Che ci piaccia o no, l'intelligenza artificiale è qualcosa a cui prestare molta attenzione in questo momento. Ma, anche se oggi è sulla bocca di tutti, la verità è che non si tratta di un concetto nuovo. Infatti, il primo boom di questo tema risale al 1989. "La grande differenza è che oggi abbiamo i dati e l'infrastruttura per elaborare ciò che i computer del passato non erano in grado di fare", spiega Carmine de Franco, head of Analytics di Ossiam (affiliata di Natixis IM). Inoltre, ciò che intendiamo come intelligenza artificiale si è evoluto negli ultimi decenni.
In particolare, Richard Benjamins, Chief strategist for AI and Data di Telefonica, parla di quattro fasi di trasformazione di questo concetto. Negli anni '90 l'intelligenza artificiale era più classica: codice complesso per risolvere problemi matematici. Poi si è evoluta nel cosiddetto machine learning, un algoritmo in grado di elaborare enormi quantità di dati ad alta velocità. L'apprendimento automatico ha avuto un notevole impulso nel 2011 con il deep learning e fino a un anno fa era il paradigma dell'intelligenza artificiale. Ora, con l'intelligenza artificiale generativa, il processo è inverso: con una piccola quantità di dati, la macchina è in grado di creare nuove informazioni.
Secondo Benjamins, però, non siamo ancora alla fase finale di ciò che l'intelligenza artificiale potrebbe comportare. La quarta fase, quella dell'intelligenza artificiale generale, consisterebbe nel vedere una macchina capace di pensare come un essere umano. "Al momento la Genai si limita a prevedere sulla base di una comprensione statistica", afferma Benjamins.
Anche l'intelligenza artificiale ha avuto il suo inverno
Tuttavia, il salto che l'IA generativa rappresenta, secondo Karen Kharmandarian, presidente e chief investment officer di Thematics AM (anch'essa affiliata di Natixis IM), è entusiasmante. "Le tecnologie precedenti richiedevano un complesso apprendimento del codice, una profonda conoscenza tecnica per poterle utilizzare. Ora l'IA parla la nostra lingua", osserva. Per Benjamins si tratta di una democratizzazione della tecnologia: "Prima era nelle mani dei computer, ora è nelle mani delle persone".
Ma allo stesso tempo insistono nel guardare oltre l'euforia. "Anche l'intelligenza artificiale ha attraversato il suo inverno. Le nuove tecnologie richiedono tempo per vedere una reale implementazione e l'IA generativa non farà eccezione", avverte Kharmandarian. A suo avviso, l'eccessiva euforia è sempre una ricetta per la delusione. In effetti, l'IA generativa di oggi non è ancora priva di problemi. "Non dimenticate che la tecnologia di oggi genera contenuti attraverso le informazioni che trova. Può essere coerente, ma può anche inventare le sue risposte se utilizza dati imprecisi", avverte Benjamins.
Rischio in termini di posti di lavoro
Ecco perché gli esperti sono cauti sulle previsioni dell'ondata di distruzione di posti di lavoro che la nuova intelligenza artificiale dovrebbe portare. "Fin dalla nascita del capitalismo, gli esseri umani hanno temuto di perdere il lavoro. Il passaggio da cavalli e carrozze alle carrozze non è stato immediato", ricorda De Franco. "Quanto più un lavoro è sociale, tanto meno vedo la possibilità che venga automatizzato", aggiunge Benjamins. È interessante notare che se c'è un settore in cui gli esperti vedono un potenziale significativo per l'implementazione, è la gestione degli asset. E lungo tutta la catena del valore, secondo Kharmandarian. Ad esempio, per elaborare una serie di informazioni che consentano di ottenere un quadro più preciso di chi è il cliente e di quali sono le sue esigenze. Naturalmente, ciò richiederà un miglioramento della relazione tra il consulente e il cliente. "Se l'investitore ha a disposizione molte più informazioni, il consulente deve chiedersi come può essere utile e aggiungere valore", conclude.
