull’intelligenza artificiale, le organizzazioni dovrebbero ricordare che l’intelligenza artificiale è ancora una tecnologia relativamente giovane e può essere difficile installarla per la prima volta. Inoltre, il ritorno sull'investimento (ROI) associato dipende in larga misura da procedure e configurazioni di implementazione gestite in modo molto preciso, che spesso sono meno robuste di fronte agli errori rispetto alle implementazioni IT convenzionali.

L’intelligenza artificiale pone test stimabili per i team IT incaricati di implementare iniziative e carichi di lavoro di intelligenza artificiale/apprendimento automatico, ad esempio, che possono includere il superamento delle lacune di competenze e dei vincoli di elaborazione. Potrebbero anche comportare compromessi in termini di risorse con altri carichi di lavoro aziendali che già utilizzano un'infrastruttura IT comune.

“L’intelligenza artificiale è un viaggio, non una destinazione: non si tratta di essere pronti all’adozione o di automatizzare i processi semplicemente per una maggiore efficienza”, afferma Matt Armstrong-Barnes, Chief Technology Officer per l’intelligenza artificiale presso Hewlett Packard Enterprise (HPE). “Si tratta piuttosto di realizzare valore a lungo termine, di ottenere risultati migliori e di riconoscere che l'intelligenza artificiale richiede un approccio fondamentalmente diverso all'implementazione dell'IT. Per i tecnologi aziendali si tratta di una curva di apprendimento a tutto tondo a 360 gradi”.

Il punto di Armstrong-Barnes è evidenziato dalle ultime "Stato dell'IA nell'impresa' sondaggio tra i leader aziendali globali. Gli intervistati hanno identificato una serie di sfide legate all’intelligenza artificiale nelle fasi successive dei loro progetti di implementazione dell’intelligenza artificiale. Dimostrare il valore aziendale dell’intelligenza artificiale è una questione citata dal 37% dei partecipanti: i progetti possono rivelarsi costosi e un business case convincente può essere difficile da convalidare di fronte a consigli di amministrazione e dirigenti C-Suite attenti agli investimenti.

L’espansione di questi progetti di intelligenza artificiale nel tempo può incontrare ulteriori ostacoli identificati, come la gestione dei rischi legati all’intelligenza artificiale (citato dal 50% dei partecipanti al sondaggio Deloitte), la mancanza di consenso da parte dei dirigenti (anche il 50%) e la mancanza di manutenzione o supporto continuo (ancora il 50%).

“Comprensibilmente, i leader aziendali devono essere convinti che l’intelligenza artificiale darà i suoi frutti”, afferma Armstrong-Barnes. “È qui che lavorare fin dall’inizio con un partner tecnologico che è stato coinvolto per molti anni in implementazioni di intelligenza artificiale comprovate aiuta a vincere la causa. Il suo track record conferirà credibilità alle proposte di progetto e aiuterà a convincere i dirigenti che i rischi dell’intelligenza artificiale sono gestibili come qualsiasi altra impresa IT”.

E se da un lato la tecnologia e il talento sono certamente necessari, dall’altro è altrettanto importante allineare la cultura, la struttura e le modalità di lavoro di un’azienda per supportare un’ampia adozione dell’IA. secondo McKinsey, con caratteristiche distintive che talvolta fungono da barriere al cambiamento guidato dall’intelligenza artificiale.

"Se un'azienda ha gestori delle relazioni che si vantano di essere in sintonia con le esigenze dei clienti, potrebbero rifiutare l'idea che una "macchina" possa avere idee migliori su ciò che i clienti desiderano e ignorare le raccomandazioni di prodotto su misura di uno strumento di intelligenza artificiale," suggerisce McKinsey.

“Parlo spesso con colleghi e clienti HPE sulla gamma di sfide che incontrano con l’implementazione dell’intelligenza artificiale”, riferisce Armstrong-Barnes. “Alcune caratteristiche probatorie comuni emergono ancora e ancora. Il primo è la sottovalutazione di quanto le implementazioni dell’IA siano fondamentalmente diverse dalle implementazioni IT tradizionali. Le organizzazioni devono implementare l’intelligenza artificiale in un modo sostanzialmente diverso rispetto ai progetti IT implementati in passato. La gestione e la scalabilità dei dati sono significativamente diverse per l’intelligenza artificiale. Ciò significa che a volte l’esperienza tecnologica conquistata con fatica deve essere appresa di nuovo”.

La tendenza a sperimentare progetti pilota di intelligenza artificiale prima di implementarla direttamente in un caso d’uso reale che supporti un’esigenza aziendale urgente dovrebbe essere evitata, spiega Armstrong-Barnes. "L'approccio try-before-you-buy sembra ragionevole: l'intelligenza artificiale è complessa e richiede investimenti", spiega, "ma con l'intelligenza artificiale, le prove di prova e i progetti di test non replicano realmente le sfide che le organizzazioni degli utenti incontreranno con un'implementazione effettiva . Ciò che inizia “in laboratorio” tende a rimanere in laboratorio”.

