“L’intelligenza artificiale è una disciplina che applica analisi avanzate e tecniche logic-based, incluso machine learning, per interpretare eventi, supportare e automatizzare decisioni e agire”.
Gartner, A Framework for Applying AI in the Enterprise.
Definire l’Intelligenza Artificiale per i Responsabili IT e le Aziende
Quando pensiamo ad un framework in grado di supportare i responsabili IT nell’intento di capire e applicare correttamente l’intelligenza artificiale, è importante comprenderne innanzitutto la sua definizione nel contesto aziendale.
Dopotutto, è un’area tecnologica molto ampia e in continua evoluzione.
Una cosa è certa quando parliamo di intelligenza artificiale: sarà la tecnologia che nel prossimo decennio rivoluzionerà le pratiche tecnologiche aziendali.
Le aree di studio e capacità includono l’elaborazione delle immagini, riconoscimento vocale, PNL e molte altre. I continui progressi dei metodi analitici come machine e deep learning promettono ricche opportunità per il futuro.
Per ottenere valore dall'intelligenza artificiale, è fondamentale definire i casi d’uso rilevanti per una specifica attività e di conseguenza stabilire le priorità.
Uno sguardo al futuro:
- la customer experience è la principale fonte di valore a cui applicare intelligenza artificiale;
- la riduzione dei costi è uno dei vantaggi dell’applicazione dell’intelligenza artificiale.
Intelligenza Artificiale all’Avanguardia e Tecnologie Secondarie Odierne
Affinché i responsabili IT possano sviluppare strategie di successo con l’implementazione di intelligenza artificiale, è importante capire dove l’intelligenza artificiale viene utilizzata a supporto delle tecnologie di oggi.
1. Machine learning e Infrastruttura di Calcolo
“Si definisce machine learning (ML) una disciplina tecnica che mira ad estrapolare conoscenze o schemi da una serie di osservazioni”.
Gartner, A Framework for Applying AI in the Enterprise.
Secondo il Gartner report: “il deep learning (DL) è una variazione del machine learning: i problemi aziendali sono risolti attraverso l’estrazione di informazioni dai dati. Il deep learning estende le funzionalità del machine learning consentendo il rilevamento di rappresentazioni intermedie.
Queste rappresentazioni intermedie consentono di affrontare problemi più complessi e potenzialmente di risolverne altri con maggiore accuratezza e senza intervento manuale.
Al momento, il tipo più comune di deep learning è la rete DNN (deep neural network) che utilizza più livelli di unità di elaborazione interconnesse per trovare rappresentazioni intermedie all'interno dei dati di input non elaborati e offre un framework che può essere applicato a molteplici casi aziendali”.
2. Elaborazione del Linguaggio Naturale
Il linguaggio naturale non è una novità: alcune funzionalità sono disponibili da oltre un decennio.
Tuttavia, i recenti progressi della tecnologia DL hanno migliorato le prestazioni, offrendo opportunità per migliorare sia i servizi che le operazioni.
Secondo il Gartner report: “Le applicazioni più utili per la PNL al momento mirano a migliorare il servizio clienti e il supporto dei dipendenti”.
Le imprese che cercano di sfruttare la PNL dovrebbero avviare progetti pilota con obiettivi ragionevoli per dimostrare efficacemente il successo.
I progetti possono evolvere in dimensione e complessità man mano che l’esperienza viene stabilita.
3. Visione Artificiale
Secondo il report di Gartner: “le tecnologie di visione artificiale comprendono cattura, elaborazione, e analisi di immagini digitali per significato e contesto”.
Esistono numerose aree di pratica, tra cui:
- Machine vision;
- OCR (Optical Character Recognition);
- Image recognition;
- Pattern recognition;
- Facial recognition;
- Edge detection;
- Motion detection.
4. Data Science e Analisi
“Le piattaforme di data science e machine learning sono applicazioni software uniche che offrono una combinazione di elementi basilari essenziali sia per la creazione di molteplici tipologie di soluzioni che per l’integrazione di tali soluzioni all’interno di processi aziendali”,
Gartner, A Framework for Applying AI in the Enterprise.
Nell'ambiente di business competitivo odierno, molte organizzazioni si concentrano sul rendere l'analisi accessibile a tutti i dipendenti. Ciò ha modificato efficacemente il modello tradizionale per la business intelligence.
Nel frattempo, i data scientist utilizzano piattaforme di data science e ML per creare e sviluppare soluzioni. Secondo il report di Gartner:
“Le piattaforme di Data Science supportano i data scientist per l’intera pipeline di dati e analisi, tra cui:
- Performance engineering;
- Deployment;
- Formazione;
- Testing;
- Feature engineering;
- Esplorazione interattiva e visualizzazione;
- Preparazione dei dati;
- Data access e data ingestion;
- Modeling avanzato”.
5. Robot e Sensori
"Le tecnologie basate su machine learning automatizzato possono sostituire il lavoro manuale di un dipendente in ambienti o processi produttivi pericolosi”,
Gartner, A Framework for Applying AI in the Enterprise.
Secondo il report di Gartner: “gli strumenti RPA sono applicazioni software progettate per svolgere attività ripetitive e manuali solitamente svolte dai dipendenti. Generalmente, in queste soluzioni non è presente l’intelligenza artificiale".
Aspetti Chiave Utili per Sfruttare le Potenzialità dell’Intelligenza Artificiale
Sicuramente è necessario iniziare a familiarizzare con l’intelligenza artificiale per capire quali sono le aree aziendali in cui poterla applicare. Ad esempio, sfruttare il deep learning per estrarre dati in maniera efficiente al fine di rilevare informazioni, operazione che richiede molto più tempo se svolta manualmente.
Infine, è importante identificare in che modo le diverse unità aziendali possono trarre vantaggio dai progressi ottenuti con lo sfruttamento dell’intelligenza artificiale.
Per scoprire di più su come applicare l’intelligenza artificiale in azienda scarica il report di Gartner a questa pagina.
Oltre 30,000 aziende in più di 80 paesi, come NFL, Lenovo, Poste Italiane, Audi, NBA, US Air Force, utilizzano le soluzioni Extreme Networks per gestire infrastrutture di rete complesse di nuova generazione.
Extreme Networks offre soluzioni di nuova generazione per la gestione, il controllo e la sicurezza delle reti aziendali. Wired e wireless, desktop e data center, on-premise e cloud, una suite completa per aumentare l'efficienza operativa e rendere il network aziendale performante, scalabile, semplice da gestire e sicuro.
Per avere maggiori informazioni sulle soluzioni Extreme Networks invia una mail a cio@florence-consulting.it o chiama lo (055) 538-3250.
In alternativa, puoi compilare il form sottostante con la tua domanda.