L'IA generativa è la risposta: qual era la domanda?

Tom Godden (00:10):
Quindi spesso diciamo che l'IA generativa è la risposta. Ma qual era la domanda? L'IA generativa è davvero una nuova tecnologia entusiasmante. È una tecnologia trasformativa. Anzi, riteniamo che possa essere equiparata a tecnologie trasformative come la stampa, l'elettricità, il personal computing, Internet e persino il cloud.

Phil Le-Brun:
Dici che è una novità; in un certo senso è il frutto di 60 anni di sviluppo. Grazie al cloud che consente un calcolo a basso costo e ai progressi di tecniche statistiche, al modello transformer che ora viene utilizzato per l'IA generativa, tutto questo è diventato possibile. C'è stato quindi un susseguirsi di nuove scoperte che hanno portato a un punto in cui le organizzazioni possono fare cose assolutamente incredibili.

Miriam McLemore:
La cosa che vorrei aggiungere sono i dati, no? Eravamo tutti preoccupati per i dati. Siamo immersi nei dati. E l'IA generativa dà la possibilità di utilizzare quei dati in modo produttivo per alcune delle cose appena descritte, sia che si tratti di migliorare i chat bot, i call center, o la creazione di contenuti. C'è un nuovo annuncio che abbiamo appena fatto su HealthScribe: ti sei seduto nello studio del medico e hai visto il dottore digitare al computer. Riportiamo il medico nella stanza con il paziente. Esistono dunque nuove e fantastiche funzionalità, ma il punto è sfruttare i dati.

Tom Godden:
Con l'IA generativa siamo tutti entusiasti per i modelli di fondazione, i grandi modelli linguistici. Le persone vogliono arrivare subito al risultato finale e iniziare a utilizzare l'IA generativa. Ma sono i dati a fare la differenza. Se non si dispone di una solida base di dati, si farà davvero fatica a riuscire a fare qualcosa che vada oltre i semplici trucchetti intelligenti con l'IA generativa. Come impresa, come azienda, è essenziale raggiungere un livello di prevedibilità, raggiungere quelle informazioni contestuali. Allora sì che i vostri dati faranno la differenza.

Miriam McLemore:
Ciò che mi entusiasma è che i dati sono stati considerati un compito gravoso, relegato ai back office, mentre ora il team di leadership esecutiva deve fare affidamento su quella strategia sui dati.

Phil Le-Brun:
E ora siamo giunti a questo punto in cui abbiamo intrapreso questo percorso come azienda per democratizzare il machine learning e l'intelligenza artificiale, ma spesso questo riguarda solo coloro che comprendono il lato tecnologico. Adesso, questo crea pari opportunità. Se si esaminano alcuni dati di McKinsey, si evince che il 75% dei vantaggi dell'IA generativa proverrà da quattro settori: operazioni con i clienti (come i call center), vendite e marketing, ricerca e sviluppo e, infine, sviluppo software. Hai parlato di chatbot, ad esempio. La possibilità di interagire direttamente con un brand, permette a me come cliente di avere una conversazione che soddisfi le mie esigenze, mentre per l'azienda significa risparmiare denaro e rendere più agevole l'esperienza del cliente: questo diventerà un vantaggio competitivo.

► Ascolta il podcast: Trasformare il servizio clienti con l'IA

Miriam McLemore (03:20):
Proprio poco fa mi trovavo con uno dei nostri clienti. In questa azienda stanno lavorando sodo per sfuggire alla frenesia delle attività quotidiane, di ciò che li tiene occupati, ma senza guardare avanti, senza pensare in modo ambizioso. Come facciamo noi leader a rompere questo modello? State osservando la situazione da una prospettiva esterna, anticipando il cambiamento. Dobbiamo adottare un approccio di leadership diverso, in grado di superare la burocrazia che ostacola il nostro progresso.

