Come selezionare un team di esperti di Intelligenza Artificiale
Ecco come evitare di perdere tempo e soldi scegliendo un team di esperti “improvvisati” di Intelligenza Artificiale
Scegliere un team di esperti di Intelligenza artificiale è come cercare un ago in un pagliaio.
Partiamo dal presupposto che in Italia pochi sanno che cosa sia effettivamente l’Intelligenza Artificiale.
Certo, se ne sente molto parlare in giro – soprattutto negli ultimi tempi di crescita del mercato -, ma la si confonde troppo spesso con Terminator.
Questa “ignoranza” rappresenta un danno per le aziende che rischiano di sembrare portatrici di distruzione (Bluetensor compresa)…
Ma soprattutto per gli imprenditori che vorrebbero avvicinarsi all’Intelligenza Artificiale…
Infatti, alla fine della fiera, sono sempre gli imprenditori e le aziende a pagarne le conseguenze.
Ci dispiace anche un po’ ammetterlo, ma persino un’azienda improvvisata che scrive “MaChInE lEaRnInG” sulla propria homepage può trovare clienti e anche con una certa facilità!
(Magari anche proponendo soluzioni che non hanno nulla a che vedere con l’Intelligenza Artificiale a tutto tondo).
Nel senso che la richiesta sul mercato per i suoi servizi è talmente alta che potrebbe rimpiazzare con facilità un cliente perso.
Dall’altra parte però un imprenditore rischia spesso di scegliere un’azienda APPARENTEMENTE capace che si fa pagare per un lavoro EVIDENTEMENTE scarso.
Il ritorno sull’investimento per quel lavoro non sarà mai effettivamente positivo.
Di conseguenza l’imprenditore dovrà lavorare ancora di più per recuperare quell’investimento…
Ma i danni nel frattempo però si ingigantiranno.
1. Nel peggiore dei casi l’imprenditore perde fiducia nell’Intelligenza Artificiale e decide di abbandonare la strada della Digital Transformation – GRAVISSIMO ERRORE, soprattutto adesso con tutto quello che sta succedendo.
2. Nel migliore dei casi tornerà a cercare un’azienda di Intelligenza Artificiale – forse con un po’ più di attenzione, tenendo conto delle esperienze pregresse…
Ma non è sufficiente.
L’obiettivo di un imprenditore che vuole affidarsi ad un team di esperti di Intelligenza Artificiale è avere la certezza matematica che non sia composto solo da bravi chiacchieroni, ma che porti anche risultati buoni e misurabili (o che per lo meno sia in grado di consegnare il lavoro promesso nella quantità e nei tempi concordati – cosa molto rara per chi si improvvisa esperto in intelligenza artificiale e che non ha un metodo di lavoro consolidato).
Ecco perché se vuoi essere sicuro di affidarti ad un vero team di esperti, dovresti conoscere tre caratteristiche imprescindibili per qualsiasi azienda che produce intelligenze artificiali, di cui noi parleremo in questo articolo!
CARATTERISTICA N°1 – L’azienda deve avere un processo chiaro, definito e standardizzato per costruire un modello e renderlo operativo
Costruire i modelli e gli algoritmi che alimentano l’Intelligenza Artificiale è un processo che richiede costanti interazioni e perfezionamenti.
La prima cosa che fanno i data scientist è preparare i dati, estrarre le features, selezionare l’algoritmo e addestrarlo, per poi ottimizzarne i parametri e convalidarne il funzionamento.
Una volta che il modello è pronto per essere implementato, intervengono i software engineer e i DevOps che lo mettono in produzione con il compito di monitorarne gli output per garantire che funzioni correttamente e che continui ad imparare.
Oltre a questo ci deve essere un team di governance che deve supervisionare l’intero processo per garantire che:
1. Il progetto segua un flusso di esecuzione affinché il modello dia risultati e che dia l’effettivo contributo per il quale è stato implementato.
2. Il modello sia valido anche dal punto di vista etico.
[NOTA: l’aspetto etico di un’Intelligenza Artificiale è importante, ma sappiamo bene che nell’ambito industriale – dove si creano soluzioni che hanno a che fare con gli oggetti e non con le persone – ha poca rilevanza. Se però devi realizzare un sistema che supporta le HR per mettere in ordine i curricula (per fare un esempio), il sistema dovrebbe essere il più possibile indipendente da caratteristiche come l’etnia o il genere della persona.]
Perciò, già da questo puoi capire che:
La costruzione e l’implementazione di un modello è un processo lungo e complesso, e “reinventare la ruota” ogni volta – creando un processo operativo dal nulla -, significa anche far perdere tempo e denaro all’azienda che l’ha commissionato.
Di conseguenza è fondamentale che il team di Intelligenza Artificiale abbia un metodo:
– Standardizzato,
– Sperimentato su più casi,
– Perfezionato,
– Che ha generato risultati.
La standardizzazione dei processi aiuta sempre a semplificare lo sviluppo, l’implementazione e il perfezionamento dei modelli consentendo ai team di crearli in modo rapido, efficace e responsabile.
