Dal lancio di GPT-4 di OpenAI lo scorso anno, l’aumento di strumenti di intelligenza artificiale è stato esponenziale, con l’adozione dell’AI generativa prevista in aumento fino a 77,8 milioni di utenti entro due anni dal rilascio di ChatGPT. Questa tecnologia però non è priva di rischi. Molte aziende, comprese alcune principali realtà del settore consumer tech, ne hanno bannato l’utilizzo, menzionando problemi di privacy e conformità. Al contempo molti Governi stanno introducendo una legislazione per regolamentarne l’utilizzo.
AI generativa, tra aspettative e preoccupazioni
È evidente che siamo ancora in una fase preliminare di comprensione dell’impatto e delle potenzialità che può avere l’AI generativa. Un recente report McKinsey stima che l’AI generativa e altre tecnologie potrebbero automatizzare abbastanza attività lavorative da liberare circa il 60/70% del tempo dei dipendenti. Tuttavia, ci sono molte preoccupazioni legittime riguardo alla privacy dei dati e alle implicazioni etiche dell’AI generativa, tra cui imparzialità e correttezza, diritti di proprietà intellettuale e impatti sui posti di lavoro.
Riguardo a queste preoccupazioni, è in corso un dibattito sulla possibilità per l’AI generativa di essere apertamente disponibile agli utenti attraverso strumenti di AI Open-Source. Alcuni esperti ritengono che sia fondamentale migliorare la nostra comprensione dell’AI prima di rendere disponibile al pubblico il source-code.
A questo proposito, però, sembra si sia raggiunto un punto di non ritorno. Il potente modello AI LLaMA2 di Meta, rilasciato lo scorso luglio, è open-source. A giugno, il Presidente francese Emmanuel Macron aveva annunciato un investimento di 40 milioni di euro in un “comune digitale” aperto per progetti di AI generativa realizzati in Francia per attirare gli investitori privati e raccogliere più capitale. Questa notizia è particolarmente interessante per chi è nell’UE, dove l’intelligenza artificiale tende a essere più regolamentata.
Anche per le aziende italiane l’AI open-source potrebbe essere estremamente vantaggiosa nel consentire agli sviluppatori di creare, sperimentare e collaborare su modelli di AI generativa aggirando le tipiche barriere finanziarie. Tuttavia, è fondamentale che le organizzazioni riconoscano i rischi e implementino le misure corrette fin dall’inizio per utilizzare la tecnologia in modo responsabile ed evitare che i dati critici finiscano nelle mani sbagliate.
Il modello di AI privata
Le aziende sono comprensibilmente riluttanti a condividere i propri dati con i fornitori di AI del cloud pubblico, i quali potrebbero utilizzarli per addestrare i propri modelli. L’AI privata offre un’alternativa che consente alle aziende di sfruttare i vantaggi trasformativi dell’intelligenza artificiale per l’efficienza dei processi, mantenendo contemporaneamente la proprietà dei propri dati.
Con l’AI privata, gli utenti possono creare appositamente un modello di intelligenza artificiale per fornire i risultati di cui hanno bisogno, un modello addestrato sui dati di cui dispongono e in grado di eseguire i comportamenti desiderati, garantendo allo stesso tempo il controllo sui propri dati. Gli utenti ricevono modelli unici e la garanzia che le proprie informazioni siano a esclusivo vantaggio proprio, dei propri clienti, e non dei concorrenti o di fornitori di cloud pubblici.
La privacy dei dati è una ragione fondamentale per scegliere l’AI privata, specialmente per le organizzazioni i cui dati rappresentano un vantaggio competitivo o sono strettamente riservati, come nel caso di aziende mediche, sanitarie, di servizi finanziari, assicurative e del settore pubblico. D’altro canto, i dati sono una delle risorse più preziose che un’azienda possa avere ed è quindi fondamentale che rimangano al sicuro. Con l’AI privata, le aziende possono mantenere i dati critici al sicuro e protetti dallo sfruttamento da parte della concorrenza e di possibili hacker.
Il controllo che si ha con l’AI privata è un altro aspetto positivo: le aziende che adottano un approccio basato sull’AI privata possono, infatti, personalizzare e adattare il proprio modello di intelligenza artificiale secondo le proprie esigenze. Questo consente di generare informazioni molto più rilevanti e accurate, grazie alle proprie soluzioni di AI. Al contrario, il gruppo di fonti disparate di dati utilizzate dagli algoritmi di AI pubblica può portare a risultati generalizzati, con conseguente inefficienza e necessità di un maggiore intervento umano per prevenire un’errata interpretazione dei dati.