All'altra estremità della scala di adozione, Armstrong-Barnes vede le aziende che cercano di applicare l'intelligenza artificiale ovunque possa essere applicata, anche laddove un'applicazione funziona in modo ottimale senza l'intelligenza artificiale: "La conclusione qui è che solo perché nell'intelligenza artificiale hai un martello enorme, non dovresti quindi vedere tutto come una noce da schiacciare.

Persone e infrastrutture non facilmente disponibili

Anche i sistemi di intelligenza artificiale più avanzati devono ancora raggiungere la totale autonomia end-to-end: devono essere addestrati e messi a punto dalle competenze umane. Ciò rappresenta un’ulteriore sfida per le aziende aspiranti all’intelligenza artificiale: come acquisire al meglio le competenze necessarie – riqualificare il personale IT esistente? Reclutare nuovi membri del team con le conoscenze necessarie sull'intelligenza artificiale? Oppure esplorare opzioni per delegare la necessità di competenze in materia di intelligenza artificiale ai partner tecnologici?

McKinsey rapporti che il potenziale dell’intelligenza artificiale è limitato dalla carenza di talenti qualificati. Un tipico progetto di intelligenza artificiale richiede un team altamente competente che includa un data scientist, un data engineer, un ingegnere ML, un product manager e un designer – e semplicemente non ci sono abbastanza specialisti disponibili per occupare tutti quei posti di lavoro aperti.

"Vediamo che gli esperti di tecnologia aziendale generalmente devono aggiornare le proprie capacità sotto cinque aspetti chiave", afferma Armstrong-Barnes. “Principalmente risiedono nelle aree di competenza in materia di intelligenza artificiale, infrastruttura IT, gestione dei dati, gestione della complessità e, in misura minore, nelle suddette barriere culturali. Nessuna di queste sfide è insormontabile con il giusto approccio e il sostegno della partnership”.

L'intelligenza artificiale preferisce anche l'hardware super potente su cui funzionare. Il provisioning di piattaforme di elaborazione ad alte prestazioni continua a rappresentare una sfida costante perché poche organizzazioni vogliono (o possono permettersi) di effettuare gli investimenti necessari nei propri server senza un aumento dimostrabile dei rapporti ROI.

“Quando pianificano le implementazioni dell’intelligenza artificiale, in una fase molto precoce i pianificatori IT devono prendere alcune decisioni chiave riguardanti la tecnologia abilitante di base”, afferma Armstrong-Barnes. "Ad esempio, lo comprerai, lo costruirai o adotterai un approccio ibrido che comprenda elementi di entrambi?"

La prossima decisione importante riguarda i partenariati. Una condizione determinante per una fornitura di intelligenza artificiale di successo è che nessuno possa farcela da solo, sottolinea Armstrong-Barnes: “È necessario il supporto di partner tecnologici e il modo migliore per stabilire tali partnership è attraverso un ecosistema di intelligenza artificiale. Pensa a un ecosistema di intelligenza artificiale come a un consorzio di competenze di supporto che, unendosi, ti daranno accesso al giusto know-how, ai dati, agli strumenti di intelligenza artificiale, alla tecnologia e all’economia per sviluppare e rendere operative le tue attività di intelligenza artificiale”.

Armstrong-Barnes aggiunge: “I clienti a volte si chiedono come HPE sia arrivata ad avere tanta esperienza nei casi d’uso dell’intelligenza artificiale: abbiamo previsto il suo impatto anni fa e abbiamo iniziato a prepararci con largo anticipo rispetto al mercato? Il fatto è che abbiamo visto l’impatto dell’intelligenza artificiale arrivare non anni ma decenni fa, abbiamo creato centri di eccellenza ed ecosistemi di intelligenza artificiale per molto tempo e abbiamo effettuato acquisizioni strategiche per aumentare le nostre competenze esistenti in linea con le esigenze dei clienti e le opportunità di crescita”.

Senza sacrificio non si ottiene nulla

Uno di questi miglioramenti è Determined AI, che è entrato a far parte delle offerte di soluzioni HPC e AI di HPE nel 2021. Il software open source di Determined AI affronta il fatto che la creazione e l'addestramento di modelli ottimizzati su larga scala rappresentano una fase impegnativa e critica dello sviluppo ML, una fase che sempre più richiede che i non tecnologi come analisti, ricercatori e scienziati affrontino le sfide dell’HPC.

Queste sfide includono la configurazione e la gestione di uno stack software e di un’infrastruttura altamente paralleli che comprendono provisioning di elaborazione specializzato, archiviazione di dati, struttura di elaborazione e schede di accelerazione.

