Figure e risorse che servono per l’intelligenza artificiale nel Wealth Management

Intelligenza artificiale e risorse per usarla nel Wealth Management

Operiamo in un settore che attraversa una trasformazione digitale importante e decisiva, anche per via dell’irruzione di tecnologie come machine learning e intelligenza artificiale, e siamo lieti di poter proseguire il nostro viaggio in compagnia di Nicola Gatti, direttore dell’Osservatorio Artificial Intelligence del Politecnico di Milano, che spiega nel modo più semplice e accessibile le nozioni di base su cui tutti, oggi o domani, faremo meglio a essere preparati.

Abbiamo incontrato Nicola durante Ital-IA, il primo Convegno Nazionale del Laboratorio Artificial Intelligence and Intelligent Systems del Consorzio Interuniversitario Nazionale per l’Informatica, organizzato a Roma in collaborazione con Confindustria presso il Centro Congressi Auditorium della Tecnica, e gli abbiamo già chiesto di contestualizzare l’intelligenza artificiale nell’ambito del Wealth Management nonché di togliere ogni dubbio sulla natura del machine learning.

Intelligenza aziendale o di mercato?

La domanda di oggi riguarda le risorse che un’azienda deve attendersi di allocare quando serve intelligenza artificiale: che figure professionali servono? Ed è necessario sviluppare competenze interne, oppure si può ricorrere al lavoro già fatto e alle risorse di elaborazione dei soggetti leader nel campo, come Google?

Ecco la risposta di Nicola.

In azienda servono tipicamente due figure: informatici laureati in ingeneria informatica o in scienze dell’informazione, oppure matematici ma con forte esperienza informatica, ogniqualvolta si tratti di usare tecniche che sono off the shelf o quasi off the shelf, sostanzialmente consolidate o di uso comune nella community dell’intelligenza artificiale.

Succede che le attività da eseguire non ricadano nelle categorie suddette. Se l’attività da svolgere è diversa da NLP, natural language processing (chatbot, elaborazione di testi, estrazione di testi eccetera), oppure dalla computer vision (per esempio image recognition, riconoscimento di immagini), di norma off the shelf non c’è niente.

L’intelligenza artificiale è ancora terreno di ricerca

Vuol dire che bisogna ricorrere a soluzioni più elaborate a partire dall’interno dell’azienda: creare un make, ossia un embrione ragionevolmente esauriente del progetto, e poi reperire l’esperienza necessaria in università o presso un centro di ricerca. L’alternativa è disporre in azienda di persone che abbiano svolto ricerca in passato, perché oggi sviluppare applicazioni fuori dagli ambiti dell’elaborazione del linguaggio e delle immagini significa essenzialmente fare ricerca.

Questa considerazione crea le premesse per l’osservazione successiva: tipicamente i grandi soggetti del cloud offrono applicazioni off the shelf attorno alle categorie già menzionate. Un’azienda che, per esempio, voglia elaborare soluzioni di trading o di pricing, non va da Google o Microsoft e invece si attrezza più o meno autonomamente.

Related to this story: