Intervista a Kuang Xu (Stanford)

Professore con cattedra di Operazioni e Tecnologia presso la Stanford Graduate School of Business, il professor Kuang Xu è un convinto sostenitore del potere di trasformazione dell'intelligenza artificiale (IA) nelle imprese. In questa intervista, spiega perché ritiene che le aziende debbano adottare l'automazione e il processo decisionale basato sui dati come mezzo per sfruttare a pieno il potenziale dell'IA.

• La sua ricerca a Stanford si concentra sul processo decisionale in tempi di incertezza. Dove consiglierebbe alle organizzazioni di investire prima del prossimo decennio?

  Tutti pensano all'IA generativa come ai chatbot del servizio clienti e a strumenti simili, ma non ha ancora dimostrato il suo potenziale commerciale. Siamo ancora nella fase di valutazione del valore commerciale di questi tipi di agenti di intelligenza artificiale. Farò quindi alcune osservazioni sui tipi di tecnologia che sappiamo apportare valore oggi.

  Il machine learning e l'IA ricevono molta attenzione e possiamo considerarli come due elementi. Il primo ottiene informazioni e genera previsioni ponendo domande del tipo: cos’è è il mondo? Il secondo è quello che io chiamo ottimizzazione e processo decisionale, ovvero: dato che il mondo è così, come devo agire? L'apprendimento automatico è più intuitivo e facile da capire, mentre l'IA è più complessa e meno interpretabile. Tuttavia, si tratta di un elemento chiave. Sapere "cos’è il mondo" è importante, ma il valore aggiunto è agire di conseguenza.

• Le aziende dovrebbero quindi destinare fondi a entrambe le tecnologie?

  Una buona parte delle aziende continuerà a trarre vantaggio da ciò che non è misterioso: investire nell'ottimizzazione dei processi logistici e della catena di fornitura attraverso l'uso dei dati. A tal fine, è necessario prendere in considerazione aspetti centrali come la gestione dei percorsi, il luogo di stoccaggio delle merci e l'ubicazione delle installazioni. È inoltre indispensabile raccogliere informazioni, fare previsioni e utilizzarle in un motore di ottimizzazione per modificare le assegnazioni, i percorsi o la rete logistica. In breve, sviluppare modelli di ottimizzazione basati su intelligenza artificiale e dati di qualità.

  C'è un altro aspetto di cui si parla meno, ma che è il "collante" delle supply chain quando si parla di IA e machine learning. Quando la logistica e le catene di fornitura sono progettate dall'uomo, è l'uomo a tenerle insieme. Ad esempio, quando si effettua una spedizione o si trasferisce un file di dati e si verifica un errore o un'ambiguità, ci confrontiamo per risolvere il problema. Può comportare costi e attriti, ma non pensiamo a questa capacità come a un'abilità speciale. Ciò che accade oggi, però è che un compito viene spesso isolato per essere migliorato in qualche modo da una macchina. Nella maggior parte dei casi, sarà probabilmente in grado di dirvi dove mandare i camion o quali scaffali conviene riordinare. Ma quando questo sistema si rompe, occorre un backup, che di solito prevede l'intervento umano. Queste tecnologie fanno parlare di sé con titoli come: "Il 95% delle volte le macchine superano gli esseri umani in X". Ma si scopre che integrare quel 95% con quel 5% in cui non riescono a batterli è piuttosto complicato. Perché insisto tanto su questo punto? Perché questo "collante", cioè l'uomo, è essenziale.

  Il potenziale dell'intelligenza artificiale per ottimizzare i processi fisici come la logistica della supply chain sta diventando sempre più evidente

• Perché questa integrazione è così importante?

  Si potrebbe pensare che il sistema sia in grado di funzionare senza questo "collante", ma la verità è che non è così. Fare a meno di questo elemento non significa ottenere l'80% del 95%: significa che in genere non si ottiene nulla. Semplicemente, impedisce alle persone di far funzionare le cose. Infatti, nel corso che stiamo tenendo alla GSB, stiamo esaminando casi reali di aziende di logistica e sanità che utilizzano il machine learning e l'IA Un tema ricorrente è che il segreto del successo spesso non è avere un algoritmo di apprendimento automatico migliore. I vincitori sono spesso quelli che si concentrano sul "collante". Perché? Perché sono bravi nello sviluppo della tecnologia e investono nella progettazione del prodotto per rendere l'integrazione ottimale rispetto ai loro concorrenti. Il mio consiglio è quindi di investire nell'integrazione dell'IA. Anche se non se ne parla molto, è fondamentale.

