L’AI vuole ridefinire il modo in cui facciamo impresa. Ma come ogni strumento, bisogna saperla usare a proprio vantaggio. Una recente indagine EY su 5000 manager europei rivela che il 52% considera l’AI una priorità strategica, ma solo il 16% si dichiara adeguatamente formato per utilizzarla. Per fare chiarezza sul potenziale dell’intelligenza artificiale per il business, SAS ha tenuto un evento a Milano dove ha parlato non solo di tecnologie, ma anche di come aziende molto diverse fra loro hanno saputo mettere a terra progetti reali.
SAS, l’intelligenza artificiale e le aziende: come cambia il modo di fare business
Per capire che il tema dell’AI per le aziende sia importante, potrebbe anche non servire l’analisi di EY: la sala nel cuore di Milano in cui ci troviamo è gremita di dirigenti e professionisti che non perdono una parola. Non tanto per parlare di nuove tecnologie, ma per capire come sfruttare l’ondata di strumenti AI in maniera concreta. Per anni, si è detto che i dati sono la vera ricchezza delle aziende: è arrivato il momento di farli fruttare.
Ma la volontà di concretezza non esclude le novità tecnologiche. Oltre a discutere delle tecnologie presentate già a giugno per il SAS Innovate on Tour, la regional marketing director di SAS Tonia Calvio ha potuto parlare di una novità annunciata giusto un paio d’ore prima dell’evento.
L’acquisizione di Hazy da parte di SAS segna un punto di svolta nel settore dei dati sintetici. Questa tecnologia permette di replicare pattern statistici dei dati reali senza esporre informazioni sensibili, aprendo nuove possibilità per settori fortemente regolamentati. Le previsioni indicano che entro il 2026 il 75% delle aziende utilizzerà l’AI generativa per creare dati sintetici dei clienti, un balzo significativo rispetto all’attuale 5%. E con i progetti già in essere e questa acquisizione strategica, SAS vuole mettersi in prima fila per fornire time-to-market più veloci, riduzione dei costi e maggior privacy.
La piattaforma tecnologica SAS: un ecosistema di intelligenza artificiale integrato
Dopo l’introduzione e la fresca notizia, SAS ha voluto solo arrivare al nocciolo della questione. Nicola Scarfone, Senior Business Solutions Manager di SAS, e Marta Cicchetti, Customer Advisor Advanced Analytics & AI – SAS, hanno parlato delle tre novità AI più interessanti lanciate nell’ultimo anno dall’azienda. Sottolineando come questi strumenti tecnologici permettono non solo tempi di risposta più rapidi alle esigenze del mercato, ma anche maggior armonia nei team. Scarfone (che ha un background economico e programma in SAS) e Cicchetti (esperta di statistica cresciuta programmando con linguaggi open source), possono lavorare insieme più facilmente con le proprietà multi linguaggio nei nuovi sistemi.
Black Friday con Nord VPN, Ottieni da questo link fino al 71% di Sconto + 3 mesi extra
SAS Viya Workbench: dall’innovazione alla produzione
Una delle novità più interessanti riguarda SAS Viya Workbench. Si tratta di un ambiente di sviluppo che, per l’appunto, risponde alle esigenze di team sempre più eterogenei. La piattaforma permette ai data scientist di utilizzare Python, SAS e altri linguaggi di programmazione in un unico ambiente. Con questa flessibilità, il programmatore può creare un ambiente di lavoro e lanciarlo, senza richiedere l’intervento dell’IT per la parte architetturale. Altro vantaggio è l‘ottimizzazione dei costi cloud, attraverso un sistema intelligente che disattiva automaticamente le risorse non utilizzate.
Più semplicità, più efficienza e meno costi, per sviluppare modelli e analizzarne il comportamento sulle piattaforme entreprise. Un banco di prova per i propri progetti, che fa anche da orchestratore di linguaggi per armonizzare il lavoro dei team.
La Gen AI in azione
Se Workbench è lo strumento ideale per testare in maniera concreta i modelli, qualsiasi discorso sulle tecnologie AI sarebbe incompleto senza parlare di Intelligenza artificiale generativa. È l’argomento più discusso degli ultimi due anni, ma come ci ricorda il team di SAS, due terzi dei leader al momento non è soddisfatto dell’apporto che dà al business — hanno visto molto esperimenti, ma hanno portato a terra pochi progetti.