Tom Godden:
Bene, questo è un cambiamento trasformativo proprio come il cloud computing, o come la trasformazione digitale. E penso che molti dei nostri vecchi metodi siano utili anche in questo caso. È necessario stabilire una cultura adeguata. Organizzare correttamente la struttura aziendale. Bisogna analizzare attentamente i processi o i meccanismi, come ci piace chiamarli, e metterli nel posto giusto. Altrimenti sarebbe come comprare un'auto da corsa super veloce ma non avere il team di assistenza e il pilota addestrati, pronti e in grado di usarla. L'auto non andrebbe da nessuna parte. Probabilmente ne trarrete qualche beneficio, ma stiamo parlando di essere trasformativi perché è questo che ci interessa. La concorrenza non rimane ferma, giusto? I vostri competitor non stanno fermi. E chi si muove per primo su molte di queste questioni ha un vantaggio. Quindi siate trasformativi o addirittura diventate rivoluzionari nel vostro settore, e ci vorranno tutti questi elementi.

Phil Le-Brun:
Scott Galloway, un professore, spiega come non dovreste preoccuparvi dell'impatto dell'IA sulla vostra azienda. Dovreste preoccuparvi dell'impatto di coloro che capiscono come usare l'IA per trasformare la propria azienda. E Miriam, sei solita dire “pensa in grande, inizia in piccolo, cresci velocemente.” E penso che sia quello che dobbiamo fare. Non bisogna lasciarsi prendere troppo dall'entusiasmo, ma pensare in modo limitato è una profezia auto-avverante. Quindi, come potete pensare davvero in grande su come trasformare la vostra azienda, se non iniziando ora, superando l'inerzia e imparando a sfruttare appieno questa opportunità. Mettetevi subito all'opera, capite cosa funzionerà meglio nella vostra organizzazione.

Tom Godden (05:27):
Si ritorna al fatto che l'IA generativa è la risposta. Ma qual è la domanda? Fatelo solo perché aggiunge valore. Usatela perché è lo strumento giusto. Spesso ci limitiamo a vedere "solo" analisi dei dati o, cosa ridicola, l'intelligenza artificiale "ordinaria", il machine learning "comune", che sembravano così avanzati solo sei mesi fa. A volte sono più adatti al problema che deve essere risolto. E tutto il lavoro e lo sforzo dell'IA generativa non è necessario per ottenere quei risultati. Lasciatevi guidare dal valore. Non fatelo solo perché è trendy e lo fanno tutti.

Miriam McLemore:
Ma mettetevi in gioco.

Tom Godden:
Beh, cominciate. Siate impazienti. Chi si muove per primo è avvantaggiato. Questo è trasformativo. Ancora una volta, è all'altezza di altre grandi rivoluzioni che abbiamo visto, e dovete mettervi in moto. Dovete agire.

Phil Le-Brun:
Non c'è nulla che vi impedisca di cominciare subito. È possibile utilizzare modelli linguistici di grandi dimensioni, già in questo momento, tramite AWS SageMaker JumpStart. Tutta questa roba è già disponibile. È un modello di pagamento in base al consumo, attivatelo, provatelo. Se non funziona, disattivatelo.

Miriam McLemore:
Potete creare una strategia dei dati proprio adesso. Avreste dovuto farlo ieri.

Tom Godden:
Vi sarà utile in ogni caso, che stiate utilizzando l'IA generativa o meno. E mettete in ordine la vostra infrastruttura cloud. Se non avete conoscenze solide e ben strutturate, rivolgetevi a un Centro di eccellenza del Cloud e al team dedicato per poter raggiungere questi obiettivi. Fatelo perché è semplicemente una buona idea farlo, ma fatelo anche perché sarà necessario. È un fattore indispensabile, elementi fondamentali per l'IA generativa.

Phil Le-Brun:
E non lasciate che sia il CIO a decidere. Senza mancare di rispetto al CIO, ma si tratta di una sfida aziendale. Voglio dire, noi dirigenti aziendali dobbiamo comprendere la finanza, dobbiamo comprendere la gestione delle persone. Penso che ora sia necessario che i dirigenti aziendali si immergano nelle acque della tecnologia e dei dati e capiscano cosa devono sapere. Per quanto riguarda il tuo punto, Tom, questa non è magia. Sarà una combinazione di tecnologia, cambiamento dei processi aziendali e cambiamento delle persone. Come si fa a mettere insieme tutto questo? Non si può lasciare questo compito solo al team IT.