• Fornisce consulenza ad aziende e fondi di investimento su come sviluppare capacità di IA e data science. Quali sono i suoi principali consigli?

  I consigli dipendono da ogni caso, ma se dovessi evidenziare un solo aspetto direi che spesso le aziende non riescono a definire il valore del prodotto che offrono prima di fare il salto tecnologico. Non falliscono tanto nella scelta della giusta tecnica di machine learning quanto nel non chiedersi: "Se avessi questa tecnologia, quanto valore aggiungerebbe realmente?" E con questo non intendo il valore in senso astratto, il branding o la cultura aziendale. Mi riferisco a qualcosa di più specifico: sei in grado di specificare una metrica che rifletta la precisione e le prestazioni statistiche della tua tecnologia? Se sì, questo ti fa risparmiare denaro?

  Che tu ci creda o no, questo non è un esercizio che molti intraprendono. Il più delle volte credono che la tecnologia porterà loro un qualche tipo di capacità speciale e la adottano senza essere sicuri se sarà un successo o meno. Possono pensare che sostituirà un'intera linea di prodotti o che migliorerà drasticamente la produttività, ma non è mai del tutto chiaro se queste aspettative siano realizzabili. È qui che sorge il problema: fare investimenti senza benefici tangibili. Ritengo che definire il valore del prodotto con qualcuno, all'interno del team, che comprenda la portata della tecnologia e il potenziale del machine learning in una fase iniziale sia centrale per l'azienda.

• 

  Le organizzazioni stanno implementando l'intelligenza artificiale per paura di rimanere indietro?

  Sì, sta accadendo. Mi piace vederla in questo modo: il processo decisionale guidato dai dati è una scienza esatta, ma anche emozione e psicologia. Questo non vuol dire che vada evitato, anzi, dovrebbe essere adottato. Ma è essenziale sapere se lo si fa per paura. Vedo molte pressioni da parte di azionisti, stakeholder e consigli di amministrazione per dimostrare che stanno investendo in modo proattivo nell'IA, quindi la paura non è del tutto ingiustificata.

  Penso che ci saranno cambiamenti sostanziali nel settore non solo a causa dell'IA potenzialmente rivoluzionaria, ma anche a causa della crescita costante dell'IA e dell'apprendimento automatico negli ultimi dieci anni. Quindi sì, penso che le aziende debbano essere spaventate nel senso che, se non si espongono a questa tendenza, potrebbero rimanere indietro. Credo però che si debba accogliere questa paura, essere informati su ciò che sta accadendo e chiedersi, nel breve termine, quale valore si potrà trarre da questo fenomeno. Vedo anche molte aziende che fanno il salto e investono cifre enormi nell'intelligenza artificiale generativa, nell'assunzione di nuovi leader... Si scherza sul fatto che oggi il lavoro migliore sia quello di responsabile dell'intelligenza artificiale in un'azienda tradizionale. Ma bisogna prestarci molta attenzione. Un approccio ottimale sarebbe quello di accogliere questa paura, perché è reale e sta accadendo. Ma sapere esattamente dove deve avvenire il cambiamento in ogni organizzazione non è così semplice. Non tutti trarranno vantaggi da un chatbot automatizzato. Quindi la chiave è pensare al valore. Questa può essere una linea guida migliore.

• Quali aziende dovrebbero davvero implementare l'IA?

  Ottima domanda. Se sei nel settore della logistica e le operazioni della tua azienda sono già automatizzate o possono essere robotizzate con telemetria (feedback e misurazioni) allora non c'è dubbio che dovresti considerare l'integrazione dell'IA. Molte organizzazioni utilizzano già robot industriali e soluzioni di logistica e di stoccaggio come quelle prodotte da Mecalux. Il motivo è che l'automazione funge da porta d'ingresso. Senza questo feedback, queste tecniche innovative non avrebbero uno scenario di prova.

