written by
Arianna Nistri

Cosa Hanno in Comune l’Integrazione e l’Intelligenza Artificiale? – MuleSoft Anypoint Platform

Digital Transformation 4 min read
Cosa Hanno in Comune l’Integrazione e l’Intelligenza Artificiale? – MuleSoft Anypoint Platform
Cosa Hanno in Comune l’Integrazione e l’Intelligenza Artificiale? – MuleSoft Anypoint Platform

La tecnologia emergente è disordinata e l'intelligenza artificiale (IA), in particolare, è forse la più disordinata. Nel 2018, Gartner ha previsto che entro il 2022, l'85% dei progetti di intelligenza artificiale avrebbe fornito risultati errati.

L'anno successivo, Forbes ha ipotizzato che l'87% delle implementazioni dell'IA in tutti i settori non sarebbe riuscito a raggiungere la produzione, rimanendo per sempre rinchiuso nel seminterrato figurativo dell'azienda.

Queste proiezioni da sole sono abbastanza preoccupanti, ma se poste accanto al più ampio tasso di fallimento dei progetti IT diventano ancora più critiche. La ricerca PMI riporta che il 14% dei progetti IT fallisce.

Perché il tasso di fallimento dei progetti di intelligenza artificiale è così alto e, inoltre, perché è così drasticamente diverso dal più ampio panorama IT? Cosa causa il fallimento a livelli così catastrofici?

Perché è Necessaria una Strategia d’Integrazione per l’Intelligenza Artificiale?

Cosa hanno in comune integrazione e intelligenza artificiale? Fondamentalmente, qualsiasi implementazione dell'IA è un problema di integrazione e il tasso di fallimento è in gran parte dovuto a un fallimento delle integrazioni che circondano l'IA stessa.

Una solida architettura di integrazione è fondamentale per il successo dell'IA.

Laddove l'integrazione riguarda principalmente il flusso di dati, l'intelligenza artificiale si basa sui dati per fornire approfondimenti all'organizzazione.

L'intelligenza artificiale incrementa i dati, ma senza un buon metodo per trasferirli da e verso il sistema di intelligenza artificiale, qualsiasi implementazione di intelligenza artificiale risulterà piatta.

L'intelligenza artificiale lotta anche con problemi che sono già stati affrontati nello spazio dell'integrazione. Il principale tra questi sono le grandi architetture monolitiche per questi modelli.

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.

Nello spazio di integrazione, abbiamo visto che questo crea problemi per la scalabilità e i tempi di sviluppo. Lo stesso vale per i sistemi di intelligenza artificiale. I modelli monolitici richiedono molto tempo per essere sviluppati, non possono essere riutilizzati nei progetti imminenti per aumentare l'efficienza e non sono scalabili in modo efficace.

Cos’è l’Intelligenza Artificiale Guidata dalle API?

L'intelligenza artificiale guidata dalle API è un modo semplificato e standardizzato di visualizzare l'intelligenza artificiale. L'obiettivo è creare piccoli blocchi predefiniti e riutilizzabili da distribuire in tutta l'organizzazione.

Per il lettore più esperto di intelligenza artificiale, questo potrebbe sembrare impossibile, o almeno sconsigliato. Come è possibile suddividere un modello di intelligenza artificiale in componenti più piccoli? Sebbene ci siano certamente modelli che non possono essere scomposti, molti sistemi possono farlo.

Facciamo un esempio concreto con un sistema recommender per un fast food. Supponiamo di voler consigliare le voci del menu ai clienti mentre ordinano e vogliamo implementare questo sistema per ordini drive-through, in negozio e da mobile.

La modalità tradizionale per risolvere questo problema è costruire tre sistemi per ogni utilizzo. Il team crea un modello per il drive-through, 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, esistono dati rilevanti per il drive-through che non abbiamo per i negozi o per i dispositivi mobile.

In che modo agisce l’approccio basato su API? Innanzitutto, esaminiamo le funzionalità dei dati rilevanti per tutti e tre i sistemi, come le offerte attuali, l'ora del giorno e l'ubicazione del ristorante.

Con questo, costruiamo un unico sistema di intelligenza artificiale che può essere utilizzato per tutti e tre i casi. Anche se non funzionerà da solo, possiamo aumentare i risultati di questo sistema per ogni caso d'uso con modelli aggiuntivi più piccoli.

Quel modello comune che abbiamo costruito sopra può essere riutilizzato per gli altri due casi d'uso senza modifiche, riducendo drasticamente il time-to-market per i sistemi successivi ma correlati.

La Modalità Migliore per Creare un’Azienda “Smart”

L'approccio API-led crea una base a prova di futuro che accelera lo sviluppo attraverso il riutilizzo e l'astrazione. L'API ha già dimostrato di essere una soluzione efficace ai problemi che l'IA deve affrontare.

Se vuoi avere maggiori informazioni sui vantaggi dell'utilizzo di API 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.

digital transformation mulesoft anypoint platform api led connectivity api led connectivity mulesoft integrazione sistemi apis intelligenza artificiale api led approach integrazione sistemi mulesoft anypoint platform