Tom Godden (07:26):
E come parte di questo processo, dobbiamo guardare in modo olistico all'IA responsabile. Dovreste disporre di un programma di IA responsabile in atto se vi state già occupando di IA e ML. Ma l'IA generativa, a causa della sua natura generativa, richiede uno sforzo maggiore nell'identificare e ridurre i potenziali pregiudizi, evitare fenomeni di allucinazione e prevenire risultati dannosi o tossici all'interno dei sistemi, a meno che non siano implementate le adeguate misure e strutture di controllo. Ne abbiamo parlato molto, citando Galloway: è fondamentale che le persone capiscano come usare l'IA generativa, ma la supervisione umana sarà imperativa. Non siamo ancora pronti a rimuovere completamente l'elemento umano dall'equazione. Adesso forse è possibile farlo in produzione, ma bisogna testare, testare e testare sotto la supervisione umana per valutarne il funzionamento. È qualcosa in continua evoluzione. Quindi, a differenza di molti software che usavamo per scrivere, lo testi, funziona, lo metti in produzione e dici: "Ottimo, andiamo avanti. Torneremo a testarlo più avanti. Forse di nuovo, un giorno." No, sarà qualcosa su cui vorrete eseguire casi d'uso e test su base regolare. Intendo ogni giorno, forse anche ogni ora in alcune cose, per assicurarvi di avere tutto sotto controllo.

Miriam McLemore:
Apprezzo il tuo punto di vista e Phil, lo dici spesso: è importante fare attenzione alla dipendenza dalle previsioni, perché è possibile utilizzare questa tecnologia per confermare le nostre convinzioni pregresse. Bisogna stare attenti e lasciarvi guidare dai dati, sfruttarli per esplorare nuovi percorsi e prendere in considerazione nuovi approcci.

Phil Le-Brun:
Penso che questa osservazione rimandi molto a ciò di cui discutiamo riguardo ai dati: oltre il 75% dei problemi che riscontriamo con i dati riguarda le persone coinvolte, l'organizzazione e la cultura. E tutto inizia con la leadership. In qualità di leader, state modellando il comportamento? State mettendo in discussione i dati? State ponendo le domande giuste? State solo cercando di confermare la decisione che avete già preso? Ma penso che questo sia un momento molto interessante ed entusiasmante se sei un dirigente aziendale di oggi, per il potenziale a disposizione, ma anche per gli obblighi che si hanno nei confronti dell'IA responsabile. E non si tratta solo di etica e pregiudizi e cose del genere, ma sono le implicazioni di ciò che si sta facendo. Penso che stiamo facendo la cosa giusta con Amazon Bedrock, ovvero portare il modello nel proprio ambiente in modo sicuro. Usate i vostri dati per addestrare quel modello anziché prenderli e inserirli in un modello pubblico. Ma sappiamo anche che non esiste un unico modello di fondazione in grado di risolvere tutti i vostri problemi.

Tom Godden:
Ed è qui che entrerà in gioco la vera forza di Bedrock. La possibilità di accedere a questi modelli linguistici tramite un'API e quella di eseguire il pivot e spostarsi se necessario, o di accedere a un nuovo modello per un nuovo caso d'uso, ma di poterlo fare in modo rapido e veloce, proprio come tutti gli altri servizi AWS. Lo attivi quando serve, lo disattivi quando non serve.

► Ascolta il podcast: In che modo i leader del settore tecnologico si preparano all'IA generativa

Phil Le Brun (10:28):
E se volete costruire il vostro modello, beh, non abbiate fretta. Non arrendetevi. Non arrendetevi assolutamente. Ma non buttatevi a capofitto. Voglio dire, potreste spendere 10, cento milioni di dollari, ma se c'è un vero business case per cui farlo, innanzitutto, scoprite cosa dovete davvero fare con la tecnologia che avete a disposizione. Ma poi avete l'infrastruttura nel cloud. Avete strumenti come AWS Trainium e Inferentia per ridurre i costi delle inferenze e di addestramento. Quindi, indipendentemente dalla direzione che prenderete in futuro, è fondamentale avere una strategia ben definita sui dati ed essere ospitati nel cloud. Non vorrete tentare da soli a casa.

