La Generative AI è sulla bocca di tutti, ma non è poi così diffusa nelle aziende. Se ne parla tanto, ma passare dalle parole ai fatti è tutta un’altra storia. Accanto alle affascinanti promesse di questa nuova frontiera dell’evoluzione dell’intelligenza artificiale, sussistono dubbi e preoccupazioni, soprattutto perché le soluzioni pubbliche non sono “enterprise grade”, non garantiscono cioè quell’affidabilità e livelli di sicurezza cui le aziende non possono (e non vogliono) rinunciare. La via, sulla quale Appian si è già dichiarata, sta nella Private AI. Ne abbiamo parlato con Lorenzo Alegnani, Vice President Customer Success Southern Europe di Appian.

T4F: In tema Intelligenza Artificiale, qual è l’approccio che stanno adottando le aziende? Quali sono gli elementi al centro delle loro discussioni e decisioni?

Lorenzo Alegnani: Potrei riassumere la risposta in una frase tanto semplice quanto esplicativa del contesto attuale: “c’è tantissimo interesse ma ancora molta incertezza su come applicare davvero le tecnologie basate sull’intelligenza artificiale, nonché preoccupazione sui possibili impatti”.    

Le aziende chiedono aiuto per capire in che modo possono risolvere eventuali problematiche o inefficienze, indipendentemente poi dallo strumento tecnologico, anche se le soluzioni basate su intelligenza artificiale destano molta curiosità e interesse in questo momento. Le aziende hanno bisogno di trovare soluzioni di valore che consentano loro di avere vantaggio competitivo, maggiore produttività, migliore efficienza… questo non cambia mai. La differenza è che adesso c’è un panorama pressoché infinto di offerta tecnologica e questo le destabilizza, hanno bisogno prima di tutto di supporto per fare chiarezza e capire cosa davvero può fare la differenza.

T4F: Oggi si fa un gran parlare di Generative AI ma le aziende stanno facendo scelte differenti e meno “da ultimo grido” rispetto a quanto si legge sui media. Guardando nello specifico a questa ultima ondata di innovazione nel campo AI, a tuo avviso di cosa hanno davvero bisogno le aziende e come potrebbero sfruttare al meglio l’intelligenza artificiale generativa?

Lorenzo Alegnani: Anche in questo specifico caso, è importante fornire alle aziende il supporto giusto per comprendere le nuove tecnologie e renderle in grado di produrre valore grazie a queste.               

Parlando nello specifico di Generative AI, ci sono aziende che la stanno introducendo come tassello per l’automazione di determinati processi, altre per accelerare il rilascio di servizi con la generazione di codice software, altre ancora per migliorare i sistemi di discovery e knowledge base… non c’è mai una ricetta unica e tanto meno una strada comune. Non è mai lo strumento a definire il percorso (men che meno gli obiettivi).

Quello che osserviamo direttamente, ad esempio, è un forte interesse per agevolare ed accelerare la risposta al cliente in ambito customer care, semplificare e velocizzare la discovery e l’aggregazione delle informazioni e, da ultimo, semplificare e rilasciare più rapidamente nuove applicazioni attraverso funzionalità dell’AI per interpretare il linguaggio naturale e tradurlo in codice.

È importante sottolineare che le aziende non corrono appresso alle tecnologie consumer. Ne sono certamente influenzate nell’interesse, ma ci sono aspetti di efficacia degli strumenti, performance di affidabilità e sicurezza, privacy, protezione dei dati e di compliance (normativa ma anche delle policy interne).

Basti pensare alle recenti questioni aperte dai Garanti di alcuni paesi dell’Unione Europea che sollevano alcune preoccupazioni sulle possibili violazioni dei dati da parte di player che offrono sistemi di AI pubblici per l’addestramento dei modelli. Ma questo è solo una delle diverse preoccupazioni sollevate da Governi e aziende. La Generative AI di natura pubblica, come quella che c’è dietro ai servizi di cui abbiamo tanto sentito parlare negli scorsi mesi [ChatGPT di OpenAI, solo per citare il nome più “rumoroso” – ndr], in questo momento desta sì interesse ma anche moltissima preoccupazione negli ambienti aziendali (pubblica amministrazione ed aziende private).

