L’intelligenza artificiale è al centro di dibattiti, ricerche, sviluppi, e nei desideri di ogni azienda che intenda rimanere nel mercato. Come nei film di fantascienza che spesso sono stati precursori di “scoperte” scientifiche, ci sono cose che in un futuro abbastanza vicino diventeranno scienza altre che resteranno irrealizzabili perché oltre i limiti imposti dalle leggi della fisica. Il futuro sarà una concorrenza di applicazioni positive e negative dell’intelligenza artificiale in tutte le sue declinazioni; adesso ci si preoccupa molto dell’etica e dell’affidabilità di tecnologie che stiamo ancora scoprendo ed evolvendo, ma soprattutto applicando in tutti i settori merceologici.
I vantaggi e le sfide dell’intelligenza artificiale
Oggi vorremmo che l’intelligenza artificiale fosse, e in alcuni casi già lo è, un alleato nel comprendere dati destrutturati e mettere ordine dove un essere umano impiegherebbe tempi notevolmente lunghi per completare la stessa attività. Un processo che si prospetta come un grande aiuto nelle attività lavorative, nelle attività ripetitive, molto soggette all’errore umano, ma che allo stesso tempo insinua il dubbio che possa sostituire l’operato di molte persone e ridurre i posti di lavoro. Indubbiamente analizzare grandi molti di dati ed estrarre informazione in tempi rapidi è un vantaggio che rende competitivi sui mercati; ancora di più lo è il fatto di essere in grado di stimare l’andamento del mercato nei mesi successivi. Sicuramente la possibilità di offrire un servizio ai clienti che è attivo 24 ore su 24 con degli agent che svolgono le funzioni di un operatore amplia la presenza di un’azienda sul mercato e ne incrementa le possibilità produttive.
Ci stiamo chiedendo tutti se un giorno l’intelligenza artificiale eguaglierà e supererà il livello di intelligenza umana; nella capacità di gestione di grandi quantità di dati, nella velocità e nelle attività ripetitive o molto simili tra loro ci ha già superato. Ci supererà in creatività, nel pensiero logico matematico? Dopo tutto un’entità artificiale produce un output che è basato su una enorme quantità di input, ma potrà mai scoprire o creare qualcosa di nuovo in totale autonomia? Le sfide attuali però sono ancora un passo indietro, ci sono almeno tre aspetti problematici che sono da migliorare:
- l’autonomia di un agent intelligente che non richieda la validazione finale di un essere umano per garantire la precisione necessaria del risultato;
- la capacità di non farsi hackerare, nonché evitare l’adversarial learning; si pensi alle immagini o ai testi dati in input a un sistema “intelligente” per confonderlo o per aggirare i vincoli di eticità;
- la sostenibilità delle risorse che i sistemi di intelligenza artificiale più complessi richiedono per fornire degli output con un’accuratezza utile allo scopo per cui sono stati creati. Il consumo energetico richiesto per la creazione e l’utilizzo dei Large Language Model è al centro del dibattito.
L’intelligenza artificiale trasforma il settore IT
Il campo immediatamente impattato dagli sviluppi dell’intelligenza artificiale è quello dell’Information Technology, il settore che è operativamente alla base di tutte le applicazioni realizzate fino a oggi e tramite il quale si investe nella ricerca. Ogni giorno si acquista la consapevolezza del valore aggiunto dato dall’implementazione di soluzioni di intelligenza artificiale e dalla conseguente possibilità di velocizzare e ottimizzare i processi e le risorse, così da consentire all’essere umano di concentrarsi su attività più stimolanti e strategiche.
Automazione delle attività e miglioramento dell’efficienza
Ci sono diversi modi in cui l’intelligenza artificiale può migliorare le applicazioni e facilitarne l’uso; quotidianamente usiamo applicazioni dell’intelligenza artificiale per lavorare e per svago. Usare comandi vocali con lo smartphone o con gli assistenti vocali è l’esempio più evidente alla nostra portata. Ma alla base dei modi in cui l’intelligenza artificiale contribuisce alle necessità degli esseri umani ci sono le macro azioni del “suggerire” e “correggere”.
Suggerire non significa il solo completamento di una parola o di una frase dopo i primi caratteri digitati, ma un concetto più ampio che può comprendere i sistemi di aiuto alla guida di un veicolo fino alla guida autonoma; suggerire è la parte di intelligenza artificiale che aiuta a velocizzare le attività dell’essere umano. Analogamente correggere non è limitato solo al linguaggio ma a ogni azione di aggiustamento che previene comportamenti non attesi di un sistema come può essere la correzione continua della traiettoria di un drone o di un veicolo a guida autonoma.
