Intelligenza artificiale

Intelligenza Artificiale: tutti ne parlano, ma poco ne sanno

di Matteo Marcato


Dopo quasi due anni di tam tam mediatico, principalmente online, sono giunto alla conclusione che tutti parlano di qualcosa che non capiscono fino in fondo, ma in realtà nemmeno fino a metà e ho il fondato sospetto che una buona parte di questi “tutti” si sia fermato alla lettera A dell’alfabeto artificiale.
Fatta questa premessa poco edificante e non politicamente corretta nei confronti degli utilizzatori umani, tra i quali mi metto anch’io naturalmente, vorrei argomentare.


IA cosa significa


Intelligenza artificiale significa molte cose, ma almeno negli ultimi 12 mesi sembra si sia fatta largo, a senso unico, la definizione di un assistente in grado di generare qualunque cosa: testi, immagini, video e audio per riassumere e semplificare. Come il panettiere al quale un IT-manager sembra un hacker perché apre la pagina nera del DOS fin dagli anni 90 e scrivendo comandi come “ping” ottiene una risposta dalla macchina, allo stesso modo ai non addetti ai lavori del mondo artificiale (la stragrande maggioranza degli utilizzatori, tra cui chi scrive) l’IA sembra una black box magica.

Approfondendo le reti neurali e gli LLM si capisce che l’ingegno dietro le quinte è sempre umano, ma sono i risultati che contano e soprattutto conta che stupiscano, e ai più per la verità sembrano comunque frutto di riti esoterici.


IA non generativa

L’intelligenza artificiale però fin dalle origini non viene usata soltanto ad appannaggio della generazione di qualcosa. L’intelligenza artificiale è usata da molto tempo in vari ambiti per permettere alle macchine di “ragionare” e produrre risultati migliori.

Per esempio con tecniche di Machine Learning si insegna alle macchine a riconoscere oggetti, situazioni, errori. Quindi originariamente la sfera dell’artificiale declinata nell’ambito dell’intelletto si è sviluppata per aiutare l’uomo nelle situazioni in cui da solo fa fatica o non ci arriva proprio. Esattamente come le pompe idrauliche possono sollevare pesi immani, i motori a scoppio possono portarci a velocità inarrivabili e i computer possono fare calcoli a velocità mai vista, così l’ia viene da sempre studiata per favorire le attività umane, tipicamente del mondo produttivo.


IA nemica?


Con il diffondersi dell’IA generativa tra le masse però si sono aperti dibattiti, (probabilmente ancora pochi rispetto a quello che servirebbe), dove si tende a demonizzare la tecnologia o a esaltarla, in entrambi i casi le argomentazioni sono spesso superficiali, nel senso che si tende a restare in superficie e non si approfondisce mai davvero pro, contro, i come e i perché.

C’è chi si fa trascinare dall’entusiasmo e accoglie ogni novità, quasi quotidiana, con esplosioni di stupore e chi ad ogni passo avanti della tecnologia vedere futuri sempre più neri e distopici dietro l’angolo.

Chi ha ragione? Io non lo so, anche perché come vittima di un ottovolante tecnologico mi sento periodicamente sbalzato tra le due categorie, so però che certamente l’uomo della strada ne sa troppo poco e non c’è alcun interesse da parte di chi guida il vapore a fargli sapere di più.
Se guardiamo poi a chi legifera o ha un qualche potere decisionale tra le nazioni, pare che reciti la parte di quello che è arrivato in aeroporto un giorno dopo la partenza del volo, quindi sostanzialmente non prende parte a questo viaggio. 

Noi da parte nostra dovremmo almeno fare lo sforzo intellettuale di capire se questa IA ci fa più bene o più male; fino a prima dell’avvento delle IA generative si trattava di una tecnologia come un’altra, che nasceva per favorire l’uomo e il lavoro, financo il divertimento: chi non ricorda videogame con un’IA rustica applicata ai nemici che potevamo fregare facilmente con qualche colpo di joystick e il suo miglioramento successivo nel tempo, che ci faceva invece penare per finire un livello.


Oggi e domani

Oggi le IA generative con le loro meraviglie, nonostante siano ancora allo stato embrionale tendono già a sostituire l’uomo, anche in ambiti in cui lui non ha mai chiesto di essere aiutato: disegnatori, scrittori, musicisti, registi, attori e potrei continuare molto a lungo, non hanno chiesto di essere clonati e sostituiti.

L’IA però vola e può sempre di più svolgere compiti non solo di fatica intellettuale ma anche creativa, in barba ad ogni regola, sia essa riferita alla privacy o al diritto d’autore per citarne un paio, tra l’altro. La domanda dunque è: possiamo farci qualcosa noi? Come ogni volta che ne scrivo nell’ultimo anno la questione finale mi lascia un retrogusto amaro, poiché non ho una risposta soddisfacente.
È come quando durante una dieta termini il pasto e ti convinci che in fondo un frutto è equiparabile ad un dolce, andiamo! Non puoi esserne davvero convinto…!

Credo che dobbiamo conoscere meglio sia cosa può fare sia come viene gestita, programmata, ingegnerizzata questa IA. Questo è quello che personalmente chiunque di noi può fare e poi quando la consapevolezza sarà maggiore si dovrà trovare il modo di usarla per migliorarci la vita e non peggiorarla, insieme ad istituzioni e legislatori. Obiettivamente però entrambe queste missioni le considero un filo utopistiche, anche perché in questo campo l’oggi è già domani e la velocità di evoluzione non è controllabile.

Allora tento una virata e mi butto sul confronto, mi piacerebbe sentire cosa ne pensano anche altri esseri umani su questo tema, a Chat-gpt ho già chiesto un’opinione in merito, ma ho il sospetto che sia un po’ di parte…!