  Nonostante ciò, una volta che le porte sono già aperte, la concorrenza aumenterà perché prima o poi altri automatizzeranno meglio, quindi è un fattore molto rilevante da considerare. Ogni volta che il mondo fisico si connetterà a Internet e ai database, l'IA entrerà in gioco. Sebbene le origini dell'IA derivino dalla manipolazione delle informazioni digitali, il suo potenziale per l'ottimizzazione dei processi fisici, come le supply chain e i trasporti, sta diventando sempre più evidente. DoorDash, Uber e Lyft sono stati la prima ondata. Hanno centralizzato i loro autisti in un'app, ottenendo un certo controllo sull'ottimizzazione del mondo fisico. Se si spinge l'analogia un po' più in là, ci si può chiedere: cos'altro è già stato integrato o può essere integrato in futuro? L'automazione e l'integrazione delle reti sono settori chiave in cui l'IA è destinata a fare passi da gigante.

• Quali altri campi sono promettenti per l'IA?

  La seconda cosa che vorrei sottolineare è: in che misura la tua attività dipende dalle informazioni? Supponiamo di avere un diverso modello di domanda, una diversa struttura dei costi o un diverso flusso della catena di fornitura: questi dati cambierebbero drasticamente le decisioni dell’attività? Prendiamo un esempio dal settore immobiliare, dove i cambiamenti avvengono a lungo termine. Acquisti un edificio e lo metti in affitto. Se improvvisamente il numero di abitanti della città fluttua, non per questo l’immobile si venderà immediatamente. Anche se la possibilità di utilizzare l'IA esiste e può essere utile, le tue decisioni non sono così sensibili ai nuovi sviluppi, quindi potrai prendere un po' di tempo per analizzare uno scenario. Al contrario, se stiamo parlando di un progetto in cui le operazioni quotidiane dipendono in modo cruciale dai dati disponibili in ogni momento, l'IA può avere un grande impatto. La gestione delle consegne degli ordini in tempo reale è un ottimo esempio di come bisogna reagire rapidamente ai cambiamenti del mercato e delle condizioni ambientali. In un'attività di questo tipo, avere accesso a un'informazione può aiutare a cambiare radicalmente il modo in cui l'azienda opera.

  

  In altre parole, perché l'IA abbia un potenziale, occorre un ambiente in cui esista l'incertezza, il contesto cambi e si presentino nuove sfide. L'incertezza deve influenzare le decisioni aziendali. Quest'area dell'IA è già molto matura e può aiutarti. Comunque, se nessuno di questi requisiti viene soddisfatto e l’ambiente non cambia o, se cambia, non influenza la tua azienda, le possibilità di implementare l'IA possono essere minori.

• Al di là dei risparmi sui costi, quali opportunità può offrire l'IA alle aziende?

  I risparmi sono importanti, ma ci si aspetta che l'IA permetta di offrire prodotti ed esperienze completamente nuovi che prima non esistevano. Alcuni immaginano sempre applicazioni in cui l'IA sostituisce i lavoratori, e questo può essere motivo di preoccupazione. Tuttavia, si possono anche pensare esempi in cui l'IA apre nuove strade per applicazioni emergenti che sono possibili solo grazie all'IA e che potrebbero rappresentare una grande opportunità di espansione.

  Ciò che è molto interessante nella logistica, e sarei felice di sbagliarmi, è che tutto è sottoposto a un'enorme pressione. Non importa dove si comprano i cacciaviti, purché la qualità sia buona e il costo competitivo. Ma è possibile che il modo in cui si acquista un cacciavite o l'affidabilità del magazzino offrano un'esperienza completamente diversa al cliente? Sarebbe interessante. Potremmo chiederci: una volta integrati i robot, cosa succederebbe se non solo riducessero il costo dell'acquisto di un cacciavite, ma rendessero anche il processo molto più affidabile? E se questo mi permettesse di ottenere dati che mi aiutano a creare un nuovo prodotto? Quando l'IA consente di fare qualcosa che prima non si poteva fare, diventa un campo pieno di opportunità.

• Una volta ha detto che l'IA deve essere uno strumento, non un'entità superiore.

  Questa idea è legata alla paura, e la paura è una reazione naturale che tutti hanno. L'obiettivo non è evitare di provarla, ma esserne consapevoli e usare questa energia a proprio vantaggio. Penso che la paura sia un indicatore che qualcosa sta accadendo e che bisogna prestare attenzione. È un meccanismo di avvertimento. Ciò nonostante, se non la si affronta consapevolmente e diventa troppo profonda, la paura inizia a dettare ciò che si deve fare. Si smette di pensare. E questo è un fenomeno che vediamo troppo spesso: credere che si possa perdere qualcosa ci fa bloccare.