Le azioni di suggerimento e correzione migliorano l’efficienza umana in una continua interazione di aiuto da parte del sistema e di verifica da parte della persona.
Intelligenza artificiale per sviluppo software e soluzioni innovative
Ricordiamo uno dei primi assistenti per sviluppatori disponibile da anni, inizialmente integrabile nei più diffusi IDE, github Copilot. Oggi si usa GPT-4 come fonte di ispirazione per la scrittura di codice nel linguaggio di programmazione desiderato fornendo una descrizione in linguaggio naturale della funzionalità da realizzare. Microsoft offre il suo Copilot, assistente basato sulla generative AI, integrato con la suite Office per automatizzare e aumentare la produttività, dalla creazione di contenuti come una e-mail o un documento word, alla creazione di una presentazione, la creazione di immagini, fino alla scrittura di codice.
La grande innovazione della generative AI in questo campo è l’interfaccia in linguaggio naturale che rende più accessibile ogni tecnologia. L’interazione tra intelligenza artificiale e intelligenza umana è una combinazione ideale per le soluzioni innovative.
L’AI al servizio di cybersecurity e prevenzione delle minacce informatiche
Tra le prime applicazioni in questo campo, ormai consolidata da anni, troviamo la rilevazione dello spam, il riconoscimento delle e-mail con contenuti sospetti e dei tentativi di phishing. Sono forse le prime applicazioni evidenti di algoritmi di Machine learning a uso protettivo e preventivo. Notiamo comunque che nonostante queste soluzioni siano presenti da anni sul mercato e siano molto diffuse, non tutto lo spam viene riconosciuto come tale e rimane una percentuale di errore negli algoritmi. Nonostante questo, gli algoritmi utilizzati in soluzioni di cybersecurity sono molto efficaci nell’apprendere i modelli comportamentali degli utenti e di normalità di una rete rilevando immediatamente qualsiasi attività che se ne scosti.
Soluzioni analoghe sono implementate per la rilevazione delle frodi online e bancarie; il sistema apprende le tipologie di transazioni non sospette e le tipologie di transazioni fraudolente, bloccando e segnalando le più sospette.
Rivoluzione intelligente nella logistica e nella supply chain
In un settore dove l’organizzazione è l’elemento di successo, l’introduzione dell’intelligenza artificiale e dei suoi algoritmi non può che portare beneficio e favorire l’ottimizzazione di tutta la catena operativa. Molte attività possono essere ripetitive e noiose, quindi col tempo l’essere umano è soggetto a errore mentre un sistema che svolge regolarmente senza stancarsi e in continuo tali attività lascia spazio alla creatività umana. L’automazione nell’industria è presente da molti anni e a vari livelli, ma quando si parla di automazione non ci si ferma alla RPA (Robotic Process Automation) che lavora sui processi definiti da un essere umano, ha le funzionalità per creare gli script di automazione, si integra con le applicazioni aziendali e ha funzionalità di monitoraggio e sicurezza.
L’intelligenza artificiale lavora sui dati, ha bisogno di essere alimentata da molte sorgenti e di interagire con tutto il sistema ma può riconoscere i modelli e imparare nel tempo.
Ottimizzazione dei processi e riduzione dei costi
La velocizzazione delle operazioni e la semplificazione dei processi operativi è uno degli elementi di riduzione dei costi, ma non è l’unico. L’eliminazione della carta stampata a favore di soluzioni digitali oltre a ridurre i costi è un elemento di sostenibilità ambientale. La capacità di estrarre informazioni dalle immagini e dai documenti PDF semplifica la gestione aziendale e migliora l’efficienza dei processi. L’ottimizzazione dei trasporti, dove vengono applicati algoritmi complessi per la valutazione dei percorsi, migliora la logistica e tutta la supply chain. Tutti questi aspetti contribuiscono alla riduzione dei costi diretta e indiretta attraverso l’ottimizzazione dei processi.