Gli AI Agents parlano… di loro!

In questo periodo si parla spesso di AI Agents, progettati per eseguire compiti autonomi utilizzando intelligenza artificiale. Questi agenti possono percepire l’ambiente circostante, prendere decisioni in base ai dati raccolti e agire per raggiungere obiettivi specifici. Possono essere utilizzati in tanti contesti, come assistenti virtuali, robot autonomi, chatbots e molto altro. La loro principale caratteristica è la capacità di adattarsi e rispondere in modo autonomo a situazioni in continuo cambiamento, migliorando le loro prestazioni attraverso l’apprendimento.

Abbiamo voluto metterli alla prova tentando di… far parlare gli agenti di loro! Nel seguente esperimento messo in atto dal nostro team di eLabor potrete leggere degli articoli realizzati direttamente dagli AI Agents sulla loro attualità e le caratteristiche. Ne abbiamo selezionati due su quattro, ovvero quelli che ci sembravano i migliori scritti dagli agenti utilizzando diversi prompt.
Ma andiamo a conoscere meglio i protagonisti di questo esperimento: ci sono tre agenti, ovvero Scrittore, Recensore e Traduttore. Lo scrittore fa una ricerca in Internet su un determinato argomento e scrive l’articolo. Il revisore controlla l’articolo e se c’è qualcosa di sbagliato scrive il feedback e lo restituisce allo scrittore per riscrivere l’articolo. Se il recensore ritiene che sia buono, dà l’articolo al traduttore che lo traduce in italiano e fornisce la versione finale dell’articolo.
Di seguito trovate i due articoli realizzati dagli AI Agents per il nostro esperimento. Fateci sapere i vostri pareri, impressioni e opinioni al riguardo.






Primo articolo

Navigare il Futuro degli Agents AI nel 2025

Mentre ci troviamo nel 2025, il panorama degli agenti AI è significativamente cambiato, trasformando il nostro modo di gestire i flussi di lavoro, prendere decisioni e interagire con varie piattaforme digitali. Gli agenti AI sono passati da strumenti concettuali a componenti essenziali sia nelle strategie aziendali che nelle operazioni quotidiane. La domanda è: come possiamo sfruttare questa tecnologia in modo efficace?

Comprendere gli Agents AI: Il Cambiamento delle Dinamiche

Gli agenti AI, spesso alimentati da avanzati algoritmi di machine learning, sono progettati per svolgere compiti in modo autonomo, imitare i processi decisionali umani. Nel 2025, una percentuale notevole del 25% delle imprese ha adottato soluzioni AI generative che incorporano agenti AI, con previsioni che suggeriscono che questo numero potrebbe salire al 50% entro il 2027 (Deloitte).

Tendenze Attuali che Modellano gli Agents AI

Il mercato degli agenti AI è destinato a raggiungere la sbalorditiva cifra di 7,63 miliardi di dollari entro la fine di quest’anno, con una crescita spettacolare prevista. Circa il 90% delle organizzazioni che utilizzano agenti AI riportano un miglioramento nei flussi di lavoro e nell’efficienza operativa. I dati indicano inoltre che Gartner prevede che entro il 2028, le decisioni autonome degli agenti AI influenzeranno il 15% delle decisioni lavorative quotidiane.

L’Impatto Trasformativo Attraverso i Settori

Dal supporto clienti all’analisi dati complessa, gli agenti AI stanno ridefinendo l’efficienza in vari settori. Le aziende stanno ora sfruttando questi agenti intelligenti per automatizzare compiti ripetitivi, consentendo ai team umani di dedicare le loro energie a iniziative strategiche.

Sfide e Considerazioni

Nonostante il momento positivo, l’integrazione degli agenti AI presenta delle sfide. Considerazioni etiche, privacy dei dati e il potenziale per la sostituzione dei posti di lavoro rimangono discussioni cruciali. È fondamentale che le organizzazioni navigano queste acque con attenzione.

Abbracciare il Futuro

Mentre l’era dell’AI degli Agent si sviluppa, sorgono domande riguardo ai futuri sviluppi e innovazioni. Gli esperti suggeriscono che la prossima ondata vedrà agenti ancora più autonomi e intelligenti diventare la norma, cambiando le dinamiche della collaborazione uomo-AI. La domanda che sorge è: siamo pronti per questa evoluzione nei processi lavorativi?
In conclusione, l’ascesa degli agenti AI presenta sia opportunità che sfide. Per le organizzazioni che sfruttano questa tecnologia, comprendere e adattarsi a queste tendenze in corso sarà cruciale.

La nostra mascotte ADRiano che emula in modo simpatico un AI Agents in stile… 007!



Secondo Articolo

Agents AI nel 2025: Trasformare le nostre interazioni con la tecnologia

Mentre navighiamo attraverso il 2025, il panorama degli agenti AI è evoluto in modo drammatico, rivoluzionando il nostro modo di interagire con la tecnologia sia nella vita personale che in quella professionale. Qui esploriamo le tendenze attuali che stanno modellando questo campo dinamico.

L’ascesa degli Agents AI Autonomi

Nel mondo tecnologico odierno, la domanda di ‘agenti AI autonomi’ è aumentata notevolmente. Questi sistemi intelligenti non sono solo reattivi; ci assistono proattivamente in compiti che vanno dalla pianificazione di riunioni alla fornitura di informazioni in tempo reale sulle dinamiche di mercato. L’idea è semplice ma innovativa: più diventano autonomi, più possono contribuire all’efficienza e al processo decisionale. Cosa significa tutto ciò? Le organizzazioni stanno assistendo a livelli di produttività più elevati, poiché questi agenti si occupano di compiti di routine, liberando risorse umane per funzioni più critiche.