Tom Godden:
Parliamo per un minuto delle vanity metrics relative ai modelli di fondazione. Le statistiche più recenti indicano che i modelli di fondazione più grandi hanno oltre 500 miliardi di parametri. Sembra davvero grandioso. Ottimo! Ne vorrei cinque. Perché non posso averne 800 miliardi? Ma penso che ciò che stiamo vedendo è che a volte tutte queste dimensioni non sono necessarie. Anzi, un eccesso potrebbe generare risultati e risposte meno affidabili. Averne uno creato appositamente, anche pubblico e open source, ma ottimizzato appositamente per il caso d'uso specifico, tenendo conto delle informazioni aziendali pertinenti, molto probabilmente produrrà risultati ed efficacia migliori rispetto a queste vanity metrics di cui è interessante parlare. 500 miliardi di parametri sembrano davvero fantastici, ma potrebbero non essere ciò che serve per risolvere il problema.

Miriam McLemore:
Sì, i dati giusti per il problema giusto. E ancora una volta, come hai detto prima, iniziate dal problema. Lavorate a ritroso partendo da un valore aziendale che potete gestire, puntate su quello e scegliete un punto di partenza. È un momento emozionante, ma ci vorrà un minuto per capire il vostro ritmo e cosa aggiunge valore al vostro approccio. Sono stupita dai clienti che si stanno già affidando a noi, tracciando percorsi incredibili che noi tutti imiteremo. E questa è una delle cose che ritengo importanti, durante le sessioni AWS, ci avviciniamo ad altri casi d'uso dei clienti, imparando da coloro che hanno sperimentato. Non dovete fare tutto da soli.

Tom Godden:
Abbiamo parlato di Code Whisperer. Vedo che molte persone sono anche molto interessate al Contact Center. È un ambiente ricco di obiettivi. Si ha un rapporto diretto con il cliente, quindi bisogna stare attenti, ma è anche meno rischioso rispetto a tentare di trovare la prossima nuova terapia nel settore sanitario. Per favore fatelo, abbiamo bisogno di quel tipo di progresso. Ma ora stiamo correndo un rischio davvero elevato; è veramente molto complicato. Ho notato che alcune persone guardano la propria intranet e se è simile alla mia, è un luogo in cui le informazioni spesso finiscono inutilizzate. Se avevate un motore di ricerca efficiente che non riusciva a trovare quasi nulla, ora avete una grande opportunità. È possibile raccogliere e sbloccare tutte le informazioni all'interno della propria organizzazione, riportarle in vita e far sì che le persone possano vederne il potenziale, tutto a basso rischio. Questo aggiunge molto valore. Fatelo. Siate impazienti.

Miriam McLemore (13:35):
Questa è una delle grandi novità che abbiamo annunciato riguardo alla formazione, giusto? Come si impara a farlo? Uscendo, facendo formare il proprio team, facendo formare il proprio team esecutivo. Offriamo una serie di offerte che possono aiutare i nostri clienti a formare le proprie organizzazioni, offrendo informazioni sui punti di partenza, e sugli strumenti disponibili in modo da poter prendere decisioni sul migliore approccio per la propria azienda.

Phil Le-Brun:
Imparate e siate curiosi. Voglio dire, abbiamo il corso Executive di formazione e certificazione. È davvero semplice, cos'è l'IA generativa? Ora abbiamo anche un corso su Coursera, che è fantastico. Se desiderate esaminare attentamente alcuni degli argomenti di cui avete parlato, riguardo il rapporto tra quantità di dati, parametri di calcolo e trovare il giusto equilibrio. Quindi è tutto là fuori. Molte di queste informazioni sono di pubblico dominio. Fatelo adesso. Iniziate subito a imparare. Non è mai troppo presto.

Tom Godden:
E questa formazione vi aiuterà a coinvolgere le persone perché, siamo onesti, questa è una tecnologia trasformativa, ma può anche essere dirompente. Alcune persone hanno ragione a essere molto preoccupate, che cosa significa? Non solo per il mio lavoro. Ho un affitto, un mutuo, dei figli da mandare all’università. Ho ancora un ruolo in questo mondo, nuovo incredibilmente entusiasmante e trasformato? Cosa comporterà per la società? E penso che aiutarli a capire il loro ruolo, aiutarli a capire quale ruolo saranno in grado di svolgere e supportarli attraverso quella formazione, diventerà ancora più vitale in questa rispetto ad altre evoluzioni trasformative che abbiamo visto.