In Appian abbiamo una visione precisa. La nostra strategia per rendere l’IA privata segue metodi di costruzione e distribuzione di tecnologie di intelligenza artificiale che rispettano la privacy e il controllo dei dati degli utenti e delle organizzazioni. Vogliamo dare risposte concrete alle aziende e permettere loro di cogliere davvero i benefici dell’IA superando le barriere di un’intelligenza artificiale pubblica e preservando sicurezza e proprietà intellettuale dei nostri clienti.

T4F: Nella strategia di Appian, si1 parla di democratizzazione dell’Intelligenza Artificiale. Cosa significa?

Lorenzo Alegnani: Quando parliamo di democratizzazione dell’IA ci riferiamo al processo necessario per rendere l’Intelligenza Artificiale accessibile e utilizzabile da parte di una vasta gamma di utenti, compresi quelli che potrebbero non avere una formazione tecnica avanzata. Questo significa, da parte nostra, concentrare gli sforzi verso lo sviluppo della nostra piattaforma e degli strumenti che integriamo con un particolare occhio alla semplificazione di utilizzo, che non significa necessariamente avere strumenti banali o semplicistici. Appian vuole sempre più “semplificare le complessità tecnologiche” rendendo facili e intuitivi gli strumenti a disposizione degli utenti.

Appian è da sempre una società di software che offre una piattaforma di automazione dei processi aziendali che consente alle organizzazioni di automatizzare e semplificare i loro flussi di lavoro e processi aziendali. Siamo certi che l’IA svolga un ruolo centrale nell’automazione dei processi, e l’abbiamo integrata nella nostra piattaforma e resa accessibile alle aziende e agli utenti (sempre in quella logica di Private AI che tiene conto degli importantissimi aspetti di sicurezza e affidabilità).

T4F: Da un punto di vista più ampio, come si lega dunque l’AI al vostro modello basato sulla Process Automation?

Lorenzo Alegnani: Per rispondere faccio un esempio concreto, riprendendo le fila in tema di Generative AI.

I modelli di IA pubblici si istruiscono utilizzando vasti insiemi di dati. I modelli linguistici di grandi dimensioni (LLM) come ChatGPT addestrano il loro set di dati su un’ampia gamma di dati provenienti da Internet, con un problema non banale in termini di effort, oltre che di sicurezza (si deve passare al setaccio un sacco di rumore per arrivare al dato corretto).

I modelli di intelligenza artificiale privata di Appian sono istruiti solo sui dati dell’azienda. Per esempio, per sviluppare un sistema che automatizzi il processo di identificazione e classificazione dei documenti è possibile addestrare rapidamente un modello utilizzando i documenti reali dell’azienda come set di dati rappresentativi. L’implementazione viene poi accelerata      grazie alla progettazione low-code e alla Generative AI per produrre      codice software, funzionalità presenti nativamente o già integrate nella nostra piattaforma. L’Appian AI Copilot utilizza l’AI generativa per accelerare lo sviluppo low-code. Il risultato è un modello di intelligenza artificiale che classifica automaticamente i documenti in arrivo. Tale modello rimane privato e genera risultati e classificazioni molto più accurati, perché sviluppato ed addestrato su specifici e reali dati aziendali. È questo che chiedono le aziende, è questo ciò di cui hanno bisogno. E non è sempre necessario mettere in campo progettualità faraoniche. La metodologia di Appian ci permette anche di identificare e realizzare progetti con      set up e go live in sole otto settimane. Nella nostra roadmap c’è un percorso intenso di continuo sviluppo e integrazione tecnologica per aggiungere funzionalità avanzate (anche di Generative AI) nella nostra piattaforma, sempre tenendo ben saldi i pilastri del nostro posizionamento, che non cambia. Noi agiamo sulla Process Automation. È il nostro DNA.