Per questo motivo, Cicchetti e Scarfone hanno parlato di un caso di successo concreto per mostrare la tecnologia di intelligenza artificiale SAS in azione. Il caso Georgia-Pacific (società americana che produce carta e cellulosa) illustra come partire da un problema concreto, in questo caso la necessità di formare i nuovi operatori sull’utilizzo di macchinari legacy, utilizzando l’AI. L’azienda ha implementato un chatbot basato su SAS Intelligent Decisioning che analizza i dati in tempo reale dei macchinari e suggerisce azioni correttive agli operatori in linguaggio naturale. Il sistema ha trasformato il processo di manutenzione, passando da un ruolo consultivo a uno dispositivo, con un impatto significativo sulla formazione del personale.
SAS Models: strategie di investimento differenziate
Per sfruttare al meglio l’intelligenza artificiale, bisogna partire dalle esigenze di business. Ma bisogna anche saper quale tecnologia adottare per rispondere a quelle esigenze. Cicchetti ci spiega che SAS permette flessibilità nel gestire i modelli AI, perché ci sono tre approcci diversi in base a quello che si vuole creare:
- Costruzione: sviluppo di modelli proprietari per settori specifici (l’esempio è il drug discovery farmaceutico: quando si tratta del core business, potrebbe valer la pena costruire da zero).
- Acquisto: implementazione di soluzioni pronte per l’efficientamento dei processi, soprattutto quelli più “standard” per il settore (per esempio, l’efficientamento dei processi in fabbrica).
- Sottoscrizione: accesso a modelli pre-addestrati, con costi significativamente ridotti rispetto allo sviluppo interno (pensate che GPT4 ha richiesto 78M$, Gemini Ultra 178M$). Può essere un approccio vincente per risolvere problemi che hanno tutti in azienda, come l’analisi dei PDF per organizzare i dati contenuti in quei documenti in maniera più fruibile.
Impatto sui settori chiave
La flessibilità di approccio nell’implementare l’AI permette non solo di efficientare lo sviluppo e il deployment, ma anche di vedere i risultati più velocemente. L’importante, come dimostrano le roundtable organizzate da SAS per parlare di intelligenza artificiale, è avere un approccio orientato al business, coinvolgere nella maniera giusta i dipendenti, non trascurare sicurezza e compliance.
Inoltre, serve riconoscere che non tutte le aziende sono uguali, per core business e dimensioni — e quindi anche l’impatto dell’AI sarà diverso, per sfide e per risultati. Ma i settori che l’AI può efficientare sono molti.
Sanità
Carlo Nicora, Direttore Generale, Istituto Nazionale dei Tumori, ci spiega che il settore sanitario utilizza già abbondantemente l’AI, sia in corsia che in laboratorio. Si può usare l’AI per ottimizzare le risorse ospedaliere e supportare le decisioni cliniche. I sistemi di intelligenza artificiale assistono i medici nell’analisi prognostica (la caratterizzazione del paziente) e diagnostica, semplificando il lavoro clinico. La tecnologia non sostituisce il medico ma diventa uno strumento di potenziamento delle capacità diagnostiche e decisionali: il dottore può avere a disposizione tutte le informazioni rilevante sul paziente e tutte gli studi medici correlati in pochi secondi, per prendere decisioni maggiormente informate. “Preferisco farmi curare da un medico che usa l’AI piuttosto che da un medico che la teme” spiega Nicora.
E anche se, scherzando, dice che non basterà l’intelligenza artificiale di SAS da sola a ridurre le liste d’attesa, questa tecnologia sta già cambiando i processi delle aziende sanitarie. Ma solleva anche interrogativi importanti, soprattutto per questioni medico-legali: se l’AI fa errori, chi risponde?
Trasporto Pubblico
Un ambito totalmente diverso è quello dei trasporti, come ci spiega Paolo Ferrara, Chief Information and Technology Officer di ATM Milano. Eppure, anche in questo caso l’azienda di trasporti sta usando l’AI per guidare una rivoluzione verde con la conversione di 700 veicoli in full electric entro il 2030. L’AI analizza dati telemetrici in tempo reale, integrandoli con informazioni su traffico e meteo per ottimizzare percorsi e consumi. Un’interfaccia conversazionale permette agli operatori di accedere rapidamente alle informazioni necessarie per la manutenzione.