Phil Le-Brun:
Sì, abbatti le barriere. Voglio dire, hai parlato di pregiudizi, Tom. Il modo migliore per mitigare i pregiudizi è avere un team rappresentativo della propria clientela. Inoltre, sappiamo che il machine learning in generale, l'IA generativa sicuramente, si diffonderà in tutta l'organizzazione. Funzionerà nonostante la struttura organizzativa, non a causa di essa. Quindi sbarazzati della burocrazia. Immagino che sia possibile utilizzare l'IA generativa per snellirla, ma si tratta di ciò che fa.

Tom Godden:
Costruirmi un nuovo organigramma?

Phil Le-Brun:
Sì, automatizza PowerPoint.

Miriam McLemore:
Dimmi chi dovrebbe essere responsabile.

Phil Le-Brun:
È qui che si insinuerà qualche pregiudizio. Esatto. Ma usatelo per capire davvero il vostro vantaggio competitivo. Guarda aziende come Autodesk che utilizzano l'IA generativa, ora stanno riducendo il peso di alcuni dei loro progetti fino al 40%. Che grande vantaggio in termini di sostenibilità! Ma hanno davvero individuato: "dove possiamo usarla per creare una differenza competitiva per la nostra organizzazione?"

Tom Godden:
Fatelo perché aggiunge valore. Non fatelo solo perché è trendy e tutti lo fanno.

Phil Le Brun (16:11):
Ciò che trovo interessante è che spesso c'è questo conflitto tra “risparmio denaro perché i tempi sono difficili” o “innovo?” e non credo ci sia più scelta. Bisogna fare entrambe le cose. E la realtà è che ci sono così tanti soldi sprecati nell'organizzazione. Quindi penso che il 94% dei CXO in uno studio abbia dimostrato che la propria struttura organizzativa impedisce loro di innovare. Tutta quella burocrazia. Quanto tempo impiegate per prendere una decisione? Quello che chiamiamo ironicamente "indice di massa burocratico". Quanto tempo dedicate effettivamente a svolgere un lavoro significativo anziché rimanere in attesa di una decisione? Come fate a ridurre queste decisioni? Quindi non credo che si tratti di "innovare o risparmiare?" Penso che si debbano fare entrambe le cose. Ridurre il costo del lavoro indifferenziato per liberare risorse destinate all'innovazione, creando così un circolo virtuoso. Ed è possibile usare perfino il machine learning, l'IA generativa, per eliminare effettivamente parte di quei costi e burocrazia all'interno dell'organizzazione.

Miriam McLemore:
Ciò che abbiamo visto e detto ai nostri clienti è che i vincoli in realtà guidano l'innovazione meglio di quando abbiamo tutto a portata di mano. Trovarsi tra l'incudine e il martello fa diventare creativi e ci si chiede “come posso uscire da questa situazione?” È possibile sfruttare i momenti difficili dell'economia per pensare diversamente. Non ci sono altre scelte. Ma penso anche che, come hai detto, con l'IA generativa, uno dei grandi vantaggi sarà l'aumento della produttività e il risparmio di tempo su alcune delle attività meno differenziate. Sono stata alla Coca-Cola Company per molti anni, generando contenuti, creando nuovi siti, nuove esperienze, nuove immagini per i nostri consumatori e clienti, materiale per i punti vendita, sarà un punto di svolta per la MarTech.

Tom Godden:
L'abbiamo visto accadere in altre trasformazioni. Il vero cambiamento non è sempre solo la tecnologia, ma riguarda la propria volontà di applicarla in un modo nuovo. L'abbiamo visto con l'elettricità, cambiando il modo in cui abbiamo organizzato e gestito le fabbriche. Siamo stati in grado di gestire le fabbriche in modo più sicuro 24 ore al giorno. Quindi, ancora una volta, la tecnologia è stata il fattore abilitante iniziale, ma la vera trasformazione è avvenuta quando abbiamo ripensato il processo. Quindi, mentre guardiamo a questo e cerchiamo questo nuovo equilibrio, dobbiamo tornare indietro e esaminare i nostri processi e chiederci, perché lo sto facendo? L'IA generativa mi permette di pensare a fare questo in un modo completamente diverso? Non limitatevi ad utilizzare l'IA generativa per automatizzare le pratiche passate. Usatela come un'opportunità per rivalutare questi concetti e attuarli in modo completamente diverso.