Intelligenza artificiale per previsione della domanda e gestione delle scorte
Una buona produzione e la vendita devono contare su un magazzino ben gestito e sulla disponibilità di quello che serve al momento giusto. Gli algoritmi di Machine learning, parte di quello che globalmente è l’intelligenza artificiale, permettono una gestione delle scorte ottimale e fanno sì che i prodotti richiesti siano sempre disponibili, che il deperimento sia sotto controllo, che la movimentazione sia ridotta al minimo. Questo vale sia per i generici magazzini sia per la grande distribuzione (GDO) dove la gestione ottimale riduce gli sprechi e di conseguenza anche i costi. Col tempo un sistema intelligente acquisisce sempre più dati e migliora le sue capacità previsionali sull’andamento futuro del mercato stimando una domanda e a volte proponendo anche un’offerta dedicata.
Robotica e automazione per una logistica intelligente
Dopo la gestione automatica di un magazzino dal punto di vista dello stoccaggio e delle scorte, viene la gestione dello stoccaggio in scaffali con inserimento e del prelievo di un articolo specifico in modo automatico da parte di un sistema robotizzato che è in grado di muoversi autonomamente all’interno di un’area delimitata. L’elemento robotico deve avere una mappa dell’ambiente in cui muoversi, disporre di una videocamera per muoversi in maniera libera e ottimizzare il percorso in presenza di altri robot, deve accedere a un database con le coordinate degli scaffali e con il loro contenuto.
Un tale sistema evita agli operatori di perdere tempo in attività di ricerca degli articoli e in attività di movimentazione materiale; inoltre è possibile organizzare lo stoccaggio in modo sia verticale, sia orizzontale ottimizzando lo sfruttamento dello spazio disponibile senza la necessità che una persona si esponga a rischi dovuti alle altezze e alla struttura di stoccaggio. L’unione della robotica e dell’intelligenza artificiale permette di creare sistemi esperti che ottimizzano la preparazione e la consegna di articoli in tempo record azzerando le possibilità di errore e riducendo i rischi fisici per gli operatori. Un noto player mondiale nel campo e-commerce sta facendo scuola e passi da gigante nell’automazione con intelligenza artificiale per l’intera gestione del commercio su internet.
Intelligenza artificiale al servizio del manifatturiero
Il manifatturiero è un settore molto ampio che comprende una pluralità di mercati e ambiti, meccanica, alimentare, elettronica, tessile, chimico farmaceutico, abbigliamento e molti altri. Sono tutti ambiti produttivi dove si va dall’approvvigionamento delle materie prime alla realizzazione di prodotti finiti pronti alla vendita. Tutto quello che abbiamo detto finora può contribuire all’ottimizzazione della catena produttiva; l’intelligenza artificiale può essere introdotta con l’uso di opportuni algoritmi a tutti i livelli, nella gestione dell’approvvigionamento risorse, nello stoccaggio ottimale, nel miglioramento della produzione, nella verifica del prodotto finito con controlli specifici a campione o su tutta la catena.
Predictive maintenance e riduzione dei fermi macchina
In una catena produttiva, in particolare in flussi di lavorazione composti da diverse fasi e una varietà di macchine per lavorazioni specifiche, è importante garantire che tutti gli elementi siano sempre funzionanti ed eventuali fermi macchina abbiano il minimo impatto sul volume della produzione. Disporre di un sistema che sia in grado di dare una previsione seppur non estremamente precisa della necessità di manutenzione delle macchine, riduce al minimo i fermi macchina casuali per difetti o rotture. Non si tratta solo di manutenzione programmata e periodica, ma di un sistema basato su algoritmi di Machine learning che è in grado di predire con giusto anticipo le possibilità di guasto dei diversi macchinari in uso; la possibilità di avere dati da sensori o sonde aumenta la precisione del sistema nel predire la necessità di manutenzione di una macchina. Parliamo in questo caso di manutenzione predittiva.
Controllo di qualità intelligente e riconoscimento difetti
La qualità di un prodotto è stabilità in base ad alcune caratteristiche che possono essere di robustezza, aspetto visivo, peso, dimensioni corrette e altre qualità. Per alcune caratteristiche è sufficiente un sistema di automazione classico con semplici controlli, per esempio un controllo sul peso dell’articolo, mentre per altri è sicuramente meglio utilizzare un sistema intelligente; l’esempio più immediato è un sistema di visione che rileva difetti esterni di estetica o strutturali. Un sistema dotato di computer vision è in grado di riconoscere difetti anche non visibili all’occhio umano ed è esente da distrazione, stanchezza, problemi di vista per la continua visualizzazione degli stessi articoli.
