“Da qui al 2030 AI e GenAI possono innescare aumenti di produttività per 4400 miliardi, di cui 90 miliardi per l’Italia, e in effetti secondo nostre rilevazioni il 45% delle aziende sta sperimentando la GenAI. Il problema è che solo il 10% l’ha portata in produzione. Queste tecnologie hanno un enorme potenziale, ed è possibile accedervi facilmente, ma è difficile evitare di restare bloccati nella fase di sperimentazione”.

Questa, come ha spiegato l’AD di IBM Italia, Alessandro La Volpe, in un incontro con la stampa, è attualmente la principale difficoltà dei progetti AI, che secondo IBM si può risolvere con un approccio “AI-first”. “Occorre partire dai casi d’uso da cui l’azienda può avere valore strategico – automazione di attività ripetitive, gestione dell’IT, sviluppo di codice, miglioramento della customer experience – e poi fare leva su cinque elementi: data, models, governance, assistants, agents”.

ibm AI buiding blocks dwi

I cinque building blocks dell’AI di IBM

Cominciando dai dati, “quasi il 100% è pubblico, sono dati generalisti e sono già stati usati per addestrare LLM generici. Ma meno dell’1% dei dati aziendali è stato usato per addestrare algoritmi di genAI: questa è la barriera. Per questo IBM qui propone watsonx data, un repository per dati di ogni provenienza, basato su un’architettura “lakehouse” aperta, cioè open source, sicura e compliant”.

Quanto ai modelli, “ce ne sono tanti, non c’è il modello giusto per tutto. Per questo IBM punta sulla famiglia Granite, che sono modelli relativamente piccoli (3-8 miliardi di parametri), per compiti specifici, e soprattutto open source, disponibili con licenza Apache 2.0 senza restrizioni”.

I modelli Granite, continua La Volpe, sono pensati per essere addestrati con dati aziendali e ottenere prestazioni competitive con quelle di modelli più grandi, ma a una frazione del costo. “In ottobre IBM ha lanciato la terza generazione della famiglia, completata dai nuovi modelli Granite Guardian che consentono di costruire barriere di sicurezza contro bias, violazioni dell’IP e altri problemi dell’AI”.

Passando alla governance, qui l’obiettivo è gestire ambienti “multiAI” con vari modelli AI basati su tecnologie diverse, che presto diventerà la situazione più diffusa, ha spiegato La Volpe. La sfida non è solo raccogliere dati, ma gestirli in modo sicuro e nel rispetto delle normative. “Un compito che IBM affronta attraverso Watsonx Governance, che fornisce un insieme di strumenti per garantire trasparenza e responsabilità nelle decisioni supportate dall’IA”.

Infine gli assistenti e gli agenti. Mentre gli assistenti nella visione di IBM automatizzano attività quotidiane semplici e ripetitive, gli agenti vanno oltre, gestendo processi articolati con più fasi, prendendo decisioni e intraprendendo azioni sotto il controllo umano.

Consulting Advantage, un supporto “AI-powered” per i consulenti IBM

Sempre nell’incontro con la stampa Tiziana Tornaghi, General Manager IBM Consulting Italia, ha parlato appunto del ruolo della divisione di consulenza di IBM nell’era dell’AI.

“Un elemento di differenziazione è che nessun’altra grande azienda tech ha una divisione di consulenza così grande, siamo 160mila e abbiamo accesso provilegiato alla tecnologia, ai laboratori e centri di ricerca IBM, ma lavoriamo anche su altre tecnologie”.

Uno strumento di lavoro relativamente nuovo per i consulenti IBM (è operativa dallo scorso luglio), ma pensato come un altro fondamentale elemento di differenziazione è la piattaforma IBM Consulting Advantage. “È una AI-powered delivery platform, addestrata con dati IBM e basata su watsonx: integra interfacce conversazionali intuitive e multimodali, consentendo ai consulenti di scegliere tra modelli AI proprietari e open-source per individuare la soluzione più adatta per i vari progetti, che siano migrazioni cloud, implementazioni SAP, sviluppi di applicazioni o miglioramenti della cybersecurity”.

Consulting Advantage, continua Tornaghi, offre ai consulenti IBM strumenti specifici per settore (soluzioni software pronte all’uso, modelli personalizzati, benchmark, metodologie), e oltre 2000 assistenti AI basati sui ruoli. “Finora ci ha consentito un 50% di aumento della produttività nelle attività di sviluppo, e un 60% di efficienza in più nella gestione dei progetti”.

ibm la volpe tornaghi 12-2024 dwi

Alessandro La Volpe, AD di IBM Italia, e Tiziana Tornaghi, GM di IBM Consulting Italia

Tre demo di casi reali, dal machine learning alla GenAI

Infine IBM ha mostrato la sua AI all’opera in tre demo ricavate da casi reali. Nella prima, un assistente di GenAI viene messo a disposizione degli operatori di manutenzione per supportare gli interventi in caso di guasto in linea, attingendo per le sue risposte dalla documentazione tecnica delle macchine (manuali di istruzione, lista dei possibili log di errore).

Nella seconda demo, l’obiettivo è ottimizzare lo scheduling di produzione tenuto conto di una funzione obiettivo e particolari vincoli produttivi – nell’esempio, il fermo macchina causato da un intervento di manutenzione preventiva. Sulla base dei dati di input relativi alla specifica realtà del cliente, le funzioni di machine learning di watsonx eseguono degli scenari di simulazione di scheduling produttivo, tutto in un ambiente sicuro e protetto.

Infine la terza demo riguarda l’automazione di attività ripetitive, in questo caso la redazione di bandi di gara, con supporto dell’AI in tutte le fasi del processo. Nella fase iniziale l’AI effettua un’analisi di mercato, generando un documento di consultazione sulla base di documenti e siti web certificati, con informazioni da fonti tutte verificabili dall’utente.

In seguito, l’AI assiste l’utente nel riassumere e classificare le informazioni di tale documento. Infine, sempre mantenendo l’utente al centro dei processi di approvazione, supporta la preparazione della strategia per il bando di gara e l’elaborazione di tutta la documentazione necessaria per la sua pubblicazione.