CARATTERISTICA N°2 – Il team deve avere membri specializzati le cui competenze si sovrappongono il meno possibile tra loro
All’inizio lo sviluppo di un modello di Intelligenza Artificiale era responsabilità di un team di data scientist, definito in modo generico e che, oltretutto, si occupava di tutto.
Con il passare del tempo, dell’accumulo di esperienza e, soprattutto, con la crescita dei modelli e il miglioramento degli hardware, si è capito che non basta avere competenze di data scientist.
Il data scientist crea il modello, gli fa raggiungere un livello di efficienza tale per cui restituisce predizioni corrette che rispecchiano le aspettative di progetto.
Il ruolo del data scientist si esaurisce nel momento in cui serve una persona esperta di Machine Learning e Deep Learning per ottimizzarlo e creare il pacchetto del modello (feature, training, documentazione e know-how) per aumentarne la qualità e l’efficienza.
Dopodiché il modello va implementato all’interno di architetture complesse, e quindi anche qui subentra la parte di engineering dell’Intelligenza Artificiale (es. studiare e progettare i tempi di risposta del modello).
Nel lungo periodo questo processo è stato nominato “modello pod“, in cui lo sviluppo dell’Intelligenza Artificiale viene intrapreso da un team piccolo composto da un data scientist, un ingegnere dei dati, un esperto di Machine Learning e l’ingegnere del software che poi pensa a come inserire la soluzione per inserirla nell’architettura generale.
Ora, come si fa a riconoscere un team di esperti di Intelligenza Artificiale?
Partiamo dal presupposto che non sempre la soluzione del problema è quella accademica scritta sui libri.
Pertanto un fattore molto importante che mi fa capire se il team è affidabile o meno è proprio la capacità di creare modelli per risolvere problemi.
La discriminante fondamentlae che separa un team affidabile da un team improvvisato si può riassumere in una parola: esperienza.
Chiaramente non è una linea generale – bisogna valutare da situazione a situazione – ma se un team ha risolto problemi simili tra loro, allora è più facile concludere che possa risolverne ancora.
CARATTERISTICA N°3 – L’azienda deve utilizzare strumenti che supportano la creatività, la rapidità e la sicurezza
Per costruire un unico modello un data scientist lavora con parecchi strumenti diversi che permettono di lavorare in maniera veloce con i dati e avere dei primi risultati.
Dall’altro lato abbiamo e la governance aziendale che utilizzano strumenti completamente diversi, più tradizionali e meno snelli, che dialogano molto male con gli strumenti dei data scientist.
In queste condizioni è facile svolgere un lavoro una tantum, ma è difficile creare un sistema che possa essere replicabile.
Strumenti diversi che non costruiscono sinergie fra di loro e senza un’adeguata supervisione possono ovviamente allungare i tempi per la creazione di questo tipo di prodotti.
Per far sì che il processo funzioni c’è bisogno di contributi di tutti gli stakeholder che utilizzeranno i sistemi durante tutto il ciclo di vita del modello.
Per questo motivo è fondamentale trovare lo strumento e la piattaforma che permetta di mettere assieme tutti i pezzi e far lavorare tutti quanti in sinergia.
E queste sono secondo le caratteristiche che dovrebbero avere gli strumenti che vengono utilizzati:
Interoperabilità. Gli strumenti devono funzionare con le infrastrutture IT esistenti e fornire eventualmente supporto.
Compatibilità. Per consentire ai data scientist di svolgere al meglio il proprio lavoro, una piattaforma deve offrire la possibilità di utilizzare librerie di loro scelta e lavorare in modo indipendente senza richiedere un costante supporto da parte dell’IT, che a sua volta ha bisogno di una piattaforma che garantisca che il deply segua percorsi approvati e che tenga traccia anche di quello che sta avvenendo.
Collaborazione e Governance. Uno strumento di MLOps deve consentire ai data scientist di lavorare con i software engineer e viceversa, per poi lavorare anche con la governance.
Per concludere
Per un imprenditore che ha scelto di implementare un sistema di Intelligenza Artificiale e ha pensato di affidarsi a un team esterno, è fondamentale sapere se l’azienda a cui si vuole affidare porterà risultati o meno.
È fondamentale selezionare il team migliore che con la maggior probabilità porti dei risultati concreti, con un ritorno rapido dell’investimento.
Secondo noi è importante che l’azienda abbia queste tre caratteristiche:
– Un metodo provato su più casi,
– Un team affiatato, competente e con esperienza,
– Gli strumenti che permettono di lavorare nel migliore dei modi per il raggiungimento dei risultati.
Aggiungeremmo altre due caratteristiche che noi riteniamo molto interessanti, ma queste le teniamo per chi vorrà eventualmente approfondire il discorso con noi.
Quindi se sei arrivato fin qui e stai cercando un team di esperti di Intelligenza Artificiale puoi compilare il modulo che trovi QUI.
Un nostro operatore ti ricontatterà il prima possibile.
Ad maiora!