L’operatore si può dedicare a un’attività di controllo e verifica del sistema intelligente e può intervenire in casi dubbi o in caso di problemi. Un esempio un po’ alternativo all’industria è quello dell’agricoltura dove con sistemi dotati di computer vision abbinati a droni è possibile controllare la maturazione della frutta e avvisare nel caso di rilevazione di difetti, quindi di ottimizzare il raccolto mantenendo la qualità del prodotto o anche intervenire e recuperare una situazione che sta deteriorando il prodotto.
Ottimizzazione della produzione e supply chain management
Ottimizzare la produzione a volte richiede un compromesso tra velocità e precisione nelle attività delle persone. Come potrebbe migliorare la situazione un sistema intelligente? Potrebbe intervenire nel completamento di ordini non completamente strutturati, riducendo il tempo di gestione della documentazione. Potrebbe rendere disponibile una chatbot in grado di raccogliere gli ordini o di fornire supporto alla risoluzione delle problematiche garantendo continuità e più tempo all’operatore per gestire altre attività importanti. Potrebbe effettuare il controllo di qualità e scartare i prodotti difettosi, potrebbe suggerire un’attività di manutenzione preventiva, potrebbe fornire un sistema di classificazione delle mail in modo che vengano distribuite agli uffici di competenza e molte altre cose che abbiamo elencato precedentemente.
L’intelligenza artificiale nella formazione
Abbiamo parlato di intelligenza artificiale applicata ad attività produttive, ambienti industriali, trasporti e distribuzione. Dopo tante applicazioni qualcuno ha iniziato a pensare di utilizzare i dati per analizzare il comportamento umano, è nata la “people analytics”. Un modo nuovo di legare il comportamento umani ai KPI aziendali, di comprendere lo stato di benessere o disagio di un essere umano e di suggerire azioni di miglioramento. People analytics è un’estensione delle attività di analytics applicate al settore delle risorse umane (HR); un insieme di metodi e strumenti di analisi per raccogliere e interpretare i dati relativi alle persone in un’azienda al fine di ottenere informazioni utili alla gestione complessiva delle risorse umane e di un’organizzazione di successo con persone più preparate alle sfide giornaliere e soddisfatte.
Personalizzazione dell’apprendimento e percorsi formativi adattivi
Conoscere i propri dipendenti per supportarli al meglio; lo scopo è avere persone sempre più coinvolte e motivate e identificare le opportunità di miglioramento. Le competenze delle persone sono dinamiche ed evolvono sia con percorsi formativi sia con le attività lavorative ed extra lavorative. Un monitoraggio frequente delle risorse umane e una personalizzazione del percorso formativo in base al ritmo di apprendimento, alle capacità e ai soft skill è la chiave vincente per una crescita della risorsa e diminuire il turn over.
Valutazione intelligente e feedback automatico
Il settore HR può estrarre un grande valore aggiunto dall’uso di algoritmi di classificazione e da applicazioni di Generative Artificial Intelligence; con tali applicazioni si possono acquisire input in linguaggio naturale o testi di una persona e produrre un feedback in termini di classificazione schematica e un feedback descrittivo articolato. L’input del sistema intelligente può essere il questionario di verifica finale dopo la partecipazione a un corso formativo o qualsiasi testo o discorso realizzato ai fini di una valutazione generale della risorsa. I sistemi di valutazione intelligente possono essere utilizzati nel settore HR per capire la migliore strategia di reclutamento piuttosto che stabilire il periodo migliore o le migliori fonti di provenienza delle risorse.
Chatbot e assistenti virtuali per il supporto didattico
Una applicazione più tecnica dell’intelligenza artificiale nel processo di gestione delle risorse è legata al supporto didattico che può essere garantito con disponibilità continua. Il Natural Language Processing e la Generative AI qui sono i protagonisti e permettono la creazione di bot che interagiscono con le persone fornendo informazioni specifiche sui corsi, sul materiale didattico, sugli argomenti dei corsi. Possono essere implementati chatbot che forniscono suggerimenti introduttivi al percorso didattico per orientare la persona e dare indicazioni su pertinenza degli argomenti, priorità e quant’altro; il bot potrebbe recuperare la storia della singola persona e seguire la formazione dopo i suggerimenti iniziali, stabilire una tabella di marcia e verificarne il rispetto piuttosto che incitare o sollecitare l’utente.
Intelligenza artificiale per la sanità
L’intelligenza artificiale interviene a diversi livelli nella sanità; prima di tutto è stata introdotta con applicazioni di ausilio e supporto alla diagnostica, quindi a livello chimico farmaceutico poi come in ogni entità organizzata è stata introdotta per ottimizzare i processi e la gestione del sistema con notevole successo. Ricordiamo AlphaFold, in grado di predire la struttura tridimensionale di una proteina; è stato il precursore dell’utilizzo dell’intelligenza artificiale per “predire” nuovi farmaci.