  La differenza tra uno strumento e un'entità superiore è che quest'ultima definisce i vostri obiettivi per voi. Dice: "Io sono una tecnologia e questo è ciò che faccio, quindi dovresti farlo anche tu". Questo è un esempio di copia e incolla di una soluzione senza riflettere a fondo sul valore che apporta. Tuttavia, uno strumento esegue un'azione senza definire il suo valore finale, ed è l'utente a doverlo definire. Quindi, se pensi all'IA come a uno strumento, dovresti chiederti: hai compreso il valore di ciò che stai cercando di ottenere? Hai lavorato per ottenerlo?

• 

  Quali sono le vostre ultime scoperte in materia di analisi alimentate dall'IA per aiutare le aziende a prendere decisioni?

  Un'area di ricerca che stiamo esplorando è l'apprendimento sequenziale, noto anche come apprendimento per rinforzo, in cui un agente di IA cerca di agire in modo ottimale nel mondo, ma prima deve interagire con se stesso per imparare a farlo. Quando si interagisce con il mondo, le proprie azioni hanno delle conseguenze e questo influisce sulla quantità di informazioni raccolte, sul luogo in cui vengono raccolte e sulle esperienze vissute. Ma non vogliamo mandare un robot in strada e farlo investire da un camion: stiamo cercando di progettare un robot che possa imparare mentre agisce e raccoglie dati.

  C'è un'altra area che non abbiamo ancora capito bene, e che ha a che fare con il modo in cui eseguire questi compiti in un ambiente che non rimane statico; se ci pensate, quasi nessuno degli ambienti con cui interagiamo lo fa. Ogni volta che arriviamo in un posto nuovo c'è sempre un processo di apprendimento ma, mentre impariamo, anche l'ambiente può cambiare. Come si fa quindi a progettare agenti robusti in grado di raccogliere le informazioni giuste in questi luoghi mutevoli?

  Alla Stanford University's Graduate School of Business stiamo lavorando attivamente in questo settore. È entusiasmante perché ci permette di affrontare molte applicazioni che in precedenza abbiamo studiato utilizzando approcci in cui simulavamo che l'ambiente non cambiasse. Se si pensa ai consigli per la vendita al dettaglio online, questi cambiamenti dovrebbero essere la norma, ma gli agenti di intelligenza artificiale utilizzati per crearli e per imparare a fissare i prezzi sono stati progettati per un ambiente immutabile. Applicando le nostre scoperte in queste aree, vediamo già miglioramenti significativi. Quando ho lavorato a progetti per clienti del settore logistico, ho scoperto che si tratta di un ambiente frenetico, molto instabile e in cui vigono regolamenti, interruzioni, stagionalità... Il segreto qui sta nel modo in cui gli algoritmi sono progettati per adattarsi rapidamente e ottenere le informazioni giuste con l'IA.

• Quale ruolo pensa che avrà l'IA nel futuro della logistica?

  È difficile da dire. Ci si potrebbe chiedere: perché l'IA fa tanto clamore nei chatbot e nella generazione di immagini e non così tanto nella logistica? Credo che il motivo principale sia semplice: spostare oggetti fisici è complicato per diversi motivi e rende difficile anche il margine di guadagno. La questione è come ridurre l'attrito in ogni punto del percorso. Se pensiamo a una nave container e a un'IA, dobbiamo analizzare quanti passaggi intermedi ci sono e studiare come minimizzare l'attrito lungo la supply chain. Ad esempio, un'IA potrebbe essere in grado di ottenere un metodo migliore per comunicare le decisioni, ad esempio su quale baia deve fermarsi un camion in arrivo al magazzino.

  Prima di pensare all'IA, consiglio alle aziende di pensare a come diminuire i colli di bottiglia. Una volta fatto ciò l'IA può avere un impatto positivo in molti modi. Alcune delle aziende di maggior successo sono brave a risolvere questi colli di bottiglia. Le organizzazioni non eccellono per avere il team di IA migliore e più originale del mondo: possono avere un buon team di IA, ma non è la parte più decisiva. L'aspetto cruciale è la piattaforma, le operazioni e il fatto di portare le operazioni al punto in cui i computer possono muovere gli atomi. Questo è l'ostacolo più grande al momento, ma sono entusiasta. La robotica che state costruendo in Mecalux potrebbe essere un grande passo in questa direzione. Sono molto ottimista sul futuro dell'intelligenza artificiale nei magazzini e nella logistica. È una tendenza che senza dubbio continuerà a crescere.