L’era dell’intelligenza artificiale generativa sta suscitando molto clamore, portando nuove opportunità ma anche sfide importanti e ancora non del tutto prevedibili. In questo contesto, il ruolo del CTO (Chief Technology Officer) o di chi in azienda si occupa di innovazione diventa cruciale.
In questo articolo vogliamo portarvi degli spunti di riflessione, tratti dal confronto avuto nell’edizione 2023 della Codemotion Conference di Milano con un ospite di assoluto valore, Massimo Chiriatti, CTO di Lenovo ed esperto di AI. Chiriatti ha condiviso con noi la sua visione su come l’AI stia influenzando il mondo del lavoro e su quali siano i percorsi da seguire per chi ambisce a una carriera nel campo tecnologico.
La carriera di Massimo Chiriatti: dall’inizio in IBM alla guida dell’innovazione in Lenovo
Massimo Chiriatti ha iniziato la sua carriera negli anni ‘80, in un periodo in cui il panorama tecnologico era ben diverso da quello odierno. Dopo il diploma, ha avuto l’opportunità di lavorare con IBM, all’epoca una delle grandi aziende del settore. IBM selezionava direttamente nelle scuole i talenti più promettenti, offrendo loro la possibilità di continuare la formazione direttamente in azienda.
Era un contesto molto differente rispetto a oggi, in quanto i primi mesi in azienda erano passati praticamente tutti in laboratorio per formarsi; ci voleva tempo prima di essere ritenuti pronti a eseguire attività chiave come relazionarsi con i clienti o gestire i sistemi tecnologici. L’amore per lo studio è uno degli aspetti chiave della carriera di Massimo, che ha continuato a combinare lavoro (di giorno) e formazione (di sera) per tutto il suo percorso professionale.
Oggi, come CTO di Lenovo, è responsabile dell’innovazione e delle infrastrutture hardware, con un particolare focus sull’intelligenza artificiale. È alla guida di un team che progetta l’hardware necessario per supportare le tecnologie AI, una componente spesso trascurata ma fondamentale per il successo di questi progetti.
Nonostante i costi dell’hardware siano tendenzialmente in calo, le risorse computazionali necessarie per l’intelligenza artificiale sono molto elevate, e le decisioni errate possono avere conseguenze significative, come l’incapacità di eseguire carichi di lavoro complessi o la perdita economica per i clienti.
Consigli per chi vuole diventare CTO
Alla luce della sua esperienza, il nostro ospite offre alcuni consigli per chi aspira a diventare un leader in ambito tecnologico:
- Chiarezza negli obiettivi: È essenziale avere una vista chiara di cosa si vuole fare. Senza una forte spinta interiore, è difficile che i manager possano instillare motivazione dall’esterno.
- Conoscenza delle proprie competenze: Capire cosa si è realmente capaci di fare è cruciale per identificare eventuali gap rispetto a dove si vorrebbe arrivare e impostare un percorso di formazione.
- Utilità dal punto di vista del business: È importante che ciò che si vuole fare abbia un valore tangibile per il business.
Una buona notizia: il nostro settore, quello tecnologico, è in crescita. Non tutte le industrie hanno questo vantaggio, che porta il talento a essere riconosciuto e premiato nel lungo periodo, anche in Italia, dove spesso si tende a essere pessimisti.
Altro aspetto che va sottolineato, e che anche i tecnici fanno bene a tenere in seria considerazione, è l’importanza della scala operativa. Spesso ci si focalizza esclusivamente sull’operatività, come sviluppare un algoritmo, ma farlo in un contesto piccolo può avere un certo tipo di impatto, mentre fare lo stesso per una grande organizzazione può avere ripercussioni enormi sul mercato.
AI generativa: Opportunità economiche e complessità tecniche
Parlando con Massimo Chiriatti, non potevamo non toccare il tema dell’intelligenza artificiale, una tecnologia sulla quale il nostro ospite ha un’esperienza importante, avendo scritto anche due libri a riguardo; a tal proposito segnaliamo l’ultimo, di grande successo: “Incoscienza Artificiale”, edito dalla Luiss Press.