Iper-Personalizzazione attraverso gli Agents AI

L’iper-personalizzazione è ora in prima linea nelle strategie di customer experience. Gli agenti AI sfruttano l’analisi dei dati per personalizzare servizi e raccomandazioni in tempo reale, creando esperienze su misura per gli utenti.
Punti salienti delle tendenze:

  • Insight Basati sui Dati: Analizzando il comportamento dei consumatori, gli agenti AI possono prevedere bisogni e preferenze, portando a un’esperienza utente più coinvolgente.
  • Adattabilità Istantanea: Questi agenti apprendono e si adattano costantemente, assicurando che l’esperienza evolva con l’utente.

Agents AI sul Posto di Lavoro

L’integrazione degli agenti AI nel luogo di lavoro ha portato a un ambiente più collaborativo. Agiscono come membri del team, assistendo nelle sessioni di brainstorming e nella gestione dei progetti.
Applicazioni chiave:

  • Reportistica automatizzata per tenere traccia dello stato dei progetti.
  • Collaborazioni in tempo reale, poiché gli agenti AI facilitano la comunicazione tra i team.

Sostenibilità e Considerazioni Etiche

Nel 2025, l’AI etica è un argomento più critico che mai. Lo sviluppo degli agenti AI è inquadrato da obiettivi di sostenibilità, concentrandosi sulla minimizzazione dell’impatto ambientale, garantendo al contempo un uso etico dei dati.
Considerazioni importanti:

Trasparenza nell’AI: Gli utenti stanno richiedendo sempre più chiarezza su come vengono utilizzati i loro dati.

Pratiche Sostenibili: Le aziende stanno integrando pratiche eco-friendly nello sviluppo dell’AI.

Impegnarsi con il Futuro degli Agents AI

L’evoluzione degli agents AI rappresenta un cambiamento significativo nel nostro modo di interagire con la tecnologia, sottolineando autonomia, personalizzazione, collaborazione ed etica. Man mano che continuiamo ad abbracciare questi cambiamenti, il potenziale per l’innovazione appare illimitato.

Diario di bordo dall’Open Source Day 2025

Venerdì 21 marzo 2025 siamo stati all’Open Source Day al Nana Bianca di Firenze, evento organizzato da SCHROEDINGER HAT. Una vera e propria reunion di esperti, sviluppatori, divulgatori e aziende con l’intento di approfondire i valori e le opportunità legate alle tecnologie open source.
Abbiamo partecipato all’evento insieme a RIOS, la Rete Italiana Open Source della quale facciamo parte: questo ci ha permesso di conoscere persone nuove, raccontare quello che facciamo in eLabor, condividere conoscenze, esperienze e soluzioni volte allo sviluppo del panorama tecnologico globale.

La platea dell’evento

L’OSDay ha attirato un pubblico variegato, da sviluppatori esperti a studenti curiosi di scoprire di più sull’importanza del software libero e delle sue applicazioni. Tanti gli speech che si sono susseguiti nella sessione plenaria, tutti improntati su approfondimenti tecnici e specifici su IOT e AI, digitalizzazione dell’industria e sicurezza informatica, piattaforme e progetti. E poi via al confronto e networking tra speaker, visitatori e chi era a presidiare agli stand ha scaturito nuove proposte, idee e programmi all’insegna dell’innovazione e della collaborazione.

L’importanza di soluzioni condivise

Come eLabor e Rete Italiana Open Source riteniamo questa componente un motore importante per il futuro della tecnologia e dell’Open Source in generale. Sono queste, dopotutto, le occasioni in cui possono emergere proposte di soluzioni condivise, insieme a un confronto sulle migliori pratiche e lo sviluppo di strumenti che possano essere utilizzati da tutti, indipendentemente dalla loro posizione geografica o dal loro background professionale e tecnico, e capire come possiamo mettere a disposizione le nostre competenze.

Dalle conversazioni ai possibili sviluppi futuri

In conclusione possiamo dire che questo evento ci ha fatto vivere un’esperienza gratificante sia come eLabor che come Rete Italiana Open Source: i nostri racconti, le nostre esperienze, i nostri case study, tra cui quelli sull’utilizzo di ADR-Flow come soluzione di riconoscimento automatico dei difetti sono piaciuti, e hanno portato la conversazione a possibili sviluppi futuri. Ci sentiamo quindi ispirati verso nuovi orizzonti, collaborazioni e progetti. Non possiamo fare altro che guardare con entusiasmo a futuri eventi di questo tipo, certi e convinti che contribuiranno a plasmare il futuro dell’open source e, al tempo stesso, dell’innovazione tecnologica globale.

L’Italia e l’Intelligenza Artificiale, una visione strategica per il futuro: la pianificazione e alcuni rischi da contemplare

Ascolta l’articolo

Come avrete notato anche negli scorsi articoli, cerchiamo sempre di seguire quelle che sono novità riguardanti il campo dell’IA.
Sappiamo bene che negli ultimi anni l’Intelligenza Artificiale ha rivoluzionato il mondo, andando a influenzare settori produttivi, pubblica amministrazione e la società anche nelle attività quotidiane. L’Italia, che vanta una forte tradizione manifatturiera e industriale, nonché accademica, ha deciso di affrontare questa trasformazione stilando un piano strategico mirato: la Strategia Italiana per l’Intelligenza Artificiale 2024-2026.

Perché una Strategia per l’IA?

Sembra ormai acclarato che l’IA stia diventando sempre più un fattore chiave per l’innovazione e la crescita economica. Dalla sanità all’industria, dalla formazione alla pubblica amministrazione, la sua applicazione è in continua espansione. Tuttavia, nonostante un’ottima base di ricerca e competenze accademiche di alto livello, l’Italia ha bisogno di accelerare l’adozione pratica dell’IA, soprattutto nelle PMI e nel settore pubblico.
La strategia nazionale si pone quindi l’obiettivo di consolidare il ruolo del Paese come attore di primo piano nel panorama europeo, puntando su un’IA affidabile, sostenibile e antropocentrica, in linea con i principi dell’Unione Europea. Questo significa promuovere l’innovazione senza trascurare aspetti cruciali come etica, sicurezza, privacy, di cui abbiamo parlato in questo articolo, e impatto sociale.

