Glossario

Intelligenza artificiale (AI)

L'intelligenza artificiale (AI) è l'insieme di tecnologie che permettono a un sistema informatico di svolgere compiti che richiedono capacità tipiche dell'intelligenza umana, come comprendere il linguaggio, riconoscere immagini, prevedere eventi o prendere decisioni. I sistemi moderni imparano dai dati, grazie al machine learning, invece di seguire solo regole scritte a mano.

Cos’è l’intelligenza artificiale e come funziona

Un sistema di intelligenza artificiale riceve dati, li elabora con un modello matematico e produce un risultato: una previsione, una classificazione, un testo, un’azione. Nei sistemi attuali il modello non è scritto a mano. Si ottiene con l’addestramento, cioè mostrando al sistema grandi quantità di dati finché non impara a dare risposte corrette. Il metodo si chiama machine learning, e la sua forma più avanzata è il deep learning.

Il termine nasce nel 1956, in un seminario estivo organizzato al Dartmouth College, negli Stati Uniti. Da allora il campo ha alternato fasi di forte entusiasmo e fasi di stallo, fino alla crescita dell’ultimo decennio, legata ai dati disponibili e alla potenza di calcolo.

I principali tipi di intelligenza artificiale

  • IA ristretta: sistemi progettati per un compito preciso, come riconoscere un volto o consigliare un film. Tutti i sistemi oggi in uso appartengono a questa categoria.
  • IA generativa: sistemi che producono testi, immagini, audio o codice, descritti nella voce intelligenza artificiale generativa.
  • IA generale: sistemi capaci di svolgere qualunque compito intellettuale umano. Resta un obiettivo di ricerca e non esiste ancora.

Dove si usa l’intelligenza artificiale in azienda

Le applicazioni più diffuse sono l’assistenza ai clienti con chatbot, l’analisi di documenti con l’elaborazione del linguaggio naturale, il controllo qualità con la computer vision, la previsione della domanda e la manutenzione predittiva. I sistemi che rispondono usando i documenti dell’azienda si basano spesso sul RAG.

Limiti e rischi dell’intelligenza artificiale

Un modello è valido quanto i dati con cui è stato addestrato. Dati incompleti o sbilanciati producono risultati sbagliati o discriminatori. I sistemi generativi possono inventare informazioni false con tono sicuro. Il trattamento di dati personali richiede il rispetto del GDPR, e i sistemi connessi ai processi aziendali vanno protetti secondo le regole di sicurezza informatica.

Le regole europee sull’intelligenza artificiale

Il regolamento (UE) 2024/1689, detto AI Act, è entrato in vigore il 1° agosto 2024 e si applica per fasi. Classifica i sistemi per livello di rischio: vieta alcuni usi, come certe forme di classificazione sociale, impone obblighi stringenti ai sistemi ad alto rischio e prevede regole di trasparenza per chatbot e contenuti generati. Il NIST americano ha pubblicato un quadro volontario di gestione del rischio, l’AI Risk Management Framework.

Le tappe dell’intelligenza artificiale

Nel 1950 Alan Turing propone un test per decidere se una macchina possa essere considerata intelligente, e nel 1956 il seminario di Dartmouth dà il nome alla disciplina. Seguono decenni alterni: i periodi di fiducia sono interrotti da fasi di ridimensionamento, dette inverni dell’intelligenza artificiale, in cui i risultati restano sotto le attese e i finanziamenti calano. Nel 1997 il computer Deep Blue batte il campione di scacchi Garry Kasparov, nel 2012 il deep learning si impone nel riconoscimento di immagini, nel 2016 il sistema AlphaGo batte un campione di Go. Dal 2022 i chatbot basati su grandi modelli linguistici portano la tecnologia a un pubblico molto più ampio.

Come introdurre l’intelligenza artificiale in una PMI

Si sceglie un processo con un problema chiaro, dati disponibili e un risultato misurabile, come il tempo speso a rispondere alle richieste dei clienti o il numero di errori in una procedura. Si verifica la qualità dei dati, si decide quanta supervisione umana prevedere e si avvia un progetto pilota di poche settimane. Se i numeri confermano il vantaggio, si estende la soluzione e si definiscono regole d’uso per i dipendenti, con indicazioni su quali dati si possono inserire negli strumenti. Molte iniziative si fermano perché partono da una tecnologia e non da un problema.

Trasparenza, pregiudizi e controllo umano

Un sistema addestrato su dati storici può riprodurne gli squilibri: un modello di selezione del personale addestrato su assunzioni passate tende a favorire i profili già assunti. Per ridurre il rischio si esaminano i dati, si controllano i risultati per gruppi di persone e si lascia a un essere umano la decisione finale nei casi che incidono su diritti e opportunità. L’azienda deve poter spiegare a chi subisce una decisione quali elementi hanno pesato, e per questo conviene scegliere strumenti che consentano di ricostruirla.

Intelligenza artificiale e lavoro

L’automazione di compiti ripetitivi libera tempo, ma cambia anche le competenze richieste: chi usa questi strumenti deve saper formulare richieste precise, controllare i risultati e riconoscere gli errori. Nelle aziende che l’hanno introdotta con successo, la formazione dei dipendenti ha accompagnato l’acquisto della tecnologia. Il regolamento europeo prevede anche un obbligo di alfabetizzazione: chi usa sistemi di IA in azienda deve adottare misure per assicurare al proprio personale un livello adeguato di competenza.

Fonti e approfondimenti