L’AI generativa, quella che oggi catalizza di più l’attenzione, si basa su tre ingredienti principali: dati, capacità computazionale e algoritmi. Il motivo per cui è sulla bocca di tutti è principalmente economico: i costi associati a questi elementi sono in costante diminuzione, e quando un servizio costa meno e porta valore, ovviamente viene adottato di più.
Quando si ragiona su questi temi, è sempre utile tenere in mente il passato, che ci aiuta a contestualizzare meglio dove siamo oggi; partiamo dal parallelismo con i database relazionali, da sempre lo standard per la gestione dei dati, ma che non sono adeguati a rispondere alle complesse richieste “generative” che alcune aziende si pongono. E attenzione perché qui c’è la chiave per capire SE l’intelligenza artificiale ha senso per una data azienda. Se in un contesto è possibile, grazie ad una precisa conoscenza di dominio, applicare un approccio deduttivo (da eventi e dati so identificare una chiara azione da eseguire), allora l’AI non è necessaria.
Il motivo per cui ha senso spingersi verso approcci come il Machine Learning è quando non c’è questa chiarezza di causa/effetto – ed in questi contesti l’intelligenza artificiale, raccogliendo dati in input e studiando trend e pattern, permette di fare previsioni, rispondendo a domande a cui con un approccio induttivo si può trovare risposta, o meglio, continua a generare contenuti. Sempre ricordando che nessuno è in grado di predire il futuro, neanche le macchine più avanzate, e che di fatto non sono le macchine a dover prendere decisioni.
Va compreso un punto che persiste: tutta questa creazione apparentemente spontanea si basa sui dati. La qualità e la tipologia dei dati diventano quindi cruciali, perché da essi deriveranno gli output della macchina, che devono essere valutati con attenzione; nei dati ci sono dei bias, la macchina non potrà fare a meno di perpetuarli ed amplificarli.
Il limite dell’intelligenza artificiale e l’importanza del pensiero umano
A questo punto, ci è venuto naturale porre a Massimo Chiriatti una domanda riguardo alla possibilità che l’intelligenza artificiale sviluppi un “pensiero critico” per riconoscere e correggere i bias dei dati. La sua risposta sul “quando” questo potrà avvenire è netta e chiara: non è previsto.
L’intelligenza artificiale non ha la capacità di comprendere il contesto o di stabilire forti relazioni causa-effetto, mancando di un corpo e, quindi, della consapevolezza del tempo e dell’esperienza umana, che in questo senso continua a renderci unici. La mancanza di un corpo e di emozioni legate allo stesso e all’ambiente esterno implica che la macchina non possa percepire il mondo come fanno gli esseri umani, limitando così la sua comprensione e capacità decisionale.
Quindi, occorre che sia l’essere umano a rimboccarsi le maniche e a ragionare a fondo su cosa significhi immettere nel mondo gli algoritmi di AI. Da sempre l’AI è considerata un tema interdisciplinare, ed è fondamentale che sia così. Una persona che si occupa di informatica sarà concentrata sullo scrivere algoritmi efficienti, ma non possiamo aspettarci che venga lasciata da sola a valutare anche gli impatti di quegli algoritmi. Il tema diventa troppo ampio e va affrontato con competenze economiche, filosofiche, legali, antropologiche e sociologiche.
AI come strumento, non come sostituto dell’essere umano
La domanda che tutti si pongono ogni volta che sentono parlare di AI: ci sostituirà?
Anche qui la risposta è chiara: ci cambia, non ci sostituisce.
Innanzitutto, è fondamentale sottolineare un punto: le macchine ad oggi non sono senzienti, e non lo saranno neppure nel prossimo futuro. Con una provocazione si potrebbe dire che serviranno almeno dieci premi Nobel – che non possiamo prevedere quando e cosa inventeranno – prima di poter arrivare a creare macchine senzienti, e anche allora non è detto che ci si riesca.
L’intelligenza artificiale generativa è un sistema comunicativo: la macchina comunica, ma non sa cosa sta comunicando.