Gli Obiettivi della Strategia Italiana per l’IA

Il piano in questione si articola su quattro macroaree fondamentali con degli elementi ben precisi:

1. Ricerca e Innovazione

  • Potenziare l’ecosistema italiano della ricerca IA
  • Creare laboratori e infrastrutture di calcolo avanzate
  • Sviluppare algoritmi e modelli IA adatti al contesto italiano

2. Pubblica Amministrazione

  • Digitalizzare e semplificare i servizi pubblici attraverso l’IA
  • Formare il personale amministrativo per un uso consapevole delle nuove tecnologie
  • Creare linee guida per l’adozione di soluzioni IA nel settore pubblico

3. Sostegno alle Imprese

  • Incentivare l’adozione dell’IA nelle PMI
  • Creare hub di innovazione e incubatori per startup IA
  • Sviluppare servizi digitali avanzati per il settore industriale e manifatturiero

4. Formazione e Competenze

  • Introdurre corsi specializzati sull’IA nei programmi scolastici e universitari
  • Avviare programmi di reskilling e upskilling per il mondo del lavoro
  • Favorire la mobilità di studenti e ricercatori per collaborazioni internazionali

Infrastrutture e Coordinamento

Per poter garantire il successo di questa strategia è necessario un coordinamento efficace tra istituzioni, imprese e centri di ricerca. A tal fine, è prevista la creazione di una Fondazione per l’Intelligenza Artificiale, che avrà il compito di gestire risorse, monitorare i progressi e promuovere la condivisione di dataset e modelli IA. Saranno inoltre potenziate le infrastrutture di rete e di calcolo per supportare l’evoluzione delle tecnologie IA su larga scala.

Sfide e Rischi

L’adozione dell’IA non è certo priva di ostacoli. Tra le principali criticità identificate dalla strategia troviamo:

  • Il rischio del “non fare”, ovvero il ritardo nell’adozione dell’IA rispetto ad altri Paesi.
  • L’omogeneizzazione culturale, con l’uso di modelli IA sviluppati all’estero senza un adattamento al contesto italiano.
  • Rischio dell’inefficacia: la strategia nazionale potrebbe non essere efficace nella sua attuazione a causa della complessità delle dinamiche dell’IA e della necessità di gestire molteplici linee di azione.
  • L’iperregolazione, che potrebbe ostacolare lo sviluppo dell’IA con eccessiva burocrazia.
  • L’impatto sul lavoro, con la necessità di sostenere la transizione delle professioni verso un uso consapevole dell’IA.
  • Il digital divide, per evitare che l’adozione dell’IA aumenti le disuguaglianze digitali nel Paese.

Il blogger Ernesto Belisario, oltre a commentare i rischi sopracitati, ha posto l’attenzione anche su alcune domande a cui la strategia non ha fornito delle risposte. Ad esempio: quali sono gli attori che saranno coinvolti nell’attuazione del Piano? E quanto tempo servirà per costituire e rendere operativa la Fondazione per l’Intelligenza Artificiale? Non sarebbe stato più veloce assegnare queste attività a un soggetto istituzionale già esistente? Sono previsti tempi specifici per il completamento delle azioni? Quali e quanti fondi saranno utilizzati per l’attuazione della strategia? Le risposte a certi quesiti potranno arrivare, con tutta probabilità, soltanto cammin facendo nel momento in cui la strategia diverrà sempre più concreta, tenendo ben presente che però non è stato stabilito il budget effettivo da investire in questo campo.

L’Italia come centro di eccellenza per lo sviluppo tecnologico

Tornando al piano presentato in precedenza, si può dire che l’Intelligenza Artificiale rappresenti una straordinaria opportunità per il futuro dell’Italia. Con la Strategia Italiana per l’IA 2024-2026, il Paese punta a diventare un centro di eccellenza, investendo in ricerca, formazione e sviluppo tecnologico. Affrontando con determinazione le sfide e valorizzando i punti di forza, l’Italia, in questo modo, potrà giocare un ruolo chiave nel panorama europeo dell’IA, garantendo innovazione e promuovendo progresso sociale tramite una tecnologia sempre più sostenibile. Servirà però rendere tutto meno fumoso e provare a fare maggior chiarezza su alcuni aspetti per velocizzare il procedimento e rendere efficiente tutto il progetto.

AI e Open Source: trasparenza, etica e innovazione per lo sviluppo tecnologico

Ascolta l’articolo

Nel momento in cui l’opinione pubblica si è smobilitata intorno a DeepSeek, il chatbot AI e open souce prodotto in Cina che sta spopolando soprattutto negli Stati Uniti, noi vogliamo focalizzarci sulla tematica open per quanto riguarda alcuni fondamenti principali, come la trasparenza e l’etica e la responsabilità.
Non a caso l’utilizzo di un paradigma che consente l’accesso pubblico al codice sorgente deve garantire che queste tecnologie siano utilizzate in modo responsabile, come dovrebbe essere per la nuova intelligenza artificiale cinese che ha generato un certo trambusto, sia dal punto di vista della grande efficienza dimostrata con la quale ha sorpreso i competitor, sia per le possibilità di democratizzazione della tecnologia.