"Inoltre, gli esponenti del machine learning devono programmare, programmare e addestrare i propri modelli in modo efficiente per massimizzare l'utilizzo dell'infrastruttura specializzata che hanno creato", afferma Armstrong-Barnes, "che può creare complessità e rallentare la produttività".

Questi compiti devono essere svolti, ovviamente, con un rigoroso livello di competenza che, anche con il supporto di team IT interni sovraccarichi, non è facilmente garantito.

La piattaforma open source di Determined AI per l'addestramento dei modelli ML è progettata per colmare questa lacuna di risorse, semplificando l'impostazione, la configurazione, la gestione e la condivisione di workstation o cluster AI eseguiti in locale o nel cloud. Oltre al supporto premium, include funzionalità quali strumenti avanzati di sicurezza, monitoraggio e osservabilità, il tutto supportato dalle competenze interne di HPE.

“L’intelligenza artificiale determinata consiste nel rimuovere gli ostacoli che impediscono alle aziende di creare e addestrare modelli ML su vasta scala e velocità, al fine di realizzare maggiore valore in meno tempo, con il nuovo sistema di sviluppo HPE Machine Learning”, spiega Armstrong-Barnes. “Queste funzionalità includono elementi piuttosto tecnici necessari per ottimizzare i carichi di lavoro di intelligenza artificiale/apprendimento automatico, come la pianificazione dell’acceleratore, la tolleranza agli errori, l’addestramento parallelo e distribuito ad alta velocità dei modelli, l’ottimizzazione avanzata degli iperparametri e la ricerca dell’architettura neurale.

“Aggiungete a ciò compiti disciplinari come la collaborazione riproducibile e il monitoraggio delle metriche: c'è molto da tenere sotto controllo. Con l'aiuto di Determined AI, gli specialisti di progetto possono concentrarsi sull'innovazione e accelerare i tempi di consegna."

Maggiori risorse e normative HPC svolgono la loro parte

La potenza dell’HPC viene inoltre sempre più utilizzata per addestrare e ottimizzare i modelli di intelligenza artificiale, oltre a combinarsi con l’intelligenza artificiale per aumentare i carichi di lavoro come la modellazione e la simulazione: strumenti consolidati per accelerare i tempi di scoperta in settori dell’industria manifatturiera.

Il mercato globale dell’HPC è destinato a registrare una crescita stimabile nel resto degli anni 2020. Intelligenza di Mordor stime il suo valore è pari a 56.98 miliardi di dollari nel 2023 e si prevede che raggiunga i 96.79 miliardi di dollari entro il 2028, un CAGR dell’11.18% nel periodo di previsione.

“HPE costruisce infrastrutture HPC da molto tempo e ora dispone di un portafoglio HPC che include supercomputer Exascale e piattaforme di elaborazione a densità ottimizzata. Alcuni dei più grandi cluster HPC si basano sull’innovazione HPE”, afferma Armstrong-Barnes. “HPE vanta una competenza senza pari nelle piattaforme hardware ad alte prestazioni.”

Con l'introduzione di HPE GreenLake per modelli linguistici di grandi dimensioni All’inizio di quest’anno (2023), le aziende – dalle startup alle aziende Fortune 500 – possono addestrare, ottimizzare e implementare l’intelligenza artificiale su larga scala utilizzando una piattaforma di supercalcolo sostenibile che combina il software AI di HPE e i supercomputer più avanzati.

Chiaramente, l’adozione dell’intelligenza artificiale è una sfida per le organizzazioni di tutte le dimensioni, ma non è solo una questione di tecnologia, sottolinea Armstrong-Barnes: “Sempre più spesso, tutti coloro che adottano l’intelligenza artificiale dovranno rimanere aggiornati con le normative e le conformità emergenti sull’intelligenza artificiale. Legislazioni come la Carta dei diritti sull’intelligenza artificiale degli Stati Uniti, la legge sull’intelligenza artificiale dell’UE e le prossime proposte normative stabilite nel Libro bianco sull’intelligenza artificiale del governo britannico – generalmente previste per informare un quadro sull’intelligenza artificiale pronto per la conformità – ne sono esempi immanenti.

Per le aziende che operano a livello internazionale, questo sembra un altro ostacolo avvolto nella burocrazia, ma Armstrong-Barnes suggerisce che la conformità normativa potrebbe non essere così onerosa come potrebbe sembrare, con un piccolo aiuto da parte di un ecosistema di partnership AI ben organizzato.

"Verifica se anche i tuoi partner dell'ecosistema AI possono aiutarti a garantire la conformità: se ti trovi già in un ambiente aziendale fortemente regolamentato, potrebbe darsi che tu sia già a metà strada rispetto alle norme esistenti."

Sponsorizzato da HPE.

Timestamp:

Di più da Il registro