È importante non confondere i piani: la macchina può simulare il comportamento umano, ma non può comprendere il pensiero umano che lo stimola. Le emozioni, le esperienze e le capacità biologiche sono uniche per l’essere umano e non replicabili da una macchina. Dobbiamo quindi vedere l’AI come uno strumento che può facilitare il nostro lavoro, automatizzando le attività ripetitive e transazionali, ma senza sostituire la nostra capacità di pensare, creare e decidere.
Per dissipare alcuni dei nostri timori, torniamo a ragionare sul passato: abbiamo creato tante macchine, e queste macchine fanno il lavoro al posto nostro. Nessuno di noi vorrebbe fare il lavoro di una macchina; c’è forse qualcuno che vorrebbe fare il lavoro di una gru, o di una calcolatrice? Se l’essere umano non vuole fare il lavoro di una macchina, allora ciò implica che la scelta di creare una macchina per demandare quel mestiere è stata corretta.
L’evoluzione delle piccole e grandi aziende nell’era dell’AI
È più facile adottare l’AI in una piccola azienda? Tradizionalmente, queste imprese sono più agili nell’adottare nuove tecnologie rispetto alle grandi, spesso rallentate dalla burocrazia. Tuttavia, Massimo ci mette in guardia di fronte a due possibili rischi:
- Le piccole aziende hanno beneficiato tantissimo del modello del cloud computing, che ha permesso di ridurre drasticamente il CapEx necessario per partire con un progetto tecnologico e, di fatto, ha reso possibili modelli di business che altrimenti non sarebbero neppure nati. Tuttavia, i costi del cloud computing sono anche noti per salire rapidamente, soprattutto se si vogliono implementare algoritmi di AI e gestire le grandi moli di dati necessarie; questo per le piccole aziende potrebbe diventare uno scoglio importante.
- Usare il cloud per l’AI implica inserire dati relativi a praticamente ogni aspetto del proprio modello di business: dati, modelli, metriche. Se questi dati vengono usati per addestrare i modelli di AI “pubblici”, allora diventerebbe molto semplice per grandi aziende, con maggiori risorse, replicare velocemente quei modelli, diventando in un attimo pericolosi concorrenti.
Quindi occorre cautela, e la decisione non è scontata come potrebbe apparire a prima vista. Massimo Chiriatti suggerisce di valutare attentamente l’opzione di mantenere alcuni dati e processi “on-premise”, riducendo la dipendenza dal cloud e proteggendo il proprio core business, che di fatto è il vantaggio competitivo.
Conclusione: Il futuro è nelle nostre mani
Infine, come CTO abbiamo chiesto a Massimo Chiriatti quali pensa siano le nostre responsabilità in quanto leader tecnologici.
Per rispondere ai quesiti del presente, è importante guardare alle rivoluzioni tecnologiche che già sono avvenute. Pensiamo a quando siamo passati da rivoluzioni, per esempio con l’introduzione della stampa, dell’energia elettrica, delle automobili etc. Sicuramente alcune persone hanno perso il loro lavoro, ma tanti altri ne sono stati creati (per esempio, nell’ambito della produzione e manutenzione stessa di automobili).
Ma c’è un aspetto ancora più interessante: quando l’essere umano ha accettato questa transizione, non sapeva a quali sfide stava andando incontro. Non immaginava quanti incidenti stradali sarebbero avvenuti; eppure, non è tornato indietro alle carrozze, in quanto il beneficio portato dalle automobili era troppo grande per rinunciarvi. Piuttosto, si è operato per ridurre i rischi e gli aspetti più negativi: sono stati creati semafori, targhe, l’assicurazione obbligatoria civile, regole di comportamento e corsi di formazione per insegnare alle persone a guidare.
Oggi dobbiamo fare lo stesso con l’AI.
La domanda non è cosa succederà con l’AI, ma cosa vogliamo far succedere.
In questo senso, il CTO del futuro dovrà essere un comunicatore ancora più efficace, in grado di far comprendere chiaramente i vantaggi e i limiti della tecnologia a tutti i livelli aziendali, sempre ricordando che in questo contesto il processo decisionale è e deve essere interdisciplinare.
Mai come in questo momento il futuro è nelle nostre mani, e possiamo/dobbiamo dimostrare di saper utilizzare con intelligenza umana i dati storici del nostro passato per creare un futuro migliore.