Parola d’ordine: trasparenza

La trasparenza dell’open source è fondamentale anzitutto per rendere visibile il codice sorgente di un sistema AI. I modelli di AI, che spesso vengono percepiti come “scatole nere”, sono difficili da comprendere e da interpretare, soprattutto quando vengono utilizzati per prendere decisioni automatizzate in ambiti critici come l’economia e la legge. Invece, tramite l’open source, qualsiasi sviluppatore può esaminare il codice presente in un sistema AI, verificare come vengono prese le decisioni e identificare eventuali problematiche nel sistema.
Va ricordato che la trasparenza riduce il rischio che algoritmi problematici vengano impiegati senza un adeguato controllo esterno. Questo permette a chiunque di proporre miglioramenti o correzioni, stimolando l’evoluzione continua dell’AI in modo aperto e condiviso.

L’importanza delle community per l’open source e l’AI

Le community di sviluppatori, ricercatori e attivisti che si raccolgono solitamente attorno ai progetti open source ha la possibilità di monitorare costantemente l’uso dell’AI e di identificare eventuali applicazioni dannose o discriminatorie. Un esempio emblematico è la possibilità di rilevare, grazie alla revisione collettiva del codice, pregiudizi nei dataset utilizzati per addestrare i modelli, che possono essere ad esempio razziali o di genere. Le community possono quindi intervenire per modificare gli algoritmi e migliorare l’equità, applicando correttivi per evitare che l’AI perpetui con delle disuguaglianze.
Un altro aspetto importante riguarda la responsabilità delle decisioni prese dai sistemi AI.
Le tecnologie open source permettono infatti di identificare chiaramente chi è responsabile di ciascun componente del sistema, riducendo l’anonimato delle decisioni algoritmiche e aumentando la possibilità di un’azione correttiva in caso di errori o danni.
Le community possono anche creare linee guida e best practices per l’uso etico dell’AI, sviluppando un approccio collettivo alla responsabilità.

Sicurezza e Privacy con l’AI open source

Oltre ai benefici offerti dall’open source in termini di trasparenza, serve fare il quadro anche intorno a sicurezza e privacy dei dati. L’accesso pubblico al codice potrebbe, in teoria, favorire malintenzionati che sfruttano le vulnerabilità dei sistemi AI per scopi dannosi. L’AI open source, dal canto suo, può essere utilizzata per creare modelli di attacco o per manipolare i dati in modo dannoso. Ad ogni modo è ben noto che ogni progetto open source di questa tipologia deve implementare misure rigorose per proteggere i dati personali per evitare che la trasparenza e l’accessibilità del codice non compromettano la sicurezza dei dati.

Per una collaborazione globale

Molti progetti di AI open source uniscono sviluppatori di tutto il mondo, creando una comunità di persone che lavorano insieme per risolvere problemi complessi e migliorare la tecnologia. Questo approccio collaborativo accelera l’innovazione, poiché consente di combinare diverse competenze e prospettive per affrontare le sfide in modo creativo e permette a tutti di beneficiare delle ultime innovazioni nel campo dell’AI. Questo può ridurre il divario tecnologico tra paesi e organizzazioni e aumentare l’accessibilità democratizzando l’accesso alle tecnologie avanzate.

Uno sviluppo tecnologico sostenibile è possibile

Tornando al caso di DeepSeek, dobbiamo evidenziare come una tecnologia open source richieda una gestione attenta e una collaborazione continua tra le diverse parti interessate, affinché l’evoluzione dell’intelligenza artificiale possa avvenire nel rispetto dei principi etici e della tutela dei diritti individuali. Se gestita correttamente da chi ha conoscenze e esperienza, l’open source può essere uno strumento potente per costruire un futuro tecnologico più equo, sicuro e responsabile.

Geneva Winter Summit 2025, l’evento sull’intelligenza artificiale per un futuro digitale, equo e sostenibile

Questa volta vogliamo parlarvi di un evento internazionale a nostro parere molto interessante e calzante con le tematiche che di solito trattiamo su questo blog, ovvero il Geneva Winter Summit 2025 organizzato da AIFOD (AI For Developing Countries Forum).
Il tema centrale di questo evento sarà “Empowering the South 2030: forgiare un futuro di intelligenza artificiale per una sovranità digitale inclusiva“. Il dibattito verterà sull’IA che sta rapidamente trasformando il nostro mondo, ma i benefici di questa tecnologia devono ancora essere distribuiti equamente a livello globale.
L’appuntamento è a Ginevra il 27 e 28 gennaio 2025 presso l’Ufficio delle Nazioni Unite.
L’obiettivo dell’evento è unire i settori pubblico e privato per affrontare le sfide globali più ardue legate all’intelligenza artificiale, promuovendo un progresso tecnologico e sostenibile di cui possano beneficiare tutti i Paesi, in particolare quelli in via di sviluppo.

Un’occasione per riflettere, crescere e collaborare

Questo evento rappresenta una delle occasioni più importanti per riflettere sui progressi che l’IA sta apportando in vari settori, come sanità, istruzione e crescita economica nei paesi in via di sviluppo. Attraverso il confronto tra esperti e organizzazioni, l’AIFOD 2025 si propone di promuovere una discussione critica sull’uso etico dell’IA e di proporre politiche che riguarderanno miliardi di persone in tutto il mondo. Per l’occasione è prevista anche la consegna del Premio di Eccellenza AIFOD, un riconoscimento importante per chi si è distinto nella promozione dell’intelligenza artificiale a favore dei paesi in via di sviluppo. Le candidature per il riconoscimento sono già aperte.

Un’unica missione 


Partecipare al Geneva Winter Summit organizzato da AIFOD 2025 significa poter entrare in contatto con una rete globale di esperti, politici, e attivisti, tutti uniti nella missione di garantire che l’intelligenza artificiale possa essere uno strumento di progresso e prosperità, non solo per i paesi più avanzati, ma anche per quelli in via di sviluppo. L’evento si presenta anche come un’occasione per individuare in che modo le nuove tecnologie possano risolvere alcune delle sfide globali più impellenti.