Sebbene l’AI pubblica inizialmente possa sembrare più conveniente, i benefici a lungo termine dell’AI privata superano notevolmente l’investimento iniziale.
Scelta di una strategia di adozione dell’AI privata
Ci sono due approcci per adottare un modello di AI privata:
- sviluppare e formare algoritmi di intelligenza artificiale internamente
- adottare un approccio platform-based.
Le piattaforme con AI privata e generativa possono essere utilizzate per addestrare rapidamente modelli sulla base dei dati aziendali senza condividerli con terze parti, incluso il fornitore della piattaforma. Inoltre, l’approccio platform-based offre una serie di servizi che supportano l’intero ciclo di vita della gestione dell’AI: dalla raccolta di dati provenienti da più fonti all’addestramento degli algoritmi, integrandoli in processi e flussi di lavoro. Ciò presenta vantaggi significativi per migliorare l’efficienza e promuovere l’adozione dell’intelligenza artificiale.
Quando si sceglie che approccio utilizzare, va tenuto in considerazione l’investimento, poiché lo sviluppo interno di modelli di AI privata comporta in genere un costo maggiore rispetto alle opzioni di piattaforma o cloud pubblico, in quanto richiede alle aziende di finanziare e creare un team di esperti, tra cui data scientist, data engineering e software engineering. Dall’altro lato, l’adozione di un approccio basato su piattaforma per l’AI privata non necessita di un team di esperti, il che riduce significativamente la complessità e i costi associati all’implementazione dell’AI privata.
Altro aspetto da considerare è la velocità di distribuzione: c’è un pregiudizio comune secondo cui l’addestramento di modelli di intelligenza artificiale privata richiede molto tempo, ma non è sempre così. Per esempio, le aziende che utilizzano un approccio basato su piattaforma potrebbero essere in grado di addestrare un nuovo modello di AI in poche ore o giorni, il che accelera notevolmente l’implementazione. Al contrario un processo di addestramento dei modelli di AI basato sullo sviluppo di algoritmi implementati internamente tende a essere più lento, poiché in genere richiede più tempo e risorse umane per raccogliere e preparare dati e integrare informazioni provenienti da più fonti per alimentare gli algoritmi di intelligenza artificiale.
La strategia per l’adozione dell’AI
Un altro fattore importante da considerare quando si sceglie una strategia di AI è se addestrare l’intelligenza artificiale utilizzando un modello open-source o un modello chiuso. Sebbene l’open-source sia pre-addestrata su enormi set di dati disponibili al pubblico, i rischi per la sicurezza e la conformità associati a questo approccio sono significativi. Per mitigare i rischi, le aziende possono adottare un modello di intelligenza artificiale open-source ibrido, dove i dati restano privati, ma il codice, gli algoritmi di addestramento e l’architettura del modello di intelligenza artificiale sono disponibili pubblicamente.
Dall’altro lato, i modelli di AI chiusa sono mantenuti privati dalle aziende che li sviluppano, compresi i dati di addestramento, il code base e l’architettura sottostante. Questo approccio consente il pieno controllo su tutta l’infrastruttura di AI, consentendo al tempo stesso alle aziende di utilizzare la proprietà intellettuale dell’AI come vantaggio competitivo.
Promuovere una cultura per l’adozione dell’AI
Implementare l’AI privata aiuta a promuovere una cultura all’adozione dell’intelligenza artificiale tra i dipendenti. Con la consapevolezza che gli strumenti dell’AI sono sicuri, affidabili e realizzati utilizzando dati interni, è probabile che i dipendenti siano più aperti ad utilizzare l’intelligenza artificiale, che può migliorare l’efficienza operativa e consentire più tempo alle attività più creative e strategiche. Questa democratizzazione dell’AI consente a tutti i dipendenti, non solo a pochi selezionati – forse più curiosi – di accedere e trarre vantaggio dalla stessa fonte di informazioni.
I dati sono uno dei beni più preziosi e i modelli di AI generativa dipendono da essi per natura. Per questo motivo, chi possiede i dati ne trae maggior beneficio. C’è un immenso potenziale per le aziende di scoprire insight, ottimizzare le operazioni e stare al passo con la concorrenza utilizzando l’AI. Tuttavia, non bisogna trascurare l’importanza della privacy dei dati, del controllo e del tasso di rendimento a lungo termine. L’AI privata è una soluzione logica e sicura per le aziende che vogliono salvaguardare i loro dati e guadagnare un vantaggio competitivo in questa nuova era dell’intelligenza artificiale.