Diagnosi intelligente e assistenza medica personalizzata
La disponibilità di grandi moli di dati in input e la potenza di calcolo hanno reso possibile l’utilizzo di algoritmi complessi per supportare il processo decisionale ed emettere diagnosi accurate. Molto efficiente è l’analisi diagnostica delle immagini dove l’intelligenza artificiale può individuare con efficacia la presenza di patologie. Molti progetti di ricerca sono stati finanziati a livello europeo per la realizzazione di sistemi di controllo remoto o in ospedale dei pazienti, per la previsione di ricadute per alcune patologie o malattie, per la correzione della terapia in tempi veloci, spesso con l’ausilio di analisi effettuate sui pazienti tramite dispositivi indossabili e connessi in rete.
Sia la ricerca sia le aziende si impegnano a introdurre l’intelligenza artificiale in progetti di sistemi che migliorano la prevenzione, l’individuazione e la cura delle patologie.
Sviluppo di farmaci e terapie innovative
L’intelligenza artificiale può essere utilizzata con i suoi algoritmi di apprendimento e di ricerca per scoprire nuove terapie e nuovi farmaci. Le applicazioni possono lavorare su campioni di tessuti per sperimentare diverse combinazioni di farmaci e analizzare la risposta confrontandola con tutti i risultati ottenuti. La mole di lavoro di un ricercatore viene velocizzata al punto da poter analizzare insieme le caratteristiche biologiche di pazienti, selezionare un insieme di terapie possibili, determinare la migliore.
Un secondo aspetto è la capacità di trovare nuovi farmaci; un sistema con intelligenza artificiale è in grado di accedere a una quantità di informazioni ingestibile per un essere umano e può esplorare le più impensabili combinazioni di elementi, in tempi veloci e con meno costi, scartando quelle non efficaci. La scoperta di un nuovo farmaco però porta sempre con sé un lungo tempo di sperimentazione prima di poter essere commercializzato, ma anche in questo frangente forse l’intelligenza artificiale potrà ridurre i tempi.
Intelligenza artificiale al volante: il futuro dell’automotive
Se diamo uno sguardo all’evoluzione della strumentazione in dotazione ai veicoli delle ultime generazioni possiamo provare a immaginare cosa farà per noi l’intelligenza artificiale al volante. Il futuro ci riserverà un parco di veicoli che si parleranno tra loro con un protocollo standard e saranno in grado di muoversi autonomamente con velocità sicurezza e affidabilità perché interconnessi e dotati di una molteplicità di sensori e videocamere che sicuramente superano l’occhio umano in qualsiasi condizione di luminosità e distanza.
Veicoli autonomi e guida assistita
Nelle automobili e in altri mezzi di trasporto, da anni gradualmente vengono introdotti sistemi di controllo che fanno uso di algoritmi anche di intelligenza artificiale. Inizialmente erano solo sistemi di monitoraggio e avviso, ma col tempo si stanno introducendo sistemi in grado di intervenire con alcune correzioni sulla guida, in grado di parcheggiare autonomamente, fino ad alcuni modelli completamente autonomi. Ormai tutte le case automobilistiche propongono in dotazione dispositivi di assistenza alla guida la cui realizzazione è stata possibile solo agli sviluppi dell’intelligenza artificiale.
Alcuni esempi sono il controllo dinamico della corsia e della distanza da altri veicoli con intervento sulla guida per mantenerlo in sicurezza, il controllo del guidatore per interpretarne l’espressione e capire se è stanco o si sta addormentando. I veicoli a guida autonoma usano alcuni di questi dispositivi e altri più specifici per prendere decisioni in tempo reale necessari in assenza dell’intervento umano.
Manutenzione predittiva e ottimizzazione delle prestazioni
I veicoli come le macchine in un’industria sono soggetti a usura e necessitano di manutenzione. Nonostante l’abitudine sia il tagliando periodico a tempo o a km percorsi, così come si possono implementare software che permettono la manutenzione predittiva nelle aziende manufatturiere, in modo simile si potranno implementare per i veicoli. I dati in input sono diversi e sono costituiti dalle misure provenienti dai sensori a bordo del veicolo quando è in movimento; gli algoritmi di apprendimento permettono di predire la vita delle batterie, associare l’usura delle diverse parti allo stile di guida, alle condizioni ambientali di temperatura e umidità, quindi consigliare una manutenzione specifica a tempo opportuno.
