Alessandro Giaume e Stefano Gatti, autori del libro #AI Expert edito da Franco Angeli, spiegano a chi si rivolge il libro e con quale obiettivo: l’idea è dare degli strumenti pratici a coloro che intendono sviluppare competenze in ambito Intelligenza Artificiale… partendo dalla consapevolezza (e provocazione) che oggi le competenze tecniche hanno una durata limitata nel tempo.
DI SEGUITO LA TRASCRIZIONE DEL VIDEO
A chi si rivolge questo libro?
[00:00:06] Questo è un libro che, come tutti i libri che fanno parte della collana dedicata alle professioni digitali, vuole rappresentare una opzione pratica e non teorica per dare indicazioni a professionisti e manager, tutti coloro i quali pensano di dover entrare in contatto con il tema dell’intelligenza artificiale… Vogliamo dare loro degli strumenti per comprendere. Diciamo che è il classico libro da tenere sempre sulla propria scrivania e da consultare quando serve.
Quali competenze deve avere un esperto di intelligenza artificiale?
[00:00:34] Le competenze sono un tema molto rilevante. Parto da un assunto: le competenze oggi hanno una durata limitata nel tempo; quindi ancor più che competenze forse devono essere ricercate caratteristiche sulle quali costruire, di volta in volta, le competenze che sono necessarie.
[00:00:51] In generale comunque serve sapere di statistica, serve sapere di matematica, sapere sicuramente le cosiddette STEM ma non si può non sapere anche di business. Non foss’altro perché (un AI Expert) si deve poter interfacciare con chi fa il budget e coloro che danno gli insight giusti per andare a costruire algoritmi di valore. Anche quello è un set di competenze importanti; l’ultima area sulla quale ci possiamo concentrare è quella invece delle statistica perché tutti gli algoritmi hanno le radici nella statistica (e nella matematica) e quindi di fatto nella Advanced Business Analytics.
[00:01:36] Anche quella è una componente del Data Scientist.
Perché nel libro si parla del superamento della figura del Data Scientist?
[00:01:40] Il Data Scientist oggi è una figura… Non voglio dire sopravvalutata ma una figura della quale probabilmente non sia ben chiara quale sia la collocazione all’interno delle organizzazioni. Il Data Scientist nasce per trovare nuovi modi di dare efficacia all’azione di un’impresa. È chiaro che non basta perché poi questa deve essere messa a terra, dev’essere portata a scalare, deve essere inserita in una dinamica diciamo completa.
[00:02:10] Infatti il libro affronta una serie di competenze e una serie di figure professionali che queste competenze incarnano, senza le quali non riusciremo ad arrivare alla cosiddetta digital economy.
[00:02:23] Oggi c’è la possibilità di fare business meglio grazie al fatto che abbiamo tendenzialmente algoritmi predittivi che ci aiutano.
Perché Stefano non sei d’accordo con la visione di Alessandro?
[00:02:33] Alessandro ed io ci siamo confrontati parecchie volte durante la stesura del libro e abbiamo posizioni non completamente sovrapposte sull’importanza, nel medio periodo, del Data Scientist.
[00:02:44] Io sono convinto che il Data Scientist a inizio decennio, nel 2010, era sicuramente l’unica figura che si vedeva. Cruciale nei progetti di Data Science e di Artificial Intelligence. Oggi lo scenario è un po’ cambiato. Non è l’unico solista. Non è più un solista all’interno dell’azienda, di tutta una serie di progettualità che ruotano attorno alla Data Science; il tavolo della Artificial Intelligence si è allargato con figure che aiutano il Data Scientist a ricavare valore da questi dati attraverso algoritmi. Figure quali il Data Engineer ma anche il Data Business Analyst, colui che per esempio conosce il contesto di business e aiuta Data Scientist e Data Engineer a trovare valore, e fare in modo che i risultati di questi progetti siano calati all’interno del business.
[00:03:46] Ma ci sono anche altre figure che poi raccontiamo nel libro quale il Security Data Expert, il Legal Expert che magari non partecipano all’interno di un progetto di Data Science in tutto il ciclo di vita ma che sono importanti in molte fasi per rendere facilmente realizzabile e facilmente integrabile nei prodotti e nei processi aziendali il risultato di questi AI driven processes.
