Le nuove tecnologie possono sembrare caotiche, l’intelligenza artificiale forse lo è ancor di più. Gartner prevede che entro il 2026 la creazione di innovazione basata su un utilizzo mirato di intelligenza artificiale porterà il 75% di innovazioni tecnologiche ad avere successo in quel campo di applicazione; si stima inoltre diametralmente che ben il 40% di quelle che non utilizzerà l’IA potrebbe fallire.
Secondo le analisi di MuleSoft i dati riguardanti i progetti che hanno utilizzato l’IA nel 2022 riportano un tasso di fallimento che si aggira tra il 60% e 80%.
Queste proiezioni lasciano perplessi ma se contestualizzate assieme al tasso di realizzazione dei grandi progetti IT sono ancora più catastrofiche, almeno due terzi di questi falliscono nei tempi di consegna o nei costi o nelle aspettative dei clienti.
Perché il tasso di fallimento dei progetti di intelligenza artificiale è così alto? Qual è la causa che porta al fallimento?
Uno dei motivi principali è l’integrazione tra le API e l’intelligenza artificiale. In questo articolo, MuleSoft approfondisce gli aspetti di come le API si interfacciano all’IA per ridurre i tassi di fallimento.
Perché hai bisogno di una Strategia di Integrazione per l’Intelligenza Artificiale?
Prima di entrare più nello specifico sull’integrazione tra API ed Intelligenza Artificiale, se non si ha familiarità con la tematica integrazione attraverso le API, consigliamo di approfondire qui l’argomento “Integrazione API con Mulesoft Anypoint Platform”.
Ritornando al problema principale, cosa hanno in comune integrazione e IA? Fondamentalmente, qualsiasi implementazione dell'IA è un problema di integrazione e spesso la stessa ragione dei fallimenti di questi progetti. Una solida architettura di integrazione è un must per il successo dell'IA.
Basti immaginare l'intelligenza artificiale e l'integrazione come un impianto idraulico, laddove l'integrazione riguarda principalmente la gestione del flusso di dati che aiuta l'IA ad elaborarli e fornire approfondimenti all'organizzazione.
Nel momento in cui c’è un aumento dei dati per l'Intelligenza Artificiale si necessita di un buon metodo di trasferimento degli stessi, altrimenti è inevitabile che qualsiasi implementazione dell'IA fallirà.
Una delle principali problematiche riguarda l’applicazione dell’IA in grandi architetture monolitiche. Spesso i sistemi di intelligenza artificiale sono progettati per risolvere un singolo problema e, di conseguenza, il sistema è altamente interconnesso e serve solo un singolo caso d'uso.
Nel momento in cui si vuole creare scalabilità e sviluppare altre aree, il sistema monolitico mette in rilievo i suoi limiti bloccando l’efficienza e l’efficacia dei progetti.
Che cos’è l’API-Led AI?
L'intelligenza artificiale basata su API è un modo semplificato e standardizzato di vedere l'IA. L'obiettivo è creare piccoli elementi costitutivi riutilizzabili che è possibile distribuire in tutta l'organizzazione.
Per i più esperti di intelligenza artificiale, questo potrebbe sembrare impossibile, o almeno sconsiderato. Com’è possibile suddividere un modello di intelligenza artificiale in pezzi più piccoli? Sebbene ci siano certamente modelli che non possono essere scomposti, per molti sistemi è possibile.
Prendiamo, ad esempio, un sistema per un ristorante che effettua anche l’asporto. Supponiamo che si voglia consigliare voci di menu ai clienti mentre ordinano e che si voglia implementare questo sistema per l'ordinazione take away, in negozio e mobile.
Il modo tradizionale per risolvere questo problema è costruire tre sistemi per ogni utilizzo. Il team crea un modello per il takeaway, lo testa e lo distribuisce per l'uso, quindi ricomincia da capo per il sistema successivo.
Mentre alcuni dei dati che entrano in questi sistemi potrebbero essere gli stessi, ci sono dati rilevanti per il take away che non abbiamo per il ritiro in negozio o per il take away da mobile.
Com’è l’approccio API-led? Innanzitutto, esaminiamo le caratteristiche dei dati rilevanti per tutti e tre i sistemi, come le offerte attuali, l’orario e l'ubicazione del ristorante.
Con queste informazioni, si costruisce un unico sistema di intelligenza artificiale che può essere utilizzato per tutti e tre i sistemi. Anche se potrebbe non funzionare da solo, possiamo incrementare i risultati di questo sistema per ogni caso d'uso con modelli aggiuntivi più piccoli.
Quel modello comune creato in precedenza può essere riutilizzato per altri due casi d'uso senza modifiche, riducendo drasticamente il tempo di commercializzazione per sistemi successivi.
Il Miglior Modo per Creare un’Azienda Smart
L'intelligenza artificiale basata su API consente di sfruttare i vantaggi dell'implementazione perché le API creano una base a prova di futuro che accelerano lo sviluppo attraverso il riutilizzo e l'astrazione.
È già stato dimostrato che una soluzione API è efficace ai problemi che l'intelligenza artificiale deve affrontare. Vuoi scoprire di più? Invia una mail a cio@florence-consulting.it o chiama lo (055) 538-3250.
Visita la pagina dedicata sul nostro sito per ricevere ulteriore materiale informativo o per richiedere una demo gratuita.
In alternativa puoi compilare il form sottostante con la tua domanda.