Mobilità intelligente e servizi connessi
L’intelligenza artificiale può essere di grande aiuto nel migliorare la mobilità dei mezzi di trasporto, non solo di veicoli ma anche di biciclette o altri mezzi. I vari servizi di noleggio biciclette diffusi da almeno una decina di anni nelle città sono un ottimo settore di sperimentazione per l’utilizzo di algoritmi di intelligenza artificiale per scopi di mobilità e gli stessi concetti e algoritmi possono essere applicati ad altri tipi di veicoli. In un servizio di noleggio è importante poter predire la maggiore o minore necessità di mezzi in diverse zone geografiche, la frequenza di utilizzo dei mezzi, l’andamento settimanale, mensile, stagionale del noleggio.
Un sistema basato sull’intelligenza artificiale è in grado di suggerire quanti mezzi tenere, in che zone, quando fare manutenzione, acquisire informazioni sui percorsi maggiormente utilizzati e analizzarli insieme al traffico complessivo monitorato. Il valore aggiunto ulteriore si ha abbinando una mobile app al servizio con cui l’utente può consultare, prenotare, ricevere suggerimenti su altri servizi.
La Pubblica Amministrazione nell’era dell’intelligenza artificiale
L’introduzione dell’intelligenza artificiale nelle Pubblica Amministrazione (PA) è promossa dall’Agid che ha un ruolo centrale nella regolamentazione e nella strategia nazionale. Per chi volesse approfondire l’argomento è stato pubblicato il piano triennale 2024-2026 sulla strategia italiana per l’intelligenza artificiale. L’Agid ha messo a disposizione un decalogo con le indicazioni pratiche su come introdurre l’intelligenza artificiale nella PA. Nel decalogo troviamo le indicazioni pratiche con i relativi approfondimenti:
- miglioramento dei servizi e riduzione dei costi
- analisi del rischio
- trasparenza, responsabilità e informazione
- accessibilità e inclusività
- privacy e sicurezza
- formazione e sviluppo delle competenze
- standardizzazione
- sostenibilità
- foundation models
- dati
I principi con cui introdurre algoritmi di intelligenza artificiale sono molto simili a quelli di una organizzazione privata; nella PA si pone maggior attenzione al cittadino e ai suoi diritti. Di seguito vediamo qualche aspetto particolare
Servizi ai cittadini più efficienti e personalizzati
Così recita il piano triennale: “L’IA migliora l’esperienza dei cittadini nel rapporto con le Istituzioni; fornisce un prezioso supporto nei processi educativi e di apprendimento; è una preziosa alleata nel miglioramento della qualità della vita delle persone e della gestione sostenibile delle risorse, ottimizzando l’utilizzo di energia e materie prime; è un elemento determinante per garantire la sicurezza nazionale e la difesa del Paese.”
La sfida è una gestione sempre più strategica delle risorse pubbliche, con l’obiettivo di migliorare l’efficienza operativa e la soddisfazione degli utenti con servizi sempre più personalizzati e interattivi; l’uso di algoritmi predittivi permettono di anticipare le esigenza dei cittadini, l’uso di chatbot possono fornire assistenza in tempo reale senza barriere linguistiche e facilitando il supporto alle persone con disabilità.
Decision making intelligente e gestione delle risorse
Nella PA la gestione e organizzazione delle risorse umane ed economiche è critica per la quantità di risorse disponibili. Gli algoritmi di intelligenza artificiale possono, esattamente come nelle aziende, analizzare i dati disponibili e suggerire decisioni per ridurre sprechi, gestire dinamicamente il personale in base alle necessità, gestire processi decisionali. I processi decisionali, per loro definizione devono essere chiari, trasparenti, spiegabili e comprensibili; gli algoritmi usati devono essere efficaci ma anche spiegabili e non troppo complessi.
Trasparenza e lotta alla corruzione
La capacità degli algoritmi di intelligenza artificiale di gestire grandi moli di dati e di analizzare e mettere in relazione tali dati consente di rilevare schemi anomali, atti illeciti, irregolarità che possono essere segnali indicativi di corruzione e poca trasparenza. L’intelligenza artificiale è un prezioso alleato nella lotta alla corruzione, nel controllo della spesa pubblica, nell’identificazione di sprechi e frodi.