Un dibattito per condividere le esperienze

L’AIFOD 2025 invita tutti coloro che sono interessati a contribuire a questo importante dibattito, sia che si tratti di esperti di IA pronti a condividere la loro esperienza o di organizzazioni desiderose di collaborare per promuovere l’adozione questa tecnologia nei paesi in via di sviluppo. La partecipazione al vertice di Ginevra è gratuita. Per maggiori informazioni visita il sito ufficiale dell’AIFOD: https://aifod.org/

Ci sono ricascato … ICT e AI in Africa

Ascolta l'articolo


Ci sono ricascato. Dove? In Africa, naturalmente: il vizietto non mi ha affatto abbandonato e, anzi,
sono sempre più coinvolto e convinto.

Un progetto che parte da lontano

No, non si tratta di caccia grossa, magari anche solo con la macchina fotografica: se volete capire un po’ meglio il mio approccio (che poi ho scoperto di essere quello di molti altri amici che sto imparando a conoscere), potete iniziare dall’articolo che ho scritto a marzo (https://www.adrflow.it/varie/sviluppo-intelligenza-artificiale-machine-learning-in-africa) per l’appunto appena tornato dal mio primo viaggio in Kenya di quest’anno.
Nel frattempo, però, le cose non sono state ferme: i contatti presi a marzo hanno dato i loro frutti, coinvolgendone altri, facendo meeting su Internet per fare brain-storming, organizzarsi, condividere idee di progetti, preparare la strada ad una nuova missione, che per l’appunto si è concretizzata alla fine di novembre. Troppo corta, purtroppo: gli impegni in eLabor, tra cui la partecipazione al Red Hat Summit Connect di Milano, appena prima di partire, e poi la necessità di chiudere delle attività prima della fine dell’anno, mi hanno lasciato solo 10 giorni (8 sul suolo keniano) per raccogliere i risultati del lavoro fatto ed impostare quello (tanto) ancora da fare.

Vi racconto chi ho incontrato…

Intanto, però, ho incontrato gruppi di persone eterogenei, ma molto determinati: come l’associazione delle donne e dei giovani della contea di Baringo, ad esempio, che stanno cercano di impiantare delle filiere produttive per i contadini ed i pescatori della zona e sognano di farlo con strumenti ICT ed AI innovativi, oppure i gruppi organizzati e le cooperative di contadini della contea di Vihiga, già decisamente più avanti nella realizzazione dello stesso sogno (non fatevi ingannare, se guardate qualche fotografia, dall’aspetto povero e dimesso: poveri sono, ma il cervello ce l’hanno fino, ve l’assicuro, così come non manca certo loro la determinazione).
Poi ho incontrato i gesuiti di Nairobi, che stanno organizzando un corso di laurea che contribuirà alla formazione dei nuovi manager di cui il Kenya ha bisogno per far decollare la propria capacità di dare lavoro, beni e servizi di qualità a persone, imprese e pubbliche amministrazioni. Non per niente, è nato anche uno “spin-off” che punta a diventare un Digital Hub e col quale abbiamo iniziato a progettare le modalità per la nostra collaborazione prossima futura. Infine, altri imprenditori coi quali attivare proficue collaborazioni per entrambi.

e quello che ho notato

Sono state tutte occasioni in cui ho potuto verificare come l’approccio che ho descritto nel mio ultimo articolo (https://www.adrflow.it/uncategorized/framework-per-progetti-ict-ai-mettere-i-problemi-al-centro/) sia da una parte fondamentale e dall’altra abbia in sé la capacità di motivare tutti questi gruppi di persone, pur così eterogenei: naturalmente, ciascuno secondo la sua preparazione ed il livello di sviluppo del suo progetto.
Una cosa che ho notato e che anche quelli che sono più lontani dalla meta, dopo un primo momento in cui hanno avuto una reazione del tipo “non pensavo che fosse così difficile”, hanno capito che sicuramente è impegnativo, ma è anche possibile e, anzi, avere una buona metodologia, che non nasconde gli ostacoli, ma che predispone le cose per il loro superamento, è molto stimolante e promettente.

Ci sono poi altri avvenimenti che sono successi dopo il mio ritorno e che mi hanno ancora più convinto della bontà di questa scelta di guardare a sud, ma ve ne parlerò in un prossimo articolo; per il momento state sicuri: il continente africano ed il particolare la zona dell’Est Africa ce ne faranno vedere delle delle belle nei prossimi anni! 

Paolo Mascellani

Framework per Progetti ICT/AI: Mettere i problemi al centro

Ascolta l’articolo

Nel mio ultimo articolo su questo blog sostenevo che bisogna mettere al centro i problemi che si vogliono risolvere, non le tecnologie che si vogliono adottare, anzi, di per sé, non si dovrebbe neppure voler adottare una tecnologia, ma trovare le tecnologie corrette a partire dal problema, ma questa è tante volte solo teoria: in pratica, molto spesso si parte avendo già in testa delle tecnologie, e non è neppure sbagliato, se comunque si mantiene il focus sul problema.

Ho fatto cenno anche ad un framework concettuale che può essere utilizzato nei progetti del tipo “ICT/AI for good”. Questo framework, in realtà, può essere utilizzato in qualsiasi progetto ICT/AI che semplicemente abbia la pretesa di avere un effetto positivo; personalmente e come azienda, sono gli unici progetti che mi interessano.

