Intelligenza Artificiale

Sappiamo di utilizzare ogni giorno algoritmi di IA. Siamo sicuri di sapere come funzionano? Come fare a garantire che le soluzioni che usiamo o che proponiamo ai nostri clienti siano sicure, non contengano bias di genere ed etnia, siano affidabili e spiegabili ? Vedremo come riconosce i rischi dell' IA (riconoscimento facciale, profilazione, etc) e come evitarli. Parleremo di come si stia cercando di regolamentare l'IA in modo da garantire il rispetto dei diritti e della privacy di tutti.

Quanto tempo avete aspettato recentemente per una visita medica? Il settore sanitario oggigiorno sta mostrando segni di cedimento e crisi, in quasi tutti i paesi al mondo. Sono tre i fattori principali: crescita ed invecchiamento della popolazione, tecnologie costose e poco scalabili, e crescita delle aspettative da parte dei pazienti verso un'assistenza sanitaria maggiormente personalizzata per i loro bisogni. L'intelligenza artificiale è la chiave di volta per costruire applicazioni digitali che rendono il sistema sanitario più accessibile, il monitoraggio da remoto più accurato ed infine permettono di usufruire degli spazi fisici in sicurezza. Partecipa alla sessione per conoscere le sfide e le opportunità della salute digitale e quale sarà l'evoluzione nei prossimi anni.

In this talk I would like to focus on the emerging trends in conversational AI with the particular focus on the potential of transformers (GPT, BERT, etc) understood not only as mere conversational bots, but as powerful and robust business intelligence tools. I will also present our current research work focusing on the application of transformers in marketing in the context of automation of iterative (and mundane) tasks and providing scheme for data-driven decision making.

L'intervento presenterà la metodologia corretta attraverso cui progettare soluzioni di intelligenza artificiale centrate sui bisogni degli utenti con particolare riferimento a quelle afferenti all'area del marketing e della comunicazione aziendale. Più in particolare verrà presentato il modello Alchim.ia, messo a punto all'interno del laboratorio di intelligenza artificiale della IULM, IULM AI Lab che, bastato su approcci consolidati (Design Thinking, Cross-Industry, AGILE... ), offre ai decisori aziendali, ai marketer e agli imprenditori l'approccio e il modello di flusso più corretto per progettare soluzioni di AI realmente basate sui bisogni degli utenti e sulle caratteristiche delle aziende.

I clienti oggi si aspettano risposte di aiuto pratico. SUBITO. Nell’esatto momento del bisogno. C'è confusione tra Omnicanalità (fattore strutturale del post Covid) e Multicanalità. Per gestire l'Omnichannel, serve andare oltre il CRM. Si parla di CDP, business messaging, data science platform. Vediamo casi pratici di tecnologie as a service che non richiedono programmatori e data scientist. Altrimenti a cosa servono siti internet, social media ... se poi generano solo tonnellate di ticket ed email?

Il machine learning sta rapidamente diventando un campo mercificato. Con la ricca quantità di dati con pipeline, modelli open source e piattaforme aziendali, il lavoro di un data scientist si sta spostando maggiormente verso la comprensione e la pulizia dei dati insieme alla generazione di features. Sembra che la modellazione sofisticata sia lasciata solo alla ricerca accademica. Uno dei motivi è il valore relativamente basso di un errore: alcune raccomandazioni così sbagliate o previsioni di errore dannono tanto il business. Tuttavia, nel settore della finanza quantitativa, un singolo imprevisto può portare a perdite superiori, la chiusura del fondo, e anche azioni legali. In questo discorso, esamineremo le migliori pratiche dell'arsenale dei quanti che possono (e dovrebbero) essere riapplicati nelle pipeline ML standard per garantire robustezza e gestire i rischi.