In questo caso, però, siamo ancora in una fase iniziale. Ferrara ci spiega che bisogna ancora lavorare per “creare un mindset legato all’uso dei dati”, qualcosa che non si può dare scontato in un’azienda da diecimila dipendenti. Ma fa crescere la “fame del dato”, anche con progetti più piccoli che permettono quick win che dimostrano l’efficacia delle tecnologie, è una sfida troppo importante per non prenderla sul serio.
Settore Bancario
Adolfo Pellegrino, CIO – Banco BPM, ci spiega che il settore finanziario utilizza l’intelligenza artificiale e servizi come quelli di SAS ormai da tempo. Ma spiega che “per quanto sia un aggettivo strano da utilizzare, usiamo soprattutto l’AI ‘tradizionale’ nei nostri progetti. Sulla Gen AI, molto più giovane, dobbiamo recuperare terreno”.
L’AI può servire per personalizzare i servizi finanziari e migliorare l’efficienza operativa. La Gen AI sta creando “copilot” per le attività di pre-vendita, per far sì che gli operatori possano poi concentrarci sulla chiusura del contratto. Invece, i sistemi tradizionali si occupano di rilevamento frodi e compliance: fondamentali in un settore dove l’attenzione alla normativa rimane centrale, specialmente con l’arrivo dell’AI Act europeo.
Un approccio end-to-end
Seppur molto diversi, ciò che accumuna questi use cases, come spiega Angelo Tenconi, Senior Director Customer Advisory di SAS, è la necessità di aiutare gli operatori a prendere decisioni migliori. Spesso, però, passare dall’innovazione all’operatività non è scontato. SAS offre un ecosistema end-to-end per l’intelligenza artificiale proprio per aiutare le aziende a fare data integration, sviluppo e poi deployment in maniera più fluida e naturale.
Governance e Affidabilità
Tenconi tocca poi un punto essenziale del discorso: l’affidabilità. Il Trust Board AI di SAS vuole garantire l’affidabilità dei sistemi attraverso strumenti come le Model Cards, che forniscono una “etichetta nutrizionale” dei modelli in linguaggio naturale.
A proposito di affidabilità, soprattutto nei settori più normati diventa fondamentale fare attenzione alla compliance. Stefano Battista, Italy Financial Services Country Leader e Deputy EY Italy Leader – EY, oltre a riportare i dati sull’adozione dell’AI di cui abbiamo parlato in apertura, spiega che le aziende stanno lavorando molto sulla mitigazione del rischio e la governance. Anche se l’arrivo dell’AI Act europeo, con scadenze che si avvicinano rapidamente al febbraio 2025, potrebbe accelerare ancora di più l’adozione. “Il profilo sanzionatorio è anche più rigido del GDPR” spiega, quindi “ci aspettiamo che i nostri clienti si adeguino velocemente”.
Domenico Farina, Partner Deloitte, spiega che nel settore finanziario anche le nuove regolamentazioni (DORA, anti-riciclaggio europeo) stanno alzando l’asticella per le aziende, soprattutto per transazioni veloci come l’instant payment. Ma spiega che l’AI potrebbe giocare un ruolo fondamentale per prevenire frodi e proteggere gli investimenti, specie “analizzando i dati transazionali per trovare legami dinamici, anche fra soggetti apparentemente non legati fra loro”. Anche perché, il lavoro degli analisti “è per il 70% data collection, usare l’AI generativa per fare i dossier anti-frode è un notevole risparmio di tempo e risorse”.
Anselmo Marmonti, VP, Pre-Sales for Banking Risk, Fraud and Compliance Solutions di SAS, spiega che anche quando si parla di compliance bisogna far attenzione al ritorno sull’investimento. Non costruire solo casi d’uso, ma lavorare su strumenti per essere pronti a implementarli nel caso in cui la sperimentazione abbia successo. In questo modo, le sfide normative diventeranno vantaggi strategici.
L’intelligenza artificiale SAS per fare business
Sebbene conoscessimo già molti degli strumenti di intelligenza artificiale messi in campo da SAS, vedere come aziende in diversi settori li mettono in pratica dà un’idea più precisa di come l’AI stia cambiando i business. Ma anche di quali sono le sfide da affrontare: consolidamento delle basi dati, formazione del personale, compliance e sicurezza. La chiave per superarle sembra essere la consapevolezza di prendere decisioni orientate dal business: innovare perché porta un ritorno economico, non solo per testare la tecnologia. Potete trovare più informazioni sulle soluzioni SAS sul sito ufficiale.