Le fasi del framework

Cosa prevede quindi questo framework per progetti ICT/AI? Non si tratta di colpi di genio, ma solo di ragionevolezza (e scusate se è poco!). Suggerisce in sostanza di strutturare il progetto secondo queste fasi:

  1. Esplorazione
  2. Design
  3. Implementazione
  4. Valutazione

Qui sento subito “ribollire” lo spirito che anima alcuni miei amici, innamorati, come me, delle tecniche agili: se si vuole essere agili (e vogliamo, perché in questo modo aumentano significativamente le probabilità che il progetto vada a buon fine) non dobbiamo considerarle come fasi separate eseguite una volta sola in stretta sequenza, ma come fasi eseguite ciclicamente. Ci sarebbe molto da dire a questo proposito, ma ora mi interessano altre considerazioni, quindi abbandono questo interessantissimo tema.

Esplorazione: cosa significa esplorare il problema?

Il framework suggerisce diverse attività fondamentali durante la fase di esplorazione:

Individuare ed ingaggiare i “portatori di interesse” (stakeholder)

Le persone e le organizzazioni che hanno un interesse nel problema che vogliamo affrontare (il problema, appunto, non le tecnologie) hanno una sensibilità ed una visione, oltre che una conoscenza, molto più approfondita della nostra e sono imprescindibili per capirlo meglio e, in definitiva, per il successo del progetto. Qualche tempo fa, mi è stato proposto un progetto di AI avanzata che doveva servire a supporto delle cooperative di pesca dell’Adriatico: ho aderito con entusiasmo ed ho chiesto di incontrarne almeno una: la freddezza con cui sono stato accontentato avrebbe dovuto mettermi sull’avviso, ma, comunque, non ci volle molto, una volta individuato l’interlocutore, per capire che il “portatore di interesse” … non aveva alcun interesse nella cosa. Facile immaginare che il progetto sia finito male.

Definire il problema

Una buona definizione di un problema dovrebbe descrivere il problema nelle sue caratteristiche essenziali, senza troppi dettagli e sicuramente senza riferimento alle tecnologie che si pensa di potere o dovere utilizzare; inoltre, dovrebbero essere individuati i dati necessari e menzionati esplicitamente gli stakeholder (almeno quelli “chiave”, quelli cioè che possono determinare il successo o il fallimento del progetto); cosa molto importante, bisognerebbe che contenesse almeno un’idea abbastanza chiara, se non una vera e propria definizione formalizzata, di cosa si intende per successo del progetto, qualcosa che, alla fine dovrebbe permettere di dire appunto se l’obiettivo è stato raggiunto o no.

Determinare se l’AI o la specifica tecnologia che si pensa di adottare porti un effettivo vantaggio rispetto alle tecnologie tradizionali con cui il problema viene affrontato

Proprio ieri, sono stato a visitare un possibile cliente; abbiamo parlato di tecnologia, ovviamente, ma avevo chiesto in anticipo che mi facessero visitare la linea produttiva, proprio per avere l’occasione di “esplorare” il problema. Ad un certo punto, intelligentemente, uno dei miei interlocutori mi ha chiesto quale fosse il reale vantaggio di utilizzare le reti neurali ed il machine learning per quel problema invece che le tecniche di computer vision tradizionali: è stato un momento chiave dell’incontro, durante il quale ho fatto appunto questa disamina e spiegato, spero in modo efficace, come e perché il ML, in questo caso, non sempre, batte le tecniche tradizionali.

Applicare il principio “Do not (cause significant) harm”

Preoccuparsi che oltre a risolvere il problema in esame il nostro approccio non causi dei danni (significativi) a nessuno. Questo è un principio di natura etica e qualcuno potrebbe anche pensare di non applicarlo, ma attenzione: se il nostro progetto causa dei danni significativi a qualcuno, questi potrebbe agire contro il progetto e magari anche, a torto o a ragione, farlo fallire.

Domande chiave della fase di esplorazione

In conclusione, alla fine della fase di esplorazione dovremmo essere in grado di rispondere (almeno) a queste domande:

  • Qual è il problema specifico che vogliamo affrontare?
  • Chi sono gli stakeholder (almeno quelli “chiave”, che comunque vanno individuati)?
  • Abbiamo accesso o possiamo acquisire i dati necessari?
  • Quali vantaggi porta la tecnologia proposta?
  • Cosa ci indicherà se il progetto ha avuto successo o no?
  • La soluzione che abbiamo in mente causa dei danni significativi a qualcuno? Questi danni possono essere mitigati?

Conclusione: pronti per il design

Solo a questo punto potremo affrontare efficacemente la seconda fase, quella del “design” della soluzione … ma di questo ne parleremo una prossima volta.

machine learning & block chain

L’importanza di un approccio consapevole all’IA: l’errore di focalizzarsi sulle tecnologie e non sulle problematiche

Ascolta l'articolo

Sembra essere molto diffuso, almeno leggendo riviste e social media, un atteggiamento del tipo: “per rimanere sul mercato bisogna fare qualcosa di intelligenza artificiale”. Di per sé, credo che sia un’affermazione sostanzialmente vera, ma fuorviante se la si prende come atteggiamento concreto, col suo quasi inevitabile corollario: “qualsiasi cosa, purché sia IA”.

Il punto, infatti, non è utilizzare l’IA, ma avere un atteggiamento di ricerca, riconoscimento e risoluzione dei problemi, o, in altri termini, diventare sempre di più delle “learning organization”. È solo a questo punto che molto probabilmente scopriremo che non l’IA, ma quel particolare tipo di IA, corredata di tutto quello che deve stare attorno, come una seria raccolta e gestione dei dati, ci può aiutare.

Un progetto ambizioso e le sue problematiche

Qualche settimana fa, mi sono iscritto come volontario ad un progetto molto ambizioso del genere “AI for good”, con l’aggiunta pure di “salsa blockchain”, altro argomento di cui si parla e si straparla e che considero pure molto interessante, ma di cui continuo a far fatica a trovare casi d’uso convincenti: l’idea è (o forse, era) di utilizzare blockchain e machine learning per aiutare i coltivatori di caffè dell’Etiopia.

Il mio obiettivo personale, oltre che magari dare un contributo nella lotta alla povertà, era appunto di trovare un’applicazione convincente e di fare un po’ di esperienza su tecnologie interessanti, ma che frequento meno di altre. Purtroppo, la strada si è subito rivelata “in salita”: di idee non ce n’erano molte, ma in compenso erano molto ben confuse. Non dati, non conoscenza della filiera, non casi d’uso ben definiti, ma solo, appunto, un generico usiamo ML per prevedere i prezzi, CV per valutare la qualità del prodotto e BC per tracciare la filiera, “dal produttore al consumatore”, ovviamente. Mi sbaglierò, ma mi pare che il progetto stia morendo senza neanche bisogno che qualcuno intervenga per chiuderlo, ed è un vero peccato, perché invece, affrontato in un altro modo, senza anteporre le tecnologie al problema, credo che avrebbe potuto essere molto più interessante ed anche di successo.

L’importanza di un framework concettuale nell’uso dell’IA

Qualche tempo fa, ho frequentato un corso on-line promosso dal solito mitico Andrew Ng, dal titolo, appunto, “AI for Good” in cui è stato presentato, con dovizia di particolari e di esperienze concrete, un framework concettuale per affrontare progetti di questo tipo, in larga parte utilizzabile anche per qualsiasi altro progetto di innovazione tecnologica: nulla di quanto descritto nel corso è stato utilizzato nel progetto di cui sopra, mentre si sarebbe senz’altro potuto farlo. Se lo si fosse fatto, la cosa più probabile è che il progetto avrebbe cambiato completamente faccia e, forse, avrebbe anche avuto successo, magari anche con le stesse tecnologie.

Unici, parziali, ma per me importanti, passi avanti: aver imparato un po’ di più di Blockchain di quanto non sapessi prima ed aver visto in pratica, sia pure in negativo, l’importanza del framework concettuale proposto da Andrew e dal teacher (ora non ne ricordo il nome).

Prossimi sviluppi

Vorrei parlarvi ora di come tutto questo si collega alle nostre proposte di innovazione per aziende, come ADR-Flow, i “pilastri” ICT/AI che abbiamo individuato per l’industria manifatturiera (e non solo) o al progetto “ICT/AI Kenya” che stiamo costruendo … Niente paura: tutto questo ci sarà prossimamente su questo stesso blog.

Keep learning (voi e le vostre organizzazioni)!

ADR-Flow con eLabor e RIOS a Red Hat Summit Connect 2024: un’occasione per confrontarci in modo pratico sulle soluzioni del mondo open source

Anche quest’anno eLabor sarà con RIOS, la Rete Italiana Open Source della quale è parte integrante, al Red Hat Summit Connect 2024 di Milano in programma il 19 novembre. Nella sessione dedicata il CEO di eLabor Paolo Mascellani presenterà l’esperienza di ADR-Flow in un caso concreto, del quale vi sveliamo un po’ di anticipazioni.

Il nostro case history

Protagonista del case history è un’azienda che produce imballaggi flessibili per uso industriale, le cui esigenze erano quelle di creare imballi più leggeri, con spessori ridotti e ottime prestazioni e di alta qualità, ma anche sostenibili e realizzati con PE riciclato. Per poter ottenere questi risultati serviva poter effettuare un accurato controllo della qualità del materiale in ingresso e intervenire nel caso se ne presentasse la necessità… e qui siamo entrati in scena noi!
Utilizzando le tecniche di computer vision basate su algoritmi di machine learning inserite all’interno di ADR-Flow, abbiamo ottenuto risultati ampiamente superiori a quelli ottenibili con tecniche più classiche di analisi delle immagini. ADR-Flow, il nostro sistema di riconoscimento automatico dei difetti di produzione industriale, è utilizzabile grazie alla sua architettura generale e flessibile in moltissima altre situazioni ed è completamente Open Source, a tutti i livelli dello stack tecnologico. Oltre a ADR-FLOW sono state utilizzate anche altre soluzioni open source come TensorFlow e Raspberry… ma non vogliamo farvi altri spoiler, il resto ve lo racconteremo all’evento di Milano…!

Potenza dell’Open Source

Da sempre eLabor possiede una forte vocazione all’innovazione e alla tecnologia, soprattutto nel campo dell’informatica. Quale migliore occasione quindi del Red Hat Summit Connect, dove conoscenze, competenze ed esperienze in questo ambito si contaminano e moltiplicano, per poter parlare dell’applicazione di Machine Learning e Intelligenza Artificiale in ambito industriale? D’altra parte siamo sempre stati convinti che l’open source sia il motore innovazione dell’innovazione tecnologica, ed è quindi fondamentale mostrare e osservare insieme la messa in pratica, i risultati e i benefici di queste soluzioni nei più svariati contesti di applicazione.

eLabor e RIOS, un’unica missione

Poiché siamo parte integrante di RIOS ne condividiamo la mission di promuovere, individuare e divulgare le migliori tecnologie Open Source presenti sul mercato, puntando sull’innovazione e nella possibilità di una crescita continua e sempre più ad ampio raggio. Per questo e tanti altri motivi, se sarete presenti il 19 novembre all’evento di Red Hat a Milano, oltre a seguire la sessione RIOS a partire dalle ore 14:00, avremo modo di conversare, confrontarci, collaborare e condividere conoscenze su tante tematiche relative al mondo open.
Potete consultare l’agenda e iscrivervi al Red Hat Summit Connect 2024 di Milano cliccando su questa pagina

Ottobre 2025
L M M G V S D
 12345
6789101112
13141516171819
20212223242526
2728293031  
Archivi

Categorie